Моделі та процедури класифікації і прогнозування недетермінованих процесів за показниками хаотичної динаміки
DOI:
https://doi.org/10.34185/1562-9945-3-140-2022-10Ключові слова:
антиперсистентні часові ряди, класифікація ЧР, моделювання, інтерполяція, короткострокове прогнозування, точність алгоритмів класифікації, програмне забезпечення.Анотація
У статті досліджуються процеси класифікації, моделювання та короткострокового прогнозування недетермінованих часових послідовностей, які представлені антипер-ситентними часовими рядами (АЧР). Предмет аналізу – процедури класифікації та прогнозування параметрів таких моделей. Метою роботи є підвищення ефективності та точності методів і алгоритмів класифікації, моделювання та прогнозування АЧР. За допомогою агрегування рівнів AЧР розроблено коректні математичні моделі класифікації недетермінованих часових послідовностей, а також сформовано алгоритмічні та програмні засоби їх реалізації. Проведено порівняльний аналіз чисельної ефективності алгоритмів класифікації АЧР, реалізовано завдання короткострокового прогнозування АЧР. У статті також представлено інструментальне програмне середовище, що забезпечує коректне вивчення алгоритмів моделювання та класифікації антиперсистентних часових рядів (АЧР).
Посилання
Zhou, Renjie & Yang, Chen & Wan, Jian & Zhang, Wei & Guan, Bo & Xiong, Naixue. (2017). Measuring Complexity and Predictability of Time Series with Flexible Multiscale Entropy for Sensor Networks. Sensors. 17. 787. 10.3390/s17040787.
Liu, Xiaofeng & Jiang, Aimin & xu, Ning & Xue, Jianru. (2015). Increment Entropy as a Measure of Complexity for Time Series. Entropy. 18. 10.3390/e18010022.
Nazzal, Mohammad & Saad, Mohammed. (2018). A general framework for sustainability assessment of manufacturing processes. Ecological Indicators. 97. 10.1016/j.ecolind.2018.09.062.
Moulder, Robert & Daniel, Katharine & Teachman, Bethany & Boker, Steven. (2019). Tangle: A Metric for Quantifying Complexity and Erratic Behavior in Short Time Series. 10.31234/osf.io/23csa.
Montesinos, Luis & Castaldo, Rossana & Pecchia, Leandro. (2018). On the use of approximate entropy and sample entropy with centre of pressure time-series. Journal of NeuroEngineering and Rehabilitation. 15. 116. 10.1186/s12984-018-0465-9.
Epskamp, Sacha & Waldorp, Lourens & Mõttus, René & Borsboom, Denny. (2018). The Gaussian Graphical Model in Cross-Sectional and Time-Series Data. Multivariate Behavioral Research. 53. 1-28. 10.1080/00273171.2018.1454823.
Skalozub V.V., & Klymenko Y.V. (2016). The development of analysis and fore-casting procedures of non-deterministic technological and economic processes on the basis of indicators of chaotic dynamics. Economics: Time Realities, 4(26), 82-90.
Skalozub, V. V., & Klymenko, Y. V. (2018) Method for planning non-determined operation processes of railway technical system park. Nauka ta prohres transport. Visnyk Dnipropetrovskoho natsionalnoho universytetu zaliznychnoho transportu imeni akademika V. Lazariana, 5(77), 7-18.
Skalozub, V. V., Zhukovitskiy, I. V., Klimenko, I. V., & Zaets, А. Р. (2018). Creation of Intellectual Decision Support Systems in a Unified Automated System for Managing Rail Freight in Ukraine. Systemni tekhnolohii: Rehionalnyi mizhvuzivskyi, 3(116), 153-162.
Skalozub V.V. & Klymenko I.V. (2016) Estimation and Prediction of the Parameters of Time Series of Traffic Volumes Based on the Specialized Procedures of the Fractal Analysis. Naukovyi visnyk Khersonskoho derzhavnoho universytetu, 20 (II), 189-192.
Skrynyk, Oleg & Skynyk, Olesya & Oshurok, Dmytro. (2013). Fractal analysis of air temperature time series collected in Ukraine. Hidrolohiia, hidrokhimiia i hidroekolohiia. 2(29). 89-95.
Boyko, R. О., Zagorovska, L. G., & Yarova, Т. V. (2013) Informative Providing of Task of Prognostication of Feasibility Indicators of Functioning of Technological Complex. Eastern-European Journal of Enterprise Technologies, 3(10), 62-64.
Dolgіh, A.O. and Bajbuz, O.G. (2019) Comparative analysis of time series forecasting models effectiveness by means of a multi-criteria procedure on the example of financial indicators. “The Journal of Zhytomyr State Technological University”? Section 1: Engineering, 1(83), 130-141.
Korablev, N.M, and Ivashchenko G.S. (2015) Application of the models of artificial immune systems for short-term forecasting of time series containing abnormal values. Bionics of Intelligense: Sci. Mag, 2 (85), 95-99.
Опубліковано
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
