Вісники та науково-технічні збірники, журнали
Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/12
Browse
Search Results
Item Інформаційна технологія для прогнозування часових рядів методом синтезу прогнозної схеми(Видавництво Львівської політехніки, 2021-02-28) Мулеса, О. Ю.; Гече, Ф. Е.; Батюк, А. Є.; Мельник, О. О.; Mulesa, O. Yu.; Geche, F. E.; Batyuk, A. Ye.; Melnyk, O. O.; Ужгородський національний університет; Національний університет “Львівська політехніка”; Uzhhorod National University; Lviv Polytechnic National UniversityРозроблено інформаційну технологію прогнозування на підставі часових рядів. З'ясовано, що актуальною є розробка нових моделей і методів прогнозування для покращення якості прогнозу. В основу інформаційної технології покладено еволюційний метод синтезу прогнозної схеми на підставі базових прогнозних моделей. Обраний метод дає змогу вносити в розгляд будь-яку кількість прогнозних моделей, які можуть належати до різних класів. Для заданого часового ряду, шляхом знаходження розв'язку оптимізаційної задачі, обчислено вагові коефіцієнти, з якими моделі входять в результуючу прогнозну схему. Показано спосіб побудови цільової функції для задачі оптимізації у вигляді лінійної комбінації результатів прогнозування базовими прогнозними моделями. Запропоновано розв'язок оптимізаційної задачі знаходити за допомогою генетичного алгоритму. Результатом роботи методу є прогнозна схема, яка є лінійною комбінацією базових прогнозних моделей. Для оцінювання якості прогнозу запропоновано застосовувати похибки прогнозування або волатильність прогнозу, яка обчислено у вигляді середньоквадратичного відхилення. Критерії якості прогнозу обрано залежно від контексту задачі. Використання волатильності прогнозу як критерію якості, після багаторазового використання технології, дасть змогу зменшити відхилення прогнозних значень від реальних даних. Розроблено структурну схему інформаційної технології. Структурно інформаційна технологія складається з двох блоків: оброблення даних, інтерпретації отриманих значень. Результатом застосування розробленої інформаційної технології є продукційні правила для визначення прогнозного значення досліджуваної величини. Виконано експериментальну верифікацію отриманих результатів. Розв'язано задачу прогнозування кількості релігійних організацій в Україні на підставі статистичних даних з 1997 по 2000 роки. Як базові прогнозні моделі було обрано метод авторегресії та лінійну регресійну модель. За результатами використання розробленої інформаційної технології було обчислено вагові коефіцієнти базових моделей. Показано, що отримана прогнозна схема дала змогу покращити середню абсолютну відсоткову похибку та волатильність прогнозу, порівняно з обраними моделями.Item Навчання комбінованої моделі прогнозування часових рядів(Видавництво Львівської політехніки, 2021-10-10) Гече, Ф. Е.; Мулеса, О. Ю.; Батюк, А. Є.; Смоланка, В. Ю.; Geche, F. E.; Mulesa, O. Yu.; Batyuk, A. Ye.; Smolanka, V. Yu.; Ужгородський національний університет; Національний університет “Львівська політехніка”; Uzhhorod National University; Lviv Polytechnic National UniversityРозроблено метод побудови комбінованої моделі прогнозування часових рядів на підставі базових моделей прогнозування. Множина базових моделей є динамічною, тобто у цю множину можуть вноситися нові моделі прогнозування, можуть видалятися моделі залежно від властивостей часових рядів. Для синтезу комбінованої моделі прогнозування часових рядів із заданим кроком прогнозу спочатку визначається оптимальний крок передісторії. Будується функціонал і для фіксованого кроку прогнозу методом авторегресії визначається оптимальний крок передісторії, що визначає проміжок часу, упродовж якого аналізується точність моделей із базової множини. У процесі побудови комбінованої моделі для кожної базової моделі визначається ваговий коефіцієнт, з яким вона входить у комбіновану модель. Вагові коефіцієнти базових моделей визначаються на підставі точності їх прогнозування на часовому періоді, зумовленому кроком передісторії. Вагові коефіцієнти відображають міру впливу базових моделей на точність прогнозування комбінованої моделі. Після побудови комбінованої моделі проводиться її навчання та визначаються ті базові моделі, які будуть внесені в остаточну комбіновану модель прогнозування. Встановлено правило внесення базових моделей у комбіновану модель. Вносячи базові моделі у комбіновану модель прогнозування, враховують їх вагові коефіцієнти, які залежать від того самого параметра. Визначається оптимальне значення параметра через мінімізацію заданого функціонала, що встановлює середнє квадратичне відхилення між фактичними і прогнозними значеннями часового ряду. Вагові коефіцієнти з оптимальними параметрами ранжуються у послідовності незростання та використовуються на етапі внесення базових моделей у комбіновану модель. Завдяки такому підходу, як показують конкретні приклади, у багатьох випадках вдалося істотно підвищити точність прогнозування комбінованої моделі.