Математические модели и инструментальные средства поддержки принятия решений в сфере массовых услуг

• Автор: Валиотти, Николай Александрович
• Шифр специальности: 08.00.13
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Санкт-Петербург
• Количество страниц: 159 с. : ил.

Оглавление

Список используемых сокращении

ВВЕДЕНИЕ
ГЛАВА 1. МАТЕМАТИЧЕСКИЕ МЕТОДЫ И ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА В СТРАТЕГИЧЕСКОМ УПРАВЛЕНИИ СФЕРЫ МАССОВЫХ УСЛУГ

1.1. Стратегическое управление и системы поддержки принятия решений (СПИР)

1.2. Статистические методы в СППР

1.3. Задачи регрессионного анализа и прогнозирования в эконометрике

1.4. Классические методы анализа влияния внешних событий

1.4.1. Развитие метода анализа влияния внешних событий

1.4.2. Различные типы влияния внешнего события

1.4.3. Стандартная модель АРПСС для анализа влияния внешних событий

1.4.4. Применение анализа внешних событий в исследованиях
1.5. Искусственные нейронные сети как инструментальное средство количественного
анализа
ГЛАВА 2. МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ ПРИМЕНЕНИЯ МАТЕМАТИЧЕСКИХ КОЛИЧЕСТВЕННЫХ МЕТОДОВ АНАЛИЗА В СФЕРЕ МАССОВЫХ УСЛУГ
2.1. Методологические основы применения нейронных сетей при построении систем
поддержки принятия решений
2.2. Стандартная архитектура нейронных сетей в задачах регрессионного анализа и
прогнозирования
2.3. Алгоритм оценивания влияния внешних событий и управленческих решений
2.4. Метод и математическая модель оценки влияния внешних событий на основе
нейронных сетей модифицированной архитектуры
2.5. Приложение в среде МАТЬАВ для решения задачи количественной оценки влияния внешних событий на основе метода ИНС модифицированной архитектуры
2.6. Алгоритм сценарного моделирования событий «что-если»
ГЛАВА 3. ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ МЕТОДА КОЛИЧЕСТВЕННОГО АНАЛИЗА ЭФФЕКТА ВНЕШНИХ СОБЫТИЙ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННЫХ СЕТЕЙ СПЕЦИАЛЬНОЙ АРХИТЕКТУРЫ В СФЕРЕ МАССОВЫХ УСЛУГ
3.1. Верификация нейронных сетей специальной архитектуры в задачах отраслевой
аналитики и оценки экономического эффекта
3.2. Верификация нейронных сетей специальной архитектуры в задачах
стратегического анализа в сфере массовых услуг и телекоммуникаций
3.3. Верификация нейронных сетей специальной архитектуры в задачах
стратегического анализа в сфере розничной торговли
3.4. Верификация нейронных сетей специальной архитектуры в задачах
маркетингового анализа и оценки маркетинговых решений в сфере торговли
3.5. Сравнение метода оценки влияния внешних событий на основе нейронных сетей
специальной архитектуры и классических методов в сфере массовых услуг
ЗАКЛЮЧЕНИЕ
Список используемой литературы

Приложение 1. Реализация алгоритма оценивания характера одного внешнего события с использованием процедуры аиДз-апта в пакете Я
Приложение 2. Реализация алгоритма оценивания характера нескольких внешних событий с использованием процедуры аикьашпа в пакете Я
Приложение 3. Реализация алгоритма для оценки одного внешнего события в программной среде МАТЬАВ
Приложение 4. Реализация алгоритма для оценки нескольких внешних событий в программной среде МАТЬАВ
Приложение 5. Используемые данные в сценарном моделировании «что-если»

Список используемых сокращений
АРПСС - авторегрессионная проинтегрированная скользящего среднего
ГИБДД - государственная инспекция безопасности дорожного движения
ДТП - дорожно-транспортное происшествие
ИНС - искусственные нейронные сети
ИС - информационная система
ЛПР - лицо, принимающее решение
НС - нейронные сети
СКО - среднеквадратичная ошибка
СППР - системы поддержки принятия решений
СУБД - система управления базами данных
УР - управленческое решение
ARIMA - autoregressive integrated moving average
ARMA - autoregressive moving average
DSS - decision support system
ETL - extract, transform, load
FMCG - fast-moving consumer goods
HW - Holt-Winters
LTE - long-term evolution
MFNN - multilayer feedforward neural network
MSE - mean squared error
NAFTA - North American Free Trade Agreement
OLAP - on-line analytical processing
RIDE - reduce impaired driving everywhere
RMSE - root mean squared error
SARS - severe acute respiratory syndrome
VAR - vector autoregression

исследование показывает, что произошло 20%-ное увеличение ДТП со смертельным исходом при изменении скоростного режима.
Наибольшее влияние проявлялось в сельских штатах, где количество ДТП со смертельным исходом увеличилось на 57%, что означает два дополнительных ДТП со смертельным исходом в каждый квартал. Тем не менее, исследователям не удалось обнаружить влияние закона на количество травм при ДТП. В другой работе, Чанг (Chang) (1993) предложил мультипликативную модель временных рядов для поиска стохастического шаблона смертности, основанного на общенациональных данных смертности в США до внедрения изменений в законы об ограничениях скорости (январь 1975 - март 1987 гг.) [61]. Полученная модель смертности совместно с двухлетней информацией после изменения законодательства (апрель 1987 -декабрь 1989 гг.) была использована для изучения возможного воздействия. Результаты анализов влияния внешних событий демонстрируют, что изменение скоростного режима имеет значимое воздействие на дорожно-транспортные происшествия со смертельным исходом на общенациональном уровне. Однако воздействие затухало примерно через 1 год после анализируемого периода.
Другое исследование ученых показало, что некоторые крупные штаты, такие как Техас, Калифорния, и Иллинойс, были нечувствительны к изменению скоростного режима.
В продолжение данной тематики, Замбон (Zambon) с соавторами (2007) оценивали воздействие системы штрафных баллов, которая была введена в Италии в июле 2003 года, на распространение использования ремней безопасности и на количество смертей при ДТП, используя метод анализа влияния внешних событий [111]. Для исследования ремней безопасности анализировались региональные наблюдения с апреля 2003 по октябрь 2004 года, для анализа смертности при ДТП изучался период с 1999 по 2004 год. В целом, при расследовании использования ремней безопасности было изучено 19 551 водителей, 19 057 пассажиров на передних местах и 8 123 пассажиров