На бирже курсовых и дипломных проектов можно найти образцы готовых работ или получить помощь в написании уникальных курсовых работ, дипломов, лабораторных работ, контрольных работ, диссертаций, рефератов. Так же вы мажете самостоятельно повысить уникальность своей работы для прохождения проверки на плагиат всего за несколько минут.

ЛИЧНЫЙ КАБИНЕТ 

 

Здравствуйте гость!

 

Логин:

Пароль:

 

Запомнить

 

 

Забыли пароль? Регистрация

Повышение уникальности

Предлагаем нашим посетителям воспользоваться бесплатным программным обеспечением «StudentHelp», которое позволит вам всего за несколько минут, выполнить повышение уникальности любого файла в формате MS Word. После такого повышения уникальности, ваша работа легко пройдете проверку в системах антиплагиат вуз, antiplagiat.ru, etxt.ru или advego.ru. Программа «StudentHelp» работает по уникальной технологии и при повышении уникальности не вставляет в текст скрытых символов, и даже если препод скопирует текст в блокнот – не увидит ни каких отличий от текста в Word файле.

Работа № 88126


Наименование:


Курсовик Использование СППР Deductor для анализа и прогнозирования урожайности картофеля в РФ

Информация:

Тип работы: Курсовик. Предмет: Информатика. Добавлен: 08.05.2015. Сдан: 2014. Страниц: 43. Уникальность по antiplagiat.ru: < 30%

Описание (план):


РОССИЙСКИЙ ГОСУДАРСТВЕННЫЙ АГРАРНЫЙ
УНИВЕРСИТЕТ — МСХА имени К.А.ТИМИРЯЗЕВА

Экономический факультет
Кафедра экономической кибернетики
____________________________________________________________________________


Курсовая работа

на тему: «Использование СППР Deductor для анализа и прогнозирования урожайности картофеля в РФ»


по дисциплине:
ИНФОРМАЦИОННЫЕ СИСТЕМЫ УПРАВЛЕНИЯ ПРОИЗВОДСТВЕННОЙ КОМПАНИЕЙ


Выполнил(а): Студентка 309 группы



МОСКВА – 2014
?
Оглавление
Введение 3
Постановка задачи 5
1.1. Назначение задачи 5
1.2.Перечень и описание входной информации 5
1.3 Перечень и описание выходной информации 7
1.4 Перечень информационных технологий и систем, используемых для решения поставленной задачи 8
Теоретическая часть 9
2.1. Понятие КДД технологий 9
2.2. Характеристика рассматриваемой в работе автоматизированной информационной системы СППР Deductor 11
2.3. Понятие и назначение используемых в работе информационных технологий 14
Практическая часть 16
3.1.Технология поиска, сбора, подготовки данных 16
3.2.Технология загрузки данных 17
3.2.Технология обработки, визуализации и анализ данных 22
Выводы и предложения 42
Библиографический список 43


?
Введение

Сложившаяся в стране негативная экономическая ситуация, заполнение рынка импортным продовольствием нацеливают сельскохозяйственные предприятия на поиск внутренних резервов увеличения производства конкурентоспособной продукции. Государство не только не в состоянии оказать экономическую и социальную поддержку сельскохозяйственным предприятиям, но и вынужденно ужесточить режим бюджетного финансирования. Однако и в этих сложных условиях главными задачами сельскохозяйственных предприятий были и остаются: идти вперед, проводить весенне-полевые работы, готовится к уборке урожая, убирать все выращенное на земле, сохранить основное поголовье крупного рогатого скота, повысить материальное состояние тружеников предприятия.
Урожайность - важнейший показатель, отражающий уровень интенсификации сельскохозяйственного производства. От правильного планирования и прогнозирования уровня урожайности сельскохозяйственных культур во многом зависит качество планово экономического уровня этих экономических категорий, как себестоимость, производительность труда, рентабельность и другие экономические показатели. Таким образом, урожайность культур в каждом хозяйстве играет одну из первых ролей, и производитель сельскохозяйственной продукции должен стремиться к постоянному повышению урожайности всех культур. В нашем случае будет рассматриваться урожайность картофеля, которая играет важную роль. В первую очередь картофель важна как продовольственная и кормовая культура для животных. Урожайность картофеля в наших хозяйствах очень низкая, да и по стране в целом тоже. Значит, чтобы повысить урожайность данной культуры нужно знать факторы влияющие на нее.
Целью курсовой работы является анализ и прогнозирование урожайности картофеля. Задачи курсовой работы:
- Изучить теоретические основы эффективности сельскохозяйственного производства картофеля;
- Точно определить закономерности складывающиеся в развитии урожайности, мы проведем анализ при помощи математической статистики. Это нам даст возможность определить тенденцию развития урожайности. Для выявления тенденции воспользуемся различными методами анализа, используемые в программе Deductor.
- Используя различные методы проведем прогноз урожайности картофеля на ряд лет.
Объектом исследования послужили сельскохозяйственные предприятия занимающиеся производством картофеля по всей России.
Информационной базой исследования послужили статистические материалы, отчетные данные сельскохозяйственных предприятий, сайт федеральной службы государственной статистики: >
?
Постановка задачи
1.1. Назначение задачи
Выполнить анализ и прогноз урожайности картофеля на 2013 год в РФ.
1.2.Перечень и описание входной информации
Источником информации служит сайт Федеральной службы государственной статистики: ww.gks.ru. С сайта взяли нужную нам для исследования информацию, представленную в таблице 1.
Таблица 1
Год Посевные площади картофеля, тыс. га Валовой сбор картофеля, млн. т Реализовано картофеля, млн. т Внесение минеральных удобрений на один гектар под посевы в сельскохозяйственных организациях, кг Внесение органических удобрений на один гектар под посевы в сельскохозяйственных организациях, т
1993 3548 37,7 2,13 46 2,6
1994 3337 33,8 1,35 24 1,8
1995 3409 39,9 1,16 17 1,4
1996 3320 37,6 1,16 17 1,2
1997 3184 35,1 1,06 18 1,0
1998 3015 29,0 1,12 16 0,9
1999 2921 28,0 0,89 15 0,9
2000 2834 29,5 0,86 19 0,9
2001 2740 29,5 0,95 19 0,8
2002 2646 26,9 0,94 21 0,9
2003 2531 29,4 0,85 21 1,0
2004 2415 27,9 1,05 23 0,9
2005 2277 28,1 1,28 25 0,9
2006 2129 28,3 1,47 27 0,9
2007 2069 27,2 1,74 32 0,9
2008 2104 28,8 1,95 36 1,0
2009 2193 31,1 2,09 36 1,0
2010 2212 21,1 1,89 38 1,1
2011 2225 32,7 1,83 39 1,0
2012 2237 29,5 2,37 38 1,1


Для дальнейших расчетов нам потребуется перевести некоторые данные с учетом единиц измерения, переведенные значения указаны в таблице 2.
Таблица 2
Год Посевн площ картофеля в га ( с учетом единиц измерения) Валовый сбор картофеля в ц (с учетом единиц измерения)
1993 3547820 376 503 700
1994 3336960 338 276 200
1995 3409180 399 091 300
1996 3320050 376 185 410
1997 3183510 351 375 780
1998 3014760 289 531 720
1999 2920850 279 977 310
2000 2833970 294 648 010
2001 2740040 294 988 100
2002 2646190 269 225 020
2003 2530910 293 584 740
2004 2415370 278 762 470
2005 2277150 281 369 910
2006 2128520 282 597 340
2007 2068790 271 952 480
2008 2104200 288 463 600
2009 2192840 311 339 580
2010 2211977 211 405 389
2011 2225070 326 814 700
2012 2237356 295 325 295


?
1.3 Перечень и описание выходной информации
Выполняем расчеты. Перечень и описание полей выходной информации приводится в таблице 3.
Таблица 3
Год Внесение минеральных удобрений на один гектар под посевы в сельскохозяйственных организациях, кг Внесение органических удобрений на один гектар под посевы в сельскохозяйственных организациях, т Товарность картофеля, % Урожайность картофеля, ц с 1 га
1993 46 2,6 0,06 106,12
1994 24 1,8 0,04 101,37
1995 17 1,4 0,03 117,06
1996 17 1,2 0,03 113,31
1997 18 1,0 0,03 110,37
1998 16 0,9 0,04 96,04
1999 15 0,9 0,03 95,85
2000 19 0,9 0,03 103,97
2001 19 0,8 0,03 107,66
2002 21 0,9 0,04 101,74
2003 21 1,0 0,03 116,00
2004 23 0,9 0,04 115,41
2005 25 0,9 0,05 123,56
2006 27 0,9 0,05 132,77
2007 32 0,9 0,06 131,45
2008 36 1,0 0,07 137,09
2009 36 1,0 0,07 141,98
2010 38 1,1 0,09 95,57
2011 39 1,0 0,06 146,88
2012 38 1,1 0,08 132,00
В качестве визуализаторов и обработчиков информации выбрали: статистика, диаграмма урожайности, корреляционный и регрессионный анализ, декомпозиция временного ряда, диаграмма прогноза.

?
1.4 Перечень информационных технологий и систем, используемых для решения поставленной задачи

Для реализации поставленной задачи, из всех существующих программ, были использованы: текстовый редактор – блокнот, табличный редактор Excel, СППР Deductor
Deductor – аналитическая платформа, основа для создания законченных прикладных решений в области анализа данных. Реализованные в Deductor технологии позволяют на базе единой архитектуры пройти все этапы построения аналитической системы: от консолидации данных до построения моделей и визуализации полученных результатов.
?
Теоретическая часть
2.1. Понятие КДД технологий
Технология Knowledge Discovery in Databases — это процесс получения из данных знаний в виде зависимостей, правил, моделей, обычно состоящий из таких этапов, как выборка данных, их очистка и трансформация, моделирование и интерпретация полученных результатов....

28.05.2014 ?
Библиографический список
1. >2. deductor
3. wiki/Data_mining
4. lib/disk/2012/NikulinChernyshov.pdf
5. student/statistika/korrelyacionno-regressionnyy-analiz.html
6. wiki
7. Карпузова В.И., Скрипченко Э.Н., Чернышева К.В., Карпузова Н.В. Информационные системы управления производственной компанией. Курсовая работа: Учебное пособие / В.И. Карпузова, Э.Н. Скрипченко, К.В. Чернышева, Н.В. Карпузова. М.: Изд-во РГАУ — МСХА, 2014. 66 с.




Перейти к полному тексту работы


Скачать работу с онлайн повышением уникальности до 90% по antiplagiat.ru, etxt.ru или advego.ru


Смотреть похожие работы

* Примечание. Уникальность работы указана на дату публикации, текущее значение может отличаться от указанного.