Наукові публікації університету

Development of adaptive combined models for predicting time series based on similarity identification

a program set of adaptive polynomial models of various orders were offered. Selection in these models is carried out according to B-, R-, P-criteria with automatic formation of the basic set of models based on the adaptive D-criterion. It was found that these models had the maximum accuracy in the case of short-term and medium-term prediction of time series.

Adaptive combined selective prediction models based on the R- and B-criteria of selection with identification of similarities in the retrospection of time series by the nearest neighbor method was proposed. An adaptive combined hybrid model of prediction with identification of similarities in the retrospection of time series was constructed. It was found that these models had the highest accuracy in the case of medium-term prediction of time series.

Estimation of the prediction efficiency of various combined models depending on the level of persistency of time series was made. It has been found that in the case of short-term prediction for the prediction period τ≤2, the adaptive combined hybrid prediction model is the most accurate. Selective models with various selection criteria are effective in predicting persistent time series with the Hurst index H>0.75 for the prediction period τ>2.

ID: 216870
Кількість показів: 16
дата змінення: 11.11.2018 15:11:10
Ким змінено (ім'я): (fit7) Сергій Палій
Вид роботи:  Наукова публікація
Тип роботи:  Наукова стаття
Кількість сторінок:  11
Рік видання:  2018
Звітний рік:  2018
Видання:  EasternEuropean Journal of Enterprise Technologies
Том:  1
Випуск, частина:  4(91)
Номери сторінок:  32-42
Галузь науки:  Інженерія
Автори,співробітники Університету:  Кучанський Олександр Юрійович / Білощицький Андрій Олександрович
Автори зовнішні:  Андрашко Юрій Васильович / Білощицька Світлана Василівна / Шабала Є.Є. / Миронов О.В,
Кафедра / Відділ:  Інформаційних систем та технологій
Ключові слова:  prediction of time series, search for similarities, adaptive combined model, Hurst index
Опубліковано за рішенням Вченої ради:  так
Інститут/Факультет:  Факультет інформаційних технологій

Повернення до списку

Вгору