Интеллектуальный пакет PREDICTOR

Интеллектуальный пакет PREDICTOR
(версия для вычислительного кластера и Grid-сети)

Назначение пакета Predictor – статистическое прогнозирование в бизнес-расчетах,  например, с целью анализа объемов предполагаемых продаж, выбора ассортимента товаров и услуг по спрогнозированным ценам,  удовлетворения потребностей в численности персонала. 

Основные направления использования  пакета – Finance  (финансы); Planning  (планирование);  Pricing (ценообразование);  Marketing (маркетинг); Production (производство); Operations Stock (фонды, склады);  Demand (спрос на товары и услуги);  Personal (потребность в кадрах).

Библиотека предназначена для работы на вычислительном кластере с использованием MPI или в грид-сети. Библиотеки Predictor позволяет пользователю использовать готовые приложения из пакета для быстрого прогнозирования или создания своего приложения, которое будет использовать функции библиотеки Predictor.

В Predictor реализованы 26 методов прогнозирования, среди которых назовем простые и линейные скользящие средние;  сглаживание простое, адаптивное, линейное по Холту, линейное по Брауну, квадратичное по Брауну, аддитивное сезонное по Винтерзу, сезонное по Холту-Винтерзу, сезонное по Брауну-Харриссону; регрессия: авторегрессия, S-кривые, кривая Гомпертца, логистическая кривая, популярные и определяемые пользователем тренды; методология Бокса-Дженкинса, ARARMA, ARIMA-модели с сезонностью в AR и MA, обобщенная адаптивная фильтрация GAF; множественная регрессия; нейронные сети. 

Поддерживается динамическое прогнозирование по мере поступления  данных, управление сценариями и повторное их использование. Наряду с документацией, в поставку пакета входит много тестовых примеров.

Ключевой момент - максимальная рекомендательная способность пакета Predictor применительно к надежности прогнозов.

По определению невозможно априори оценить точность прогнозов, поэтому в специальном режиме Тест, предполагая неизвестными последние значения входной последовательности данных, делается попытка их спрогнозировать выбранным методом, а затем полученные прогнозы сравниваются с реальными значениями.

Если они сильно отличаются, нецелесообразно строить прогноз этим методом с указанными параметрами. В противном случае прогнозирование продолжается в режиме Прогноз с использованием всех значений исходных данных, поэтому результаты отличаются от режима Тест  и получаются более точными.

С Руководством пользователя можно ознакомиться в разделе Документации.