Сизов Александр Семёнович - доктор технических наук, профессор, профессор кафедры программной инженерии.
ул. 50 лет Октября, д. 94, Курск 305040
Alexander S. Sizov - Dr. of Sci. (Engineering), Professor, Professor of Software Engineering Department, Southwest State University.
50 Let Oktyabrya str. 94, Kursk 305040
Халин Юрий Алексеевич - кандидат технических наук, доцент, доцент кафедры программной инженерии.
ул. 50 лет Октября, д. 94, Курск 305040
Yuri A. Khalin - Cand. of Sci. (Engineering), Associate Professor, Associate Professor of Software Engineering Department, Southwest State University.
50 Let Oktyabrya str. 94, Kursk 305040
Белых Артём Александрович – аспирант.
ул. 50 лет Октября, д. 94, Курск 305040
Artem A. Belykh - Post-Graduate Student, Southwest State University.
50 Let Oktyabrya str. 94, Kursk 305040
Цель работы. Разработка и валидация методики адаптивных НКК с гибридной оптимизацией весов и динамической коррекцией функций принадлежности для нестабильных рынков.
Методы. Методология включает предложение трехуровневой архитектуры НКК (5 входов, 4 скрытых узла, 3 выхода), инициализированной методом Саати с коэффициентом согласованности CR=0.038; гибридную оптимизацию весов, сочетающую алгоритм роя частиц (PSO) и адаптивную регуляризацию; а также ежеквартальную адаптацию трапециевидных функций принадлежности на основе потоковой кластеризации методом Streaming C-means и сглаживания экспоненциальным взвешиванием (EMA).
Результаты. Результаты тестирования на данных розничной сети N (временной охват 62 недели, 345 наблюдений) показали: высокую точность прогнозирования с MAPE 7.2% (95% доверительный интервал [6.8;7.6]), что статистически значимо ниже (p<0.01) ошибок моделей LSTM (9.8%) и статической НКК (15.8%), и сопоставимо с точностью XGBoost (7.8%, p=0.12), при этом адаптивная НКК обеспечивает превосходство в интерпретируемости каузальных связей (например, вес влияния маркетингового бюджета на объем продаж w₁₁=0.78±0.05); повышенную робастность, выразившуюся в меньшем приросте ошибки прогноза в шоковый период марта (+49.2% для адаптивной НКК против +86.9% для LSTM); и значительную экономическую эффективность, подтвержденную результатами внедрения в ERP-систему: снижение логистических издержек на 15.2% (абсолютная экономия 5.1 млн руб.), сокращение оборачиваемости запасов с 18.3 до 15.1 дней, квартальный ROI 287.5% и расчетная чистая приведенная стоимость (NPV) проекта 9.2 млн руб. (95% ДИ [8.1;10.3]).
Заключение. Разработанная методология обеспечивает высокоточное, интерпретируемое и робастное прогнозирование продаж в нестабильных рыночных условиях, доказав свою практическую эффективность и экономическую целесообразность. Перспективные направления развития включают автоматизацию построения карт с использованием GAN, ускорение вычислений за счет реализации на CUDA и интеграцию с графовыми нейронными сетями (GNN).
Purpose. Development and validation of the adaptive NCC methodology with hybrid weight optimization and dynamic correction of membership functions for unstable markets.
Methods. The methodology includes a proposal for a three-level NCC architecture (5 inputs, 4 hidden nodes, 3 outputs) initialized by the Saaty method with a consistency ratio of CR=0.038; hybrid weight optimization combining the particle swarm algorithm (PSO) and adaptive regularization; and quarterly adaptation of trapezoidal membership functions based on streaming clustering using Streaming C-means and exponential smoothing (EMA).
Results. The results of testing on data from the retail chain N (time span of 62 weeks, 345 observations) showed: high prediction accuracy with MAPE 7.2% (95% confidence interval [6.8;7.6]), which is statistically significantly lower (p<0.01) than the errors of the LSTM (9.8%) and static NCC (15.8%) models, and is comparable to the accuracy of XGBoost (7.8%, p=0.12), while adaptive NCC provides superiority in the interpretability of causal relationships (for example, the weight of the marketing budget's impact on sales w₁₁=0.78±0.05); increased robustness, resulting in a smaller increase in forecast error during the March shock period (+49.2% for adaptive NCC versus +86.9% for LSTM); and significant economic efficiency, confirmed by the results of implementation in the ERP system: reduction of logistics costs by 15.2% (absolute savings of 5.1 million rubles), reduction of inventory turnover from 18.3 to 15.1 days, quarterly ROI of 287.5% and estimated net present value (NPV) of the project 9.2 million rubles (95% CI [8.1;10.3].
Conclusion. The developed methodology provides highly accurate, interpretable, and robust sales forecasting in unstable market conditions, proving its practical effectiveness and economic feasibility. Promising areas of development include the automation of map construction using GANs, the acceleration of calculations through CUDA implementation, and the integration with graph neural networks (GNN).
The authors declare that there are no conflicts of interest present.