Добірка наукової літератури з теми "Прогнозування даних у формі часових рядів"

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.

Дослідження проведено для ознайомлення зі структурою та принципом роботи рекурентної нейронної мережі LSTM (Long short-term memory) та аналізу можливості її використання для прогнозування цін акцій однієї з великих технологічних компаній. В роботі описано теоретичний матеріал, що стосується рекурентних нейронних мереж та мережі LSTM. На прикладі статистичних даних акцій компанії Apple було продемонстровано роботу обраного методу та обчислено оцінки якості прогнозу RMSE, MAE, MAPE і оцінено точність короткострокового прогнозу. Результати дослідження показали, що рекурентні нейронні мережі можна застосовувати для прогнозування часових рядів і при цьому отримувати результат з високою точністю. У подальших дослідженнях будуть запропоновані інші види нейронних мереж та оцінка їх роботи на фінансових даних

Вступ. У статті проведено порівняльний аналіз якості фільтрації та прогнозування адаптивних експоненціальних двоконтурного і триконтурного фільтрів. Головна відмінність між дво- і триконтурним фільтрами полягає у кількості контурів фільтрації, які використовуються для оцінки якості фільтрації, та їх програмна реалізації. Цілі. Розглянути доцільність використання триконтурного фільтра-предиктора у системах керування у ролі алгоритму обробки інформації, у порівнянні із двоконтурним. Методологія. Було застосовано концепції аналізу часових рядів та математичне моделювання в пакеті Matlab. Результати. Отримано характеристики середньоквадратичних похибок фільтрації і прогнозу в залежності від кількості кроків, на які здійснюється прогнозування, та кількості кроків, що використовуються для оцінювання якості фільтрації, для двох варіацій фільтрів. Оригінальність. Вперше було визначено зв'язок між середньоквадратичними похибками (фільтрації та прогнозу) та наступними параметрами: кількість кроків, на які здійснюється прогнозування; кількість кроків, які алгоритм обробки даних використовує для оцінки якості процесу фільтрації, для дво- та триконтурного алгоритмів фільтрації та прогнозування. Проаналізовано актуальність застосування двох різних алгоритмів адаптації коефіцієнта згладжування в залежності від ресурсів ЕОМ. Практичне значення. Здійснено реалізацію запропонованих алгоритмів на мові програмування Matlab, які можуть бути інтегровані в різні автоматизовані системи управління з метою фільтрації та прогнозування значень спотвореного шумами сигналу. Це дослідження дає можливість обрати ефективний алгоритм обробки даних в залежності від поставленої задачі.

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.

Розвиток людини, суспільства й економіки має спрямованість у майбутнє, що знайшло відображення у виникненні таких понять, як «передбачення», «прогноз». Прогнозування («наукове передбачення») – це та сторона пізнавальної діяльності суб’єкта, результатом якого є одержання знань про майбутні події.Моделі складних систем, таких як фінансові ринки, не завжди можуть давати однозначні рекомендації або прогноз.Серед факторів, що характеризують динаміку ринку та впливають на неї, є велика кількість даних нечислової природи, значення яких мають імовірнісну природу.Для подолання проблем, з якими доводиться зіштовхуватися при аналізі фінансової ситуації, робляться спроби застосування таких розділів сучасної фундаментальної й обчислювальної математики, як нейрокомп’ютери, теорія стохастичного моделювання (теорія хаосу) і теорія ризиків, теорія катастроф, синергетика й теорія систем, що самоорганізуються (включаючи генетичні алгоритми), теорія фракталів, нечіткі логіки й навіть віртуальна реальність.Правильне розуміння ситуації на ринку, аналіз його динаміки, прогнозування поводження ринку приводить до обґрунтованого прийняття рішень.Основна мета роботи полягала у розробці програмного забезпечення для дослідження динаміки й прогнозування курсу цінних паперів.Вiдповiдно до мети, було необхiдно вирiшити наступнi задачi:Розглянути основні підходи до аналізу ринку цінних паперів.Дослідити можливості програмного комплексу MetaTrader 4 по керуванню ринком цінних паперів.Проаналізувати можливості мови MQL 4 по створенню ринкових індикаторів і експертних систем аналізу ринку цінних паперів.Розробити й протестувати індикатор для аналізу динаміки курсів валют і експертну систему для короткочасного прогнозування й прийняття рішень на валютному ринку.Аналіз літератури з проблеми дослідження дозволив виділити наступні суттєві характеристики об’єкта дослідження:валютний ринок Forex має високу ліквідність;відсутність обмежень за часом роботи забезпечує неперервність процесу дослідження;децентралізованість забезпечує незалежність від локальних геополітичних факторів;велика кількість учасників ринку дозволяє абстрагуватися від індивідуальних особливостей гравців;об’єкт дослідження являє собою складну систему з великою кількістю нелінійних зв’язків.Виділені властивості валютного ринку дозволяють розглядати його як динамічну систему, що може бути проаналізована. Прогноз стану системи є актуальною проблемою, безпосередньо пов’язану з отриманням прибутку.Розгляд алгоритмів отримання якісних і кількісних характеристик ринку засобами фундаментального, технічного та комп’ютерного аналізу дозволив зробити наступні висновки:1. На практиці можна знайти випадки, коли кожен з представлених підходів до аналізу ринку дасть прийнятний результат. Для трейдерів, що не є ринкоутворювачами, найбільш прийнятним є комп’ютерний індикаторний аналіз з автотрейдингом за короткочасними прогнозами.2. Автоматичні індикатори є ефективним засобом графічного аналізу часових рядів, надаючи трейдеру можливість прийняття обґрунтованого рішення.3. При розробці експертної системи для робочого місця трейдера необхідно розрізняти поняття «прогнозування руху цін на ринку», з одного боку, та «ігрові робочі гіпотези», зважені за ймовірністю подій, з іншого.4. Критеріями вибору трейдингової системи є підтримка великого набору індикаторів і експертів, можливість розширення системи компонентами користувача, наявність вбудованої мови програмування та локалізація.В результаті дослідження було створено експертну систему, призначену для автоматичного ведення торгів на ринку цінних паперів. Експертна система реалізована засобами мови програмування MQL 4, що вбудована в термінал MetaTrader 4.Розгляд підходів до написання технічних індикаторів та експертних систем для підтримки прийняття рішень на основі аналізу динаміки курсу цінних паперів та короткочасного прогнозування дозволило зробити наступні висновки:Мова програмування MQL 4 має всі необхідні інструменти для забезпечення якісного технічного аналізу курсу валют.Можливість написання та тестування експертів в торговій системі MetaTrader дозволяє користувачу створити систему торгівлі, що приносить прибуток.Аналіз присутніх на ринку торгових систем виявив типові помилки в написанні експертних систем, що були враховані при розробці власного автотрейдингового експерта.Подальший розвиток даної роботи планується у напрямку дослідження динаміки валютних ринків з метою удосконалення алгоритмів прогнозування курсу та оптимізації роботи торгових експертних систем із застосування механізму нейронних мереж.

Мета. Дослідження розповсюдження пандемії COVID-19 в Україні на підставі статистичної інформації шляхом математичного моделювання з застосуванням ARIMA-моделей задля прогнозування постраждалих від COVID-19. Методи. Проблема, яка потребує як найшвидшого вирішення, аналізу статистики хворих COVID-19 задля відповідного прогнозування. Моніторинг щодо чисельності постраждалих від COVID-19, опублікованих в засобах масової інформації, дає підстави вважати про наявність процесів з невизначеністю. Застосування методу математичного моделювання дозволяє проаналізувати стан захворюваності COVID-19 з метою прогнозування постраждалих від пандемії. Показано, що статистична інформація постраждалих від COVID-19, утворюють стохастичні часові ряди з дискретністю в одну добу. Аналіз цих рядів дозволив дійти висновку щодо можливості моделювання на підставі кореляційної теорії випадкових процесів. Зведення нестаціонарних часових рядів, які містять стаціонарні збільшення, до лінійних стаціонарних рядів шляхом визначення другої різниці дало можливість синтезувати структуру математичної моделі у вигляді авторегресії другого порядку. Застосування статистичних даних щодо постраждалих від COVID-19, дозволило ідентифікувати параметри математичних моделей відповідно до постраждалих від COVID-19. Результати. Досліджено процес розповсюдження пандемії COVID-19 в Україні на підставі статистичних даних Розроблені математичні моделі дозволили спрогнозувати кількість постраждалих від COVID-19. Це надало можливість обчислити залежність чисельності постраждалих від COVID-19, що припадає на одного одужаного або померлого в залежності від часу. Отримані аналітичні співвідношення в оцифрованому вигляді довели, що за досить тривалий період, порядку 80 діб, кількість постраждали від COVID-19 зростає. У той же час швидкість збільшення кількості, які захворіли і померли від COVID-19 зменшується, що дає підстави визначити оптимістичний сценарій щодо терміну закінчення спалаху COVID-19. Запропоновано скористатися розробленою методикою задля порівняння динаміки кількості постраждалих від COVID-19, що забезпечить можливість визначити ефективність заходів по попередженню COVID-19. Ключові слова: пандемія, модель, стохастичність, часовий ряд, авторегресія, прогноз.

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.

Голуб М. С. Використання методології теорії часових рядів у вивченні та обробці багаторічних змін метеорологічних даних : кваліфікаційна робота магістра спеціальності 113 "Прикладна математика" / наук. керівник В. В. Леонтьєва. Запоріжжя : ЗНУ, 2020. 69 с.
UA : Робота викладена на 69 сторінках друкованого тексту, містить 18 рисунків, 24 джерела, 2 додатки. Об’єкт дослідження – метеорологічні показники міста Запоріжжя. Мета роботи: провести аналіз ряду метеорологічних даних та, використовуючи методи прогнозування, побудувати прогноз погоди на 5 років. Метод дослідження – статичний аналіз ряду, прогнозування часових рядів методами ARIMA та SARIMA. У кваліфікаційній роботі розглядаються методи аналізу та прогнозування часових рядів. Основною задачею роботи є вивчення та обробка багаторічних змін метеорологічних даних, використовуючи методологію теорії часових рядів. Проведено статичний аналіз ряду: виявлення та усунення аномальних рівнів ряду, перевірено на наявність тренду та сезонної компоненти. Побудовано моделі прогнозування ARIMA та SARIMA, зроблено прогноз погоди на 5 років вперед.
EN : The work is presented on 69 pages of printed text, 18 figures, 24 references, 2 supplements. The object of the study is meteorological indicators of the city. The aim of the study is to to analyze a number of meteorological meters and, using forecasting methods, to build a weather forecast for 5 years. The methods of research are static series analysis, time series forecasting by ARIMA and SARIMA methods. Methods of analysis and forecasting of time series are considered in the qualification work. The main task of the work is to study and process long-term changes in meteorological data, using the methodology of time series theory. Static analysis of the series was performed: detection and elimination of abnormal levels of the series, checked for the presence of trend and seasonal component. ARIMA and SARIMA forecasting models have been built, and the weather forecast for the next 5 years has been made.