Детальная информация

Данная работа посвящена исследованию, анализу и применению подходов для прогнозирования значений временных рядов, представляющих собой параметр. Прогноз параметра затем может быть использован в целях оптимизации технологического процесса. Задачи, которые решались в ходе выполнения работы: 1. Анализ различных подходов к прогнозированию временных рядов. 2. Поиск и исследование данных, удовлетворяющих целям настоящего исследования, содержащих параметр для прогнозирования. 3. Разработка моделей прогнозирования с использованием выбранных методов. 4. Оценка точности разработанных моделей. 5. Анализ результатов и формулировка рекомендаций по дальнейшему применению прогнозов. В результате разработан, протестирован и интегрирован в модуль прогнозирования параметров, который может быть использован в системе предписательной аналитики. Для достижения поставленных задач в ходе работы были использованы следующие информационные технологии: Python 3.10.13, Visual Studio Code, scikit-learn, Prophet, xgboost, pandas, numpy, tensorflow, pmdarima, Яндекс Диск.

This work is devoted to the research, analysis and integration of approaches for predicting the values of time series representing a parameter. The parameter forecast can then be used to optimize the technological process. Tasks that were solved during the execution of the work: 1. Analysis of various approaches to time series forecasting. 2. Search and study of data satisfying the objectives of this study, containing a parameter for forecasting. 3. Development of forecasting models using selected methods. 4. Assessment of the accuracy of the developed models. 5. Analysis of the results and formulation of recommendations for further application of forecasts. As a result, a parameter prediction module has been developed, tested, and integrated, which can be used in a prescriptive analytics system. To achieve these goals, the following information technologies were used in the course of the work: Python 3.10.13, Visual Studio Code, scikit-learn, Prophet, xgboost, pandas, numpy, tensorflow, pmdarima, Yandex Disk.