ІННОВАЦІЙНИЙ ПІДХІД У ПРОГНОЗУВАННІ ЧАСОВИХ РЯДІВ: ВІД ТРАДИЦІЙНИХ МЕТОДІВ ДО НОВАТОРСЬКОЇ МОДЕЛІ TIMESFM
DOI:
https://doi.org/10.34185/1991-7848.itmm.2024.01.084Ключові слова:
Прогнозування часових рядів, ARIMA, LSTM, TimesFMАнотація
Прогнозування часових рядів є важливим інструментом для компаній у сучасному світі. Воно дозволяє приймати обґрунтовані рішення на основі аналізу історичних даних та передбачень майбутніх тенденцій. У цьому контексті використовуються різні моделі, такі як ARIMA, LSTM, Prophet та XGBoost. Проте їх застосування часто вимагає значного часу для доналаштування. З метою вирішення цієї проблеми Google розробив модель TimesFM, яка забезпечує прогнозування часових рядів без потреби в навчанні. TimesFM показує високу продуктивність та точність на різних типах даних, що робить його потужним інструментом для бізнесу.
Посилання
Pertsev Yu. O., Korotka L. I. Porivniannia neironnykh merezh RNN ta LSTM typu pry prohnozuvanni tsin na fondovomu rynku. Materialy VIII Mizhnarodnoi naukovo-tekhnichnoi konferentsii kompiuterne modeliuvannia ta optymizatsiia skladnykh system (1-3 lystopada 2023 roku m. Dnipro, Ukraina). S. 124-127.
Abhimanyu Das, Weihao Kong, Rajat Sen, Yichen Zhou A decoder-only foundation model for time-series forecasting arXiv:2310.10688
[Electronic resource] - https://blog.research.google/2024/02/a-decoder-only-foundation-model-for.html
(Dostup 31.03.2024)
Zelentsov, D.G. and Korotkaya, L.I. (2018) Tehnologii vyichislitelnogo intellekta v zadachah modelirovaniya dinamicheskih sistem: monografiya [Technologies of Computational Intelligence in Tasks of Dynamic Systems Modeling: Monograph], Balans-Klub, Dnepr, 178pp.
