ВКР МЭИ: «Разработка программного метода применения искусственных нейронных сетей для решения задачи прогнозирования на примере конкрет

Диплом МЭИ 09.03.03 "Прикладная информатика" Разработка программного метода применения искусственных нейронных сетей для решения задачи прогнозирования на примере конкретных экономических задач

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

Актуальность темы ВКР

В условиях высокой неопределенности и динамичности экономических процессов точное прогнозирование становится критически важным фактором успеха для бизнеса. Согласно исследованию PwC (2024), компании, использующие передовые методы прогнозирования, демонстрируют на 25% более высокую рентабельность по сравнению с теми, кто полагается на традиционные методы. Однако, по данным того же исследования, только 35% российских компаний активно используют современные методы прогнозирования на основе искусственного интеллекта, что создает серьезное конкурентное неравенство.

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 паттерны в данных, позволяют значительно повысить точность прогнозирования по сравнению с традиционными статистическими методами, особенно в условиях нелинейных зависимостей и больших объемов данных.

Цель и задачи

Цель исследования: разработка программного метода применения искусственных нейронных сетей для прогнозирования спроса на продукцию компании "ПродТорг", обеспечивающего повышение точности прогнозов на 20-25% по сравнению с традиционными методами.

Для достижения поставленной цели необходимо решить следующие задачи:

• Провести анализ конкретных экономических задач, подходящих для решения с помощью ИНС
• Исследовать различные архитектуры нейронных сетей и выбрать оптимальную для прогнозирования спроса
• Определить функциональные и нефункциональные требования к программному методу
• Разработать методику подготовки и нормализации экономических данных
• Создать алгоритм обучения и настройки нейронной сети под специфику экономической задачи
• Реализовать программный метод с основными функциями: ввод данных, обучение сети, прогнозирование, оценка точности
• Провести тестирование метода на исторических данных компании "ПродТорг"
• Оценить эффективность внедрения метода по критериям: повышение точности прогнозов, снижение издержек, удовлетворенность пользователей

Объект и предмет исследования

Объект исследования: процессы прогнозирования экономических показателей в коммерческих организациях, в частности, в компании "ПродТорг", специализирующейся на оптовой торговле продуктами питания.

Предмет исследования: методы и технологии применения искусственных нейронных сетей для решения конкретных экономических задач прогнозирования, включая выбор архитектуры сети, подготовку данных и интерпретацию результатов.

Исследование фокусируется на создании программного метода, который будет соответствовать специфике прогнозирования спроса в оптовой торговле продуктами питания, учитывая сезонные колебания, влияние внешних факторов и особенности данных компании.

Примерный план (Содержание) работы

Структура ВКР должна отражать логическую последовательность этапов исследования и разработки программного метода применения ИНС. Вот примерный план работы по теме "Разработка программного метода применения искусственных нейронных сетей для решения задачи прогнозирования":

Глава 1. Анализ проблемной области и постановка задачи

• 1.1. Современное состояние методов прогнозирования в экономике
• 1.2. Анализ применения искусственных нейронных сетей для решения экономических задач
• 1.3. Исследование процессов прогнозирования спроса в компании "ПродТорг"
• 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 конкретных экономических задач, подходящих для решения с помощью ИНС
• 2.2. Исследование и выбор архитектур нейронных сетей для прогнозирования временных рядов
• 2.3. Разработка методики подготовки и нормализации экономических данных
• 2.4. Проектирование алгоритма обучения и настройки нейронной сети
• 2.5. Создание методики оценки качества 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 интеграции с учетной системой
• 3.4. Тестирование метода на исторических данных компании "ПродТорг"
• 3.5. Анализ результатов тестирования и рекомендации по внедрению

Ожидаемые результаты и практическая значимость

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

• Повысить точность прогнозирования спроса на 22-27%
• Сократить избыточные запасы на 15-20%
• Снизить потери от неудовлетворенного спроса на 25-30%
• Автоматизировать процесс прогнозирования и сократить время на его выполнение
• Интегрировать прогнозы с системой управления запасами и планирования закупок

Практическая значимость работы заключается в том, что разработанный метод может быть адаптирован для решения других экономических задач, таких как прогнозирование продаж, финансовых показателей или цен на сырье. Это особенно важно в свете требований к повышению точности прогнозирования и снижению издержек в условиях высокой конкуренции.

Результаты исследования могут быть использованы компанией "ПродТорг" для оптимизации управления запасами и планирования закупок, 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

В условиях высокой неопределенности и динамичности экономических процессов точное прогнозирование становится критически важным фактором успеха для бизнеса. Согласно исследованию PwC (2024), компании, использующие передовые методы прогнозирования, демонстрируют на 25% более высокую рентабельность по сравнению с теми, кто полагается на традиционные методы. Однако, по данным того же исследования, только 35% российских компаний активно используют современные методы прогнозирования на основе искусственного интеллекта, что создает серьезное конкурентное неравенство и ограничивает возможности для роста.

Целью настоящей выпускной квалификационной работы является разработка программного метода применения искусственных нейронных сетей для прогнозирования спроса на продукцию компании "ПродТорг", обеспечивающего повышение точности прогнозов на 20-25% по сравнению с традиционными методами. Для достижения поставленной цели решаются следующие задачи: анализ конкретных экономических задач, подходящих для решения с помощью ИНС, исследование архитектур нейронных сетей, определение функциональных требований к методу, разработка методики подготовки данных, создание алгоритма обучения сети, реализация программного метода и оценка его эффективности.

Объектом исследования выступают процессы прогнозирования экономических показателей в коммерческих организациях, предметом — методы и технологии применения искусственных нейронных сетей для решения конкретных экономических задач прогнозирования. 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 программного метода применения искусственных нейронных сетей, специально адаптированного для прогнозирования спроса в оптовой торговле продуктами питания с учетом сезонных колебаний и внешних факторов. Практическая значимость работы состоит в создании готового к внедрению решения, которое позволит значительно повысить точность прогнозирования спроса и снизить издержки компании за счет оптимизации управления запасами.

Заключение ВКР МЭИ

В ходе выполнения выпускной квалификационной работы был разработан и внедрен программный метод применения искусственных нейронных сетей для прогнозирования спроса на продукцию компании "ПродТорг". Проведенный анализ существующих методов прогнозирования позволил выявить ключевые проблемы традиционных подходов и сформулировать требования к новому методу, учитывающему специфику оптовой торговли продуктами питания.

Разработанный метод включает модули подготовки данных, обучения нейронной сети и прогнозирования, реализованные с использованием современных библиотек машинного обучения. При реализации была выбрана архитектура рекуррентной нейронной сети с LSTM-ячейками, которая показала наилучшие результаты для задач прогнозирования временных рядов с сезонными колебаниями. Тестирование метода на исторических данных компании "ПродТорг" показало, что внедрение разработанного решения позволяет повысить точность прогнозирования спроса на 24%, сократить избыточные запасы на 18% и снизить потери от неудовлетворенного спроса на 27%.

Практическая значимость работы подтверждается готовностью программного метода к эксплуатации в условиях коммерческой организации и потенциальной возможностью его адаптации для решения других экономических задач. Полученные результаты могут стать основой для дальнейших исследований в области применения искусственного интеллекта в экономических расчетах и разработки специализированных решений для повышения эффективности бизнес-процессов в различных сферах деятельности.

Требования к списку источников

Список использованных источников в ВКР по применению ИНС для экономического прогнозирования должен соответствовать ГОСТ 7.1-2003 и включать не менее 40 источников, из которых 25% должны быть опубликованы за последние 2 года. Источники следует разделить на категории: нормативные документы, научная литература по нейронным сетям, работы по экономике и прогнозированию, исследования по машинному обучению в бизнесе.

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. Петров, А.А. Применение нейронных сетей в прогнозировании экономических показателей / А.А. Петров, Е.П. Соколова // Экономика и управление. — 2024. — № 4. — С. 87-99.
3. Time Series Forecasting using Deep Learning: A Survey / V. Bandara, P. Senanayake, P. Ramesh, et al. — Journal of Machine Learning Research, 2023. — Vol. 24, № 128. — P. 1-45.

Особое внимание следует уделить источникам по современным архитектурам нейронных сетей для временных рядов, исследованиям в области прогнозирования экономических показателей и работам по применению машинного обучения в бизнес-аналитике. 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