Інформаційна технологія прогнозування нестаціонарних часових рядів з використанням сингулярного спектрального аналізу

Автор(и)

  • Анна Александровна Чистякова Харківський національний університет радіоелектроніки пр. Леніна, 16, м. Харків, Україна, 61166, Україна https://orcid.org/0000-0002-1860-8087
  • Борис Владимирович Шамша Харківський національний університет радіоелектроніки пр. Леніна, 16, м. Харків, Україна, 61166, Україна https://orcid.org/0000-0003-4612-276X

DOI:

https://doi.org/10.15587/1729-4061.2014.22158

Ключові слова:

часовий ряд, прогнозування, інформаційна технологія, сингулярний спектральний аналіз, фазовий простір

Анотація

В роботі запропонована інформаційна технологія прогнозування нестаціонарних часових рядів, не зводяться до стаціонарних, характерізуються нелінійним трендом та завуальованимі періодичними компонентами. З метою побудови моделі прогнозування визначається поведінка компонент часового ряду у декілької фазових просторах, побудованних з використанням методу сингулярного спектрального аналізу (SSA).

Біографії авторів

Анна Александровна Чистякова, Харківський національний університет радіоелектроніки пр. Леніна, 16, м. Харків, Україна, 61166

Аспірант

Кафедра інформаційних управляючих систем

Борис Владимирович Шамша, Харківський національний університет радіоелектроніки пр. Леніна, 16, м. Харків, Україна, 61166

Кандидат технічних наук, професор

Кафедра інформаційних управляючих систем

Посилання

  1. Айвазян, С. А. Прикладная статистика и основы эконометрики [Текст] / С. А. Айвазян, В. С. Мхитарян. – М.: ЮНИТИ, 1998. – 1006 с.
  2. Box, G. E. P. Time Series Analysis: Forecasting and Control [Text] : 4rd ed / G. E. P. Box, G. M. Jenkins, G. C. Reinsel. – US: John Wiley & Sons, 2008.
  3. Kendall, M. Design and analysis, and time series, the advanced theory of statistics [Text] ; 3rd ed./ M. Kendall, A. Stuart // London: Charles Griffin. – 1976. – Vol. 3.
  4. Данилов, Д. Л. Главные компоненты временных рядов: Метод “Гусеница” [Текст] / Д. Л. Данилов, А. А. Жиглявский. – СПб.: Изд. дом “ПРЕССКОМ”, 1997. — 307 с.
  5. Vautard, R. Singular-Spectrum Analysis: a toolkit for short, noisy chaotic signals [Text] / R. Vautard, P. Yiou, M. Ghil // Physica D. – 1992. – №58. – P. 95–126.
  6. Golyandina, N. Basic Singular Spectrum Analysis and forecasting with R [Text] / N. Golyandina, A. Korobejnikov // Computational Statistics & Data Analysis. – 2014. – № 71. – P. 934–954.
  7. Nekrutkin, V. Perturbation expansions of signal subspaces for long signals [Text] / V. Nekrutkin // Statistics and Its Interface. – 2010. – №3. – P. 297–319.
  8. Hassani, H. Singular Spectrum Analysis: Methodology and Application to Economics Data [Text] / H. Hassani, A. Zhigljavsky // Journal of System Science and Complexity. – 2009. – № 22(3). – P. 372–394.
  9. Briceño, H. Singular Spectrum Analysis for Forecasting of Electric Load Demand [Text] / H. Briceño, C. M. Roccoa, E. Zio // Chemical endineering transactions. – 2013. – № 33. – P. 919–924.
  10. Pepelyshev, A. Assessing the stability of long-horizon SSA forecasting [Text] / A. Pepelyshev, A. Zhiglyavsky // Statistics and Its Interface. – 2010. – №3. – P. 321–327.
  11. Чистякова, А. А. Идентификация структуры нестационарного временного ряда при помощи метода сингулярного спектрального анализа [Текст] / А. А. Чистякова, Б. В. Шамша // Радиоэлектронные и компьютерные системы. – 2011. – № 4(52). – С. 105–111.
  12. Чистякова, А. А. Оценка глубины погружения в методе SSA при моделировании нелинейных временных рядов [Текст] / А. А. Чистякова, Б. В. Шамша // Вестник развития науки и образования. – 2013. – № 4. – С. 59–68.
  13. Голяндина, Н. Э. Метод «Гусеница»-SSA: прогноз временных рядов [Текст] : уч. пос. / Н. Э. Голяндина. – СПб., 2004. – 52 с.
  14. Aivasyan, S., Mhitaryan, V. (1998). Applied statistics and econometrics basis. Moscow: UNITY.
  15. Box, G. E. P., Jenkins, G. M., Reinsel, G. C. (2008). Time Series Analysis: Forecasting and Control. US: John Wiley & Sons.
  16. Kendall, M., Stuart, A. (1976). Design and analysis, and time series, the advanced theory of statistics. London: Charles Griffin, Vol. 3.
  17. Solntcev, V., Danilov, D., Zhiglyavsky, A. (1997). Main components of time series: Method «Caterpillar». Saint-Petersburg: «PRESSCOM », 307.
  18. Vautard, R., Yiou, P., Ghil, M. (1992). Singular-Spectrum Analysis: a toolkit for short, noisy chaotic signals. Physica D 58, 95–126.
  19. Golyandina, N., Korobejnikov, A. (2014). Basic Singular Spectrum Analysis and forecasting with R. Computational Statistics & Data Analysis , 71, 934–954.
  20. Nekrutkin, V. (2010). Perturbation expansions of signal subspaces for long signals. Statistics and Its Interface, 3, 297–319.
  21. Hassani, H., Zhigljavsky, A. (2009). Singular Spectrum Analysis: Methodology and Application to Economics Data, Journal of System Science and Complexity, 22 (3), 372–394.
  22. Briceño, H., Roccoa, C. M., Zio, E. (2013). Singular Spectrum Analysis for Forecasting of Electric Load Demand, CHEMICAL ENGINEERING TRANSACTIONS, 33, 919–924.
  23. Pepelyshev, A., Zhiglyavsky, A. (2010). Assessing the stability of long-horizon SSA forecasting. Statistics and Its Interface, 3, 321–327.
  24. Chistyakova, A. Shamsha, B. (2011). Identification of non-stationary time series structure using singular spectrum analysis. Radio-electronic and computer systems, 4 (52), 105–111.
  25. Chistyakova, A. Shamsha, B. (2013). Immersion depth assessment of the SSA method for modeling nonlinear time series. Bulletin of science and education, 4, 59–68.
  26. Golyandina, N. (2004). Method «Caterpillar»-SSA: forecasting of time series: tutorial. Saint-Petersburg, 52.

##submission.downloads##

Опубліковано

2014-04-09

Як цитувати

Чистякова, А. А., & Шамша, Б. В. (2014). Інформаційна технологія прогнозування нестаціонарних часових рядів з використанням сингулярного спектрального аналізу. Eastern-European Journal of Enterprise Technologies, 2(4(68), 24–30. https://doi.org/10.15587/1729-4061.2014.22158

Номер

Том 2 № 4(68) (2014): Математика та кібернетика - прикладні аспекти

Розділ

Математика та кібернетика - прикладні аспекти

Ліцензія

Авторське право (c) 2014 Анна Александровна Чистякова, Борис Владимирович Шамша

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.