Прогнозування сезонних обсягів надходження сировини для виробництва молочних продуктів із використанням нейронних мереж

Abstract

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.