📄Работа №143345
Тема: Прогнозирование иерархических временных рядов
Характеристики работы
Тип работы
Дипломные работы, ВКР
Предмет
Информатика и вычислительная техника
Объем:
32 листов
Год:
2022
Просмотров:
78
4600
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Введение 3
Постановка задачи 4
Обзор литературы 5
Глава 1. Подходы к согласованию прогнозов 7
1.1 Структура иерархического временного ряда 7
1.2 Восходящий подход 8
1.3 Нисходящий подход 9
1.4 Срединный подход 10
1.5 Подход оптимального согласования 11
Глава 2. Используемые прогнозные модели 14
2.1 ARIMA 14
2.2 SARIMAX 15
2.3 Prophet 16
Глава 3. Исходные данные 17
3.1 Описание данных 17
3.2 Предобработка данных 17
Глава 4. Моделирование 20
4.1 Описание реализации 20
4.2 Результаты 20
Выводы 29
Заключение 30
Список литературы 31
Постановка задачи 4
Обзор литературы 5
Глава 1. Подходы к согласованию прогнозов 7
1.1 Структура иерархического временного ряда 7
1.2 Восходящий подход 8
1.3 Нисходящий подход 9
1.4 Срединный подход 10
1.5 Подход оптимального согласования 11
Глава 2. Используемые прогнозные модели 14
2.1 ARIMA 14
2.2 SARIMAX 15
2.3 Prophet 16
Глава 3. Исходные данные 17
3.1 Описание данных 17
3.2 Предобработка данных 17
Глава 4. Моделирование 20
4.1 Описание реализации 20
4.2 Результаты 20
Выводы 29
Заключение 30
Список литературы 31
📖 Аннотация
Работа посвящена исследованию методов прогнозирования иерархических временных рядов. Актуальность темы обусловлена необходимостью обеспечения согласованности прогнозов на разных уровнях дезагрегации, что является критически важным для корректного планирования в таких областях, как анализ продаж или туристических потоков. В исследовании проведен сравнительный анализ ключевых подходов к согласованию прогнозов — восходящего, нисходящего, срединного и оптимального согласования, которые были реализованы на языке Python с использованием библиотеки scikit-hts. В качестве прогнозных моделей применялись ARIMA, SARIMAX и Prophet. Эмпирическая проверка выполнена на реальных данных о количестве граждан РФ, размещенных в коллективных средствах размещения, с географической иерархией. В результате были получены согласованные прогнозы на 2021-2022 годы и проведена оценка эффективности рассмотренных методов. Практическая значимость работы заключается в том, что разработанный инструментарий может быть использован аналитиками Федерального агентства по туризму и другими организациями для улучшения точности и согласованности прогнозов в сфере туризма. Проведенный обзор литературы позволил систематизировать современные научные подходы к решению задачи прогнозирования иерархических рядов. Таким образом, работа демонстрирует применимость современных методов машинного обучения и статистического анализа для построения точных и согласованных прогнозов, что непосредственно способствует повышению качества управленческих решений в экономическом планировании.
📖 Введение
Прогнозирование — это распространенная задача науки о данных, которая помогает организациям в планировании распределения ресурсов, постановке целей и обнаружении аномалий.
Временной ряд — это упорядоченная во времени последовательность значений какого-либо показателя. Существует множество методов и подходов к прогнозированию временных рядов. Главное отличие и преимущество прогнозирования на основе применения технологий машинного обучения перед традиционными статистическими методами в том, что такие решения постоянно сопоставляют сделанный прогноз с фактическими данными - именно это позволяет модели обучаться и повышать точность прогноза в будущем.
Временные ряды часто можно естественным образом дезагрегировать по различным интересующим атрибутам. Так иерархические временные ряды часто возникают из-за географического деления. Например, общие продажи товаров могут быть дезагрегированы по странам, затем в каждой стране по штатам, в каждом штате по региону и так далее до уровня торговых точек.
Обычно на основе дезагрегированных временных рядов составляются дезагрегированные прогнозы, и требуется, чтобы прогнозы складывались так же, как и данные, т. е. удовлетворяли структуре иерархии. Например, прогнозы региональных продаж должны складываться, чтобы давать прогнозы продаж по штатам, которые, в свою очередь, должны суммироваться, чтобы давать прогноз продаж по стране.
В данной выпускной квалификационной работе будут рассмотрены и применены основные подходы к согласованию прогнозов иерархических временных рядов для данных туризма Российской Федерации с географической иерархией.
Временной ряд — это упорядоченная во времени последовательность значений какого-либо показателя. Существует множество методов и подходов к прогнозированию временных рядов. Главное отличие и преимущество прогнозирования на основе применения технологий машинного обучения перед традиционными статистическими методами в том, что такие решения постоянно сопоставляют сделанный прогноз с фактическими данными - именно это позволяет модели обучаться и повышать точность прогноза в будущем.
Временные ряды часто можно естественным образом дезагрегировать по различным интересующим атрибутам. Так иерархические временные ряды часто возникают из-за географического деления. Например, общие продажи товаров могут быть дезагрегированы по странам, затем в каждой стране по штатам, в каждом штате по региону и так далее до уровня торговых точек.
Обычно на основе дезагрегированных временных рядов составляются дезагрегированные прогнозы, и требуется, чтобы прогнозы складывались так же, как и данные, т. е. удовлетворяли структуре иерархии. Например, прогнозы региональных продаж должны складываться, чтобы давать прогнозы продаж по штатам, которые, в свою очередь, должны суммироваться, чтобы давать прогноз продаж по стране.
В данной выпускной квалификационной работе будут рассмотрены и применены основные подходы к согласованию прогнозов иерархических временных рядов для данных туризма Российской Федерации с географической иерархией.
✅ Заключение
Таким образом, были изучены подходы к согласованию прогнозов иерархических временных рядов, все подходы были реализованы в программе, написанной на языке Python с использованием библиотеки scikit- hts, и исследованы применительно к данным о количестве граждан РФ, размещенных в коллективных средствах размещения. Поставленные задачи выполнены, проведен сравнительный анализ эффективности указанных подходов и прогнозных моделей, получены прогнозы на 2021-2022 годы и III кварталы 2022 года.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.