Оперативное прогнозирование значений экономических показателей многоотраслевой корпорации с применением технологий искусственного интеллекта

Размещено на http://www.allbest.ru/

Кубанский государственный аграрный университет

ОПЕРАТИВНОЕ ПРОГНОЗИРОВАНИЕ ЗНАЧЕНИЙ ЭКОНОМИЧЕСКИХ ПОКАЗАТЕЛЕЙ МНОГООТРАСЛЕВОЙ КОРПОРАЦИИ С ПРИМЕНЕНИЕМ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Луценко Евгений Вениаминович, д.э.н., к.т.н., профессор

Лойко Валерий Иванович, д.т.н., профессор

Макаревич Олег Александрович, к.э.н., доцент

Макаревич Лилия Олеговна, соискатель

г. Краснодар, Россия

Аннотация

В статье формулируется проблема краткосрочного прогнозирования значений и динамики экономических показателей многоотраслевой корпорации, на основе применения системно-когнитивного анализа (СК-анализ) и его инструментария (интеллектуальной системы "Эйдос") осуществляется формальная постановка задачи и формализация предметной области, т.е. разработка классификационных и описательных шкал и градаций и формирование обучающей выборки

Ключевые слова: системный подход, системно-когнитивный анализ, многоотраслевая корпорация, прогнозирование, семантическая информационная модель

In this article, the problem of short-range forecasting of value and dynamics of economical indexes of diversified corporation is stated, on the basis of application of systemic-cognitive analysis and its tooling (intellectual system "Eidos") the formal problem definition and data domain formalization, i.e. development of classification and descriptive dials and graduations and shaping of training sample is performed

Keywords: systemic approach, systemic-cognitive analysis, systems approach, diversified corporation, forecasting, semantic information model

Многоотраслевая корпорация (холдинг) рассматривается нами как система, состоящая из взаимодействующих элементов - предприятий логистически взаимосвязанных информационными, финансовыми и материальными (товарными) потоками. При этом объединение разнородных предприятий в многоотраслевую корпорацию обеспечивает системный эффект, состоящий в том, что прибыль и экономическая устойчивость корпорации в целом существенно превосходят сумму прибылей и экономическую устойчивость входящих в нее предприятий в условиях их работы вне корпорации.

При этом роль и функциональное назначение различных предприятий в составе корпорации различна. Некоторые из этих предприятий относительно автономны и в принципе могли бы работать и вне корпорации, но в составе нее работают в более комфортных финансово-экономических условиях и этим оправдано их вхождение в корпорацию. Другие предприятия существенно зависят от смежников в своей деятельности и целесообразность их объединения в составе корпорации вполне очевидна, т.к. существенно уменьшает транзакционные издержки и повышает эффективность управления ими. Но есть в составе корпорации и предприятия, обеспечивающие общесистемные инфраструктурные функции, т.е. работающие на корпорацию в целом. Казалось бы, сами по себе эти предприятия для внешнего потребителя ничего не производят и не дают прибыли за счет реализации их продукта на внешнем для корпорации рынке, но без них внутренняя среда корпорации существенно нарушилась бы и другие предприятия входящие в нее оказались бы в значительно худших условиях работы и их прибыль уменьшилась бы. Более того, некоторые из предприятий, успешно работающих в составе корпорации, без этих инфраструктурных предприятий вообще не смогли бы существовать в условиях жесткой конкуренции. Конечно, смысл существования таких инфраструктурных предприятий вне корпорации теряется и вне нее они существовать не могут (аутсортинг функций управления, т.е. внешних управляющих компаний мы не рассматриваем, т.к. корпорации имеют собственную инфраструктуру управления). Формально будучи убыточными, "дотационными", если их рассматривать локально, вне корпорации, эти инфраструктурные предприятия вносят большой, а может быть и решающий вклад в общесистемный эффект корпорации в целом, на много превосходящий их "убыточность", и этим оправдано их существование.

При принятии управляющих решений руководство корпорации основывается на поставленных целях, анализе состояния внешней и внутренней среды корпорации, а также на прогнозах ее развития. Таким образом, для руководства корпорацией очень важно иметь в своем распоряжении удобный для рядовых конечных пользователей и надежный инструмент прогнозирования, дающий прогнозы высокой достоверности. Подобный инструмент мог бы войти как подсистема в состав комплексной системы управления корпорацией, создание, поддержка, развитие и эксплуатация которой является одной из основных функций инфраструктурных предприятий корпорации. Однако в научной литературе в основном освещен вопрос стратегического планирования развития корпорации [1], и практически не рассматривается краткосрочное (оперативное) прогнозирование значений и динамики ее основных экономических показателей.

В настоящее время создание удобного для экономистов и надежного инструмента краткосрочного (оперативного) прогнозирования значений и динамики экономических показателей корпорации, дающего прогнозы высокой достоверности, является как научной, так и практической проблемой, поиск решений которой весьма актуален. Цель данной работы состоит в создании методики оперативного (на пол-года вперед) прогнозирования значений экономических показателей многоотраслевой корпорации.

В данной работе мы рассмотрим новый, ранее не применявшийся подход к решению поставленной проблемы и достижению поставленной цели, основанный на применении системно-когнитивного анализа (АСК-анализа) и его программного инструментария: интеллектуальной системы "Эйдос" [2, 3].

В работе [2] предложены следующие этапы АСК-анализа предметной области:

1. Когнитивная структуризация предметной области, при которой определяется, что мы хотим прогнозировать и на основе чего (конструирование классификационных и описательных шкал).

2. Формализация предметной области:

- разработка градаций классификационных и описательных шкал (номинального, порядкового и числового типа);

- использование разработанных на предыдущих этапах классификационных и описательных шкал и градаций для формального описания (кодирования) исходных данных (исследуемой выборки).

3. Синтез и верификация (оценка степени адекватности) модели.

4. Если модель адекватна, то ее использование для решения задач идентификации, прогнозирования и принятия решений, а также для исследования моделируемой предметной области.

Рассмотрим предлагаемый вариант реализации этих этапов.

1. Когнитивная структуризация предметной области.

На этом этапе было решено, что разрабатываемая методика должна обеспечивать прогнозирование значений следующих показателей холдинга в целом на 2 квартала вперед по отношению к текущему состоянию (таблица 1):

Таблица 1. Классификационные шкалы

В 1-м кв.: ВС.ПО ХОЛД.: Выручка от реализации
В 1-м кв.: ВС.ПО ХОЛД.: Себестоимость приобретения
В 1-м кв.: ВС.ПО ХОЛД.: Валовая прибыль
В 1-м кв.: ВС.ПО ХОЛД.: Коммерческие расходы
В 1-м кв.: ВС.ПО ХОЛД.: Чистая прибыль
В 2-м кв.: ВС.ПО ХОЛД.: Выручка от реализации
В 2-м кв.: ВС.ПО ХОЛД.: Себестоимость приобретения
В 2-м кв.: ВС.ПО ХОЛД.: Валовая прибыль
В 2-м кв.: ВС.ПО ХОЛД.: Коммерческие расходы
В 2-м кв.: ВС.ПО ХОЛД.: Чистая прибыль

Прогнозирование предлагается осуществлять на основе значений тех же показателей по предприятиям, входящим в корпорацию, за текущий квартал и все кварталы предыдущего года (таблица 2):

Таблица 2. Описательные шкалы

001.БАКАЛЕЯ ООО : Выручка от реализации (Отгрузка)
001.БАКАЛЕЯ ООО : Себестоимость приобретения
001.БАКАЛЕЯ ООО : Валовая прибыль
001.БАКАЛЕЯ ООО : Коммерческие расходы:
001.БАКАЛЕЯ ООО : Чистая прибыль
002.РОССИНГРИДГРУПП : Выручка от реализации
002.РОССИНГРИДГРУПП : Себестоимость приобретения:
002.РОССИНГРИДГРУПП : Валовая прибыль
002.РОССИНГРИДГРУПП : Коммерческие расходы:
002.РОССИНГРИДГРУПП : Чистая прибыль
003.КОРМИЛИЦА : Выручка от реализации (Отгрузка)
003.КОРМИЛИЦА : Себестоимость приобретения
003.КОРМИЛИЦА : Валовая прибыль
003.КОРМИЛИЦА : Коммерческие расходы:
003.КОРМИЛИЦА : Чистая прибыль
004.КУБАНЬ АЛКО ООО : Выручка от реализации (Отгрузка)
004.КУБАНЬ АЛКО ООО : Себестоимость приобретения
004.КУБАНЬ АЛКО ООО : Валовая прибыль
004.КУБАНЬ АЛКО ООО : Коммерческие расходы:
004.КУБАНЬ АЛКО ООО : Чистая прибыль
005.КУБТОРГ ЗАО : Выручка от реализации (Отгрузка)
005.КУБТОРГ ЗАО : Себестоимость приобретения
005.КУБТОРГ ЗАО : Валовая прибыль
005.КУБТОРГ ЗАО : Коммерческие расходы:
005.КУБТОРГ ЗАО : Чистая прибыль
006.МОСКВИЧКА ООО : Выручка от реализации
006.МОСКВИЧКА ООО : Себестоимость приобретения:
006.МОСКВИЧКА ООО : Валовая прибыль
006.МОСКВИЧКА ООО : Коммерческие расходы:
006.МОСКВИЧКА ООО : Чистая прибыль
007.МЯСОКОМБИНАТ : Выручка от реализации (Отгрузка)
007.МЯСОКОМБИНАТ : ЧИСТАЯ ПРИБЫЛЬ
008.РЫБА ООО (ХОЛОД) : Выручка от реализации (Отгрузка)
008.РЫБА ООО (ХОЛОД) : Себестоимость приобретения
008.РЫБА ООО (ХОЛОД) : Валовая прибыль
008.РЫБА ООО (ХОЛОД) : Коммерческие расходы:
008.РЫБА ООО (ХОЛОД) : Чистая прибыль
009.СТРОЙТРУБОСТАЛЬ : Выручка от реализации (Отгрузка)
009.СТРОЙТРУБОСТАЛЬ : Себестоимость приобретения
009.СТРОЙТРУБОСТАЛЬ : Валовая прибыль
009.СТРОЙТРУБОСТАЛЬ : Коммерческие расходы:
009.СТРОЙТРУБОСТАЛЬ : Чистая прибыль
010.ТОРГОДЕЖДА ЗАО : Выручка от реализации (Отгрузка)
010.ТОРГОДЕЖДА ЗАО : Себестоимость приобретения
010.ТОРГОДЕЖДА ЗАО : Валовая прибыль
010.ТОРГОДЕЖДА ЗАО : Коммерческие расходы:
010.ТОРГОДЕЖДА ЗАО : Чистая прибыль
011.ФРУКТЫ.RU (ЮНЕКС): Выручка от реализации (Отгрузка)
011.ФРУКТЫ.RU (ЮНЕКС): Себестоимость приобретения:
011.ФРУКТЫ.RU (ЮНЕКС): Валовая прибыль
011.ФРУКТЫ.RU (ЮНЕКС): Коммерческие расходы:
011.ФРУКТЫ.RU (ЮНЕКС): Чистая прибыль
012.ХОЗЯЮШКА ООО : Выручка от реализации (Отгрузка)
012.ХОЗЯЮШКА ООО : Себестоимость приобретения
012.ХОЗЯЮШКА ООО : Валовая прибыль
012.ХОЗЯЮШКА ООО : Коммерческие расходы:
012.ХОЗЯЮШКА ООО : Чистая прибыль
013.ЮМК : Выручка от реализации (Отгрузка)
013.ЮМК : Себестоимость приобретения
013.ЮМК : Валовая прибыль
013.ЮМК : Коммерческие расходы:
013.ЮМК : Чистая прибыль
014.ЮЖГАЗ : в т.ч. коммерческие расходы
014.ЮЖГАЗ : ЧИСТАЯ ПРИБЫЛЬ
015.КОНДИТЕРСКАЯ Ф-КА: Выручка от реализации
015.КОНДИТЕРСКАЯ Ф-КА: ЧИСТАЯ ПРИБЫЛЬ

Таблица 3. Исходные данные для синтеза модели объекта прогнозирования (фрагмент)



В таблице 3 приведен фрагмент исходных данных, использованных для синтеза формальной модели объекта прогнозирования. Фактически в исследуемой выборке присутствуют данные по большему числу предприятий и за больший период времени: с 2000 по 2009 годы.

Эти исходные данные сведены в одну таблицу из большого числа файлов с данными по отдельным предприятиям корпорации с помощью специально созданной для этого программы, скриншот главного меню которой приведен на рисунке 1:

Рисунок 1. Экранная форма меню программы объединения исходных баз данных

Данная программа представляет собой развитие программы, используемых для подобных целей в [4].

Затем исходные данные были приведены к виду, удобному для выявления причинно-следственных зависимостей между прошлыми значениями показателей предприятий корпорации и будущими значениями показателей корпорации в целом (таблица 4):

Таблица 4. Принцип организации таблицы исходных данных для синтеза модели прогнозирования

Это было сделано средствами MS Excel, но в будущем планируется разработать режимы, автоматизирующие создание этих баз данных (см. режимы 6 и 7 на рисунке 1).

В таблице 4 вторая и третья строки содержат информацию о классах, соответствующих будущим состояниям многоотраслевой корпорации в следующем квартале и через квартал, а последующие строки - информацию о факторах и их значениях, оказывающих причинно-следственное воздействие на развитие корпорации. Столбцы таблицы 4, содержат данные за различные кварталы и являются объектами исследуемой выборки, которые приводятся системе в качестве примеров того, как различные системы многофакторной детерминации обусловили переход корпорации в различные будущие состояния.

Сама полученная таким образом таблица исходных данных для создания модели прогнозирования значений показателей в данной статье не приводится из-за ее большой размерности (40 столбцов, 341 строка)

При этом система детерминации поведения корпорации значительно сложнее системы ее будущих состояний, что говорит о соблюдении закона Уильяма Росса Эшби о необходимом разнообразии, которое является необходимым условием адекватного управления.

Стрелками на таблице 4 фрагментарно проиллюстрирован принцип присвоения данных:

- для классов, описывающих будущие состояния корпорации в целом, данные берутся из соответствующих столбцов, содержащих фактические данные за последующие кварталы;

- для факторов, описывающих прошлые состояния предприятий, входящих в корпорацию, данные берутся из соответствующих столбцов, содержащих фактические данные за предыдущие кварталы.

2. Формализация предметной области включает:

- разработку градаций классификационных и описательных шкал (номинального, порядкового и числового типа);

- использование разработанных на предыдущих этапах классификационных и описательных шкал и градаций для формального описания (кодирования) исходных данных (исследуемой выборки).

После подготовки таблицы 4 средствами MS Excel, она записывается из него в стандарте DBF IV, непосредственно воспринимаем универсальным программным интерфейсом системы "Эйдос" с внешними базами данных (_153) (рисунок 2):



Рисунок 2. Экранные формы стандартного программного интерфейса _153 системы "Эйдос" для формализации предметной области

Данный программный интерфейс полностью автоматизирует выполнение следующего этапа: "Формализация предметной области". В результате его работы формируются справочники классификационных и описательных шкал и градаций и базы данных обучающей выборки (таблицы 5, 6, 7 и 8).

Таблица 5. Справочник классификационных шкал и градаций

KOD	NAME
1	В 1-м кв.: ВС.ПО ХОЛД.: Выручка от -1/5-{1162892.96, 2670154.94}
2	В 1-м кв.: ВС.ПО ХОЛД.: Выручка от -2/5-{2670154.94, 4177416.93}
3	В 1-м кв.: ВС.ПО ХОЛД.: Выручка от -3/5-{4177416.93, 5684678.92}
4	В 1-м кв.: ВС.ПО ХОЛД.: Выручка от -4/5-{5684678.92, 7191940.91}
5	В 1-м кв.: ВС.ПО ХОЛД.: Выручка от -5/5-{7191940.91, 8699202.90}
6	В 1-м кв.: ВС.ПО ХОЛД.: Себестоимость-1/5-{987604.22, 2217691.17}
7	В 1-м кв.: ВС.ПО ХОЛД.: Себестоимост-2/5-{2217691.17, 3447778.11}
8	В 1-м кв.: ВС.ПО ХОЛД.: Себестоимост-3/5-{3447778.11, 4677865.06}
9	В 1-м кв.: ВС.ПО ХОЛД.: Себестоимост-4/5-{4677865.06, 5907952.00}
10	В 1-м кв.: ВС.ПО ХОЛД.: Себестоимост-5/5-{5907952.00, 7138038.95}
11	В 1-м кв.: ВС.ПО ХОЛД.: Валовая прибыл-1/5-{111038.23, 362228.59}
12	В 1-м кв.: ВС.ПО ХОЛД.: Валовая прибыл-2/5-{362228.59, 613418.95}
13	В 1-м кв.: ВС.ПО ХОЛД.: Валовая прибыл-3/5-{613418.95, 864609.31}
14	В 1-м кв.: ВС.ПО ХОЛД.: Валовая прибы-4/5-{864609.31, 1115799.68}
15	В 1-м кв.: ВС.ПО ХОЛД.: Валовая приб-5/5-{1115799.68, 1366990.04}
16	В 1-м кв.: ВС.ПО ХОЛД.: Коммерческие ра-1/5-{74226.77, 212122.13}
17	В 1-м кв.: ВС.ПО ХОЛД.: Коммерческие р-2/5-{212122.13, 350017.49}
18	В 1-м кв.: ВС.ПО ХОЛД.: Коммерческие р-3/5-{350017.49, 487912.85}
19	В 1-м кв.: ВС.ПО ХОЛД.: Коммерческие р-4/5-{487912.85, 625808.21}
20	В 1-м кв.: ВС.ПО ХОЛД.: Коммерческие р-5/5-{625808.21, 763703.57}
21	В 1-м кв.: ВС.ПО ХОЛД.: Чистая прибыль-1/5-{37300.68, 191192.88}
22	В 1-м кв.: ВС.ПО ХОЛД.: Чистая прибыль-2/5-{191192.88, 345085.08}
23	В 1-м кв.: ВС.ПО ХОЛД.: Чистая прибыль-3/5-{345085.08, 498977.28}
24	В 1-м кв.: ВС.ПО ХОЛД.: Чистая прибыль-4/5-{498977.28, 652869.48}
25	В 1-м кв.: ВС.ПО ХОЛД.: Чистая прибыль-5/5-{652869.48, 806761.68}
26	В 2-м кв.: ВС.ПО ХОЛД.: Выручка от -1/5-{1162892.96, 2670154.94}
27	В 2-м кв.: ВС.ПО ХОЛД.: Выручка от -2/5-{2670154.94, 4177416.93}
28	В 2-м кв.: ВС.ПО ХОЛД.: Выручка от -3/5-{4177416.93, 5684678.92}
29	В 2-м кв.: ВС.ПО ХОЛД.: Выручка от -4/5-{5684678.92, 7191940.91}
30	В 2-м кв.: ВС.ПО ХОЛД.: Выручка от -5/5-{7191940.91, 8699202.90}
31	В 2-м кв.: ВС.ПО ХОЛД.: Себестоимость-1/5-{987604.22, 2217691.17}
32	В 2-м кв.: ВС.ПО ХОЛД.: Себестоимост-2/5-{2217691.17, 3447778.11}
33	В 2-м кв.: ВС.ПО ХОЛД.: Себестоимост-3/5-{3447778.11, 4677865.06}
34	В 2-м кв.: ВС.ПО ХОЛД.: Себестоимост-4/5-{4677865.06, 5907952.00}
35	В 2-м кв.: ВС.ПО ХОЛД.: Себестоимост-5/5-{5907952.00, 7138038.95}
36	В 2-м кв.: ВС.ПО ХОЛД.: Валовая прибыл-1/5-{111038.23, 362228.59}
37	В 2-м кв.: ВС.ПО ХОЛД.: Валовая прибыл-2/5-{362228.59, 613418.95}
38	В 2-м кв.: ВС.ПО ХОЛД.: Валовая прибыл-3/5-{613418.95, 864609.31}
39	В 2-м кв.: ВС.ПО ХОЛД.: Валовая прибы-4/5-{864609.31, 1115799.68}
40	В 2-м кв.: ВС.ПО ХОЛД.: Валовая приб-5/5-{1115799.68, 1366990.04}
41	В 2-м кв.: ВС.ПО ХОЛД.: Коммерческие ра-1/5-{75090.24, 212812.90}
42	В 2-м кв.: ВС.ПО ХОЛД.: Коммерческие р-2/5-{212812.90, 350535.57}
43	В 2-м кв.: ВС.ПО ХОЛД.: Коммерческие р-3/5-{350535.57, 488258.24}
44	В 2-м кв.: ВС.ПО ХОЛД.: Коммерческие р-4/5-{488258.24, 625980.90}
45	В 2-м кв.: ВС.ПО ХОЛД.: Коммерческие р-5/5-{625980.90, 763703.57}
46	В 2-м кв.: ВС.ПО ХОЛД.: Чистая прибыль-1/5-{37300.68, 191192.88}
47	В 2-м кв.: ВС.ПО ХОЛД.: Чистая прибыль-2/5-{191192.88, 345085.08}
48	В 2-м кв.: ВС.ПО ХОЛД.: Чистая прибыль-3/5-{345085.08, 498977.28}
49	В 2-м кв.: ВС.ПО ХОЛД.: Чистая прибыль-4/5-{498977.28, 652869.48}
50	В 2-м кв.: ВС.ПО ХОЛД.: Чистая прибыль-5/5-{652869.48, 806761.68}

Символические обозначения типа: 1/5, 2/5, 3/5, 4/5, 5/5 означают, что данная шкала разделена в программном интерфейсе _153 разделена на 5 градаций, соответствующих минимальному (1/5), малому (2/5), среднему (3/5), большому (4/5) и максимальному (5/5) интервальным значениям.

Таблица 6. Справочник описательных шкал и градаций (фрагмент)

KOD	NAME
(1)	001.БАКАЛЕЯ ООО : ВЫРУЧКА ОТ РЕАЛИЗАЦИИ (ОТГРУЗКА)
1	-1/5-{59872.90, 134183.46}
2	-2/5-{134183.46, 208494.02}
3	-3/5-{208494.02, 282804.57}
4	-4/5-{282804.57, 357115.13}
5	-5/5-{357115.13, 431425.69}
(2)	001.БАКАЛЕЯ ООО : СЕБЕСТОИМОСТЬ ПРИОБРЕТЕНИЯ
6	-1/5-{54663.07, 118938.13}
7	-2/5-{118938.13, 183213.19}
8	-3/5-{183213.19, 247488.26}
9	-4/5-{247488.26, 311763.32}
10	-5/5-{311763.32, 376038.38}
(3)	001.БАКАЛЕЯ ООО : ВАЛОВАЯ ПРИБЫЛЬ
11	-1/5-{5162.30, 15521.75}
12	-2/5-{15521.75, 25881.20}
13	-3/5-{25881.20, 36240.64}
14	-4/5-{36240.64, 46600.09}
15	-5/5-{46600.09, 56959.53}
(4)	001.БАКАЛЕЯ ООО : КОММЕРЧЕСКИЕ РАСХОДЫ:
16	-1/5-{4855.16, 12263.30}
17	-2/5-{12263.30, 19671.44}
18	-3/5-{19671.44, 27079.59}
19	-4/5-{27079.59, 34487.73}
20	-5/5-{34487.73, 41895.87}
(5)	001.БАКАЛЕЯ ООО : ЧИСТАЯ ПРИБЫЛЬ
21	-1/5-{-3492.88, 18.59}
22	-2/5-{18.59, 3530.07}
23	-3/5-{3530.07, 7041.55}
24	-4/5-{7041.55, 10553.02}
(6)	002.РОССИНГРИДГРУПП : ВЫРУЧКА ОТ РЕАЛИЗАЦИИ
26	-1/5-{9786.15, 19110.09}
27	-2/5-{19110.09, 28434.03}
28	-3/5-{28434.03, 37757.96}
29	-4/5-{37757.96, 47081.90}
30	-5/5-{47081.90, 56405.84}
(7)	002.РОССИНГРИДГРУПП : СЕБЕСТОИМОСТЬ ПРИОБРЕТЕНИЯ:
31	-1/5-{7911.39, 16777.30}
32	-2/5-{16777.30, 25643.21}
33	-3/5-{25643.21, 34509.11}
34	-4/5-{34509.11, 43375.02}
35	-5/5-{43375.02, 52240.93}
(8)	002.РОССИНГРИДГРУПП : ВАЛОВАЯ ПРИБЫЛЬ
36	-1/5-{1268.93, 1848.12}
37	-2/5-{1848.12, 2427.32}
38	-3/5-{2427.32, 3006.52}
39	-4/5-{3006.52, 3585.71}
40	-5/5-{3585.71, 4164.91}
(9)	002.РОССИНГРИДГРУПП : КОММЕРЧЕСКИЕ РАСХОДЫ:
41	-1/5-{885.33, 1468.96}
42	-2/5-{1468.96, 2052.58}
43	-3/5-{2052.58, 2636.20}
44	-4/5-{2636.20, 3219.82}
45	-5/5-{3219.82, 3803.44}
(10)	002.РОССИНГРИДГРУПП : ЧИСТАЯ ПРИБЫЛЬ
46	-1/5-{-662.96, -351.06}
47	-2/5-{-351.06, -39.16}
48	-3/5-{-39.16, 272.73}
49	-4/5-{272.73, 584.63}
50	-5/5-{584.63, 896.53}

Таблица 7. Обучающая выборка: база заголовков

KOD_IST	NAME_IST	1	2	3	4	5	6	7	8	9	10
1	2000_1K	1	6	11	16	21	26	31	36	41	46
2	2000_2K	1	6	11	16	21	26	31	36	41	46
3	2000_3K	1	6	11	16	21	26	31	36	41	46
4	2000_4K	1	6	11	16	21	26	31	36	41	46
5	2001_1K	1	6	11	16	21	26	31	36	41	46
6	2001_2K	1	6	11	16	21	26	31	36	41	46
7	2001_3K	1	6	11	16	21	26	31	36	41	46
8	2001_4K	1	6	11	16	21	26	31	36	41	46
9	2002_1K	1	6	11	16	21	26	31	36	41	46
10	2002_2K	1	6	11	16	21	26	31	36	41	46
11	2002_3K	1	6	11	16	21	26	31	36	41	46
12	2002_4K	1	6	11	16	21	26	32	36	41	46
13	2003_1K	1	7	11	16	21	27	32	36	41	46
14	2003_2K	2	7	11	16	21	27	32	36	41	46
15	2003_3K	2	7	11	16	21	27	32	36	42	46
16	2003_4K	2	7	11	17	21	27	32	36	42	46
17	2004_1K	2	7	11	17	21	27	33	37	42	46
18	2004_2K	2	8	12	17	21	28	33	37	42	46
19	2004_3K	3	8	12	17	21	27	33	37	42	46
20	2004_4K	2	8	12	17	21	28	33	37	42	46
21	2005_1K	3	8	12	17	21	28	33	37	42	47
22	2005_2K	3	8	12	17	22	29	34	38	43	47
23	2005_3K	4	9	13	18	22	28	33	37	43	46
24	2005_4K	3	8	12	18	21	29	34	38	43	47
25	2006_1K	4	9	13	18	22	29	35	38	43	48
26	2006_2K	4	10	13	18	23	30	35	39	44	48
27	2006_3K	5	10	14	19	23	29	34	38	44	47
28	2006_4K	4	9	13	19	22	29	34	38	44	47
29	2007_1K	4	9	13	19	22	30	35	39	44	48
30	2007_2K	5	10	14	19	23	30	35	40	44
31	2007_3K	5	10	15	19	29	34	39	44	48
32	2007_4K	4	9	14	19	23	29	34	39	45	48
33	2008_1K	4	9	14	20	23	30	35	40	45	48
34	2008_2K	5	10	15	20	23	30	35	40	45	49
35	2008_3K	5	10	15	20	24	28	33	38	44	47
36	2008_4K	3	8	13	19	22	28	33	38	44	47
37	2009_1K	3	8	13	19	22	28	33	38	44	47
38	2009_2K	3	8	13	19	22	29	34	38	44	47
39	2009_3K	4	9	13	19	22
40	2009_4K

Таблица 8. Обучающая выборка: база значений факторов (фрагмент)

KOD_IST	1	2	3	4	5	6	7	8	9	10	11
1	1	6	11	16	21	26	31	36	41	49	51
1	61	66	71	76	81	86	91	96	101	106	111
1	121	126	131	136	141	146	151	156	161	166	171
1	184	186	191	196	201	207	211	216	221	226	231
1	242	247	252	258	261	266	271	276	282	286	291
1	301	306	311	316	321	327
2	1	6	11	16	22	26	31	36	41	48	51
2	61	66	71	76	81	86	91	96	101	106	111
2	121	126	131	136	141	146	151	156	161	166	171
2	184	186	191	196	201	208	211	216	221	226	231
2	243	247	252	258	261	266	271	276	282	286	291
2	301	306	311	316	321	327	331	336	341	346	351
2	361	366	371	379	381	386	391	396	401	406	411
2	421	426	431	436	441	446	451	456	461	466	471
2	481	486	491	496	501	506	514	516	521	526	531
2	541	546	551	556	561	567	572	577	582	588	591
2	601	606	612	616	621	626	631	636	641	646	651
2	657
3	1	6	11	16	22	26	31	36	41	48	51
3	61	66	71	76	81	86	91	96	101	106	111
3	121	126	131	136	141	146	151	156	161	166	171
3	184	186	191	196	201	208	211	216	221	226	231
3	242	246	252	257	261	266	271	276	282	286	291
3	301	306	311	316	321	327	331	336	341	346	352
3	361	366	371	378	381	386	391	396	401	406	411
3	421	426	431	436	441	446	451	456	461	466	471
3	481	486	491	496	501	506	514	516	521	526	531
3	541	546	551	556	561	568	573	577	582	588	591
3	601	606	612	616	621	626	631	636	641	646	651
3	661	666	671	676	682	686	691	696	701	709	711
3	721	726	731	736	741	746	751	756	761	766	771
3	781	786	791	796	801	806	811	816	821	826	831
3	844	846	851	856	861	867	871	876	881	886	891
3	902	907	912	918	921	926	931	936	942	946	951
3	961	966	971	976	981	987
4	1	6	11	16	22	26	31	36	41	48	51
4	61	66	71	76	81	86	91	96	101	106	111
4	121	126	131	136	141	146	151	156	161	166	171
4	184	186	191	196	201	208	211	216	221	226	231
4	242	247	252	257	261	266	271	276	282	286	291
4	301	306	311	316	321	328	331	336	341	346	352
4	361	366	371	378	381	386	391	396	401	406	411
4	421	426	431	436	441	446	451	456	461	466	471
4	481	486	491	496	501	506	514	516

статья "Оперативное прогнозирование значений экономических показателей многоотраслевой корпорации с применением технологий искусственного интеллекта" скачать

Подобные документы

• Основные понятия интеллектуальных систем. Знания

  Понятие искусственного интеллекта и интеллектуальной системы. Этапы развития интеллектуальных систем. Модели представления знаний, процедурный (алгоритмический) и декларативный способы их формализации. Построение концептуальной модели предметной области.
  
  презентация [80,5 K], добавлен 29.10.2013
  

• Области применения искусственного интеллекта на предприятии

  Области человеческой деятельности, в которых может применяться искусственный интеллект. Решение проблем искусственного интеллекта в компьютерных науках с применением проектирования баз знаний и экспертных систем. Автоматическое доказательство теорем.
  
  курсовая работа [41,3 K], добавлен 29.08.2013
  

• Разработка системы краткосрочного прогнозирования спроса на продукцию с использованием принципа самоорганизации

  Разработка системы прогнозирования временных рядов динамики продаж товаров с учетом факторов влияния ForExSal, предназначенной для определения краткосрочного прогноза предполагаемого спроса. Анализ концептуальной и функциональной схемы работы системы.
  
  отчет по практике [1,9 M], добавлен 27.03.2011
  

• Создание и развитие искусственного интеллекта

  Начало современного этапа развития систем искусственного интеллекта. Особенности взаимодействия с компьютером. Цель когнитивного моделирования. Перспективы основных направлений современного развития нейрокомпьютерных технологий, моделирование интеллекта.
  
  реферат [24,7 K], добавлен 05.01.2010
  

• Система искусственного интеллекта

  Понятие искусственного интеллекта как свойства автоматических систем брать на себя отдельные функции интеллекта человека. Экспертные системы в области медицины. Различные подходы к построению систем искусственного интеллекта. Создание нейронных сетей.
  
  презентация [3,0 M], добавлен 28.05.2015
  

• Применение нейронных сетей для прогнозирования в экономике

  Исследование задачи и перспектив использования нейронных сетей на радиально-базисных функциях для прогнозирования основных экономических показателей: валовый внутренний продукт, национальный доход Украины и индекс потребительских цен. Оценка результатов.
  
  курсовая работа [4,9 M], добавлен 14.12.2014
  

• Работа с финансовыми функциями Excel

  Функции для проведения финансово-экономических расчетов в пакете Excel. Будущая и текущая стоимость вклада. Экономический регрессионный анализ на основе собранных статистических данных. Модель Леонтьева многоотраслевой экономики (балансовый анализ).
  
  контрольная работа [372,4 K], добавлен 23.07.2009
  

• Исследование дидактических возможностей сетевых моделей при разработке программных приложений систем искусственного интеллекта

  Обзор образовательных стандартов педагогического образования в области искусственного интеллекта. Построение модели предметной области в виде семантических сетей. Характеристика проблемного обучения. Основные средства языка программирования Пролог.
  
  дипломная работа [387,8 K], добавлен 01.10.2013
  

• Разработка подхода к программированию "искусственного интеллекта" в позиционных играх на основе игры "Точки"

  Разработка на основе игры "Точки" подхода к программированию "искусственного интеллекта" в позиционных играх и возможность применения данного подхода для решения задач в области экономики, управления и других областях науки. Модель игровой ситуации.
  
  дипломная работа [1,5 M], добавлен 21.07.2013
  

• Разработка онтологии экономических рисков на основе мониторинга информации, получаемой из новостных лент

  Построение онтологии предметной области для анализа глобальных процессов на основе информации, получаемой из новостных лент. Средства разработки онтологий, используемых для поиска событий, фактов, извлечённых из СМИ; моделирование экономических рисков.
  
  курсовая работа [3,4 M], добавлен 27.08.2017
  

• Системы искусственного интеллекта

  Понятие и суть нечеткой логики и генетических алгоритмов. Характеристика программных пакетов для работы с системами искусственного интеллекта в среде Matlab R2009b. Реализация аппроксимации функции с применением аппарата нечеткого логического вывода.
  
  курсовая работа [2,3 M], добавлен 23.06.2012
  

• Теория искусственного интеллекта

  Понятие искусственного интеллекта в робототехнике и мехатронике. Структура и функции интеллектуальной системы управления. Классификация и типы знаний, представление их с помощью логики предикатов. Суть семантических сетей, фреймовое представление знаний.
  
  курс лекций [1,1 M], добавлен 14.01.2011
  

• Общее понятие о системах искусственного интеллекта

  Исторический обзор развития работ в области искусственного интеллекта. Создание алгоритмического и программного обеспечения вычислительных машин, позволяющего решать интеллектуальные задачи не хуже человека. От логических игр до медицинской диагностики.
  
  реферат [29,1 K], добавлен 26.10.2009
  

• Проблемы искусственного интеллекта

  Сущность и проблемы определения искусственного интеллекта, его основных задач и функций. Философские проблемы создания искусственного интеллекта и обеспечения безопасности человека при работе с роботом. Выбор пути создания искусственного интеллекта.
  
  контрольная работа [27,9 K], добавлен 07.12.2009
  

• Программа вычисления минимума заданной функции

  Постановка задачи и ее формализация. Поиск значений интерполяционного многочлена в точках x1 и x2. Поиск минимума функции F(x) на отрезке [a;b]. Проверка условий сходимости методов. Тестирование программных модулей. Детализированная схема алгоритма.
  
  курсовая работа [893,0 K], добавлен 04.02.2011
  

• Концептуальные основы искусственного интеллекта

  Общая характеристика дисциплины "Основы искусственного интеллекта". Ее предмет, цели и задачи. Особенности и расшифровка ряда понятийных терминов, характеризующих сущность кибернетики. Методы и алгоритмы анализа данных для получения знаний и обучения.
  
  презентация [10,9 K], добавлен 03.01.2014
  

• Разработка процедур прогнозирования показателей работы железных дорог

  Изучение требований к процедуре расчета прогнозных значений эксплуатационных расходов железной дороги. Прогноз коэффициента измерителя на основе зависимости расходов от величины измерителя. Расчет затрат, связанных с разработкой проекта автоматизации.
  
  дипломная работа [1,9 M], добавлен 02.06.2012
  

• Использование алгоритмов искусственного интеллекта в процессе построения UFO-моделей

  Применение методов искусственного интеллекта и современных компьютерных технологий для обработки табличных данных. Алгоритм муравья, его начальное размещение и перемещение. Правила соединения UFO-компонентов при моделировании шахтной транспортной системы.
  
  дипломная работа [860,8 K], добавлен 23.04.2011
  

• Современные подходы к созданию искусственного интеллекта

  Может ли искусственный интеллект на данном уровне развития техники и технологий превзойти интеллект человека. Может ли человек при контакте распознать искусственный интеллект. Основные возможности практического применения искусственного интеллекта.
  
  презентация [511,2 K], добавлен 04.03.2013
  

• Моделирование экспертной системы Байесовского типа на примере магазина "ОБИ" с целью выявления причины низкого уровня продаж

  Экспертные системы как направление исследований в области искусственного интеллекта по созданию вычислительных систем, умеющих принимать решения, схожие с решениями экспертов в заданной предметной области. Принципы построения алгоритма и его оценка.
  
  курсовая работа [517,2 K], добавлен 12.06.2015
  

Другие документы, подобные "Оперативное прогнозирование значений экономических показателей многоотраслевой корпорации с применением технологий искусственного интеллекта"

• главная
• рубрики
• по алфавиту
• вернуться в начало страницы
• вернуться к началу текста
• вернуться к подобным работам