Отчет по практике: Разработка системы краткосрочного прогнозирования спроса на продукцию с использованием принципа самоорганизации
Первые адаптивные модели были разработаны в начале 50-х годов XX века [1]. В их основе лежит метод экспоненциального сглаживания, предложенный Р.Г. Брауном. В дальнейшем в развитие и совершенствование методов адаптивного прогнозирования большой вклад внесли Р. Вейд, Д. Мат, Дж. Бокс, Г. Дженкинс, П. Харрисон, Д. Вард, Г. Тейл, С. Вейдж, Р. Маркланд, П.Р.Уинтерс, Р.Ф. Майер, Й. А Мюллер, Д. Тригг, А. Лич, М.Л. Шоун, У. Чоу, С. Роберте, Р. Рид, А. Рао, А. Шапиро, Ю.П. Лукашин, Е.М. Левитский, А.Г. Иваненко, А.А. Френкель, Е.М. Четыркин, В.В. Венсель.
система прогнозирование спрос
Выбор и обоснование инструментального программного средства, используемого при решении задачи
Для реализации поставленной задачи необходимо средство, которое позволит разработать систему удобную и мощную, а также модифицируемую и отвечающую современным требованиям к программному обеспечению.
Для разработки системы прогнозирования я выбрал инструментальное средство разработки MicrosoftVisualStudio 2008 (язык С#), MicrosoftAccess 2003. MicrosoftVisualStudio 2008 является объектно–ориентированным средством разработки клиент – серверных, многоуровневых, а также WEB - приложений. Для реализации поставленных задач былонеобходимо использование стандартных элементов управления, таких как окна, формы, кнопки, через которые пользователь передает входные данные и получает результаты в виде выходных данных. MicrosoftVisualStudio 2008 позволяет создавать библиотеки, а также подключать ранее созданные динамические библиотеки.
Предложен широкий спектр инструментальных средств, включающих простые в использовании графические инструменты, богатый набор экспертов для проектирования всех элементов интерфейса и данных, а также технологии для работы с базами данных, начиная с простых и заканчивая распределенными. Поддержка доступа к MicrosoftAccess, SQLServer, Oracle, Informix. Встроены драйверы для доступа к нескольким СУБД.
Описание используемых математических моделей
В большинстве приложений применяются два типа прогностических моделей: экспоненциальное сглаживание и регрессия. Методы, основанные на экспоненциальном сглаживании, предназначены для краткосрочного прогнозирования. Они применяются, как правило, к данным как, месячный спрос, сумма продаж за квартал и.т.д. Методы регрессионного выравнивания применяются в среднесрочном прогнозировании.
В системе выбраны следующие методы решения прогнозных задач: Метод простого экспоненциального сглаживания, адаптивное сглаживание прогноза Брауна, метод Тригга – Лича, самоорганизующийся метод прогнозирования. Данные методы были выбраны для краткосрочного прогнозирования по временному ряду.
1. Метод простого экспоненциального сглаживания.
Если 
ряд фактических значений показателя 
и 
- константа сглаживания, то экспоненциально сглаженным рядом будет ряд 
, получаемый по формуле
Где 
- прогноз на момент времени 
- текущий момент времени
- период упреждения прогноза
- фактическое значение наблюдаемого показателя
- константа сглаживания ()
Алгоритм вычисления прогноза методом экспоненциального сглаживания представлен на рисунке 2.
Рис.2. Блок-схема вычисления прогноза методом экспоненциального сглаживания
Адаптивное сглаживание прогноза Брауна .
Этот метод основывается на вычислении оценок по методу взвешенных наменьших квадратов dt [4].
Где - прогноз на момент времени
- текущий момент времени
- период упреждения прогноза