| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģija |
| Nosaukums |
Kokmateriālu pieprasījuma modelēšana, izmantojot mākslīgos neironu tīklus |
| Nosaukums angļu valodā |
Modeling Timber Demand Using Artificial Neural Networks |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Henrihs Gorskis |
| Recenzents |
Oļesja Večerinska |
| Anotācija |
Bakalaura darbs ir veltīts kokmateriālu pārdošanas pieprasījuma prognozēšanai, izmantojot reālus uzņēmuma datus. Precīzāka pieprasījuma prognozēšana var samazināt pārmērīgas krājumu uzkrāšanas un krājumu trūkuma risku. Sākotnēji uzņēmuma dati ir glabāti Excel failos, tāpēc darba gaitā tie tiek parsēti, normalizēti un pārveidoti strukturētā SQLite datubāzē. Strukturētie pārdošanas apjomi tika apkopoti pa materiālu grupām un izmantoti viena mēneša uz priekšu prognozēšanas modeļu apmācībai un salīdzināšanai. Tika salīdzinātas tradicionālās laika rindu metodes, kas ietver naivo metodi, vienkāršo eksponenciālo izlīdzināšanu un ARIMA, ar LSTM neironu tīklu. Naivā metode prognozēja tādus pārdošanas apjomus, kādi faktiski bija pēdējā mēnesī. LSTM modelis tiek apmācīts ar to pašu datu kopu kā citas metodes, bet tam papildus tika nodrošinātas aprēķinātas ar pārdošanu un piegādēm saistītas pazīmes. Eksperimentālie rezultāti parādīja, ka naivā metode sasniedza labāko kopējo WAPE rezultātu. Lai dziļāk novērtētu prognozes, tika izstrādāti divi pielāgoti rādītāji. LSTM modelis neuzrādīja labākus rezultātus nekā tradicionālās bāzes metodes, kas liecina, ka pašreizējais datu kopums ir pārāk īss, lai parādītu neironu tīkla pieejas priekšrocības, kuras parasti tiek sagaidītas šāda veida modeļiem. Bija arī novērtēta sintētiski papildinātu datu ietekme uz LSTM prognozēšanas spējām. Tā deva jauktus rezultātus, tāpēc tika veikta padziļināta analīze un secināts, ka tā palīdzēja tikai maza un nulles apjoma pārdošanas gadījumos. |
| Atslēgas vārdi |
KOKMATERIĀLU PIEPRASĪJUMA PROGNOZĒŠANA, PĀRDOŠANAS PROGNOZĒŠANA, LAIKA RINDA, LSTM, SINTĒTISKI DATI |
| Atslēgas vārdi angļu valodā |
TIMBER DEMAND FORECASTING, SALES FORECASTING, TIME SERIES, LSTM, SYNTHETIC DATA |
| Valoda |
lv |
| Gads |
2026 |
| Darba augšupielādes datums un laiks |
25.05.2026 15:33:12 |
