ПОРІВНЯЛЬНИЙ АНАЛІЗ МЕТОДІВ ПРОГНОЗУВАННЯ СТАЦІОНАРНИХ ТА НЕСТАЦІОНАРНИХ ЧАСОВИХ РЯДІВ

Анотація

Розглянуто основні методи аналізу та прогнозування часових рядів. Досліджено ефективність методу авторегресії, інтегрованої моделі авторегресії ковзаючого середнього (ARIMA), методу аналізу сингулярного спектру (SSA) та методів з використанням нейромереж на основі глибокого навчання для прогнозування часових рядів. Ефективність досліджено на прикладі даних значень функції синусоїди, мінімальної денної температури, ринкового індексу S&P 500 та денної кількості пасажирів авіалінії за критерієм найменшої середньоквадратичної похибки. Проведено порівняльний аналіз отриманих результатів та обґрунтовано доцільність використання даних методів.

Ключові слова: часові ряди, авторегресія, ARIMA, інтегрована модель авторегресії ковзаючого середнього, SSA, аналіз сингулярного спектру, нейромережі.

Перерва А. С., к.т.н., доц., Ковалюк Т. В.  Сравнительный анализ методов прогнозирования стационарных и нестационарных рядов/ Национальный технический университет Украины "Киевский политехнический институт имени Игоря Сикорского", Украина, Киев

Рассмотрены основные методы анализа и прогнозирования временных рядов. Исследована эффективность метода авторегрессии, интегрированной модели авторегрессии скользящего среднего (ARIMA), метода анализа сингулярного спектра (SSA) и методов с использованием нейронных сетей на основе глубокого обучения для прогнозирования временных рядов. Эффективность исследовано на примере данных значений функции синусоиды, минимальной дневной температуры, рыночного индекса S&P 500 и дневного количества пассажиров авиалинии по критерию наименьшей среднеквадратичной погрешности. Проведен сравнительный анализ полученных результатов и обоснована целесообразность использования данных методов.

Ключевые слова: временные ряды, авторегрессия, ARIMA, интегрированная модель авторегрессии скользящего среднего, SSA, анализ сингулярного спектра, нейросети.

Pererva A. S., Candidate of Technical Sciences, Associate Professor, Kovaliuk T. V.  Comparative analysis of prediction methods of stationary and nonstationary series/ National Technical University of Ukraine "Igor Sikorsky Kiev Polytechnic Institute", Ukraine, Kyiv

The basic methods of analysis and forecasting of time series are considered. The effectiveness of the method of autoregression, the model of autoregressive integrated moving average (ARIMA), the method of singular spectrum analysis (SSA) and methods using neural networks based on deep learning for forecasting of time series was investigated. The effectiveness was studied on the example of the values of the function of the sinusoid, the minimum daily temperature, the market index S&P 500 and the daily number of passengers of the airline on the criterion of the lowest mean square error. A comparative analysis of the obtained results is carried out and the feasibility of using these methods is substantiated.

Keywords: time series, autoregression, ARIMA, integrated model of autoregressive sliding average, SSA, analysis of singular spectrum, neural networks.