Випуск: № 11, 2023
Doi: https://doi.org/10.37634/efp.2023.11.19
У статті показано дослідження, що поєднує два методи: кластеризація родовищ за допомогою алгоритмів машинного навчання та побудови регресійної моделі для прогнозування собівартості та економічної ефективності нафто-газового родовища. Кластеризація родовищ є основним завданням дослідження, оскільки включає низку інших фундаментальних завдань, наприклад, визначення кластеру родовища за технічними параметрами. Регресійний аналіз припускає вирішення двох завдань. Перше завдання ґрунтується на виборі незалежних змінних, які значно впливають на залежну величину, і визначення форми рівняння регресії. Це завдання вирішується шляхом аналізу взаємозв'язку, що вивчається. Друге завдання полягає в оцінюванні параметрів: вирішується на основі різних статистичних методів оброблення даних та спостережень. Сферою застосування регресійного аналізу в економіці є вивчення впливів собівартість різних факторів.
Ключові слова : кластеризація, класифікація, собівартість, регресія, прогноз
References:
1. Hrabovetskyi B.E. Economic forecasting and planning. Kyiv, 2003. (in Urkainian).
2. Subbotin S.O. Neural networks: theory and practice. Zhytomyr, 2020. 184 p. (in Urkainian).
3. Pistunov I.M., Antoniuk O.P., Turchaninova I.Yu. Cluster analysis in economics. Dnipropetrovsk, 2008. 84 p. (in Urkainian).
4. Pistunov I.M. Neural networks and their application. Dnipro, 2024. 28 p. (in Urkainian).
5. Pistunov I.M., Antoniuk O.P. Neural network technologies for economics and finance with computer calculations. Dnipro, 2014. 125 p. (in Urkainian).