The self-weighted time series construction method for the prediction problem

Authors

  • Александр Степанович Миненко Institute of Informatics and Artificial Intelligence Donetsk National Technical University 84 B. Khmelnitsky Avenue, Donetsk, 83050, Ukraine, Ukraine
  • Елена Владимировна Волченко Institute of Informatics and Artificial Intelligence Donetsk National Technical University 84 B. Khmelnitsky Avenue, Donetsk, 83050, Ukraine, Ukraine https://orcid.org/0000-0003-0606-0912
  • Сергей Александрович Шишкин Institute of Informatics and Artificial Intelligence Donetsk National Technical University 84 B. Khmelnitsky Avenue, Donetsk, 83050, Ukraine, Ukraine

DOI:

https://doi.org/10.15587/1729-4061.2012.3703

Keywords:

Time series, data prediction, segmentation

Abstract

The problem of the large time series prediction is considered. The method of construction of the brief self-weighted time series, based on segmentation of initial row and analysis of the got segments is offered. Expansion of the known methods of prediction on the self-weighted time series is executed

Author Biographies

Александр Степанович Миненко, Institute of Informatics and Artificial Intelligence Donetsk National Technical University 84 B. Khmelnitsky Avenue, Donetsk, 83050, Ukraine

Doctor of Physical and Mathematical Sciences, Associate Professor, head of department

Department of System Analysis and Modeling

Елена Владимировна Волченко, Institute of Informatics and Artificial Intelligence Donetsk National Technical University 84 B. Khmelnitsky Avenue, Donetsk, 83050, Ukraine

Ph.D., Associate Professor

Department of Software Intelligent Systems

Сергей Александрович Шишкин, Institute of Informatics and Artificial Intelligence Donetsk National Technical University 84 B. Khmelnitsky Avenue, Donetsk, 83050, Ukraine

Graduate student

References

  1. Larose D. T. Discovering knowledge in data: an introduction to data mining [Текст] / D. T. Larose. - New Jersey: John Wiley & Sons Inc., 2005. – 240 p.
  2. Giudici P. Applied data mining: statistical methods for business and industry [Текст] / P. Giudici. - Chichester: John Wiley & Sons Inc., 2003. – 380 p.
  3. Last M. Knowledge discovery in time series databases [Текст] / M. Last, Y. Klein, A. Kandel. – IEEE Transactions on Systems, man and cybernetics, 2000. – P. 60-69.
  4. Vasko K. Estimating the number of segments in time series data using permutation tests [Текст] / K. Vasko, H. Toivonen. – IEEE International Conference on Data Mining, 2002. – P. 466 – 473.
  5. Лоскутов А. Ю. Проблемы нелинейной динамики III: локальные методы прогнозирования временных рядов [Текст] / А. Ю. Лоскутов, О.Л. Котляров, И.А. Истомин, Д.И. Журавлев // Вестник Московского университета: Физика. Астрономия. – №6. – 2002. – С. 3 – 21.
  6. Зайцев П. Н. Нечеткая сегментация временных рядов [Текст] / Зайцев П. Н. // Вестник ВГУ. Серия: Системный анализ и информационные технологии. – 2009. – №1. – С. 60-67.
  7. Востров Г. М. Сегментация экономических временных рядов с использованием вейвлет-анализа [Текст] / Г. М. Востров, М. В. Поляков, В. В. Любченко // Труды Одесского политехнического университета. – 2003. – № 1(19). – С. 119 – 127.
  8. Катулев А.Н. Стохастические модели прогнозирования цены [Текст] / А. Н. Катулев, Ан. Н. Сотников // Дискретный анализ и исследование операций. – 2002. – Т. 9. – №1. – С. 61 – 77.
  9. Хайкин С. Нейронные сети: полный курс [Текст] / C. Хайкин.; [пер с англ.]. – 2-е издание – М.: Издательский дом «Вильямс», 2006. – 1104 с.
  10. Волченко Е.В. Компактный генетический алгоритм выбора размера окон при нейросетевом прогнозировании временных рядов [Текст] / Е.В. Волченко // Проблеми інформатизації та управління. – 2011. – №1. – С. 42 – 48.
  11. Розробка теоретичних засад і методів реалізації відкритих систем автоматичного розпізнавання, що навчаються: способи оптимізації навчаючих вибірок і методи побудови зважених вирішуючих правил класифікації [Текст] : звіт з НДР (заключний) : Тема GP/F32/130, Грант Президента України для підтримки наукових досліджень молодих учених на 2011 рік / керівник роботи О.В. Волченко. – Донецьк, ДВНЗ «ДонНТУ», 2011. – 67 с.
  12. Волченко Е.В. Метод построения взвешенных обучающих выборок в открытых системах распознавания [Текст] / Е.В. Волченко // Доклады 14-й Всероссийской конференции «Математические методы распознавания образов (ММРО-14)», Суздаль, 2009. – М.: Макс-Пресс, 2009. – С. 100 – 104.
  13. Сазонов В. Г. Прогнозирование и планирование в условиях рынка [Текст] / В.Г. Сазонов. – Владивосток: ДВГУ ТИДОТ, 2001. – 149 с.
  14. Профессиональный информационно-аналитический ресурс, посвященный машинному обучению и интеллектуальному анализу данных [Электронный ресурс]. – Режим доступа: http://www.machinelearning.ru – Загл. с экрана.

Downloads

Published

2012-04-01

How to Cite

Миненко, А. С., Волченко, Е. В., & Шишкин, С. А. (2012). The self-weighted time series construction method for the prediction problem. Eastern-European Journal of Enterprise Technologies, 2(4(56), 4–10. https://doi.org/10.15587/1729-4061.2012.3703

Issue

Vol. 2 No. 4(56) (2012): Mathematics and cybernetics - fundamental and applied aspects

Section

Mathematics and Cybernetics - applied aspects

License

Copyright (c) 2014 Александр Степанович Миненко, Елена Владимировна Волченко, Сергей Александрович Шишкин

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

The consolidation and conditions for the transfer of copyright (identification of authorship) is carried out in the License Agreement. In particular, the authors reserve the right to the authorship of their manuscript and transfer the first publication of this work to the journal under the terms of the Creative Commons CC BY license. At the same time, they have the right to conclude on their own additional agreements concerning the non-exclusive distribution of the work in the form in which it was published by this journal, but provided that the link to the first publication of the article in this journal is preserved.

A license agreement is a document in which the author warrants that he/she owns all copyright for the work (manuscript, article, etc.).
The authors, signing the License Agreement with TECHNOLOGY CENTER PC, have all rights to the further use of their work, provided that they link to our edition in which the work was published.
According to the terms of the License Agreement, the Publisher TECHNOLOGY CENTER PC does not take away your copyrights and receives permission from the authors to use and dissemination of the publication through the world's scientific resources (own electronic resources, scientometric databases, repositories, libraries, etc.).
In the absence of a signed License Agreement or in the absence of this agreement of identifiers allowing to identify the identity of the author, the editors have no right to work with the manuscript.
It is important to remember that there is another type of agreement between authors and publishers – when copyright is transferred from the authors to the publisher. In this case, the authors lose ownership of their work and may not use it in any way.