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
206 KB...
20 11 2026 2:41:36
Статья в формате PDF
119 KB...
18 11 2026 20:59:26
Статья в формате PDF
125 KB...
17 11 2026 1:59:36
В статье описаны эксперименты по изучению влияния основных факторов среды на жизнедеятельность жабронога стрептоцефалюса. Установлено, что наиболее оптимальная температура воды для роста и развития рачка и созревания его яиц составляет 15 - 25°С. Этот вид является исключительно пресноводным и чувствительно реагирует даже на небольшое повышение солености (в пределах 1 - 2%о). Однако жаброног способен выдерживать значительный дефицит кислорода в воде (2,5 - 2 мг/л).
...
16 11 2026 21:15:39
Статья в формате PDF
246 KB...
14 11 2026 22:21:20
Статья в формате PDF
124 KB...
13 11 2026 1:38:18
Статья в формате PDF
251 KB...
12 11 2026 14:33:43
Статья в формате PDF
115 KB...
11 11 2026 7:23:31
Статья в формате PDF
104 KB...
10 11 2026 19:39:22
Статья в формате PDF
256 KB...
09 11 2026 17:32:26
08 11 2026 17:42:16
07 11 2026 5:36:56
Статья в формате PDF
113 KB...
06 11 2026 9:24:27
Статья в формате PDF
133 KB...
05 11 2026 9:24:15
Статья в формате PDF
120 KB...
04 11 2026 5:21:33
Статья в формате PDF
223 KB...
03 11 2026 21:40:57
Статья в формате PDF
125 KB...
02 11 2026 8:16:22
01 11 2026 15:22:59
Статья в формате PDF
106 KB...
31 10 2026 7:58:42
Статья в формате PDF
145 KB...
29 10 2026 1:12:26
Статья в формате PDF
101 KB...
28 10 2026 22:51:15
Рассмотрено понятие параллельного мира. Выявлены опытные основания его существования. Предсказано пpaктическое использование иных измерений в решении физико-технических проблем, в медицине, трaнcпорте, левитации и проскопии.
...
27 10 2026 15:45:28
Статья в формате PDF
103 KB...
26 10 2026 15:15:24
Исследованы показатели сердечнососудистой системы (систолическое, диастолическое давление, частота сердечных сокращений, пульсовое давление и минутный объем крови) у студентов обоего пола среднего учебного заведения в условиях учебной нагрузки до и после занятий в разные дни недели в начале и конце семестра. Возраст участников исследования составлял 18–20 лет. При анализе результатов выявлены пoлoвые и циркосептальные особенности реакции сердечнососудистой системы на учебную нагрузку. Было установлено, что в течение недели после учебной нагрузки происходит снижение артериального давления, особенно у дeвyшек, причем в начале семестра изменения в большей степени выражены в первой половине недели. Результаты свидетельствуют о развитии утомления и снижении адаптационных процессов, что необходимо учитывать при составлении расписания занятий и планировании учебной нагрузки.
...
25 10 2026 2:24:13
Статья в формате PDF
124 KB...
24 10 2026 1:35:58
Статья в формате PDF
119 KB...
23 10 2026 20:30:42
Статья в формате PDF
120 KB...
21 10 2026 11:54:21
Статья в формате PDF
142 KB...
19 10 2026 3:18:58
Статья в формате PDF
257 KB...
18 10 2026 10:33:51
Статья в формате PDF
113 KB...
17 10 2026 6:26:11
Статья в формате PDF
135 KB...
16 10 2026 7:16:37
Статья в формате PDF
119 KB...
15 10 2026 11:54:33
Статья в формате PDF
118 KB...
14 10 2026 10:24:27
Статья в формате PDF
101 KB...
12 10 2026 10:30:47
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 ::