Разработка алгоритмов предобработки информации для прогнозных моделей ИСППР управления закупками
Ключевые слова:
прогнозирование, лекарство, цена, закупка, временные ряды, предобработкаАннотация
Статья посвящена разработке алгоритмов предварительной обработки данных и решению таких задач, как устранение неполноты данных и преобразование необработанной информации в удобный для анализа вид. При получении реальных данных временных рядов мы сталкиваемся с тем, что они лишь изредка бывают в необходимом формате. Существенная часть необработанных наборов данных слабо структурирована или содержит большое количество отсутствующих значений. Это делает невозможным последующую обработку данных некоторыми методами. В связи с этим реализованы основные этапы предварительной обработки данных, такие как, очистка данных, заполнение недостающих значений, сглаживание временного ряда, нормализация переменных. Таким образом, получен набор данных для дальнейших исследований, реализации и тестирования прогнозных моделей ИСППР управления закупками.
Библиографические ссылки
Мариничев, И. И. Применение имитационного моделирования для принятия решения по управлению закупками при децентрализованной схеме поставок товара / И. И. Мариничев, Д. И. Трачук, В. А. Светличная // Информатика, управляющие системы, математическое и компьютерное моделирование (ИУСМКМ-2021). - Донецк: ДонНТУ, 2021. – С. 100-104.
Шумаева, Е.А. Применение технологий блокчейн и интернет вещей в системе управления цепями поставок / Е. А. Шумаева, Т. К. Левина // Ресурсосбережение. Эффективность. Развитие : Материалы VI Международной научно-практической конференции, Донецк, 29 октября 2021 года. – Донецк: Донецкий национальный технический университет, 2021. – С. 635-639.
Миронкина, С.В. Особенности управления запасами в аптечной сети / С. В. Миронкина, Е. А. Шумаева // Актуальные проблемы социально-экономического развития современного общества : сборник статей II международной заочной научно-практической конференции, Киров, 27 мая 2021 года. – Киров:
Федеральное государственное бюджетное образовательное учреждение высшего образования «Кировский государственный медицинский университет» Министерства здравоохранения Российской Федерации, 2021. – С. 289-293.
Светличная В.А. Использование методов теории принятия решений для выбора оптимальной стратегии при закупке лекарственных средств / В.А. Светличная, Е.А. Шумаева, О.В. Ченгарь, А.В. Андриевская // Экономика строительства и городского хозяйства. 2020. Т. 16. № 1. С. 41-48.
Андриевская, А.В. Экстраполяционные методы прогнозирования закупочных цен лекарств в условиях аптечной сети/ А.В. Андриевская, В.А. Светличная // В сборнике: Информатика, управляющие системы, математическое и компьютерное моделирование (ИУСМКМ-2022). Материалы XIII Международной научно-технической конференции в рамках VIII Международного Научного форума Донецкой Народной Республики. Донецк, 2022. С. 195-201.
Золотова Ирина Юрьевна, Дворкин Владимир Валентинович Краткосрочное прогнозирование цен на российском оптовом рынке электроэнергии на основе нейронных сетей // Проблемы прогнозирования. 2017. №6.
Вовченко, В. О. Формирование датасета для решения задач машинного обучения / В. О. Вовченко, В. А. Светличная, Н. К. Андриевская // Информатика и кибернетика. – Донецк: ДонНТУ, 2023. – № 2(32). – С. 5-12.
Sergii K., Yurii S., Tatyana V., Natalia A. (2016) Feature Selection for Time-Series Prediction in Case of Undetermined Estimation. In: Samsonovich A., Klimov V., Rybina G. (eds) Biologically Inspired Cognitive Architectures (BICA) for Young Scientists. Advances in Intelligent Systems and Computing, vol 449. Springer, Cham
Stock prices dynamics forecasting with recurrent neural networks. Vasyaeva T., Martynenko T., Khmilovyi S., Andrievskaya N. // Открытые семантические технологии проектирования интеллектуальных систем, 2020. – № 4. – С. 277-282
Что такое предварительная обработка данных? - определение из техопедии [Электронный ресурс] – URL https://ru.theastrologypage.com/data-preprocessing// (дата обращения: 22.05.2023).
Прогнозирование временных рядов криптовалют для чайников [Электронный ресурс] – URL https://vc.ru/u/1389654-machine-learning/580239-prognozirovanie-vremennyh-ryadov-kriptovalyut-dlya-chaynikov // (дата обращения: 22.05.2023).
Интерполяция [Электронный ресурс] – URL:https://wiki.loginom.ru/articles/interpolation.html // (дата обращения: 21.05.2023).
Что такое Google Colab и кому он нужен [Электронный ресурс] – URL: https://clck.ru/34Ypj3 // (дата обращения: 21.05.2023).
NumPy [Электронный ресурс] – URL https://clck.ru/34YpjK// (дата обращения: 22.05.2023).
Pandas [Электронный ресурс] – URL https://blog.skillfactory.ru/glossary/pandas/// (дата обращения: 22.05.2023).
Matplotlib [Электронный ресурс] – URL https://clck.ru/34Ypju/// (дата обращения: 22.05.2023).
Scikit-learn [Электронный ресурс] – URL https://clck.ru/34YpkF // (дата обращения: 22.05.2023).
Keras [Электронный ресурс] – URL
https://blog.skillfactory.ru/glossary/keras/ // (дата обращения: 22.05.2023).
Использование интерполяции для заполнения пропущенных записей в Python [Электронный ресурс] – URL https://pythobyte.com/interpolation-to-fill-missing-entries-2e6aff45/ // (дата обращения: 22.05.2023).
Методы и модели сглаживания временных рядов [Электронный ресурс] – URL https://studme.org/209530/ekonomika/metody_modeli_ sglazhivaniya_vremennyh_ryadov // (дата обращения: 22.05.2023).
Эксперименты с нейросетями (Часть 5): Нормализация входных параметров для передачи в нейросеть [Электронный ресурс] – URL https://www.mql5.com/ru/articles/12459// (дата обращения: 22.05.2023).
