Система прогнозування продажів автомобілів на основі рекурентних нейромереж

Abstract

Кваліфікаційна робота присвячена розробці та програмній реалізації системи прогнозування продажів автомобілів, яка базується на рекурентних нейромережах. В умовах зростаючої конкуренції на автомобільному ринку та швидких змін у попиті така система є актуальною, оскільки дозволяє підвищити точність прогнозування. Об’єкт дослідження – процес прогнозування продажів автомобілів з використанням сучасних моделей глибокого навчання. Предмет дослідження – рекурентні нейромережі, методи обробки часових рядів та програмні засоби для реалізації системи прогнозування. Мета дослідження – підвищення ефективності процесу прогнозування продажів автомобілів шляхом створення інтелектуальної системи з використанням методів аналізу часових рядів на основі рекурентних нейромереж. Кваліфікаційна робота складається зі вступу, трьох розділів, висновків та додатків. У першому розділі розглянуто теоретичні основи прогнозування на основі рекурентних нейромереж, проведено огляд існуючих методів аналізу часових рядів і проаналізовано сучасні підходи до прогнозування в різних галузях. У другому розділі обґрунтовано вибір інструментів і технологій для реалізації системи. У третьому розділі описано процес проєктування та реалізації системи прогнозування, включаючи створення моделі рекурентної нейромережі, підготовку даних, побудову інтерфейсу користувача для візуалізації результатів. The qualification work is dedicated to the development and software implementation of a car sales forecasting system based on recurrent neural networks. In the context of growing competition in the automotive market and rapid changes in demand, such a system is highly relevant, as it improves forecasting accuracy, optimizes production processes, and enables more efficient resource planning. Object of the study – the process of forecasting car sales using modern deep learning models. Subject of the study – recurrent neural networks, time series analysis methods, and software tools for implementing the forecasting system. Purpose of the study – to improve the accuracy of car sales forecasts by creating an intelligent system based on recurrent neural networks that accounts for seasonal trends, macroeconomic factors, and market specifics. The qualification work consists of an introduction, three chapters, conclusions, and appendices. In the first chapter, the theoretical foundations of forecasting based on recurrent neural networks are reviewed, existing methods of time series analysis are analyzed. In the second chapter, the choice of tools and technologies for system implementation is justified. In particular. In the third chapter, the design and implementation of the forecasting system are described, including the creation of a recurrent neural network model, data preparation, the development of a user interface for result visualization.