ИСПОЛЬЗОВАНИЕ СТАТИСТИЧЕСКИХ И НЕЙРОСЕТЕВЫХ МЕТОДОВ ДЛЯ ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ
В настоящее время в литературе рассматриваются вопросы моделирования и прогнозирования тарифных доходов предприятий электросвязи с учетом нынешнего состояния экономики. Тарифные доходы составляют большой процент от общих доходов предприятия и наиболее адекватно отражают активность потребителей услуг предприятия электросвязи. Вследствие этого прогноз тарифных доходов, во-первых, помогает отразить уровень спроса на услуги предприятия, во-вторых, оценить часть ожидаемого дохода предприятия. В данной работе исследуются методы краткосрочного прогнозирования тарифных доходов предприятия ОАО «Челябсвязьинформ». Рынок электросвязи является достаточно стабильным, поэтому в краткосрочном периоде оценивание доходов предприятия электросвязи с помощью временных рядов можно считать достаточно эффективным.
Данные о тарифных доходах предприятия были приведены к одному финансовому периоду, соответствующему политике предприятия и спросу потребителей. Для оценки инфляции были использованы статистические данные ЦБ РФ и Госкомстата.
Mодель ряда тарифных доходов предприятия связи представлена уравнением :
,
где T(t) - долговременная составляющая получения доходов (тренд);
S(t) - сезонная составляющая получения доходов;
- случайная составляющая;
t - время;
- оценка тарифных доходов, получаемых предприятием.
Присутствие сезонной составляющей объясняется тем, что активность потребителей услуг сильно зависит от времени года. Например, летом деловая активность снижается, поэтому поступления за междугородние разговоры и Интернет снижаются и т.д. В работе был реализован метод выделения сезонной составляющей Census I .
В работе были рассмотрены известные в литературе модели трендов данных, осуществлена их проверка на соответствие предположениям КМР (классической модели регрессии). Выделенная авторегрессионная модель тренда является лучшей из рассмотренных моделей при заданных исходных данных. В работе получено уравнение модели:
.
Существует другой подход в решении рассматриваемой задачи. В работе исследуются возможности применения нейросетевых алгоритмов для получения прогноза тарифных доходов предприятия электросвязи. Применение нейронных сетей в задачах прогнозирования доходов требует того, чтобы рынок, на котором действует данное предприятие, был стабильным. Нейронная сеть лишь аппроксимирует функцию доходов, извлекая информацию из самого ряда значений. В нашем случае условие стабильности соблюдается, т.к. предприятие ОАО «Челябсвязьинформ» можно рассматривать в качестве монополиста.
В работе на основе трехслойной нейронной сети с последовательными полными связями был получен прогноз временного ряда тарифных доходов. Минимальная ошибка обучения сети составила 30%, что указывает на достаточно низкую точность прогноза. Поэтому для дальнейших исследований предполагается использовать сеть с наличием обратных связей.
В дальнейшем автором предполагается исследовать возможности методов прогнозирования, основанных на интеграции статистических и нейросетевых методов.
Статья в формате PDF 266 KB...
22 04 2024 14:21:53
21 04 2024 17:35:10
Статья в формате PDF 113 KB...
20 04 2024 10:34:48
Статья в формате PDF 113 KB...
19 04 2024 9:16:34
Статья в формате PDF 115 KB...
17 04 2024 1:38:48
Статья в формате PDF 284 KB...
16 04 2024 1:45:52
15 04 2024 9:38:55
Статья в формате PDF 133 KB...
14 04 2024 9:33:36
Статья в формате PDF 104 KB...
13 04 2024 3:38:53
Статья в формате PDF 107 KB...
12 04 2024 1:11:58
Статья в формате PDF 340 KB...
11 04 2024 0:54:48
Статья в формате PDF 116 KB...
10 04 2024 22:39:44
Статья в формате PDF 104 KB...
09 04 2024 8:49:30
Статья в формате PDF 246 KB...
08 04 2024 14:25:15
Статья в формате PDF 476 KB...
07 04 2024 20:57:43
Представлены результаты собственных исследований, которые проводились методом добровольного сплошного анкетирования в 9 областных и районных центрах Российской федерации. В качестве исследуемых явлений были оценены: наличие синдрома дефицита внимания с гипеpaктивностью (СДВГ) и социальные факторы, участвующие в механизмах СДВГ. Установлена значимость последних в формировании и инициации данного заболевания, изучена их структура, также оценен вклад социально-психологического окружения. ...
06 04 2024 15:59:26
Статья в формате PDF 100 KB...
05 04 2024 23:14:42
Статья в формате PDF 100 KB...
03 04 2024 21:10:19
Статья в формате PDF 114 KB...
02 04 2024 12:49:49
Статья в формате PDF 104 KB...
01 04 2024 9:21:47
Статья в формате PDF 260 KB...
31 03 2024 15:55:37
Статья в формате PDF 106 KB...
30 03 2024 3:33:53
Статья в формате PDF 126 KB...
28 03 2024 20:30:13
26 03 2024 23:12:21
Статья в формате PDF 188 KB...
25 03 2024 18:41:34
Статья в формате PDF 122 KB...
24 03 2024 11:33:29
Статья в формате PDF 114 KB...
23 03 2024 14:41:55
Статья в формате PDF 101 KB...
22 03 2024 20:15:30
Статья в формате PDF 254 KB...
20 03 2024 6:25:19
Статья в формате PDF 133 KB...
19 03 2024 3:18:18
Статья в формате PDF 148 KB...
18 03 2024 19:21:34
Статья в формате PDF 128 KB...
17 03 2024 17:35:55
16 03 2024 5:48:38
Статья в формате PDF 245 KB...
15 03 2024 16:39:19
Статья в формате PDF 128 KB...
14 03 2024 15:45:17
Еще:
Поддержать себя -1 :: Поддержать себя -2 :: Поддержать себя -3 :: Поддержать себя -4 :: Поддержать себя -5 :: Поддержать себя -6 :: Поддержать себя -7 :: Поддержать себя -8 :: Поддержать себя -9 :: Поддержать себя -10 :: Поддержать себя -11 :: Поддержать себя -12 :: Поддержать себя -13 :: Поддержать себя -14 :: Поддержать себя -15 :: Поддержать себя -16 :: Поддержать себя -17 :: Поддержать себя -18 :: Поддержать себя -19 :: Поддержать себя -20 :: Поддержать себя -21 :: Поддержать себя -22 :: Поддержать себя -23 :: Поддержать себя -24 :: Поддержать себя -25 :: Поддержать себя -26 :: Поддержать себя -27 :: Поддержать себя -28 :: Поддержать себя -29 :: Поддержать себя -30 :: Поддержать себя -31 :: Поддержать себя -32 :: Поддержать себя -33 :: Поддержать себя -34 :: Поддержать себя -35 :: Поддержать себя -36 :: Поддержать себя -37 :: Поддержать себя -38 ::