A Temporal Fusion Transformer alkalmazási lehetőségei kiskereskedelmi értékesítési előrejelzésben

Wurdits Ádám (2025) A Temporal Fusion Transformer alkalmazási lehetőségei kiskereskedelmi értékesítési előrejelzésben. Pénzügyi és Számviteli Kar.

	PDF Wurdits_Ádám_ZLYC6C_szakdolgozat.pdf Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (2MB)
	Archive (ZIP) Wurdits_Ádám_ZLYC6C_szakdolgozat.zip Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (10MB)
	PDF Biralati lap Wurdits Ádám.pdf Hozzáférés joga: Bizalmas dokumentum (bírálat) Download (62kB)

Absztrakt (kivonat)

A kiskereskedelmi kereslet előrejelzése a nagy tranzakciószámú, dinamikusan változó környezetben működő vállalatok számára stratégiai jelentőségű. A MOL töltőállomás-hálózatának működésében az eseményszintű forgalom pontos becslése közvetlen hatással van a munkaerő-allokációra, a készletgazdálkodásra és az operatív folyamatok hatékonyságára. A dolgozat célja annak vizsgálata, hogy a Temporal Fusion Transformer (TFT), amely egy modern, többhorizontos, figyelemmechanizmusra épülő neurális architektúra, milyen mértékben képes javítani az előrejelzési teljesítményt két ipari baseline modellhez, a mozgóátlaghoz és a LightGBM-hez képest. A kutatás budapesti töltőállomások többéves, napi szintű tranzakciós adataira épül, amelyekből tíz jellegzetes eseménytípusra készültek előrejelzések. A módszertan görgetéses visszatesztelést alkalmaz, amely valós vállalati döntési ciklusokat szimulál, és lehetővé teszi a modellek stabilitásának vizsgálatát. A TFT működését részletesen bemutatja a dolgozat, külön kitérve a változószelekciós hálókra, a statikus kovariánsok integrációjára és az értelmezhető többfejű figyelem szerepére. Az eredmények alapján a neurális modell több esetben képes megragadni olyan komplex mintázatokat, például szezonális töréseket, zárvatartási periódusokat vagy alacsony forgalmú kutak sajátosságait, amelyeket a baseline modellek kevésbé kezelnek. A vizsgálat rámutat arra is, hogy a TFT nagy számítási igénye jelentős erőforrás-feltételeket támaszt, ezért üzleti alkalmazása csak akkor indokolt, ha a pontosságnövekedés arányban áll az üzemeltetési költségekkel. A dolgozat összességében azt mutatja be, hogy a Temporal Fusion Transformer ígéretes, de számításigényes módszer a kiskereskedelmi idősorelemzésben, különösen olyan környezetekben, ahol heterogén bemenetekből kell többhorizontos, magyarázható előrejelzéseket előállítani.

Intézmény

Budapesti Gazdasági Egyetem

Kar

Pénzügyi és Számviteli Kar

Tudományterület/tudományág

NEM RÉSZLETEZETT

Szak

Gazdaságinformatikus

Mű típusa:	diplomadolgozat (NEM RÉSZLETEZETT)
Kulcsszavak:	előrejelzés, határidős árfolyam, idősorelemzés, idősorok elemzése, neurális hálózatok
SWORD Depositor:	User Archive
Felhasználói azonosító szám (ID):	User Archive
Rekord készítés dátuma:	2026. Júl. 09. 11:13
Utolsó módosítás:	2026. Júl. 09. 11:13

Actions (login required)

Tétel nézet