Прогнозирование выручки малого пищевого предприятия на основе методов машинного обучения
В. В. Дьячкова, М. П. Кириченко
Аннотация. Актуальность исследования обусловлена необходимостью снижения потерь от списания скоропортящейся продукции на малых пищевых предприятиях из-за неточного планирования объемов производства. Статья посвящена решению задачи прогнозирования ежедневной выручки мини-пекарни в условиях ограниченного объема исторических данных.
Цель исследования – разработка и апробация моделей машинного обучения для прогнозирования ежедневной выручки на продукцию мини-пекарни для снижения потерь от списаний скоропортящейся продукции.
Материалы и методы исследований включают разработанный алгоритм догенерации данных на основе сезонной повторяемости, формирование признакового пространства из временных характеристик, лаговых значений, скользящих статистик и внешних факторов, а также обучение шести моделей прогнозирования с подбором гиперпараметров.
Результаты показывают, что в условиях ограниченного объема исторических данных ансамблевые методы превосходят рекуррентные нейросети по точности, устойчивости и интерпретируемости. Выявлены ключевые факторы, влияющие на точность прогнозирования выручки: динамика продаж последних трех дней, показатели недельной давности и праздничные дни. Проведена оценка точности различных подходов к прогнозированию выручки, сделаны выводы по их практической применимости в условиях малого пищевого бизнеса. Проверка результатов прогнозирования на реальных данных подтверждает эффективность разработанного подхода к обучению и применению моделей машинного обучения для прогнозирования ежедневной выручки на продукцию мини-пекарни.
Выводы. Предложенная методика обучения моделей машинного обучения, включающая догенерацию данных, формирование признакового пространства и использование ансамблевых методов, показала свою эффективность и пригодность для внедрения в малом пищевом производстве.
Ключевые слова: прогнозирование, сравнительный анализ моделей, машинное обучение, рекуррентные нейросети, ансамблевые методы, малое пищевое предприятие
Для цитирования. Дьячкова В. В., Кириченко М. П. Прогнозирование выручки малого пищевого предприятия на основе методов машинного обучения // Известия Кабардино-Балкарского научного центра РАН. 2026. Т. 28. № 5. С. 154–165. DOI: 10.35330/1991-6639-2026-28-5-154-165
© Дьячкова В. В., Кириченко М. П., 2026

Контент доступен под лицензией Creative Commons Attribution 4.0 License
Список литературы
- Бурдух Е. С., Нордин В. В. Модели прогнозирования спроса на продукцию малого предприятия // Вестник молодежной науки. 2016. № 2(4). С. 2. EDN: XECRLH
- Микрюков А. А., Гилев Д. В. Комбинированный метод прогнозирования спроса на продовольственные товары на основе ансамбля LSTM-сети и SARIMA-модели для интеграциив ERP-системы российского ритейла // Вестник Южно-Уральского государственного университета. Серия: Компьютерные технологии, управление, радиоэлектроника. 2025. Т. 25. № 4. С. 122–128. DOI: 10.14529/ctcr250409. EDN: UJMREL
- Аббакумов А. А., Ямашкин С. А., Карнетов В. Г., Рощихин Д. С. Прогнозирование спроса и управление запасами с помощью машинного обучения // Инженерный вестник Дона. 2025. № 6(126). С. 308–320. EDN: MPEKAP
- Иванов М. Д. Анализ современных методов и инструментов прогнозирования спроса на авиаперелеты в условиях цифровизации отрасли // Безопасность. Управление. Искусственный интеллект. 2025. Т. 4. № 4(4). С. 14–22. EDN: KJQIOC
- Мизаев М. М., Закриева М. С. Использование нейросетей для прогнозирования спроса и динамики рынка // Наука молодых – будущее России: Сборник научных статей 10-й Международной научной конференции перспективных разработок молодых ученых. В 6-х томах. Курск, 16 декабря 2025 года. Курск: Университетская книга, 2025. С. 347–351. DOI: 10.47581/2025.ML-31/Mizaev-Zakieva-03. EDN: QHSHAA
- Макарова Т. Н., Конобеева О. Е., Сотникова Е. А. Прогнозирование спроса на товары предприятия: методическое обоснование и практический опыт // Вестник ОрелГИЭТ. 2020. № 2(52). С. 31–40. DOI: 10.36683/2076-5347-2020-2-52-31-40. EDN: ROQKAR
- То Ф. Т., Горобинский Л. В. Архитектура информационной системы управления складом с интеграцией искусственного интеллекта для прогнозирования спроса и оптимизации запасов // Инновационный потенциал развития науки в современном мире: Сборник трудов по материалам XXI Всероссийского конкурса научно-исследовательских работ, Уфа, 24 марта 2025 года. Уфа: Научно-издательский центр Вестник науки, 2025. С. 148–155. EDN: OUHTIN
Информация об авторах
Дьячкова Виктория Викторовна, канд. экон. наук, доцент кафедры информационных технологий, Донбасский государственный технический университет;
294204, Россия, г. Алчевск, пр-т Ленина, 16;
dyachkova.vika@gmail.com; ORCID: https://orcid.org/0009-0003-9771-616X, SPIN-код: 5620-0952
Кириченко Мария Павловна, магистрант 2-го курса по направлению «Математика и компьютерные науки», Донбасский государственный технический университет;
294204, Россия, г. Алчевск, пр-т Ленина, 16;
kirichenkomaria4@yandex.ru; ORCID: https://orcid.org/0009-0009-0740-575X, SPIN-код: 7709-0621
Финансирование
Исследование проведено без спонсорской поддержки.










