О применении нейросетевых моделей при планировании производства ЛКМ
DOI:
https://doi.org/10.52575/2687-0932-2021-48-4-794-801Ключевые слова:
лакокрасочные материалы (ЛКМ), нейронная сеть, прогноз, сценарийАннотация
Основываясь на проведенных ранее исследованиях, были использованы данные, полученные в процессе сбора и анализа статистических данных. Определены внешние и внутренние факторы, влияющие на систему. Рассмотрены методы прогнозирования, оптимально подходящие для решения задач, стоящих перед предприятием лакокрасочной отрасли. С помощью метода анализа иерархий был проведен анализ альтернативных методов прогнозирования. На основании выводов, полученных в результате анализа, были выбраны нейросетевые модели. В статье рассмотрены результаты проведенной серии экспериментов по прогнозированию выпуска продукта НЦ-132 (Выбор мастера) с помощью нейросетевых моделей. По результатам экспериментов предложена схема выбора нейросетевой модели и алгоритм ее предварительного обучения. Приведены результаты проведенных экспериментов, на основании которых в дальнейшем планируется описание функционала модуля прогнозирования, разработки технического задания и внедрения разработанной системы.
Скачивания
Библиографические ссылки
Абдикеев Н.М. 2017. Долгосрочное прогнозирование макроэкономических показателей. Фундаментальные исследования, 8–1: 110–114.
Бабич Т.Н., Кузьбожев Э.Н., Козьева И.А. 2018. Прогнозирование и планирование в условиях рынка: Учебное пособие. М.: Инфра-М, 288 c.
Васильев М.Г. 2006. Состояние химического комплекса и основные направления стратегии его развития. Нефтепереработка и нефтехимия. 1: 17–21.
Галушкин А.И. 2015. Нейронные сети: основы теории. М.: РиС, 496 c.
Костюхина Г.В., Тахавова Э.Г. 2014. Разработка модели нейронной сети. В кн.: Современные инновации в науке и технике: сборник научных трудов 4-ой Международной научно-практической конференции. Курск, 17 апреля. Закрытое акционерное общество «Университетская книга»: 283–285.
Россия в цифрах, краткий статистический сборник. 2020. Росстат Москва: 600 с.
Рутковская Д., Пилиньский М., Рутковский Л. 2013. Нейронные сети, генетические алгоритмы и нечеткие системы. М.: РиС, 384 c.
Скрипина И.И., Зайцева Т.В., Путивцева Н.П. 2021. Анализ и выбор математической модели с помощью метода анализа иерархий. Научный результат. Информационные технологии,
–2: 41–46.
Созуракова С.Д., Маяк А.Н., 2019. Состояние рынка и производства лакокрасочных материалов. Отчет о НИР, ОАО «НИИТЭХИМ». М, 142 с.
Сорокина А.В. 2016. Становление и развитие стратегического планирования и прогнозирования в РФ. Транспортное дело России, 5: 29–31.
Старинский В.Н. 2017. Технологические аспекты прогнозирования рыночных ситуаций. Экономика. Бизнес. Право, 1–3 (21): 4–14.
Стратегия развития химической и нефтехимической промышленности на период до 2021 г. 2014. Отчет о НИР, ОАО «НИИТЭХИМ», М, 103 с.
Усков А.А., Кузьмин А.В. 2017. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика. М.: Горячая линия –Телеком, 143 c.
Хайкин С. 2019. Нейронные сети: полный курс. М.: Диалектика, 1104 c.
Шаникова И.В. 2015. Современные проблемы прогнозирования экономического развития России. Образование и наука без границ: социально-гуманитарные науки, 1: 288–290.
Просмотров аннотации: 87
Поделиться
Опубликован
Как цитировать
Выпуск
Раздел
Copyright (c) 2021 Экономика. Информатика
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
