Моделі машинного навчання для прогнозування часових рядів економічної природи
Вантажиться...
Дата
2025
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Дипломна робота: 219 с., 38 рис., 0 табл., 15 джерел, 2 додатки.
Тема: Моделі машинного навчання для прогнозування часових рядів економічної природи. У роботі досліджено можливості застосування сучасних методів машинного та глибокого навчання для прогнозування економічних часових рядів, зокрема цін на електроенергію у Швеції. Розглянуто класичні статистичні підходи та новітні алгоритми, такі як XGBoost, LSTM, CNN, їх ефективність порівнюється на реальних даних з біржі Nord Pool. Об’єкт дослідження: часові ряди економічної природи, зокрема ряди цін на електроенергію. Предмет дослідження: моделі машинного та глибокого навчання для прогнозування часових рядів. Мета роботи: розробка програмного забезпечення з використанням моделей машинного навчання для прогнозування економічних часових рядів та формування рекомендацій щодо вибору моделей залежно від типу задачі. Розроблено програмні моделі на мові Python з використанням бібліотек Scikit-learn, TensorFlow, XGBoost тощо. Проведено навчання моделей на реальних даних енергетичного ринку Швеції, реалізовано оцінку точності прогнозів за метриками MAE, RMSE, MAPE. Представлено порівняльний аналіз результатів моделей і обґрунтовано вибір найефективнішої.
Опис
Ключові слова
прогнозування, часові ряди, машинне навчання, нейронні мережі, економічні моделі, forecasting, time series, machine learning, neural networks, economic models
Бібліографічний опис
Поляк, Ю. Ю. Моделі машинного навчання для прогнозування часових рядів економічної природи : дипломна робота ... бакалавра : 124 Системний аналіз / Поляк Юрій Юрійович. - Київ, 2025. - 219 с.