КОМПЛЕКСУВАННЯ ДЕКІЛЬКОХ АЛГОРИТМІВ ПІД ЧАС РОЗВ’ЯЗАННЯ ЗАДАЧІ ПРОГНОЗУВАННЯ
DOI:
https://doi.org/10.26642/tn-2016-1(76)-101-107Ключові слова:
прогнозування часових рядів, комплексування моделей, штучні нейронні мережі, метод групового урахування аргументівАнотація
Задача прогнозування є, безсумнівно, однією з найважливіших для людства, але водночас стоїть поряд з найскладнішими, оскільки немає жодної гарантії, що поведінка прогнозованого процесу не зміниться кардинально у майбутньому.
Метою роботи є розробка нового методу прогнозування, що використовує підхід комплексування декількох моделей, та перевірка його якості на наборі тестових даних. Для цього були розглянуті основні існуючі методи прогнозування, а саме: штучні нейронні мережі, метод групового урахування аргументів та лінійна регресія. Для комплексування прогнозуючих моделей був обраний підхід bagging.
Запропонований метод було реалізовано у програмному середовищі Matlab і перевірено (разом з декількома існуючими методами) на 11 тестових наборах даних. Наукова новизна та практична значущість дослідження полягає в тому, що серед методів, що тестувалися, запропонований метод показав найкращі результати, що свідчить про можливість його успішного застосування на практиці.
Посилання
Breiman, L. (1996), “Bagging predictors”, Machine Learning, Vol. 24 (2), pp. 123–140.
Mason, L., Baxter, J., Bartlett, P. and Frean, M. (2000), “Boosting algorithms as gradient descent function space”, Advances in neural information processing systems, Vol. 12, pp. 512–518.
Rosenblatt, F. (1958), “The perceptron: a probabilistic model for information storage and organization in the brain”, Psychological review, No. 65 (6), pp. 386–408.
Gioqinang, Z. and Hu, M.Y. (1998), “Neural network forecasting of the British pound/US dollar exchange rate”, International journal of management sсience, Vol. 26, pp. 495–506.
Bodyanskiy, Ye., Pliss, I. and Vynokurova, O. (2008), “Adaptive wavelet–neuro–fuzzy network in the forecasting and emulation tasks”, Int. journal on information theory and applications, Vol. 15 (1), pp. 47–55.
Amir, F.A. and Samir, I.S. (1999), “A comparison between neural–network forecasting techniques – case study: river flow forecasting”, IEEE Transactions on neural networks, Vol. 10, No. 2, pp. 402–409.
Rumelhart, D.E., Hinton, G.E. and Williams, R.J. (1986), “Learning representations by back–propagating errors”, Nature, Vol. 323 (6088), pp. 533–536.
Stepashko, V.S. (1988), “GMDH algorithms as basis of modeling process automation after experimental data”, Sov. journal of automation and information sciences, No. 21 (4), pp. 43–53.
Sineglazov, V., Chumachenko, O. and Gorbatiuk, V. (2014), “A method for building a forecasting model with dynamic weights”, Eastern–European journal of enterprise technologies, No. 2 (4), pp. 4–8.
Cook, R.D. (1979), “Influential observations in linear regression”, Journal of the American Statistical Association, No. 74, pp. 169–174.
Barr Group Aerospace & AeroWeb (2014), “U.S. General Aviation Aircraft Shipments and Sales”, available at: www.bga–aeroweb.com/database/Data3/US–General–Aviation–Aircraft–Sales–and–Shipments.xls (accessed 10.05.2016).
Data Sets for Time–Series Analysis (2005), “Evolutionary and Neural Computation for Time Series Prediction Mini–site”, available at: http://tracer.uc3m.es/tws/ TimeSeriesWeb/repo.html (accessed 10.05.2016).
Lendasse, A., Oja, E., Simula, O. and Verleysen, M. (2004), “Time series prediction competition: The CATS Benchmark”, International joint conference on neural networks, IEEE, Budapest, Hungary, pp. 1615–1620.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2020 Олена Іллівна Чумаченко, Владислав Сергійович Горбатюк
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
Автор, який подає матеріали до друку, зберігає за собою всі авторські права та надає відповідному виданню право першої публікації, дозволяючи розповсюджувати даний матеріал із зазначенням авторства та джерела первинної публікації, а також погоджується на розміщення її електронної версії на сайті Національної бібліотеки ім. В.І. Вернадського та у відкритому доступі в електронному архіві університету та на сайті журналу.
