авторегресійна модель

МАТЕМАТИЧНІ МОДЕЛІ ДЛЯ АНАЛІЗУ ТА ПРОГНОЗУВАННЯ ЗАБРУДНЕННЯ РІЧКОВОЇ ВОДИ З ВИКОРИСТАННЯМ МУЛЬТИФРАКТАЛЬНОГО МЕТОДУ

Стаття досліджує застосування мультифрактального аналізу до вибраних часових рядів даних про забруднення води та подальше прогнозування за показником біохімічного споживання кисню (БСК) на основі фрактальної моделі ARFIMA. Для оцінки параметра фрактальної диференціації в моделі ARFIMA використано мультифрактальний алгоритм MFDFA. Отримані результати порівнюються з аналогічними, отриманими за допомогою авторегресійної моделі ARIMA та базової фрактальної моделі ARFIMA.

Розроблення програмного та алгоритмічного забезпечення для прогнозування курсу криптовалют з використанням методів фрактального аналізу

У роботі створено програмне та алгоритмічне забезпечення для моделювання та прогнозування криптовалюти Bitcoin з використанням фрактальної моделі ARFIMA (AutoRegressive Fractionally Integrated Moving Average). Проведено аналіз моделей прогнозування часових рядів (авторегресійні, фрактальні).  Також  проведено   підбір найбільш відповідних параметрів обраної фрактальної моделі для максимізації точності з огляду на метрику RMSE. Проаналізовані ряди на наявність тренду, сезонності, білого шуму, нестаціонарності та довготривалої пам’яті.