Россия
Рассмотрены компьютерные модели прогнозирования временных рядов. Модели прогнозирования реализованы в виде программ для ЭВМ. Приведены результаты вычислительных экспериментов по оценке ошибки краткосрочного прогнозирования временных рядов. Рассмотрены математические модели, используемые для решения задач прогнозирования, в том числе самоорганизующиеся модели, модели в виде систем нечеткого вывода, модели многослойных нейронных сетей прямого распространения, модели адаптивного прогнозирования и модели кусочно-полиномиальной аппроксимации. Основное внимание уделено краткосрочному прогнозированию временных рядов, при котором прогнозирование осуществляется на один интервал времени вперед. В качестве компьютерных моделей краткосрочного прогнозирования подробно рассмотрены модель искусственной многослойной нейронной сети без обратных связей с линейной активационной функцией, модель экспоненциального сглаживания с адаптацией на каждом шаге по времени к данным временного ряда и модель кусочно-полиномиальной аппроксимации, при которой аппроксимирующая функция составляется из отдельных многочленов одинаковой небольшой степени (третьей степени – кубические сплайны). Каждая компьютерная модель реализована в виде программы для ЭВМ, для которой приведены блок-схема и интерфейс программы.
вычислительный эксперимент, краткосрочное прогнозирование, временной ряд, математическая модель, компьютерное моделирование, компьютерная программа
1. Математическое моделирование сложных технических систем: сб. статей. М.: МГТУ им. Баумана, 1997.
2. Лабинский А.Ю., Подружкина Т.А. Снижение техногенных рисков путем использования прогнозирующих математических моделей // Природные и техногенные риски. 2013. № 3.
3. Kahneman D. Mathematical Modeling. New York and London, 2016.
4. Пегат А. Нечеткое моделирование и управление. М.: БИНОМ, 2013.
5. Лабинский А.Ю. Модель нечеткого прогнозирования // Проблемы управления рисками в техносфере. 2016. № 4.
6. Mamdani E.H., Assilian S. An experiment with a fuzzy logic controller // Cybernetics and Systems. 2014. № 15.
7. Тархов Д.А. Нейронные сети как средство математического моделирования. М.: Радиотехника, 2006.
8. Лабинский А.Ю. Особенности использования нейронной сети для прогнозирования временных рядов // Науч.-аналит. журн. «Вестник С.-Петерб. ун-та ГПС МЧС России». 2018. № 1.
9. Barron A.R. Neural net approximation // IEEE Transaction on Information Theory. 2016. Vol. 49.
10. Baldi P. A recurrent neural network // Neural Computation. 2018. Vol. 2.
