Прогноз объемов погрузки
Целью проекта было разработать модели прогнозирования, которые могли бы точно предсказывать объем погрузки и перевозок в определенный период времени. Это помогло бы компаниям, занимающимся грузоперевозками, поскольку позволило планировать ресурсы, оптимизировать логистические процессы и обеспечивать высокий уровень обслуживания клиентов.
Сравнительный анализ: основные этапы
-
В данной работе мы рассмотрели три модели: SARIMA, LSTM, PROPHET. Исследование включало в себя проведение экспериментов на реальных временных рядах и сравнение результатов, основанных на различных метриках оценки качества прогнозов.
Сбор данных
Необходимо было собрать достаточное количество данных временных рядов, которые будут использоваться для сравнения методов прогнозирования. Важно было выбрать данные, отражающие реальные сценарии и специфику проблемы.
Предобработка данных
Перед применением методов прогнозирования мы произвели предварительную обработку данных, включая удаление выбросов, заполнение пропущенных значений, масштабирование и другие необходимые шаги для подготовки данных.
Разработка моделей
На этом этапе проекта разрабатывались модели прогнозирования на основе статистических методов, таких как SARIMA, а также модели нейросетей, включая LSTM и Facebook Prophet. Каждая модель настраивалась с использованием соответствующих параметров и гиперпараметров.
Сравнительный анализ
Мы произвели сравнительный анализ результатов прогнозирования, полученных от каждой модели. Оценивались количественные метрики, такие как среднеквадратичная ошибка (MSE), средняя абсолютная ошибка (MAE), коэффициент детерминации (R^2), а также другие метрики, чтобы определить, какая модель показывает лучшие результаты.
Выводы и рекомендации
На основе результатов сравнительного анализа были сделаны выводы о том, какой метод более эффективен при решении конкретной задачи прогнозирования временных рядов. Специалистами были сформулированы рекомендации для применения оптимального метода в будущих проектах.
Результаты проекта были переданы на рассмотрение в ОАО «РЖД», включая документацию, аналитические отчеты, выводы и рекомендации, основанные на проведенном сравнительном анализе статистических методов и нейросетей при прогнозировании временных рядов.
Это позволит заинтересованным сторонам компании изучить и оценить проведенное исследование. Результаты проекта могут служить основой для принятия решений и разработки стратегии прогнозирования временных рядов внутри организации.
Начните с бесплатной консультации + получите индивидуальное коммерческое предложение
для продвижения ваших услуг
и стоимости в 3-х ценовых вариантах реализации проекта
