Разработка и построение прогностических моделей на основе нейронной сети в аналитической платформе Deductor. Курсовая работа (т). Информационное обеспечение, программирование.

💣 👉🏻👉🏻👉🏻 ВСЯ ИНФОРМАЦИЯ ДОСТУПНА ЗДЕСЬ ЖМИТЕ 👈🏻👈🏻👈🏻

Информационное обеспечение, программирование

Вы можете узнать стоимость помощи в написании студенческой работы.

Помощь в написании работы, которую точно примут!

Похожие работы на - Разработка и построение прогностических моделей на основе нейронной сети в аналитической платформе Deductor
Нужна качественная работа без плагиата?

Не нашел материал для своей работы?

Поможем написать качественную работу Без плагиата!

Практическая и математическая постановка задачи

Анализ существующих алгоритмов и методов решения задачи

.       «Наивная» модель прогнозирования.

.       Прогнозирование методом среднего и скользящего
среднего.

.       Метод декомпозиции временного ряда.

.       Метод «ближайшего соседа» (NN - “nearest neighbor”)
или системы рассуждений на основе аналогичных случаев

.       Метод опорных векторов (SVM - Support Vector
Machine).

.       Метод ассоциативных правил

Описание разрабатываемого алгоритма, его укрупненная схема

Прогнозирование
- одна из самых востребованных, но при этом и самых сложных, задач анализа.
Проблемы при ее решении обусловлены многими причинами - недостаточное качество
и количество исходных данных, изменения среды, в которой протекает процесс,
воздействие субъективных факторов. [1]

Качественный
прогноз является ключом к решению таких актуальных бизнес-задач, как
оптимизация складских запасов и финансовых потоков, бюджетирование, оценка
инвестиционной привлекательности и многих других. [1]

Нейронные
сети - это очень мощный и гибкий механизм прогнозирования. При определении того,
что нужно прогнозировать, необходимо указывать переменные, которые
анализируются и предсказываются. Второй важный этап при построении нейросетевой
прогнозирующей системы - это определение следующих трех параметров: периода
прогнозирования, горизонта прогнозирования и интервала прогнозирования. Период
прогнозирования - это основная единица времени, на которую делается прогноз.
Горизонт прогнозирования - это число периодов в будущем, которые покрывает
прогноз. То есть, может понадобиться прогноз на 10 дней вперед, с данными на
каждый день. В этом случае период - сутки, а горизонт - 10 суток. Наконец,
интервал прогнозирования - частота, с которой делается новый прогноз. Часто
интервал прогнозирования совпадает с периодом прогнозирования. Выбор периода и горизонта
прогнозирования обычно диктуется условиями принятия решений в области, для
которой производится прогноз. Выбор этих двух параметров - едва не самое
трудное в нейросетевом прогнозировании. Для того чтобы прогнозирование имело
смысл, горизонт прогнозирования должен быть не меньше, чем время, необходимое
для реализации решения, принятого на основе прогноза. [2]

В
некоторых случаях не так важно предсказание конкретных значений прогнозируемой
переменной, как предсказание значительных изменений в ее поведении. Такая
задача возникает, например, при предсказании момента, когда текущее направление
движения рынка (тренд) изменит свое направление на противоположное. [2]

Точность
прогноза, требуемая для конкретной проблемы, оказывает огромное влияние на
прогнозирующую систему. Также огромное влияние на прогноз оказывает обучающая
выборка. [2]

Структура
прогностической модели похожа на структуры моделей, используемых для решения
других задач анализа, например распознавания, идентификации и т.п. Модель
прогноза отличается только характером используемых данных и алгоритмами их
обработки. Обобщенная структура прогностической модели представлена на Ошибка!
Источник ссылки не найден.. [3 стр. 533]

Рисунок
1. - Обобщенная модель прогноза

Здесь
набор входных переменных x i (i=1..n), образующих вектор X, -
исходные данные для прогноза. Набор выходных переменных y i (j=1..m),
образующих вектор результата Y, есть набор прогнозируемых величин. [3 стр. 533]

Когда
решается задача прогнозирования значений временного ряда, описывающего динамику
изменения некоторого бизнес-процесса, входные значения - наблюдения за
развитием процесса в прошлом, в выходные - прогнозные значения процесса в
будущем. При этом временные интервалы прошлых наблюдений и временные интервалы,
по которым требуется получить прогноз, должны соответствовать друг другу.
Например, если требуется получить прогноз по продажам за будущую неделю,
наблюдения, на основе которых будет строиться прогноз, также должны быть за
неделю. Обучающая выборка стоится путем преобразования временного рядас помощью
скользящего окна. [3 стр. 533]

Кроме
того, количество прогнозируемых наблюдений за историей развития процесса в
прошлом, на основе которого строится прогноз, должно быть больше, чем число
прогнозируемых интервалов, то есть n

4.     На 2-ом шаге мастера настроим поля следующим образом: поле «Курс»
назначим используемым, глубину погружения зададим равной 5 (т.к. одна сессия -
это неделя, т.е. 5 рабочих дней), а горизонт прогнозирования - 1 (будем
прогнозировать на 17.11.2014).

5.     Подтвердив следующие шаги мастера, получим таблицу «окна» данных.

6.     Для прогнозирования нужно построить модель. Запустим «Мастер
обработки» еще раз, и в секции «Data Mining» выберем пункт «Нейросеть».

7.     На 2-ом шаге мастера настроим поля исходных данных. Для модели
необходимо выбрать в качестве входных полей «Курс - 5» … «Курс», а выходным
будет поле «Курс + 1». Поле «Дата» - информационное.

8.     Оставив настройки 3-его шага мастера неизменными (95% - обучающее
множество, 5% - тестовое).

.       На 4-ом изменим структуру нейросети - зададим число скрытых
слоев равным 3.

10.   Оставим настройки процесса обучения нейронной сети на 5-ом шаге
мастера без изменений.

11.   На 6-ом шаге укажем параметры остановки обучения: ошибка должна
быть меньше 0,005; в обучающем и тестовом множестве должно быть распознано 95%.

12.   Произведем обучение нейронной сети с указанными параметрами.

.
Для анализа полученной модели на 8-ом шаге мастера выберем следующие способы
отображения: в секции «Data Mining» укажем «Диаграмма рассеяния», «Табличные
данные» - «Таблица», «Графики» - «Диаграмма».

Рисунок
6 - Диаграмма рассеяния построенной нейросети

Рисунок
7 - Таблица значений построенной нейросети

Рисунок
8 - График изменения значений построенной нейросети

Для
проверки прогностических качеств модели используют процедуру кросс-проверки.
Модель строится по выборке с обрезанным «хвостом», а затем сравниваются «хвост»
и прогноз. [8] В нашем случае прогноз последней сессии, построенный
нейросетью, оказался неинформативным - значения на 15.11.2014 не совпадают на
2,938 (-6,2%).

Судя
по диаграмме, разброс между эталонными значениями выходного поля и значениями,
рассчитанными моделью, достаточно велик. Это говорит о необходимости увеличения
обучающей выборки либо предобработки данных. К примеру, стоит удалить аномалии,
убрать шумы, изменить набор входных параметров и т.п.

К
недостаткам прогнозирования с помощью нейронных сетей можно отнести следующее:
длительное время обучения, проблема переобучения, трудность определения
положения обучающей выборки и значащих входов. [8]

Как
видно из Рисунок 8 график значений нейросети (Курс+1_OUT) значительно
отличается от графика известных значений на следующий день (Курс) в начальном
(незначительные отличия) и конечном (значительные) периоде исследования.
Значительно ближе к целевому значению график, полученный с помощью аппроксимации
скользящим окном (Курс+1), что говорит о неспособности нейронной модели
предсказывать краткосрочное будущее достаточно подробно, как это может
потребоваться трейдеру валютного рынка.

1. Deductor 4
- прогнозирование. BIGroup Labs. [В Интернете] [Цитировано: 20 10 2014 r.]
http://www.bi-grouplabs.ru/ResourceAnalitic/Forcast2/DedForcast.html.

.
Прогнозирование с помощью нейронных сетей. [В Интернете] [Цитировано: 20 10
2014 r.] http://apsheronsk.bozo.ru/Neural/Lec9.htm.

. Паклин, Н.
и Орешков, В. Бизнес-аналитика: от данных к знаниям. СПб. : Питер, 2013.

. Паклин, Н.
Логистическая регрессия и ROC-анализ - математический аппарат. BaseGroup Labs.
[В Интернете] [Цитировано: 03 11 2014 r.]
http://www.basegroup.ru/library/analysis/regression/logistic/.

5.
Чубукова, И. А. Data Mining. Интуит
- национальный открытый университет. [В Интернете] [Цитировано: 03 11 2014 r.]
http://lnfm1.sai.msu.ru/~rastor/Books/Chubukova-Data_Mining.pdf.

. Гуаццелли,
Алекс. Прогнозирование будущего: Часть 2. Методы прогностического
моделирования. developerWorks Россия. [В Интернете] IBM, 01 10 2012 r.
[Цитировано: 03 11 2014 r.]
http://www.ibm.com/developerworks/ru/library/ba-predictive-analytics2/.
. Пешнина, М.
А. Материалы Международного молодежного научного форума «ЛОМОНОСОВ-2014». [1
электрон. опт. диск (DVD-ROM)] М. : МАКС Пресс, 2014 r.

. Пауков, Д.
ПРОГНОЗИРОВАНИЕ С ПОМОЩЬЮ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ. ДНТУ. [В Интернете]
[Цитировано: 20 10 2014 r.]
http://masters.donntu.edu.ua/2006/kita/kiryan/library/art06.htm.

. Чубукова,
И. А. Лекция 9: Методы классификации и прогнозирования. Деревья решений. Интуит
- национальный открытый университет. [В Интернете] [Цитировано: 03 11 2014 r.]
http://www.intuit.ru/studies/courses/6/6/lecture/174.

Похожие работы на - Разработка и построение прогностических моделей на основе нейронной сети в аналитической платформе Deductor Курсовая работа (т). Информационное обеспечение, программирование.
Реферат: Фирменный стиль и репутация гостиницы
Конфликт Интересов На Государственной Службе Курсовая
Сочинение по теме Поэты Ставрополья
Расширение Нато На Восток Реферат
Обелиск Аргументы К Сочинению
Научная работа: Разбиение натурального ряда
Грузовой План Судна Курсовая
Курсовая работа по теме Кабінет Міністрів України як вищий орган виконавчої влади
Реферат Тему Антивирусные Программы
Курсовая работа по теме Анализ и прогнозирование конъюнктуры гостиничного бизнеса
Отчет по практике: Разработка программы кадрового аудита
Понятие Преступления Реферат
Курсовая работа по теме Концепция Никколо Макиавелли
Развитие Внимания Детей Дошкольного Возраста Реферат
Требования К Проведению Занятий По Скалолазанию Курсовая
Курсовая работа по теме Підключення модуля пам'яті до мікропроцессора
Контрольная работа: Задачи и функции самоменеджмента. Скачать бесплатно и без регистрации
Сочинение Про Любовь Егэ
Реферат: Structure Of The Executive Branch Essay Research
Реферат: The Dead Essay Research Paper
Похожие работы на - Управление деловой карьерой менеджера на примере предприятия ООО 'Радио 1'
Курсовая работа: Акридон. Его получение, свойства и применение
Реферат: Назначение отчета о прибылях и убытках и его построение на предприятии ЗАО МЗ Камасталь

Report Page