Academic literature on the topic 'Модель часових рядів'

Процеси прийняття рішень щодо діяльності об’єктів господарювання, як правило, пов’язані з необхідністю аналізу основних показників їх діяльності. Виявлення тенденцій зміни числових показників в часі дозволяє робити припущення щодо їх майбутніх значень. Такі задачі можна звести до задач прогнозування часових рядів, які полягають у дослідженні законів зміни значень ряду та, на основі заданого критерію точності, знаходження прогнозних значень. Аналітичний огляд сучасних наукових публікацій показав, що задача прогнозування часових рядів є актуальною. Існує багато досліджень присвячених розробці ефективних гібридних методів прогнозування, в основі яких містяться декілька інших методів. Дослідження присвячене розробці прогнозної моделі, яка використовує кращі властивості базових моделей прогнозування, дозволяє підвищити точність прогнозу та його волатильність. В ході дослідження було розроблено еволюційний метод прогнозування на основі базових моделей прогнозування. Для обчислення прогнозних значень будується оптимізаційна модель, в яку входять прогнозні значення, обчислені за допомогою базових моделей. Параметри моделі можуть бути визначені за допомогою генетичного алгоритму. Критеріями якості прогнозної схеми були відносна похибка прогнозування, а також волатильність прогнозу. Такий підхід дозволяє зменшити відхилення прогнозних значень від точних. Виконано експериментальну верифікацію розробленого методу прогнозування. Виконано порівняльний аналіз результатів роботи розробленого методу та інших методів прогнозування для часового ряду «Кількість хворих на СНІД». Показано, що використання прогнозної схеми дозволяє як підвищити точність прогнозу, так і покращити його волатильність.

У статті досліджено принципи впровадження моделей машинного навчання у сферу інтелектуального обслуговування промислового обладнання. Зазначено, що розумне вироб- ництво використовує передову аналітику даних для доповнення фізичних законів щодо підвищення ефективності роботи виробничих систем. Наголошується, що за широкого поширення датчиків та Інтернету речей (IoT) зростає потреба в обробці великих вироб- ничих даних, що характеризуються високим об’ємом, високою швидкістю і високою різ- номанітністю. Наведено схему промислової машини, яка використовується для перемо- тування та різання пакувальної плівки на виробництві. Детально розкрито виробничий процес та складено структурну схему налаштування системи, сформовано модель клас- теризації параметрів для виявлення збоїв у роботі промислової машини. Підкреслено, що дані, отримані від датчиків, фактично є дискретними даними часу, що відбираються за секунду часу, а декомпозиція даних часових рядів виявила тенденцію до зростання залиш- ків. Отримані часові ряди стаціонарувались за допомогою диференціації, а логарифмічне перетворення у свою чергу використовувалось для зменшення дисперсії даних часових рядів. При цьому наголошується, що диференціація усуває зміни рівня динамічного ряду, а отже, усуває тенденції та сезонність, причому середнє ковзне та стандартне відхи- лення знайдено незалежно від часу, на основі чого побудовано діаграму стаціонарності. Визначено етапи прогнозування та запропоновано модель інтегрованої ковзної середньої. У роботі запропоновано три моделі: метод опорних векторів, глибока нейронна мережа та наївний баєсів класифікатор, здійснено порівняння всіх трьох моделей та доведено, що модель глибокої нейронної мережі була більш ефективною в разі моделювання даних. Про- гнозна модель побудована для зменшення низькоякісних виробничих циклів та планування технічного обслуговування. Таким чином, наголошено, що машинне навчання на основі IoT допоможе подолати суттєві обмеження продуктивності та пов’язані з цим витрати на обслуговування, що в загальному випадку значно підвищить продуктивність виробничого обладнання.

У статті досліджені актуальні питання щодо моделювання та аналізу недетермінованих процесів, представлених нечіткими часовими послідовностями з нерівномірними інтервалами між спостереженнями. Метою дослідження являється розробка нової сеперабельної моделі та методу аналізу і прогнозування таких часових рядів. Модель відрізняється окремим формуванням послідовностей величин показників та інтервалів між спостереженнями, з подальшим їх узгодженням. Представлено програмних комплекс та результати моделювання, отримані на основі удосконаленої нечіткої квантильної моделі. Запропоновано нові змістовні та формальні постановки завдань щодо упорядкування послідовностей елементів, які відрізняються урахуванням різної складності (ваги) окремих конструктивних операцій. Наводяться інтелектуальні алгоритми реалізації завдань упорядкування «з вагою».

Дослідження процесів збуту та планування виробництва є важливою складовою діяльності будь-якого комерційного підприємства. Це пояснюється тим, що професійне вирішення основних задач збуту обумовлює максимальний рівень задоволення потреби клієнтів, створення додаткових маркетингових переваг, збільшення обсягів реалізації, забезпечення зростання прибутку не тільки в коротко, але і в довгостроковому періоді. Для підвищення ефективності управління процесами збуту та планування виробництва сучасні підприємствавикористовують різноманітні програмні продукти, які автоматизують тільки частину їх бізнес-процесів. В тих продуктах, які займаються аналізом, прогнозуванням збуту та плануванням виробництва, існують проблеми з рівнем точності результатів прогнозу. Тому розробка програмних модулів, що спрощують вирішення задачі прогнозування та підвищують точність отриманих результатів є досить актуальною. Для вирішення задачі прогнозування була обрана модель проінтегрованої авторегресії та ковзного середнього (ARIMA). Перед побудовою моделей прогнозування проводиться автоматична класифікація (кластеризація) досліджуваних часових рядів для виявлення чітких груп зі схожими властивостями, яка надає можливість вибору початкової структури моделей прогнозування для кожної із груп. Після цього йде валідація або корегування значень порядку складових моделей (AR, MA), завдяки результатам обробки коррелограмм автокореляційної та приватної автокореляційної функій. На останньому етапі за допомогою методу найменших квадратів розраховуються параметри сформованих моделей прогнозування.

Метою статті є огляд і класифікація основних моделей прогнозування часових рядів. Розглянуті статистичні моделі експоненційного згладжування, ковзного середнього, регресійні та авторегресійні моделі, їх особливості та сфери використання. Зі структурних методів проведено аналіз моделей на базі нейромереж, ланцюгів Маркова, опорних векторів та дерев рішень. Найкращі результати демонструють комбіновані моделі прогнозування, які розглянуто у сучасних публікаціях в інформаційних системах різноманітного призначення. Подальші дослідження будуть об’єднувати статистичні та структурні моделі для отримання кращого прогнозу.

На сьогоднішній день виявлення аномалій є однією із головних причин виконання аналізу даних. Із подальшим розвитком інтернету речей, потреба у автоматизованих системах моніторингу та прийняття рішень, здатних вчасно розпізнати збої або помилки в роботі різного роду пристроїв та інфраструктури, та не допустити небажаних наслідків, буде тільки зростати. Саме тому в цій статті дослідження присвячене розробці ефективних алгоритмів виявлення аномалій. Представлені практичні результати аналізу часових рядів цін на акції всесвітньовідомих кампаній.

У роботі наведено результати статистичного аналізу та аналізу на основі методології часових рядів (АКФ, ЧАКФ, тест Дікі–Фулера) таких демографічних показників, як кількість народжених та померлих, чисельність наявного та постійного населення у Рівненській області за період 1950–2018 рр. У середовищі економетричного пакету EViews реалізовано перевірку часових рядів відповідних демографічнихпоказників на стаціонарність і запропоновано рекомендації щодо побудови їх математичних моделей.

Обґрунтовано методичні підходи до аналізу продажу продукції дитячого харчування. Визначено, що важливе місце в аналізі динаміки товарообігу займають індексний метод та побудова динамічних рядів. На основі якісного аналізу обрано коло факторів, які теоретично впливають на обсяг продажів замінників грудного молока. На етапі кількісного аналізу враховано особливості використання методів кореляційно-регресійного аналізу на часових рядах, а саме перевірку факторів на наявність мультиколінеарності, аналітичне вирівнювання часових рядів, відбір істотних факторів та побудову статистично значущої моделі. В результаті проведеного аналізу продажів визначено основні фактори, що впливають на рівень продажів на ринку продуктів дитячого харчування.

У статті розглянуто методологічні положення та інструментарій прогнозного моделювання динаміки ринку віртуальних активів, проаналізовано динаміку курсу головних криптовалют в Україні, для обраного портфелю валют побудовано динамічні факторні моделі, що поєднують підходи класичного факторного аналізу та авторегресійного аналізу. З метою визначення прогнозних значень окремих часових рядів показників з мінімально можливою похибкою застосовано оригінальну версію динамічного факторного аналізу, яка дозволяє в ex post прогнозі мінімізувати похибку довільно обраного показника. Динаміку обраної системи проаналізовано з позицій двох систем часових рядів показників із різним кроком за часом при використанні щоденних та усереднених за місяць даних статистики. Прогнози цін попиту і споживання криптовалют знайдені при застосуванні методів інтервального і рекурсивного покрокового прогнозування.

Розглянуто сучасні методи розпізнавання аномальних патернів у зразках кодових послідовностей для ідентифікації типу аварії на об'єктах критичної інфраструктури за допомогою прихованих марковських моделей. Представлена комплексна методика, що базується на аналізі функції густини ймовірності аномальних паттернів, що застосовується у прихованій марковській та напівмарковській моделі. Вказано, що зазначений підхід дозволяє визначити функцію часової залежності рядів даних, відповідно класифікація проводиться на основі наборів аномальних даних, що не відповідають класам навчальної вибірки. На основі математичної моделі показано, що представлена методика надає можливість оптимізувати ефективність розпізнавання аномальних паттернів при ідентифікації аварійного стану на об'єкті інфраструктури.

Актуальність роботи. Балансування електроенергії в новому ринку електричної енергії є одним з актуальних питань. Для їх мінімізації окрім більш чіткішого прогнозування створюють балансуючі групи, тому був розроблений метод балансування для максимального зменшення небалансів. Також для подальшої закупівлі електроенергії створена модель аналізу часових рядів для прогнозування ціноутворення. Раціональність використання балансування електричної енергії багато в чому залежить від обсягу споживання підприємства та наявності Автоматизована система комерційного обліку електричної енергії (АСКОЕ) . Найбільше ефективне балансування в балансуючій групі, де більшість підприємств мають обсяг споживання 100-600 тис. кВт·год, тим самим це буде вигідно для підприємств у яких менше або більше споживання від заданого діапазону. Також для зменшення втрать розглядається питання з фінансової точки зору, а саме прогнозування ціноутворення. Для цього проводиться аналіз часових рядів для визначення ціноутворення електричної енергії. Це дуже ефективно для закупівлі електричної енергії на ринку добу наперед (РДН) та внутрішньодобового ринку (ВДР). Мета та завдання дослідження: зменшення небалансів електроспоживання промислових підприємств, шляхом балансування електроенергії в балансуючій групі та аналізу часових рядів для визначення ціноутворення електричної енергії для закупівлі на РДН та ВДР для прогнозування вигідності споживання. 1. Проаналізувати споживання та заявлений обсяг промислового підприємства, який купує електричну енергію на оптовому, а у майбутньому і на балансуючому ринку електричної енергії. 2. Оцінити вигідність для приєднання промислового підприємства до балансуючої групи. 3. Розробити методику методи балансування електроенергії в балансуючій групі. 4. Розробити модель аналізу часових рядів для прогнозування ціноутворення на РДН. 6. Оцінити та перевірити якість роботи моделі шляхом порівняння фактичних значень на період який прогнозується. Об’єктом дослідження є небаланси та ціни електричної енергії. Предмет дослідження: методи балансування електроенергії в балансуючій групі та аналіз часових рядів для визначення ціноутворення електричної енергії. Методи дослідження. Розробки і дослідження проводилися на основі теорії математичного моделювання, модель аналізу часових рядів для прогнозування ціноутворення. Наукова новизна одержаних результатів. 1. Розроблено методологія балансування електроенергії в балансуючій групі. 2. Створена модель аналізу часових рядів для прогнозування ціноутворення. Практичне значення одержаних результатів. Дослідження, що було проведене в роботі може бути використане: - для зниження фінансових витрат підприємств, які виникають при відхиленні фактичних обсягів електричного споживання від обсягів, заявле- них до покупки на ринку електричної енергії, шляхом балансування електроенергії в балансуючій групі; - для прогнозування ціноутворення для подальших закупівель на ринках або аукціонах; - для вибору найбільш оптимального плану роботи підприємства у ви- падку коли спрогнозована вигідна ціна .
Relevance of work. Balancing electricity in the new electricity market is one of the pressing issues. In addition to more clearly forecasting, balancing groups have been created to minimize them, so a balancing method has been developed to maximize the reduction of imbalances. The rationality of the use of balancing electricity depends largely on the volume of consumption of the enterprise and the availability of the Automated System of Commercial Electricity Metering (ASCOE) . hour, thereby it will be beneficial for enterprises that have less or more consumption from a given range. Also, to reduce losses, the issue is considered from a financial point of view, namely forecasting pricing. To do this, the analysis of time series is carried out to determine the pricing of electricity . Purpose and research objectives: to reduce the imbalances of power consumption of industrial enterprises, by balancing electricity in the balancing group and analysis in time series to determine the pricing of electricity for purchase on RDN and VDR to predict the profitability of consumption. 1. Analyze consumption and the declared volume of industrial enterprise that buys electricity at wholesale, and in the future and in the balancing market of electricity. 2. Assess the profitability for joining the industrial enterprise in the balancing group. 3. Develop methods of balancing electricity in the balancing group. 4. Develop a model of time series analysis to predict the pricing of RDN. 6. Oto value and to revibrate the quality of the model by comparing the actual values for the period that is projected. The object of research is imbalances and prices of electric energy. Subject of research: methods of balancing electricity in the balancing group and analysis of time series to determine the pricing of electric energy. Research methods. Developments and researches were conducted on the basis of the theory of mathematical modeling, a model of time series analysis for forecasting pricing. Scientific novelty of the obtained results. 1. The etiology of balancing electricity in the balancing group was developed. 2. A model for analyzing time series for forecasting pricing has been created. The practical significance of the obtained results. The research that was conducted in the work can be used: - to reduce the financial costs of enterprises that arise when deviating the actual volumes of electricity consumption from volumes, stated - them to purchase electricity on the market, by balancing electricity in the balancing group; - to predict pricing for further purchases in markets or auctions; - to choose the most optimal plan of work of the enterprise in you - a paddock when the favorable price is predicted.

Магістерська дисертація: 112 с., 48 рис., 40 табл., 3 додатки і 30 джерел. Об’єкт дослідження – трафік цифрової реклами у формі статистичних даних. Предмет дослідження – моделі та методи аналізу даних у формі часових рядів, методи прикладної статистики. Мета роботи – побудова моделей часових рядів для прогнозування найважливіших характеристик трафіка цифрової реклами. Методи дослідження – моделі часових рядів для прогнозування даних та порівняльний аналіз отриманих моделей. У даній роботі наведені результати побудови моделей часових рядів, що призначені для прогнозування найважливіших характеристик трафіка цифрової реклами. Описані результати порівняльного аналізу отриманих моделей за допомогою інформаційних критеріїв, а також з точки зору їхньої точності. Встановлено, що для нашої задачі, найкращою моделлю є модель ARIMAX (Autoregressive integrated moving-average model with exogenous inputs), тобто модель авторегресії та ковзного середнього з екзогенними змінними. Тому для подальших досліджень рекомендовано використовувати саме цю модель. За матеріалами магістерської дисертації були написані тези, а також написана наукова стаття. Тези будуть опубліковані в збірці тез доповідей конференції САІТ-2018. А наукова стаття буде опублікована в електронній збірці доповідей у видавництві CEUR. Прогнозні припущення щодо подальшого розвитку об’єкта дослідження – побудова нових, а також вдосконалення існуючих моделей часових рядів для прогнозування найважливіших характеристик цифрової реклами. А також узагальнення дослідження, що проводилось у даній роботі, на аналіз окремих сайтів із рекламного трафіку.
Models for forecasting parameters of digital advertising traffic. Master's thesis: 112 p., 48 fig., 40 tabl., 3 appendixes and 30 sources. The object of study – digital advertising traffic in the form of statistical data. Subject of research – models and methods of analysis of data in the form of time series, methods of applied statistics. Purpose – constructing time series models for forecasting the most important characteristics of digital advertising traffic. Methods of research – time series models for forecasting data and comparative analysis of the obtained models. This paper presents the results of construction of time series models, which are intended for forecasting of the most important characteristics of digital advertising traffic. Described the results of the comparative analysis of the obtained models with the help of information criteria, and also in terms of their accuracy. Was found that for our task, the best model is the ARIMAX model (Autoregressive integrated moving-average model with exogenous inputs). Therefore, it is recommended to use this model for further research. Based on master's dissertation were written theses as well as a scientific article. The theses will be published in the SAIT-2018 conference Book of Abstracts. The scientific article will be published in the electronic collection of reports at the CEUR publishing house (CEUR Workshop Proceedings). The further development of the research object – is the construction of new ones, as well as the improvement of existing time series models for forecasting the most important characteristics of digital advertising traffic. And also – it is a generalization of the research, conducted in this paper, on the analysis of individual sites from the digital advertising traffic.

Розроблена методика прогнозування споживання електричної енергії дає можливість знизити фінансові витрати підприємства, установи, організації за рахунок визначення впливових факторів та підвищення прогнозної якості моделей.

Преподобна А. С. Розробка веб застосунку прогнозування багатоваріантних часових рядів : кваліфікаційна робота магістра спеціальності 121 "Інженерія програмного забезпечення" / наук. керівник О. В. Кудін. Запоріжжя : ЗНУ, 2021. 45 с.
UA : Робота викладена на 45 сторінках друкованого тексту, містить 16 рисунків, 24 джерел. Об’єкт дослідження: часові ряди. Предмет дослідження: сервіси прогнозування багатоваріантних часових рядів. Мета дослідження: розробити веб-додаток для прогнозування багатоваріантних часових рядів. Методи дослідження: методи збору та аналізу вимог до програмного забезпечення, методи моделювання, проєктування, конструювання та тестування програмного забезпечення. У кваліфікаційній роботі викладено підхід до прогнозування багатоваріантних часових рядів шляхом створення веб застосунку. Розглянуто основні методи аналізу та прогнозування часових рядів. Розглянуто концепцію побудови алгоритму машинного навчання та нейронної мережі для прогнозування багатоваріантного часового ряду. На основі вивченого матеріалу розроблено веб застосунок, за допомогою якого користувач може прогнозувати поведінку певного сценарію подій. Результати роботи можуть бути використані для побудови нових алгоритмів машинного навчання.
EN : The work is presented on 45 pages of printed text, 16 figures, 24 references. The object of the study is time series. The subject of the study is multivariate time series forecasting services. The aim of the study: to develop a web application for predicting multivariate time series. The methods of research are methods of collection and analysis of software requirements, modeling, design, construction and testing of software. The qualification work presents an approach to predicting multivariate time series by creating a web application. The main methods of analysis and forecasting of time series are considered. The concept of building of machine learning algorithm and a neural network for predicting a multivariate time series is considered. Based on the studied material, a web application was developed, with the help of which one of the users can predict the behavior of a certain event scenario. The results of the work can be used to build new machine learning algorithms.

Задачi монiторингу стану складних фiнансово-економiчних систем є дуже актуальними насьогоднi. Аналiз часових рядiв, якi є характеристиками таких систем, зокрема iндексiв фондових ринкiв, на наш погляд, є одним з ефективних методiв розвязування такої задачi з огляду на доступнiсть часового ряду в режимi реального часу. Вiдомо, що розподiли прибутковостей фiнансово-економiчних часових рядiв мають так званi “важкi хвости”, якi не дозволяють моделювати данi випадковi процеси класичними статистичними методам. Однiєю з моделей, яка здатна описувати процеси з “важкими хвостами”, є ↵-стiйкi процеси Левi. В данiй роботi пропонується використання процедури оцiнювання параметрiв моделi ↵-стiйкого процесу Левi для для монiторингу стану складних систем.

Проаналізовано сучасні підходи до моделювання соціально-економічних систем. Показано, що мережна парадигма складності є тим підґрунтям, на якому можна будувати прогностичні моделі складних систем. Розглянуто три підходи для перетворення часового ряду або сукупності часових рядів у окрему мережу, або у систему зв'язаних мереж - мультиплексну мережу: рекурентний, кореляційний та метод графу видимості. Для отриманих мереж розраховані динамічні спектральні і топологічні міри складності. На прикладі щоденних значень світових фондового індексів встановлено, що більшість з розрахованих мір складності поводять себе характерним чином у періоди часу, що характеризують різні фази поведінки і стани фондового ринку. Цей факт пропонується використовувати для моніторингу та прогнозування критичних та кризових явищ у складних соціально-економічних системах.

З позицій міждисциплінарних теорій самоорганізації та синергетики проаналізовано сучасні підходи до моделювання соціально-економічних систем. Показано, що мережна парадигма складності є тим підґрунтям, на якому можна будувати прогностичні моделі складних систем. Розглянуто три підходи для перетворення часового ряду або сукупності часових рядів у мережу: рекурентний, кореляційний та метод графу видимості. Для отриманих мереж розраховані динамічні спектральні і топологічні міри складності. На прикладі щоденних значень фондового індексу S&P 500 за період 1984-2016рр. показано, що більшість з розрахованих мір складності поводять себе характерним чином у періоди часу, що характеризують різні фази поведінки і стани фондового ринку. Цей факт пропонується використовувати для моніторингу та прогнозування критичних та кризових явищ у складних соціально-економічних системах.

Досягнення останніх років фундаментальних наук при описі топологічних і темпоральних властивостей складних динамічних систем дають надію на успіх і при дослідженні складних соціально-економічних систем [1]. В роботі розглянуто особливості адаптації концепції складності в соціально-економічних системах. Показано, що парадигма складності є логічним підґрунтям побудови прогностичних моделей поведінки фінансових систем в умовах волатильної динаміки світової економіки. Широкий спектр мір складності використано для аналізу порівняльної динаміки складності систем в умовах фінансової кризи. Вказані міри можуть бути розраховані як для вихідного сигналу, так і для відновленої з нього мережної структури. Нами створено і адаптовано для моделювання фінансових ринків потужний і різнобічний спектр мір складності [2]. Так, серед мір інформаційного блоку використовуються моно- і мультимасштабні міри: - Лемпеля-Зіва, ентропії Шеннона, Тсалліса і Реньї, ентропії подібності, шаблонів, перестановок, вейвлет-ентропія, індекс незворотності часових рядів. Хаос-динамічний блок є більш об’ємним і потужним. До нього у якості мір складності входять: - показники Ляпунова, включаючи масштабно-залежну версію, фрактальні міри: фрактальна розмірність, декілька модифікацій розрахунку коефіцієнта Херста, спектр сингулярності (мультифрактальності), рекурентні міри складності, які одержуються в результаті побудови та кількісного аналізу рекурентних діаграм та інші. У випадку аналізу мережної структури розрізняють кореляційні, рекурентні і візуальні підходи для побудови мір складності. До топологічних мір відносяться, наприклад, коефіцієнт кластеризації, ступінь вершини та ін. Спектральними мірами є алгебраїчна зв’язність, енергія графа, спектральний розрив, тощо. Всі вказані міри реалізовані у вигляді процедур ковзного вікна, які дозволяють слідкувати за динамікою вибраної міри, порівнювати власне з динамікою вихідного ряду і робити висновки щодо моніторингу та попередження кризових явищ [3]. Показано, що в залежності від природи міри вона поводить себе характерним чином у передкризовий, власне кризовий та після кризовий періоди, що дозволяє будувати ефективні індикатори-передвісники кризових явищ.