Введение 4
1 Выявление наиболее важных экономических показателей и влияющих на них факторов 6
1.1 Выявление наиболее важных экономических показателей 6
1.2 Выявление факторов, оказывающих наибольшее влияние на исследуемые показатели 11
2 Разработка нечеткой системы прогнозирования 28
2.1 Разработка системы нечеткого вывода 28
2.2 Разработка системы правил 51
2.3 Программная реализация системы в среде MATLAB 35
3 Тестирование разработанного программного продукта 36
3.1 Построение прогнозных моделей для выбранных стран 36
3.2 Проведение тестовых расчетов и анализ полученных результатов 45
Выводы 75
Список использованных источников 59
Приложение. Фрагмент листинга программных модулей 61
Для эффективного принятия решений и разработки краткосрочных и долгосрочных планов необходимо прогнозировать будущие значения таких важнейших показателей как, например, ставки процента, производства издержки, объем продаж и так далее.
Метод прогнозирования, рассматриваемый в работе, дает с небольшой погрешностью точный прогноз.
Прогнозирование, нахождение скрытых периодичностей в данных, анализ зависимостей, оценка рисков при принятии решений и другие задачи решаются в рамках статистических моделей.
Нейронные сети решают всех типов практические задачи. Главное достоинство нейронных сетей является то, что они способны решать задачи, которые оказываются слишком сложными для обычных технологий. Это задачи, которые не имеют алгоритмического решения или, для которых алгоритмическое решение является очень трудным, чтобы его можно было определить аналитически. Нейронные сети широко применяются для анализа данных и обработки, в их задачи входит распознавание и классификация образов, управление, прогнозирование и так далее. Все чаще используют их в реальных бизнес приложениях.
Актуальность работы обусловлена тем, что знание основ эконометрических методов позволяет более профессионально работать в условиях сложившейся экономической системы, так как без этих знаний трудно изучить уже известные эмпирические зависимости и строить новые, ведь чем точнее прогноз, тем вероятней успех любого дела.
Цель работы является: Разработка и программная реализация интеллектуального алгоритма прогнозирования динамики экономических показателей.
Предметом исследования является анализ и прогнозирование динамики экономических показателей.
При выполнении работы были поставлены следующие задачи:
— изучить теоретические и методологические аспекты по применению и прогнозированию временных рядов методом искусственных нейронных сетей;
— проанализировать основные экономические показатели;
— построить модель и спрогнозировать экономические показатели методом нейронных сетей в системе Matlab.
В качестве исследовательского инструментария использование методы нейронных сетей, временных рядов, а так же графические и табличные методы предоставления результатов.
Теоретико-методологическую базу составили труды отечественных ученых-экономистов в области эконометрических исследований, какие как Балдин К.В., Боровиков В.П., Елисеева И.И., Заенцев И.В., Хайкин С., а также интернет-ресурсы.
Войти
в кабинет
в кабинет
Пролистайте материалы и убедитесь в качестве
Разработка и программная реализация интеллектуального алгоритма прогнозирования динамики экономических показателей #9104862
Артикул: 9104862
- Предмет: Программирование
- Уникальность: 69% (Антиплагиат.ВУЗ)
- Разместил(-а): 185 Рамиль в 2021 году
- Количество страниц: 70
- Формат файла: docx
2 499p.
1. Мешалкин В.П., Белозерский А.Ю., Дли М.И. Методика построения комплексной математической модели управления рисками предприятия металлургической промышленности./Прикладная информатика. 2011. № 3 (33). С. 100-120.
2. Балдин К.В. Эконометрика: Учебное пособие / Балдин К.В., Быстров О.Ф., Соколов М.М. – 2-е изд.; перераб. и доп. – М.: ЮНИТИ, 2004.
– 254с.
3. Боровиков В.П. Нейронные сети Statistica Neural Networks Методология и технологии современного анализа данных: «горячая линия – Телеком», 2008 г. С. 392.
4. Боровиков В.П. STATISTICA. Искусство анализа данных на компьютере: Для профессионалов. 2-ое изд. – СПб.: Питер, 2003. – 688 с.
5. Бояринов Ю.Г., Стоянова О.В., Дли М.И. Применение нейро- нечеткого метода группового учета аргументов для построения моделей социально экономических систем./Программные продукты и системы. 2006.
№ 3.
6. Григорьева Д.Р., Файзуллина А.Г. / Analysis and forecasting of sales of products of LLC "Plastic Engineering" in the system Statistica / Canadian Journal of Science, Education and Culture. - Toronto: Toronto Press, 2014.- №2(6)
- C. 330- 335.
7. Григорьева Д.Р., Файзуллина А.Г. Анализ и прогнозирование экономического показателя объем продаж предприятия в системе Statistica (англ.яз) / Международный научный конгресс “Фундаментальные и прикладные научные исследования в странах Тихоокеанского и Атлантического бассейнов”.- Токио: Tokyo University Press, 2014.- №2 - С.284- 287.
8. Дли М.И., Гимаров В.В., Иванова И.В. Иерархические мультиагентные модели для управления телекоммуникационным предприятием. /Журнал правовых и экономических исследований. 2012. № 4. С. 86-89.
9. Елисеева И.И. Эконометрика: учебник / Под ред. Елисеевой И.И.
- М. : Проспект, 2010. - 345с.
10. Козадаев А.С. Предварительная оценка качества обучающей выборки для искусственных нейронных сетей в задачах прогнозирования временных рядов / Вестн. Тамб. Ун-та. Сер. Естеств. И техн. Науки. – 2008. – Т. 13, вып.1. – С.100
11. Кулинич, Е. И. Эконометрия / Е. И. Кулинич. ― М.: Финансы и статистика, 2010. ― 304 с
12. Пучков А.Ю., Павлов Д.А. Метод решения обратных задач для экономических объектов./ Научное обозрение (научный журнал). №9, 2013. С. 372 – 375.
13. Пучков А.Ю., Шарпаев А.К. Прогнозирование рынка промышленной продукции на основе применения фильтра Калмана.
/Интеграл, 2009, № 2 (46) С. 100.
14. Sarkisov P.D., Stoyanova O.V., Dli M.I. Principles of project management in the field of nanoindustry. / Theoretical Foundations of Chemical Engineering. 2013. Т. 47. № 1. С. 31-35
2. Балдин К.В. Эконометрика: Учебное пособие / Балдин К.В., Быстров О.Ф., Соколов М.М. – 2-е изд.; перераб. и доп. – М.: ЮНИТИ, 2004.
– 254с.
3. Боровиков В.П. Нейронные сети Statistica Neural Networks Методология и технологии современного анализа данных: «горячая линия – Телеком», 2008 г. С. 392.
4. Боровиков В.П. STATISTICA. Искусство анализа данных на компьютере: Для профессионалов. 2-ое изд. – СПб.: Питер, 2003. – 688 с.
5. Бояринов Ю.Г., Стоянова О.В., Дли М.И. Применение нейро- нечеткого метода группового учета аргументов для построения моделей социально экономических систем./Программные продукты и системы. 2006.
№ 3.
6. Григорьева Д.Р., Файзуллина А.Г. / Analysis and forecasting of sales of products of LLC "Plastic Engineering" in the system Statistica / Canadian Journal of Science, Education and Culture. - Toronto: Toronto Press, 2014.- №2(6)
- C. 330- 335.
7. Григорьева Д.Р., Файзуллина А.Г. Анализ и прогнозирование экономического показателя объем продаж предприятия в системе Statistica (англ.яз) / Международный научный конгресс “Фундаментальные и прикладные научные исследования в странах Тихоокеанского и Атлантического бассейнов”.- Токио: Tokyo University Press, 2014.- №2 - С.284- 287.
8. Дли М.И., Гимаров В.В., Иванова И.В. Иерархические мультиагентные модели для управления телекоммуникационным предприятием. /Журнал правовых и экономических исследований. 2012. № 4. С. 86-89.
9. Елисеева И.И. Эконометрика: учебник / Под ред. Елисеевой И.И.
- М. : Проспект, 2010. - 345с.
10. Козадаев А.С. Предварительная оценка качества обучающей выборки для искусственных нейронных сетей в задачах прогнозирования временных рядов / Вестн. Тамб. Ун-та. Сер. Естеств. И техн. Науки. – 2008. – Т. 13, вып.1. – С.100
11. Кулинич, Е. И. Эконометрия / Е. И. Кулинич. ― М.: Финансы и статистика, 2010. ― 304 с
12. Пучков А.Ю., Павлов Д.А. Метод решения обратных задач для экономических объектов./ Научное обозрение (научный журнал). №9, 2013. С. 372 – 375.
13. Пучков А.Ю., Шарпаев А.К. Прогнозирование рынка промышленной продукции на основе применения фильтра Калмана.
/Интеграл, 2009, № 2 (46) С. 100.
14. Sarkisov P.D., Stoyanova O.V., Dli M.I. Principles of project management in the field of nanoindustry. / Theoretical Foundations of Chemical Engineering. 2013. Т. 47. № 1. С. 31-35
Материалы, размещаемые в каталоге, с согласия автора, могут использоваться только в качестве дополнительного инструмента для решения имеющихся у вас задач,
сбора информации и источников, содержащих стороннее мнение по вопросу, его оценку, но не являются готовым решением.
Пользователь вправе по собственному усмотрению перерабатывать материалы, создавать производные произведения,
соглашаться или не соглашаться с выводами, предложенными автором, с его позицией.
| Тема: | Разработка и программная реализация интеллектуального алгоритма прогнозирования динамики экономических показателей |
| Артикул: | 9104862 |
| Дата написания: | 28.05.2021 |
| Тип работы: | Дипломная работа |
| Предмет: | Программирование |
| Оригинальность: | Антиплагиат.ВУЗ — 69% |
| Количество страниц: | 70 |
Скрин проверки АП.ВУЗ приложен на последней странице.
В работе представлена только пояснительная записка и листинг. Самой скомпилированной программы нет.
В работе представлена только пояснительная записка и листинг. Самой скомпилированной программы нет.
Файлы артикула: Разработка и программная реализация интеллектуального алгоритма прогнозирования динамики экономических показателей по предмету программирование
Пролистайте "Разработка и программная реализация интеллектуального алгоритма прогнозирования динамики экономических показателей" и убедитесь в качестве
После покупки артикул автоматически будет удален с сайта до 01.07.2024
Посмотреть остальные страницы ▼
Честный антиплагиат!
Уникальность работы — 69% (оригинальный текст + цитирования, без учета списка литературы и приложений), приведена по системе Антиплагиат.ВУЗ на момент её написания и могла со временем снизиться. Мы понимаем, что это важно для вас, поэтому сразу после оплаты вы сможете бесплатно поднять её. При этом текст и форматирование в работе останутся прежними.
Гарантируем возврат денег!
Качество каждой готовой работы, представленной в каталоге, проверено и соответствует описанию. В случае обоснованных претензий мы гарантируем возврат денег в течение 24 часов.
ПРЕДЫДУЩАЯ РАБОТА
Разработка модуля контроля заправки транспортных средств на автозаправочных станциях
СЛЕДУЮЩАЯ РАБОТА
Автоматизированная информационная система электронной коммерции товаров ежедневного спроса