Разработаны уникальные методики прогнозирования будущих событий на основе интеллектуального анализа данных
Ученые Государственного университета управления (ГУУ) разработали новые математические модели для прогнозирования будущих событий в условиях неопределенности. Новая формула решает задачи лучше, чем аналоговые модели, а также независима от субъективного мнения, характерного для методов, основанных на экспертных оценках, которые сегодня широко используются во многих сферах.
Уникальность методики заключается в том, что система оценивает каждый показатель отдельно и в результате достигается большая точность при принятии решений. Это особенно важно для систем с высоким уровнем неопределенности и большим количеством элементов, к которым относится и транспортно-логистическое производство. Главная особенность разработки — способность находить решения для улучшения работы многоуровневых систем. С ее помощью можно прогнозировать будущие события при взаимодействии сложных коммерческих и производственных структур с внешней средой.
«Вся наша жизнь, любая ее сфера, состоит из принятия решений в условиях неопределенности. Разработанная модель анализирует уже имеющиеся данные и на их основе прогнозирует будущие события, помогая принять наиболее эффективное решение. При этом результаты нашей модели до 10% лучше, чем используемые сегодня методики. А для крупных компаний и глобальных решений это значительные показатели», — рассказал руководитель группы разработчиков, доктор технических наук, профессор Алексей Терентьев.
По мнению ученого, новые модели можно использовать в абсолютно любых сферах — от логистики и информационных систем до медицины. Исследователи уже применили их для создания системы рейтингового оценивания транспортно-логистических предприятий — выяснили, какие виды транспорта в том или регионе наиболее эффективны и требуют дальнейшего развития, а какие направления являются излишними. Также разработанная в ГУУ методика предиктивного моделирования (от лат. praedictīvus — «предсказывающий») легла в основу системы оценки качества обслуживания пассажиров в логистической системе взаимодействия видов транспорта, что позволило с большей точностью оценить их эффективность.
По словам ученых, благодаря указанным преимуществам, разработанные модели можно применять и в других направлениях, в том числе в технологиях машинного обучения и методах нейросетевого моделирования.