В.С. Рогоза, д-р техн. наук, Г.В. Іщенко
Національний технічний університет України
«Київський політехнічний інститут ім. Ігоря Сікорського»
Україна, 03056, Київ, пр-т Перемоги, 37
тел.: +380674676553, e-mail: Ця електронна адреса захищена від спам-ботів. Вам необхідно увімкнути JavaScript, щоб побачити її.;
тел.: +380677402774, email: Ця електронна адреса захищена від спам-ботів. Вам необхідно увімкнути JavaScript, щоб побачити її.
Èlektron. model. 2022, 44(1):29-42
https://doi.org/10.15407/emodel.44.01.029
АНОТАЦІЯ
Досліджено задачу прогнозування часових рядів в умовах малої кількості експериментальних даних, які подано у формі вибірок, що містять величини параметрів об’єкта досліджень. Для створення прогнозуючих математичних моделей запропоновано використати поліноми Колмогорова—Габора другого порядку, коефіцієнти яких обчислюються за певними правилами на підставі експериментальних даних (етап обчислення коефіцієнтів можна інтерпретувати як навчання моделей). Невелика кількість експериментальних даних не дає можливості встановлювати статистичні характеристики змін величин параметрів об’єкта. В цих умовах класичні методи прогнозування стають непридатними, а питання достовірності та точності створюваних математичних моделей набуває принципово важливого значення. Запропоновано підхід до побудови математичних прогнозуючих моделей, оснований на принципах ідентифікації систем, тобто об’єкт досліджень розглядається як «чорна скринька», експериментальні дані — як вхідні параметри, а параметри, що прогнозуються, — як вихідні параметри умовного багатополюсника. Для прогнозу величини кожного параметру об’єкта в майбутні моменти часу створено кілька альтернативних математичних моделей, названих частковими моделями прогнозу. Для підвищення достовірності прогнозу серед альтернативних моделей відібрано ті моделі, які задовольняють певним умовам достовірності, а саме: моделі, які з достатньою для практики точністю відтворюють закономірності змін величин параметрів в найблищі майбутні моменти часу; прогнозовані велечини параметрів мають знаходитися в межах інтервалу дійсних чисел [0, 1]; моделі, основані на порівнянні чутливостей прогнозованих параметрів до змін величин експериментальних даних; остаточний результат прогнозу обчислюється як середня арифметична величина від величин, прогнозованими цими моделями. Наведено приклад, який дозволяє краще оцінити особливості запропонованого метода.
КЛЮЧОВІ СЛОВА:
часові ряди, обмежене у часі прогнозування, експериментальні вибірки, ідентифікація систем.
СПИСОК ЛІТЕРАТУРИ
- Стюарт Р., Норвиг П. Искусственный интеллект: современный подход. М: Изд. дом «Вильямс», 2006, 1408 с.
- Witten I.H., Frank E. Data Mining: Practical machine learning tools and techniques. N.: Morgan Kaufmann, 2005, 525 p.
- Бокс Дж., Дженкинс Г. Анализ временных рядов: прогноз и управление. Кн.1. М.: Мир, 1974, 406 с.
- Льюнг Л. Идентификация систем. Теория для пользователя.М.: Наука, 1991, 432 с.
- Kalman R.E. A new approach to linear filtering and prediction problems // Journal of Basic Engineering, 1960, 82, No 1, pp. 35—45.
- Ивахненко А.Г. Индуктивный метод самоорганизации моделей сложных систем. К.: Наук. думка, 1982, 296 с.
- Rogoza W. Method for the prediction of time series using small sets of experimental samples // Applied Mathematics and Computation, 2019, 355, pp. 108—122.
РОГОЗА Валерій Станіславович, д-р техн, наук, професор, професор кафедри системного проєктування Національного технічного університету України «Київський політехнічний інститут ім. Ігоря Сікорського». В 1971 р. закінчив Київський політехнічний інститут. Область наукових досліджень — математичне моделювання складних процесів та систем, інтелектуальні методи оброблення надвевеликих масивів даних, сервіс-орієнтовані комп’ютерні технології.
ІЩЕНКО Ганна Валеріївна, старший викладач кафедри системного проєктування Національного технічного університету України «Київський політехнічний інститут ім. Ігоря Сікорського». В 2002 р, закінчила Київський політехнічний інститут. Область наукових досліджень — обчислювальний штучний інтелект, інтелектуальні методи оброблення даних.
Повний текст: PDF