Розробка адаптивних комбінованих моделей прогнозування часових рядів на основі ідентифікації подібностей

Автор(и)

  • Alexander Kuchansky Київський національний університет будівництва і архітектури пр. Повітрофлотський, 31, м. Київ, Україна, 03037, Україна https://orcid.org/0000-0003-1277-8031
  • Andrii Biloshchytskyi Київський національний університет імені Тараса Шевченка вул. Володимирська, 60, м. Київ, Україна, 01033, Україна https://orcid.org/0000-0001-9548-1959
  • Yurii Andrashko Ужгородський національний університет пл. Народна, 3, м. Ужгород, Україна, 88000, Україна https://orcid.org/0000-0003-2306-8377
  • Svitlana Biloshchytska Київський національний університет будівництва і архітектури пр. Повітрофлотський, 31, м. Київ, Україна, 03037, Україна https://orcid.org/0000-0002-0856-5474
  • Yevheniia Shabala Київський національний університет будівництва і архітектури пр. Повітрофлотський, 31, м. Київ, Україна, 03037, Україна https://orcid.org/0000-0002-0428-9273
  • Oleksii Myronov Київський національний університет будівництва і архітектури пр. Повітрофлотський, 31, м. Київ, Україна, 03037, Україна https://orcid.org/0000-0001-7119-2415

DOI:

https://doi.org/10.15587/1729-4061.2018.121620

Ключові слова:

прогнозування часових рядів, пошук подібностей, адаптивна комбінована модель, показник Герста

Анотація

Пропонуються адаптивні комбіновані моделі гібридного та селективного типів для прогнозування часових рядів на основі програмного набору з адаптивних поліноміальних моделей різних порядків. Пропонуються адаптивні комбіновані моделі прогнозування часових рядів з врахуванням результатів ідентифікації подібностей в ретроспекції цих часових рядів. Оцінена ефективність прогнозування різних комбінованих моделей залежно від рівня персистентності часових рядів. Розроблені моделі дозволяють підвищити точність у випадку середньострокового прогнозування нестаціонарних часових рядів, зокрема фінансових показників

Біографії авторів

Alexander Kuchansky, Київський національний університет будівництва і архітектури пр. Повітрофлотський, 31, м. Київ, Україна, 03037

Кандидат технічних наук, доцент

Кафедра кібернетичної безпеки та комп’ютерної інженерії

Andrii Biloshchytskyi, Київський національний університет імені Тараса Шевченка вул. Володимирська, 60, м. Київ, Україна, 01033

Доктор технічних наук, професор, завідувач кафедри

Кафедра інформаційних систем та технологій

Yurii Andrashko, Ужгородський національний університет пл. Народна, 3, м. Ужгород, Україна, 88000

Викладач

Кафедра системного аналізу і теорії оптимізації

Svitlana Biloshchytska, Київський національний університет будівництва і архітектури пр. Повітрофлотський, 31, м. Київ, Україна, 03037

Кандидат технічних наук, доцент

Кафедра інформаційних технологій проектування і прикладної математики

Yevheniia Shabala, Київський національний університет будівництва і архітектури пр. Повітрофлотський, 31, м. Київ, Україна, 03037

Кандидат технічних наук, доцент

Кафедра кібернетичної безпеки та комп’ютерної інженерії

Oleksii Myronov, Київський національний університет будівництва і архітектури пр. Повітрофлотський, 31, м. Київ, Україна, 03037

Аспірант

Кафедра інформаційних технологій

Посилання

  1. Goldin, D. Q., Kanellakis, P. C. (1995). On similarity queries for time-series data: Constraint specification and implementation. Lecture Notes in Computer Science, 137–153. doi: 10.1007/3-540-60299-2_9
  2. Agrawal, R., Faloutsos, C., Swami, A. (1993). Efficient similarity search in sequence databases. Lecture Notes in Computer Science, 69–84. doi: 10.1007/3-540-57301-1_5
  3. Agrawal, R., Lin, K.-I., Sawhney, H. S., Shim, K. (1995). Fast similarity search in the presence of noise, scaling, and translation in time-series databases. VLDB, 490–501.
  4. Cassisi, C., Montalto, P., Aliotta, M., Cannata, A., Pulvirenti, A. (2012). Similarity Measures and Dimensionality Reduction Techniques for Time Series Data Mining. Advances in Data Mining Knowledge Discovery and Applications. doi: 10.5772/49941
  5. Nayak, R., te Braak, P. (2007). Temporal pattern matching for the prediction of stock prices. 2nd International Workshop on Integrating Artificial Intelligence and Data Mining (AIDM 2007), 95–103.
  6. Singh, S. (2000). Pattern modelling in time-series forecasting. Cybernetics and Systems, 31 (1), 49–65. doi: 10.1080/019697200124919
  7. Kuchansky, A., Biloshchytskyi, A. (2015). Selective pattern matching method for time-series forecasting. Eastern-European Journal of Enterprise Technologies, 6 (4 (78)), 13–18. doi: 10.15587/1729-4061.2015.54812
  8. Berzlev, A. (2013). A method of increment signs forecasting of time series. Eastern-European Journal of Enterprise Technologies, 2 (4 (62)), 8–11. Available at: http://journals.uran.ua/eejet/article/view/12362/10250
  9. Perlin, M. S. (2007). Nearest neighbor method. Revista Eletrônica de Administração, 13 (2).
  10. Fernández Rodríguez, F., Sosvilla Rivero, S. J., Andrada Félix, J. (2002). Nearest-Neighbour Predictions in Foreign Exchange Markets. SSRN Electronic Journal. doi: 10.2139/ssrn.300404
  11. Kahveci, T., Singh, A. (2001). Variable length queries for time series data. Proceedings 17th International Conference on Data Engineering. doi: 10.1109/icde.2001.914838
  12. Li, C., Chang, E., Garcia-Molina, H., Wiederhold, G. (2002). Clustering for approximate similarity search in high-dimensional spaces. IEEE Transactions on Knowledge and Data Engineering, 14 (4), 792–808. doi: 10.1109/tkde.2002.1019214
  13. Biloshchytskyi, A., Kuchansky, A., Andrashko, Y., Biloshchytska, S., Dubnytska, A., Vatskel, V. (2017). The method of the scientific directions potential forecasting in infocommunication systems of an assessment of the research activity results. 2017 4th International Scientific-Practical Conference Problems of Infocommunications. Science and Technology (PIC S&T). doi: 10.1109/infocommst.2017.8246352
  14. Biloshchytskyi, A., Kuchansky, A., Andrashko, Y., Biloshchytska, S., Kuzka, O., Shabala, Y., Lyashchenko, T. (2017). A method for the identification of scientists' research areas based on a cluster analysis of scientific publications. Eastern-European Journal of Enterprise Technologies, 5 (2 (89)), 4–11. doi: 10.15587/1729-4061.2017.112323
  15. Biloshchytskyi, A., Kuchansky, A., Andrashko, Y., Biloshchytska, S., Kuzka, O., Terentyev, О. (2017). Evaluation methods of the results of scientific research activity of scientists based on the analysis of publication citations. Eastern-European Journal of Enterprise Technologies, 3 (2 (87)), 4–10. doi: 10.15587/1729-4061.2017.103651
  16. Otradskaya, T., Gogunskii, V., Antoshchuk, S., Kolesnikov, O. (2016). Development of parametric model of prediction and evaluation of the quality level of educational institutions. Eastern-European Journal of Enterprise Technologies, 5 (3 (83)), 12–21. doi: 10.15587/1729-4061.2016.80790
  17. Biloshchytskyi, A., Myronov, O., Reznik, R., Kuchansky, A., Andrashko, Yu., Paliy, S., Biloshchytska, S. (2017). A method to evaluate the scientific activity quality of HEIs based on a scientometric subjects presentation model. Eastern-European Journal of Enterprise Technologies, 6 (2 (90)), 16–22. doi: 10.15587/1729-4061.2017.118377
  18. Lizunov, P., Biloshchytskyi, A., Kuchansky, A., Biloshchytska, S., Chala, L. (2016). Detection of near dublicates in tables based on the locality-sensitive hashing method and the nearest neighbor method. Eastern-European Journal of Enterprise Technologies, 6 (4 (84)), 4–10. doi: 10.15587/1729-4061.2016.86243
  19. Biloshchytskyi, A., Kuchansky, A., Biloshchytska, S., Dubnytska, A. (2017). Conceptual model of automatic system of near duplicates detection in electronic documents. 2017 14th International Conference The Experience of Designing and Application of CAD Systems in Microelectronics (CADSM). doi: 10.1109/cadsm.2017.7916155
  20. Vercellis, C. (2009). Business intelligence: data mining and optimization for decision making. Cornwall: John Wiley & Sons, 417. doi: 10.1002/9780470753866
  21. Lukashin, Yu. P. (2003). Adaptive methods of near-term time series forecasting. Мoscow: Finanсe and Statistics, 416.
  22. Snytyuk, V. E. (2008). Forecasting. Models. Methods. Algorithms. Kyiv: Maklaut, 364.
  23. Mulesa, O., Geche, F., Batyuk, A., Buchok, V. (2017). Development of combined information technology for time series prediction. Advances in Intelligent Systems and Computing, 689, 361–373. doi: 10.1007/978-3-319-70581-1_26
  24. Mulesa, O., Geche, F., Batyuk, A. (2015). Information technology for determining structure of social group based on fuzzy c-means. 2015 Xth International Scientific and Technical Conference “Computer Sciences and Information Technologies” (CSIT). doi: 10.1109/stc-csit.2015.7325431
  25. Mulesa, O., Geche, F. (2016). Designing fuzzy expert methods of numeric evaluation of an object for the problems of forecasting. Eastern-European Journal of Enterprise Technologies, 3 (4 (81)), 37–43. doi: 10.15587/1729-4061.2016.70515
  26. Morozov, V., Kalnichenko, O., Liubyma, I. (2017). Managing projects configuration in development distributed information systems. 2017 2nd International Conference on Advanced Information and Communication Technologies (AICT). doi: 10.1109/aiact.2017.8020088
  27. Peters, E. E. (1994). Fractal market analysis: applying chaos theory to investment and economics. John Wiley & Sons Inc., 336.
  28. Anis, A., Lloyd, E. (1976). The expected value of the adjusted rescaled Hurst Range of independent normal summands. Biometrika, 63 (1), 111–116. doi: 10.2307/2335090

##submission.downloads##

Опубліковано

2018-01-24

Як цитувати

Kuchansky, A., Biloshchytskyi, A., Andrashko, Y., Biloshchytska, S., Shabala, Y., & Myronov, O. (2018). Розробка адаптивних комбінованих моделей прогнозування часових рядів на основі ідентифікації подібностей. Eastern-European Journal of Enterprise Technologies, 1(4 (91), 32–42. https://doi.org/10.15587/1729-4061.2018.121620

Номер

Том 1 № 4 (91) (2018): Математика та кібернетика - прикладні аспекти

Розділ

Математика та кібернетика - прикладні аспекти

Ліцензія

Авторське право (c) 2018 Alexander Kuchansky, Andrii Biloshchytskyi, Yurii Andrashko, Svitlana Biloshchytska, Yevheniia Shabala, Oleksii Myronov

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.