Боровиков В.П. - Нейронные сети (778916), страница 67
Текст из файла (страница 67)
Также можно создавать составные запросы к одной или сразу нескольким базам данных, причем результаты будут отражаться в отдельной таблице (рис. 13). Выбираем Создать Запрос в менюДанные — Внешние данные (илн в меню Файл — Впеигние данные), чтобы вывести на экран диалог Соединение с базой данных. В этом диалоге указываем уже заданные соединения с базами данных (поставщик, источники данных и расширенные параметры сервера). Если вы еще не создали соединение с базой данных, то можно это сдслать нажатием кнопки Создать в окне Соединение с базой данных. После чего на экране появится диалог Свойства связи с данными, который проведет через серию последовательных шагов для создания соединения.
После того, как соединение с базой данных выбрано (или после нажатия кнопки ОК в окне Свойства связи с данными), на экране появится окно Запрос ВТАГБТ!СА, в котором можно составлять ваши собственные БЯЬ-выражения, указывая 377 Небронные Оепти ЗТАТ!аттСА Ртеита) РтеТртотар Рис. 13. Создание запроса в БТ4 Т1о ТРА нужные таблицы, поля, связи, критерии и т.д.
(через меню Таблица, Связь, и Критерии), которые должны быть вюпочены в запрос. Надо выбрать следующие настройки: указать тип подключения Месгоюф ОЬЕ ЮВ7ог ЯДЕ Юегоег, название своего сервера, личные данные и имя таблицы, с которой будет произведено соединение (рис. 14). Рсомр»15 «ас«ь! Ррсемар! Впр. Вес»рейс»сам меч«ем»те,с.- ',о"т,р МЮЕЮ Ей» Т Т ОСЕ ОВ В МЕ Мюею Оса 55\ ОЫ ОВ Р Ме Мюсейааоа РОСЕ ОВ ТМ Р» мееюсосеррр «ер«О»амппрр«юас М ейОСЕОВРь ~еЮОТРР»йеас мюо Восерррь аеюймеерр~п ° Мю ЕСОСЕОВТПО МТЕЬМв ФРМЕР Р М а:мйОЕЕОВР» Рейвррррр вм МЫ«ЮОСЕОВР М Теосарр мюьмйрсеОВР а т«от.йрр» сасВО мюоссй осе Ор Рм Ре !» О а»в МЮОМйОЕЕОВР» М»1«ОММЮР»сьй мюеюосе ОВ 5 сер«а» Мрра Ыыс Оыррн ьетемммюр аееррамсас ЕОТЕ» ейа»сааьпрееОВРю ретерт5 ж; М Рис. 14.
Выбор тапа подюпочепип В БАР Вп риека Оде следует найти имя интересующей вас таблицы, далее указать ее в редакторе и выбрать нужные поля (рис. 15). Подведем курсор мыши на интересующую нас таблицу и в левом нижнем углу экрана будет отображено ес название. В итоге получена таблица, в которой будут содержаться 378 Приложение 2. Интеграция ВТАТ13Т1СА с ЕНР-сися!омами Рнс.
15. Окно редактора запроса .БНЭ 1'0% Н3юн00700юю ' 3%%%3н %44ю ! 90000!В% !Оэню! ,'"' "9%"! 164 ' ОН'1 ЮОЮ 1 Янэюе. ? Рас. 1б. Фрагмент таблицы в лТАТ1оПСА слсдующис данные: продажи трех различных товаров по месяцам и обороты продаж по этим товарам (рис, 16). Шаг 3. Визуальный анализ данных в системе БТАПКТ1СА. Далсс можно проводить анализ нспосрсдствснно с приведенной на рис. 1б таблицсй. Систсма зТАТЛТ1СА прсдлагаст большой выбор графичсских мстодов, содсржащих программные срсдства для обработки данных и проверки гипотез. Во многих случаях использованис графического представления информации позволяст более эффективно работать с числовыми данными. Систсма включаст широкий спектр 1рафичсских методов для визуального прсдставлс- 379 1 1ХО4 !7Ю 3204 1 Н ЭЮ 19 Ю ЗВ4 0 204 Ю Н ° ЗВ4 % 0220 Юю 5260 Юн 220 22 Юю?ЗВ 4 ЭВЗ !Ю ОВ46 НВ 10246 !% %222 145 %0 4 1% ЮО! 6 125 ЭЯО 3% Ю»9 Оо НЮ44 1В 76%0 НО НЮ9 1Ю 122979 1% ЮЯВБ 345 ЭЭВ ° Ю ?НОБ ОО !36144 ЮО ОО!562 5% !24092, ° 510!Зюи? ° В 3!%041 ЮО 121 1ЮБ 4% 1%3%2 НО ООВ02 4% 1ЮЭВЭ ЯВ !%3В 445 1 147%2 415 !07015 1 ВО %4!12 ЗЯ3 ЮНЮЭ 240 67%59 203 %%45 %%92 70 37767.4 Ю 421650 Ю 2%1 НВ %%2 322 79050 142 Я6%,44 !40 1%740 1% ЮЮ72 !35 7%%2 179 ЭЮВ 70 1% 302%5Б 2В 3!1742,7 ?10 ВЗВ?2 270 !457%,4 Неаронные сео«и.
ЗТАТ«ЗТ«СА Неоге! Не!«гог!«е ния результатов исследований. Все графические средства системы БТАТ18Т1СА обсспсчивают возможность выбора встроенного аналитического интерактивного метода анализа и содержат большой набор программ настройки, позволяющих пользователю интерактивно управлять отображением информации на экране. Гибкие средства управления одновременно несколькими графиками дают возможность пользователю объединять различные графическис изображения и осуществлять динамический обмен между приложениями (используя средства 01.Е), самостоятельно организовывать построснис графиков.
Эти методы, включающие большой набор графиков различных типов— пользовательских, статистических и специализированных, — дополняют друг друга, обеспечивая высокий уровень взаимосвязи между числовыми данными и их графическим представлением. Например, в качестве элемента автоматического вывода в программе статистической обработки может быть введен запрос на построение специализированных графиков. Кроме того, фактически любые данные, которые создаются в процессе работы программы, могут быть выведены в графическом виде с помощью встроенных сервисных программ. В системс БТАГ1БТ1СА окно графика служит нс только для отображения графика, но также представляет собой эффективное и сложное средство настройки графика, позволяющее изменять практически любые его параметры (например, оси, шкалы, метки, цвета, шаблоны и т.д.) с помощью двойного щелчка на соответствующем компоненте графика. Кроме того, если щелкнуть правой кнопкой мыши на выделенном элементе графика, появится меню, содержащее доступные опции настройки этого элемента.
Откроем модуль Графика-2М Графики и укажем вид графика (в данном случае были построены Линейный график (для переменных) и Круговал диаграмма) (рис. 17 и 18). Далее появится диалоговое окно настройки, в Рпс. 17. «рафик продаж кармаш«ого НК НР «РАЯ !«х2750 380 Приосжеиое 2. Инаеврацси ЗТАТШТША с ЕЯР-сссвемамс Рис. 18. Круговая диаграмма продаж котором задаются различные параметры для вывода графика в удобном для пользователя виде. Шаг 4. Построение прогноза в системс БТАГБТТСА.
Переходим непосредственно к прогнозированию. Имеются две основныс цели анализа временных рядов: ° определение природы ряда; ° прогнозирование (предсказание будущих значений временного ряда по настоящим и прошлым значениям). Методы и различные подходы к прогнозированию разделяют по двум основным направлениям: ° по глубине прогнозирования (краткосрочное, среднесрочное и долго- срочное); ° по математическому подходу (классический подход, основанный на регрессионных и авторегрессионных моделях, нейросетевой и т.д.). Как и большинство других видов анализа, анализ временных рядов предполагает, что данные содержат систематическую составляющую.
Она обычно включает несколько компонент: тренд+сезонная составляющая и случайный шум (ошибка), который затрудняет обнаружение регулярных компонент. Современная методология прогнозирования изложена в специальных книгах. Для построения прогноза в данном случае воспользуемся следующими методами: ° методом АРПСС; ° методом сезонной декомпозиции. Откроем модуль Анализ — Углубленпые методы анализа — Временные ряды и прогнозирование. В появившемся стартовом диалоговом окне необходимо выбрать псремснныс для анализа (рис. 19). 381 Нейронные семи.
ЗТАТ!ЗТ!СА Нее!а! !Чегаогвв а!!аг'%л1 1л~ нз « ~д ~1г Рис. 19. Диалоговое окко апализа времеппых радов После выбора переменных напыпс кнопку АРПСС и аепгокорреляционные функции. Для определения параметров модели надо построить корреляционную и частную автокоррсляционную функции. При необходимости можно провести различные преобразования над исследуемым рядом, нажав на кнопку Другие преобразования и графики. Нам, в частности, необходимо выбрать две разности для приведения временного ряда к стационарному виду.
Далее определяем параметры модели (рис. 20). Рпс. 20. Диалоговое окно !!ветровки АРПСС-модели Нажмите кнопку ОК (начать оцснивание параметров). Перед вами появится окно результатов АРПСС-модели (рис. 21). В нем показаны результаты вычисления параметров модели, а также распределение остатков и получившийся прогноз. Параметры модели оказались значимыми. Построим график исходного ряда и полученного прогноза, нажав на кнопку График ряда и прогноз (рис.
22). 382 Проооженое 2. Инвеерацон ЗТАТ18Т!СА с ЕЯР-сисаемамо Рис. 21. Диалоговое овио резтпьтатов АРПСС-модели Рис. 22. График исходпого ряда ы прогпоз Рис. 23. График кросс-проверки 383 Нейронные вето ЗТАТ!ЗТ!СА Неьза! Неьвойз Адскватность предложенной модели оцениваем методом кросс-проверки (сгозз-! а1!а!айон) (рис. 23). Также можно проверить остатки прогнозируемого ряда на нормальность. Эти методы являются хорошими показателями адекватности модсли. Шаг 5.
Выгрузка данных из системы БТАТ1БТ1СА. Полученный прогноз необходимо из системы БТАТ)БТ1СА выгрузить обратно в БАР Визтезз Оне для определения рекомендаций по планированию закупок. Эта операция может быть проведена следующим образом. Данные выгружаются вручную путем копирования соответствующей информации. Есть другой более трудоемкий способ, который позволяет автоматизировать процесс обработки данных и работать с большими объемами информации. Сначала нсобходимо выгрузить данные из БТАТ1БТ1СА в текстовый файл, так как напрямую данные нс могут быть обработаны БЯ1 -сервером.
Затем необходимо написать 8( !=выражение, которое будет выбирать данные из текстового файла и псреводить их в соответствующую таблицу БАР Визшезз Оне (рис. 24 и 25). Функция Планирование потребности в материалах (МЯР) позволяет планировать потрсоность в продукции по имсюшимся заказам, предложениям или непосредственно по данным, приведенным в таблице опрсдслсния прогноза (рис. 26). Кроме того, результатом МКР являются рекомендации по планированию, позволяющие удовлетворить потребности за счет анализа существующего запаса, имеющихся заказов на продажу и производственных заказов. При расчете МКР также принимаются во внимание существующие планы, такис, как Кратность заказа, Интервал заказов и др.
Рекомендации по планированию составляются с учетом определенной продолжительности изготовления или поставки продукции, Ряс. 24. Фрагмепт 50$ выражеппя дяя перевода даипых в БАР Визгвезз Опе 384 Проложение 2. Интеграцнн ЗТАТ!ЗТ!СА с ЕНР-сисюемамн Рпс. 25. Таблица, создапиая с помощью Б( Н запроса Рис, 26.
Таблица опрсдслспия прогиоза Полученные рекомендации являются основой для составления заказов предложений и других документов по работе с клиентами. В заключение можно отметить, что подобная совместная работа системы БТАТБТ1СА возможна и с друппии упомянутыми ЕКР-системами. Нейронные сети, 8ТАТ!ЗТ!СА пеша! йеггчогкв Аг(чапсев ш Хсиш!!пГоппайоп Рюссвяпй Бувгегпв 3.
Бап Ма!со, СА: Могйап КаиГ- шапп, 1991, р. 875-882. ччегЬов Р.Л. Веуопй гейгевяоп: пезч !оо1в Гог ргей!сГ!оп апй апа1уяв 1п Гйе ЬеЬачйоига! всгепссв. РЬ.Г). ГЬсяв, Нагчагг! Уп!чегв!!у, Вояоп, МА., 1974. зч!6гоъч В., апо' Но(ТЛг., М.Е. Аг!арйчс вий!с)йпй с|гсш!в. 11(Е %ЕБСОЫ Сопчепбоп Кесогг), 1960, р. 96 — 104. х,зче!8 М.Н, апп'СашрЬей О.
Еесе!чег-Орегаг!ейСЬагасгег!вг!с(КОС) Р!о!в: А Рипбагпегпа1 Еча!иабоп Тоо! !и С!!паса! Мей!с!пс, С!!и. СЬегп 39 (4), 1993, р. 561 — 577, Пшпера(у!ура на русском языке Боровиков В.П. Искусство анализа данных на БГАТ18Т1СА. — СПб., 2005. Боровиков В.П., Ивченко Г И. Пропюзированне в системе БТАТ18ТГСА в среде чч!иг(оччв (2-е изд.). — Ми Финансы и Статистика, 2006. Боровков А.А.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
