Добірка наукової літератури з теми "Прогнозування даних у формі часових рядів"
Оформте джерело за APA, MLA, Chicago, Harvard та іншими стилями
Зміст
Ознайомтеся зі списками актуальних статей, книг, дисертацій, тез та інших наукових джерел на тему "Прогнозування даних у формі часових рядів".
Біля кожної праці в переліку літератури доступна кнопка «Додати до бібліографії». Скористайтеся нею – і ми автоматично оформимо бібліографічне посилання на обрану працю в потрібному вам стилі цитування: APA, MLA, «Гарвард», «Чикаго», «Ванкувер» тощо.
Також ви можете завантажити повний текст наукової публікації у форматі «.pdf» та прочитати онлайн анотацію до роботи, якщо відповідні параметри наявні в метаданих.
Статті в журналах з теми "Прогнозування даних у формі часових рядів"
Катуніна, О. С. "ЗАСТОСУВАННЯ ДИНАМІЧНОГО ФАКТОРНОГО АНАЛІЗУ ДЛЯ МОДЕЛЮВАННЯ РИНКУ ВІРТУАЛЬНИХ АКТИВІВ УКРАЇНИ". Науковий вісник Ужгородського університету. Серія «Економіка», № 1(57) (2 липня 2021): 18–29. http://dx.doi.org/10.24144/2409-6857.2021.1(57).18-29.
Повний текст джерелаBidyuk, P., Y. Huts, V. Gavrilenko та N. Rudoman. "ПРОГНОЗУВАННЯ ЦІН АКЦІЙ З ВИКОРИСТАННЯМ РЕКУРЕНТНОЇ НЕЙРОННОЇ МЕРЕЖІ LSTM". Системи управління, навігації та зв’язку. Збірник наукових праць 3, № 65 (3 вересня 2021): 64–68. http://dx.doi.org/10.26906/sunz.2021.3.064.
Повний текст джерелаBoriak, B. "ПОРІВНЯЛЬНИЙ АНАЛІЗ ЯКОСТІ ФІЛЬТРАЦІЇ І ПРОГНОЗУВАННЯ ДВОКОНТУРНОГО І ТРИКОНТУРНОГО АДАПТИВНИХ ЕКСПОНЕНЦІАЛЬНИХ ФІЛЬТРІВ". Системи управління, навігації та зв’язку. Збірник наукових праць 1, № 53 (5 лютого 2019): 45–49. http://dx.doi.org/10.26906/sunz.2019.1.045.
Повний текст джерелаКозак, Є. Б. "ПРИНЦИПИ ВПРОВАДЖЕННЯ МОДЕЛЕЙ МАШИННОГО НАВЧАННЯ У СФЕРІ ІНТЕЛЕКТУАЛЬНОГО ОБСЛУГОВУВАННЯ ПРОМИСЛОВОГО ОБЛАДНАННЯ". Таврійський науковий вісник. Серія: Технічні науки, № 3 (2 листопада 2021): 19–28. http://dx.doi.org/10.32851/tnv-tech.2021.3.3.
Повний текст джерелаПоліщук, Олександр Павлович, та Євген Володимирович Гожев. "Дослідження динаміки та прогнозування курсів цінних паперів". New computer technology 5 (7 листопада 2013): 77–78. http://dx.doi.org/10.55056/nocote.v5i1.89.
Повний текст джерела"Берідзе Т.М., Бараник З.П. МОДЕЛЮВАННЯ ПАНДЕМІЇ COVID-19 В УКРАЇНІ". TRADE AND MARKET OF UKRAINE, № 49 (1) 2021 (30 червня 2021): 9–17. http://dx.doi.org/10.33274/2079-4762-2021-49-1-9-17.
Повний текст джерелаДисертації з теми "Прогнозування даних у формі часових рядів"
Логін, Вадим Вікторович. "Моделі для прогнозування характеристик трафіка цифрової реклами". Master's thesis, Київ, 2018. https://ela.kpi.ua/handle/123456789/23748.
Повний текст джерелаModels 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, Марія Сергіївна. "Використання методології теорії часових рядів у вивченні та обробці багаторічних змін метеорологічних даних". Магістерська робота, 2020. https://dspace.znu.edu.ua/jspui/handle/12345/5105.
Повний текст джерелаUA : 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.