Презентация на тему "Прогнозирование объемов продаж автомобилей (на примере фирмы «Башавтоком»)"

Содержание

• 
  Слайд 1
  

  Прогнозирование объемов продаж автомобилей (на примере фирмы «Башавтоком»)

  Министерство образования и науки Российской Федерации Федеральное государственное бюджетное образовательное учреждение Высшего профессионального образования Уфимский государственный авиационный технический университет Кафедра Вычислительной математики и кибернетики Уфа - 2013 Выполнил:студент группы Руководитель: Сметанина Ольга Николаевна

• 
  Слайд 2
  

  Цель: улучшение качества прогнозирования объемов продаж автомобилей с использованием современных аналитических технологий

  Задачи: Анализ деятельности торговой организации. Анализ методов прогнозирования и отбор методов для решения задачи: методы прогнозирования на основе нейронных сетей; статистические методы прогнозирования на основе построения трендовых моделей. Анализ программных средств для прогнозирования. Определение прогнозного значения объема продаж автомобилей на реальных данных организации и принятие решения об используемом методе по критерию минимальной ошибки при прогнозировании. 2

• 
  Слайд 3

  Математическая постановка задачи прогнозирования

  Дано: временной ряд объемов продаж автомобилей с 2009 по 2012 годы: Y1, Y2, Y3, …., Yn Yt = F (t) + Et , где  F (t) – детерминированная функция времени;  Et – ошибка прогноза. Е= Σ О2 : Σ (T+S)2– среднеквадратичное отклонение. Найти: функцию F(t),прогнозное значение F(t+1) 3

• 
  Слайд 4

  Классификация методов прогнозирования

  4

• 
  Слайд 5

  Анализ программных средств для прогнозирования

  5

• 
  Слайд 6

  Алгоритм построения прогноза (статистические методы)

  1.Определение тренда, наилучшим образом аппроксимирующего фактические данные. 2. Определение величины сезонной компоненты  6

• 
  Слайд 7
  

  3.Рассчитываются ошибки модели как разности между фактическими значениями и значениями модели. 7

• 
  Слайд 8
  

  4. Построение модели прогнозирования: F = T + S ± E где: F– прогнозируемое значение; Т– тренд; S – сезонная компонента; Е - ошибка модели. 8

• 
  Слайд 9
  

  Результаты прогнозирования объемов продаж автомобилей (статистический метод (линейный тренд))

  Ситроен Ниссан Рено 9

• 
  Слайд 10
  

  Результаты прогнозирования объемов продаж автомобилей (статистический метод (логарифмический тренд))

  Рено Ситроен Ниссан 10

• 
  Слайд 11

  Алгоритм прогнозирования на основе нейронных сетей

  1) Импорт данных из текстового файла; 11

• 
  Слайд 12
  

  2) Обработка данных, построение диаграммы; Алгоритм прогнозирования на основе нейронных сетей 12

• 
  Слайд 13
  

  3)Выполнение функции «Скользящее окно»; 4) Построение нейросети; 5) Анализ диаграммы рассеивания и доверительного интервала; 6) Построение прогноза; 7) Анализ полученных данных, вывод. Алгоритм прогнозирования на основе нейронных сетей 13

• 
  Слайд 14
  

  Результаты прогнозирования объемов продаж автомобилей с использованием нейронные сети

  Рено Ситроен Ниссан 14

• 
  Слайд 15
  

  Сопоставления результатов прогнозирования продаж автомобилей марки «Ниссан»

  15

• 
  Слайд 16
  

  Сопоставления результатов прогнозирования продаж автомобилей марки «Ситроен»

  16

• 
  Слайд 17
  

  Сопоставления результатов прогнозирования продаж автомобилей марки «Рено»

  17

• 
  Слайд 18

  Выводы

  В ходе проделанной работы был произведен анализ деятельности предприятия. Рассмотрены методы построения прогноза, основанные на трендовых моделях и нейронной сети, на реальных данных, представленных компанией «Башавтоком» (модели автомобилей Рено, Ниссан, Ситроен). Проведен анализ возможностей программных средств для построения прогноза, в частности пакетов:MS Excel и Deductor. Произведена оценка значимости каждого из рассмотренных методов на примере используемых временных рядов. 18