Синтез комбінованої нейромережевої моделі прогнозування

Abstract

В роботi запропоновано метод побудови комбiнованої моделi для прогнозуваннячасових рядiв. У роботi розглянутi класичнi базовi моделi прогнозування i на їх основi будується комбiнована модель, яка допускає нейромережеву реалiзацiю. Множинабазових моделей э динамiчною, тобто у цю множину можуть вноситися новi моделi прогнозування, можуть видалятися моделi залежно вiд властивостей часових рядiв. Для синтезу комбiнованої моделi прогнозування з заданим кроком прогнозу, напочатку визначається оптимальний крок передiсторiї. Будується функцiонал i дляфiксованого кроку прогнозу методом авторегресiї визначається оптимальний крок передiсторiї, що визначає промiжок часу на якому проводиться аналiз точностi моделейз базової множини. У процесi побудови комбiнованої моделi для кожної базової моделiвизначається ваговий коефiцiєнт з яким вона входить у комбiновану модель. Ваговiкоефiцiєнти базових моделей визначаються на пiдставi їх точностi прогнозування начасовому перiодi, визначеного кроком передiсторiї. Ваговi коефiцiєнти вiдображаютьмiру впливу базових моделей на точнiсть прогнозування комбiнованої моделi. Пiсляпобудови комбiнованої моделi проводиться її навчання та визначаються тi базовi моделi, якi будуть внесенi в остаточну комбiновану модель прогнозування. Внаслiдоктакого пiдходу, як показують конкретнi приклади, у багатьох випадках вдалося iстотно покращити точнiсть прогнозування комбiнованої моделi.