Вісник Сумського державного університету. Економіка (2009-2024)
Permanent URI for this collectionhttps://devessuir.sumdu.edu.ua/handle/123456789/193
Browse
Search Results
Item Міжкраїновий прогноз ефективності енергетичних систем(Сумський державний університет, 2022) Чигрин, Олена Юріївна; Чигрин, Елена Юрьевна; Chygryn, Olena Yuriivna; Койбічук, Віталія Василівна; Койбичук, Виталия Васильевна; Koibichuk, Vitaliia Vasylivna; Кочережченко, Р.Д.На сьогодні автоматизований аналіз даних є продуктивним, потужним інструментом для прийняття важливих рішень щодо вдосконалення підходів оцінювання ефективності бізнесу, є основою та підґрунтям для формування думки про стан підприємства, країни, її економіки та майже будь-якої системи, ключові детермінанти котрої можна представити у вигляді кількісних та якісних даних. Разом з тим в умовах постійного росту кількості інформації в онлайн середовищі, багато класичних методів опинились під питанням ефективності для використання великих даних та нечітких груп даних таких, як відео, звук, фото та інші. Тому для оптимального вирішення завдань, що можуть дати певні гарантії для якості моделі, можна обрати більш новітній інструментарій та методи, що використовують інструменти нейромережевого моделювання та автоматизації цих процесів. Питання ефективності використання електроенергії завжди стояло константою як для України, так і світу. Метою статті є розроблення моделі для прогнозу ефективності енергетичних систем 122 країн світу (країн Європейського союзу, Північної та Південної Америки, Африки, Азії, країн з високим рівнем доходу, країн з рівнем доходу нижче середнього, країн з низьким рівнем доходу), що ґрунтується на основі значень часового ряду «чистий імпорт електроенергії як частка попиту» за період з 2000 року по 2021 рік. У статі даний детальний опис та інструкції для відтворення моделі, пояснення для глибокого розуміння результату роботи моделі, також наведено детальний опис дослідження якості моделі, метрик, що можуть допомогти в аналізі якості моделі. Проведена робота надає приклад в форматі фото кодів, які було використано для роботи с даними, реалізації метрик, створення моделі. Для реалізації моделі були використані інструменти та інфраструктура мови програмування Python, що дозволило створити модель без занурення в інженерні деталі побудови подібних моделей. В результаті дослідження було отримано модель, яка в середньому дає похибку в 6.9 відсотка, що є адекватним результатом для прогнозних моделей. В результаті було визначено, що модель може бути базисом для інших прогнозних моделей, це дає основу для побудови прогнозного дослідження.