Рекомендуем

Ключевые слова:
Временные ряды
Гибридные модели прогнозирования коротких временных рядовДемидова Л.А., Пылькин А.Н., Скворцов С.В., Скворцова Т.С. Гибридные модели прогнозирования коротких временных рядов

Книга

Алгоритмическое и программное обеспечение методики интеграции формальных методов прогнозирования временных рядов и метода ассимиляции данных


Тиражирование книги начато в 2023 г.
180 стр.
Формат 60х90/16 (145x215 мм)
Исполнение: в мягкой обложке
ISBN 978-5-9912-1036-2
ББК 22.17
УДК 004.9+519.246.8
Аннотация

Рассмотрена методика интеграции формальных методов прогнозирования временных рядов (ВР) и метода ассимиляции данных (Data Assimilation, DA), обеспечивающего коррекцию спрогнозированных значений ВР на основе сравнения спрогнозированного значения ВР с соответствующим наблюдаемым в данный момент времени значением ВР. Представлено математическое, алгоритмическое и программное обеспечение для прогнозирования и коррекции прогноза временных рядов, в котором в том числе, реализованы следующие формальные методы прогнозирования ВР: авторегрессии скользящего среднего, сингулярного спектрального анализа, группового учета аргументов и нейронные сети, DA на основе фильтра Калмана и ансамблевого фильтра Калмана. Представлена разработанная авторами методика интеграции формальных методов прогнозирования ВР и метода DA. Приведены примеры использования разработанных алгоритмического, математического и программного обеспечения для прогнозирования следующих ВР: ВР, составленных из отсчетов аттрактора Лоренца; ВР «Air Passengers»; ВР, составленного из значений среднемесячных чисел Вольфа – показателей активности Солнца; ВР, составленного из ежедневных значений курсов доллара и евро к рублю на момент окончания торгов.

Для специалистов, научных работников, занимающихся анализом и прогнозированием данных, а также аспирантов и студентов старших курсов вузов, обучающихся по укрупненным группам специальностей 10.00.00 – «Информационная безопасность», 09.00.00 – «Информатика и вычислительная техника», 38.03.00 – «Экономика и управление», 03.00.00 – «Физика и астрономия».

Оглавление

Введение

1. Анализ предметной ситуации. Постановка исследования
1.1. Актуальность задачи прогнозирования
1.2. Основные термины и определения. Постановка задачи прогнозирования эволюции состояния динамической системы
1.3. Анализ формальных методов прогнозирования ВР, порожденных ДС, описывающихся феноменологическими моделями
1.3.1. Авторегрессионные модели
1.3.2. Метод сингулярного спектрального анализа
1.3.3. Прогнозирование ВР на основе метода группового учета аргументов
1.3.4. Искусственные нейронные сети
1.3.5. Метод коррекции прогнозов при использовании формальных методов прогнозирования ВР
1.3.6. Итоги анализа формальных методов прогнозирования
1.4. Классический метод коррекции прогноза Data Assimilation, основанный на ассимиляции данных наблюдений
1.4.1. Фильтр Калмана
1.4.2. Ансамблевый фильтр Калмана
1.5. Постановка задач исследования

2. Разработка методики интеграции формальных методов прогнозирования ВР и метода DA
2.1. Обоснование возможности интеграции формальных методов прогнозирования ВР и метода DA
2.2. Методика интеграции формальных методов прогнозирования ВР и метода DА
2.3. Метрики, использованные для оценивания точности прогнозов значений ВР
2.4. Анализ точности прогнозирования СДУ Лоренца с помощью классического DA и предложенной методики
2.5. Выводы

3. Программный комплекс прогнозирования ВР
3.1. Описание программного комплекса
3.2. Описание ПБ № 1 «Формальные методы прогнозирования временных рядов»
3.3. Описание ПБ №2 «Прогнозирование временных рядов с помощью нейронной сети LSTM»
3.4. Описание ПБ №3 «Прогнозирование временных рядов на основе интеграции формальных методов и метода ассимиляции данных»
3.5. Методы, входящие в состав вспомогательных модулей ПК ПВР
3.6. Результат использования программного комплекса ПВР
3.7. Выводы

4. Примеры использования программного комплекса «Прогнозирование временных рядов»
4.1. Анализ точности прогнозирования набора данных пассажиропотока «Air Passengers»
4.1.1. Описание набора данных пассажиропотока «Air Passengers»
4.1.2. Анализ результатов прогнозирования ВР «Air Passengers»
4.2. Анализ точности прогнозирования набора данных солнечной активности
4.2.1. Описание набора данных числа солнечных пятен
4.2.2. Анализ результатов прогнозирования ВР солнечной активности
4.3. Анализ точности прогнозирования курса валют доллар/рубль и евро/рубль
4.3.1. Описание наборов данных курсов валют доллар/рубль и евро/рубль
4.3.2. Анализ результатов прогнозирования валютных курсов доллар/рубль, евро/рубль
4.4. Выводы

Заключение

Список сокращений

Литература

Приложение А. Листинг программного комплекса «Прогнозирование временных рядов»