часовий ряд

Часові ряди координат п’яти постійних станцій Міжнародної служби GNSS (IGS), розташованих у Новій Зеландії, були проаналізовані щодо їх річного переміщення з 2009 по 2018 роки. Необроблені дані у формі файлів Receiver Independence Exchange (RINEX) були взяті з бази даних IGS і процесів за допомогою служби онлайн-обробки AUSPOS. Використовуючи часові ряди координат, були розраховані швидкості горизонтального та вертикального зміщення за десятирічний період дослідження.

Використано економетричні екстраполяційні методи дослідження. Проаналізовано наукові роботи, пов'язані з екстраполяційними методами прогнозування часових рядів. Проаналізовано динаміку формування фінансових результатів страхових компаній України за видами їх діяльності. Визначено основні чинники, що визначають результативність. З'ясовано, що найбільш раціональним підходом до короткотермінованого прогнозування фінансових результатів страховиків є застосування експоненційного згладжування. Вибрано оптимальні параметри для моделі експоненційного згладжування методом на сітці.

Розроблено інформаційну технологію прогнозування на підставі часових рядів. З'ясовано, що актуальною є розробка нових моделей і методів прогнозування для покращення якості прогнозу. В основу інформаційної технології покладено еволюційний метод синтезу прогнозної схеми на підставі базових прогнозних моделей. Обраний метод дає змогу вносити в розгляд будь-яку кількість прогнозних моделей, які можуть належати до різних класів. Для заданого часового ряду, шляхом знаходження розв'язку оптимізаційної задачі, обчислено вагові коефіцієнти, з якими моделі входять в результуючу прогнозну схему.

У роботі розроблено програмне забезпечення для передбачення за допомогою часових рядів за допомогою мови програмування Python. Для розроблення системи було використано модель SARIMA.

Розроблено метод побудови комбінованої моделі прогнозування часових рядів на підставі базових моделей про­гно­зування. Множина базових моделей є динамічною, тобто у цю множину можуть вноситися нові моделі прогнозування, можуть видалятися моделі залежно від властивостей часових рядів. Для синтезу комбінованої моделі прогнозування часових рядів з заданим кроком прогнозу на початку визначається оптимальний крок передісторії.

Розглянуто завдання відновлення пропущених значень у результатах тестування реципієнтів, поданих часовими рядами. Як експериментальні дані наведено штучні часові ряди із пропущеними значеннями. Ефективність відновлення оцінюється відносною похибкою відновленого значення. Наведено приклади відновлення пропусків у таблиці часових рядів та в індивідуальному часовому ряді. Використано прості методи заміни пропуску середнім, зваженим середнім та медіаною.

Проведено аналіз селеутворювальних чинників, які впливають на багаторічну активність селів. Запропоновано методику прогнозування селів з урахуванням метеорологічних, гідрогеологічних, сейсмічних, геліофізичних чинників. Виявлено закономірності багаторічної сезонності цих чинників за допомогою автокореляційного та спектрального аналізу. Розраховано інтегральний показник ймовірності селевої активізації. Екстрапольовано ряд інтегрального показника та cпрогнозовано наступний пік активізації селів.

Presented a model of carrier personnel from experimental results. Model of the filed two components – a trend equation and the distribution of deviations from trend data. Trend equation is analytic function – with mixed polynomial degree. Rejection levels approximated by Rayleigh distribution law. Both models provide a system for objective assessments identifying personnel.

In this paper the radial-basis neural network was used for software failures prediction. The influence of activation function of the RBF neural net on the learning efficiency and software failures prediction is studied. It is shown that the optimal activation function is Inverse Multiquadric with 10 neurons in the input layer and 30 neurons in the hidden one (square of Pearson correlation coefficient is 0.997 and mean deviation is 14.4).

The recurrence plots tool origination and foundation process is considered. Construction method of recurrence plots based on time series is described. Recurrent plots dependence on the input parameters is analyzed and shown.