Аннотации:
У роботі розроблено модель прогнозування сезонних обсягів
надходження сировини для виробництва молочних продуктів, яка є актуальною
з огляду на високий ступінь сезонності в аграрному секторі та необхідність
забезпечення стабільного виробничого процесу.
Проаналізовано сучасний стан молочної галузі України, особливості
динаміки постачання сировини, а також існуючі підходи до прогнозування
часових рядів. Детально розглянуто архітектури нейронних мереж, такі як
багатошаровий перцептрон (MLP) та рекурентна нейронна мережа (RNN), які
були реалізовані в середовищі Python з використанням бібліотеки TensorFlow.
Виконано підготовку вхідних даних, що включала нормалізацію, створення
сезонних ознак та розбиття вибірки на тренувальну, валідаційну та тестову.
Запропоновані моделі протестовано на реальних погодних і календарних
даних. Проведено порівняльний аналіз точності передбачень, що
продемонстрував переваги використання RNN для задач із чітко вираженими
сезонними коливаннями. Отримані результати свідчать про можливість
ефективного застосування штучних нейронних мереж у системах підтримки
прийняття рішень на підприємствах молочної галузі.
Розроблено заходи безпеки під час під час розробки моделі
прогнозування сезонних обсягів надходження сировини для виробництва
молочних продуктів.
