Порівняння методів прогнозування часових рядів

Автор(и)

  • М.С. Широкопетлєва Харківський національний університет радіоелектроніки, Ukraine https://orcid.org/0000-0002-7472-6045
  • О.А. Пономаренко Харківський національний університет радіоелектроніки, Ukraine
  • З.В. Дудар Харківський національний університет радіоелектроніки, Ukraine https://orcid.org/0000-0001-5728-9253

DOI:

https://doi.org/10.30837/bi.2018.2(91).06

Ключові слова:

ЧАСОВІ РЯДИ, ПРОГНОЗУВАННЯ, МОДЕЛЬ ПРОГНОЗУВАННЯ, ІНТЕГРОВАНА МОДЕЛЬ АВТОРЕГРЕСІЇ–КОВЗНОГО СЕРЕДНЬОГО, ШТУЧНІ НЕЙРОННІ МЕРЕЖІ, ПОРІВНЯННЯ

Анотація

Стаття присвячена опису і порівнянню моделей прогнозування часових рядів і виявленню можливостей застосування різних моделей для вирішення задач прогнозування з різними вихідними даними: часові інтервали, наявність сезонності та/або трендів. Крім цього, серед двох популярних методів прогнозування ARIMA і ANN проведені більш детальний огляд і практичне порівняння на прикладі реальних часових рядів вартості житнього хліба в Україні, визначені похибки прогнозування на короткостроковий і довгостроковий періоди. Оцінка похибки проводилася з використанням програмної системи, представленої в даній статті, шляхом порівняння відхилення результатів прогнозування від реальних даних за останній період, що становить 1/4 вихідних даних. Згідно з отриманими результатами зроблено висновки щодо ефективності обох методів і потенційних можливостей їх майбутнього використання. Також пропонується використовувати представлену програмну систему для екстраполяції рядів в різних областях, таких як економіка, технічні системи, освіту, природні та соціальні системи.

Біографії авторів

М.С. Широкопетлєва , Харківський національний університет радіоелектроніки

Старший викладач кафедри програмної інженерії, заступник директора центру післядипломної освіти

О.А. Пономаренко, Харківський національний університет радіоелектроніки

Харківський національний університет радіоелектроніки

З.В. Дудар, Харківський національний університет радіоелектроніки

Завідувач кафедри програмної інженерії, член вченої ради, заступник голови секції 3 НМР, член НТР, кандидат технічних наук, професор

Посилання

Чучуева И.А. Модель прогнозирования временных рядов по выборке максимального подобия, дисертація ... канд. тех. наук / Московський державний технічний університет ім. Н.Е. Баумана. Москва, 2012.

Егошин А.В. Аналіз і прогнозування складних стохастичних сигналів на основі методів ведення кордонів реалізацій динамічних систем: Автореферат дисертації ... канд. техн. наук. Санкт-Петербург, 2009. – 19 с.

Gheyas I.A., Smith L.S. A Neural Network Approach to Time Series Forecasting // Proceedings of the World Congress on Engineering, London, 2009 Vol 2 [електронний ресурс]. – P. 1292 – 1296. URL: www.iaeng.org /publication/WCE2009/WCE2009_pp1292-1296.pdf (дата звернення 28.10.2018).

Alfares H.K., Nazeeruddin M. Electric load forecasting: literature survey and classifcation of methods // International Journal of Systems Science. – 2002. – Vol 33. – P. 23-34.

Hinman J., Hickey E. Modeling and forecasting sort term electricity load using regression analysis // Journal of IInstitute for Regulatory Policy Studies [електронний ресурс]. – 2009. – 51 p. URL: http://www.irps.ilstu.edu/research/documents/LoadForecastingHinman-HickeyFall2009.pdf (дата звернення 28.10.2018).

A. Jain, A. M. Kumar, "Hybrid neural network models for hydrologic time series forecasting," Applied Soft Computing Journal, vol. 7, no. 2, pp. 585-592, 2007.

J. Sterba and K. Hilovska, "The implementation of hybrid ARIMA neural network prediction model for aggregate water consumption prediction," Aplimat-Journal of Applied Mathematics, vol. 3, no. 3, pp. 123-131, 2010.

##submission.downloads##

Опубліковано

2018-12-26