ВКР МЭИ: «Исследование и разработка программного метода применения искусственных нейронных сетей для решения задачи прогнозирования эко

Диплом МЭИ 09.03.03 "Прикладная информатика" Исследование и разработка программного метода применения искусственных нейронных сетей для решения задачи прогнозирования экономического проекта (на конкретном примере)

Бесплатная консультация по вашей теме: Telegram: @Diplomit Телефон/WhatsApp/MAX: +7 (987) 915-99-32, Email: admin@diplom-it.ru,

Актуальность темы ВКР

Точное прогнозирование экономических показателей является критически важной задачей для успешного управления проектами и принятия стратегических решений. Согласно исследованию Deloitte (2024), до 70% экономических проектов сталкиваются с проблемами из-за неточного прогнозирования ключевых показателей, что приводит к значительным финансовым потерям. В условиях высокой неопределенности и сложности экономических процессов традиционные методы прогнозирования часто оказываются недостаточно эффективными, что обуславливает необходимость применения современных технологий искусственного интеллекта, таких как искусственные нейронные сети (ИНС).

Особую актуальность данная тема приобретает в свете требований Руководства по написанию ВКР для МЭИ, где особое внимание уделяется практической реализации и внедрению разработанных решений. Искусственные нейронные сети, благодаря своей способности выявлять сложные нелинейные зависимости в данных, позволяют значительно повысить точность прогнозирования экономических показателей по сравнению с традиционными статистическими методами.

Цель и задачи

Цель исследования: исследование и разработка программного метода применения искусственных нейронных сетей для прогнозирования финансовых показателей проекта развития энергетической инфраструктуры компании "ЭнергоГрупп", обеспечивающего повышение точности прогнозирования на 20-30% по сравнению с традиционными методами.

Для достижения поставленной цели необходимо решить следующие задачи:

• Провести анализ существующих методов прогнозирования экономических показателей и выявить их недостатки
• Исследовать различные архитектуры искусственных нейронных сетей, применимых для решения задач прогнозирования
• Определить функциональные и нефункциональные требования к программному методу на основе анализа процессов компании "ЭнергоГрупп"
• Разработать методику подготовки данных для обучения нейронной сети
• Создать алгоритм выбора оптимальной архитектуры и параметров нейронной сети
• Реализовать программный метод с основными функциями: обучение сети, прогнозирование, оценка точности
• Провести сравнительный тест с традиционными методами прогнозирования
• Оценить эффективность внедрения метода по критериям: повышение точности прогнозирования, снижение ошибок, удовлетворенность пользователей

Объект и предмет исследования

Объект исследования: процессы прогнозирования финансовых показателей экономических проектов в коммерческих организациях, в частности, в компании "ЭнергоГрупп", специализирующейся на развитии энергетической инфраструктуры.

Предмет исследования: методы и технологии применения искусственных нейронных сетей для прогнозирования экономических показателей, включая подготовку данных, выбор архитектуры сети, обучение и оценку точности прогнозов.

Исследование фокусируется на создании программного метода, который будет соответствовать специфике прогнозирования финансовых показателей проектов развития энергетической инфраструктуры, учитывая особенности данных и требования к точности прогнозов.

Примерный план (Содержание) работы

Структура ВКР должна отражать логическую последовательность этапов исследования и разработки программного метода применения ИНС. Вот примерный план работы по данной теме:

Глава 1. Анализ проблемной области и постановка задачи

• 1.1. Современное состояние методов прогнозирования экономических показателей в бизнесе
• 1.2. Анализ существующих подходов к применению искусственных нейронных сетей в экономике
• 1.3. Исследование процессов прогнозирования финансовых показателей в компании "ЭнергоГрупп"
• 1.4. Выявление проблем и ограничений текущих методов прогнозирования
• 1.5. Постановка задачи и определение критериев оценки эффективности

Глава 2. Результаты работ, выполняемые на этапах анализа, проектирования и разработки

• 2.1. Анализ требований к программному методу прогнозирования на основе ИНС
• 2.2. Исследование и выбор архитектур нейронных сетей для решения задачи прогнозирования
• 2.3. Разработка методики подготовки и нормализации данных
• 2.4. Проектирование алгоритма выбора оптимальных параметров сети
• 2.5. Создание методики оценки точности прогнозов и интерпретации результатов

Глава 3. Описание итоговой реализации и тестирование

• 3.1. Описание реализованного программного метода применения ИНС
• 3.2. Реализация модуля подготовки данных и обучения сети
• 3.3. Реализация модуля прогнозирования и визуализации результатов
• 3.4. Тестирование метода на исторических данных компании "ЭнергоГрупп"
• 3.5. Анализ результатов тестирования и рекомендации по дальнейшему развитию

Ожидаемые результаты и практическая значимость

Результатом исследования станет программный метод применения искусственных нейронных сетей, позволяющий компании "ЭнергоГрупп":

• Повысить точность прогнозирования финансовых показателей на 25-30%
• Сократить время на подготовку прогнозов на 40-50%
• Автоматизировать процесс анализа исторических данных
• Создать систему оценки рисков на основе прогнозных данных
• Интегрировать прогнозы с существующими системами планирования и бюджетирования

Практическая значимость работы заключается в том, что разработанный метод может быть адаптирован для прогнозирования различных экономических показателей в различных отраслях. Это особенно важно в свете требований к повышению точности прогнозирования и снижению рисков при управлении экономическими проектами.

Результаты исследования могут быть использованы компанией "ЭнергоГрупп" для оптимизации процессов планирования и управления проектами, а также для создания методических рекомендаций по применению искусственных нейронных сетей в экономических расчетах. Метод будет соответствовать требованиям информационной безопасности, что делает его готовым к реальному внедрению в условиях коммерческой организации.

Пример введения для выпускной квалификационной работы

Точное прогнозирование экономических показателей является критически важной задачей для успешного управления проектами и принятия стратегических решений. Согласно исследованию Deloitte (2024), до 70% экономических проектов сталкиваются с проблемами из-за неточного прогнозирования ключевых показателей, что приводит к значительным финансовым потерям. В условиях высокой неопределенности и сложности экономических процессов традиционные методы прогнозирования часто оказываются недостаточно эффективными, что обуславливает необходимость применения современных технологий искусственного интеллекта, таких как искусственные нейронные сети (ИНС).

Целью настоящей выпускной квалификационной работы является исследование и разработка программного метода применения искусственных нейронных сетей для прогнозирования финансовых показателей проекта развития энергетической инфраструктуры компании "ЭнергоГрупп", обеспечивающего повышение точности прогнозирования на 20-30% по сравнению с традиционными методами. Для достижения поставленной цели решаются следующие задачи: анализ существующих методов прогнозирования экономических показателей, исследование архитектур ИНС, определение функциональных требований к методу, разработка методики подготовки данных, создание алгоритма выбора параметров сети, реализация программного метода и оценка его эффективности.

Объектом исследования выступают процессы прогнозирования финансовых показателей экономических проектов в коммерческих организациях, предметом — методы и технологии применения искусственных нейронных сетей для прогнозирования экономических показателей. В работе используются такие методы исследования, как анализ научной литературы, методы машинного обучения, методы обработки временных рядов и методы оценки эффективности прогнозных моделей.

Научная новизна исследования заключается в предложении методики применения искусственных нейронных сетей, специально адаптированной для прогнозирования финансовых показателей проектов развития энергетической инфраструктуры. Практическая значимость работы состоит в создании готового к внедрению программного метода, который позволит значительно повысить точность прогнозирования экономических показателей и снизить риски при управлении проектами.

Заключение ВКР МЭИ

В ходе выполнения выпускной квалификационной работы был разработан и протестирован программный метод применения искусственных нейронных сетей для прогнозирования финансовых показателей экономического проекта. Проведенный анализ существующих методов прогнозирования позволил выявить ключевые проблемы традиционных подходов и сформулировать требования к новому методу, учитывающему специфику прогнозирования проектов развития энергетической инфраструктуры.

Разработанный метод включает модули подготовки данных, обучения нейронной сети и прогнозирования, реализованные с использованием современных библиотек машинного обучения. При реализации были использованы рекуррентные нейронные сети с LSTM-ячейками, которые показали наилучшие результаты для задач прогнозирования временных рядов. Тестирование метода на исторических данных компании "ЭнергоГрупп" показало, что использование разработанного решения позволяет повысить точность прогнозирования финансовых показателей на 28%, сократить время на подготовку прогнозов на 45% и повысить удовлетворенность пользователей на 35%.

Практическая значимость работы подтверждается готовностью программного метода к внедрению в бизнес-процессы компании и потенциальной возможностью его адаптации для прогнозирования других экономических показателей и в других отраслях. Полученные результаты могут стать основой для дальнейших исследований в области применения искусственного интеллекта в экономических расчетах и разработки специализированных решений для повышения точности прогнозирования в различных сферах деятельности.

Требования к списку источников

Список использованных источников в ВКР по применению ИНС для прогнозирования должен соответствовать ГОСТ 7.1-2003 и включать не менее 45 источников, из которых 30% должны быть опубликованы за последние 2 года. Источники необходимо разделить на категории: нормативные документы, научная литература по нейронным сетям, работы по экономике и прогнозированию, исследования по машинному обучению в финансах.

Примеры корректного оформления источников:

1. ГОСТ Р 50739-95. Системы обработки информации. Защита от несанкционированного доступа к информации. Общие требования. — М.: Госстандарт России, 1995. — 15 с.
2. Соколов, А.В. Применение нейронных сетей в экономике / А.В. Соколов, Е.П. Иванова // Экономика и управление. — 2024. — № 3. — С. 112-125.
3. Deep Learning / I. Goodfellow, Y. Bengio, A. Courville. — MIT Press, 2023. — 775 p.

Особое внимание следует уделить источникам по современным архитектурам нейронных сетей (LSTM, GRU, трансформеры), исследованиям в области прогнозирования временных рядов и работам по применению машинного обучения в экономических расчетах. Все источники должны быть непосредственно связаны с темой исследования и использованы в тексте работы для подтверждения аргументов и выводов.

• Как написать введение для дипломной работы: инструкция и пример
• 7 проверенных способов повысить оригинальность диплома
• Как подготовить killer-презентацию для защиты