Порівняльне дослідження алгоритмів виявлення точок змін в регресійних моделях часових рядів

Скорочена інформація про документ
dc.contributor.authorРябцев, Вячеслав Віталійович
dc.contributor.authorШарадкін, Дмитро Михайлович
dc.contributor.authorКлят, Юрій Олександрович
dc.date.accessioned2023-04-10T15:14:15Z
dc.date.available2023-04-10T15:14:15Z
dc.date.issued2021
dc.description.abstractОсновна мета моніторингу будь яких об’єктів та процесів реального світу –від технічних пристроїв до пандемій –є виявлення внутрішніх змін або змін поведінки об’єкта, що вивчається. Поведінка об’єкта може змінюватися з часом через його реакцію на зовнішні події, а також під впливом законів розвитку самого об’єкта. Проблеми виникають у випадках, коли такі внутрішні зміни не спостерігаються безпосередньо. У такому разі отримати інформацію про внутрішні зміни що відбулися можливо лише за допомогою аналізу часових рядів значень параметрів об’єктів, вимірювання яких можливо здійснити технічно та/або організаційно. Проаналізовано алгоритми, що базуються на описі рядів у вигляді лінійних регресійних моделей та призначених для виявлення змін у таких часових рядах. Припускається, що у разі виникнення змін часовий ряд до і після точки в якій такі зміни відбулися описується моделями, які неможливо вважати ідентичними. Розглядається як відомі алгоритми аналізу ідентичності моделей, так і алгоритми, які раніше не описувалися в літературі. Зокрема, алгоритм, що ґрунтується на аналізі змін значень коефіцієнтів регресійних моделей; на аналізі довірчого інтервалу передбачених за регресійними моделями значень ряду; на аналізі залишків регресії з використання нерівності Гефдінга; алгоритми Чо у порівняння дисперсій залишків моделей; алгоритм порівняння розподілів залишків з використанням критерію Колмогорова-Смирнова. Різноманітність характеру зміни поведінки об’єктів моніторингу, в основі яких лежить непередбачуваність причин, що їх викликали, не дозволяють вибрати єдиний універсальний алгоритм виявлення точок змін і робить порівняльну оцінку різних алгоритмів актуальним інженерним і технічним завданням. Аналіз алгоритмів пропонується виконувати на множині еталонних зразків змін, що найбільш характерні для часових рядів параметрів об’єктів у різних прикладних галузях. Ефективність алгоритмів оцінюється за допомогою статистичного експерименту як з точки зору їх здатності виявити саму зміну, так і за порівнянням кількості помилок хибного виявлення та пропуску реальних змін, що генеруються кожним з алгоритмів. Отримані результати можуть стати основою подальшого дослідження, зокрема при побудові ансамблю алгоритмів виявлення точок змін поведінки об’єктів моніторингу.uk
dc.description.abstractotherChanges detection in the behavior of the object is one of the main goals оf any real-world objects’ monitoring. The behavior of an object can change over time due to its reaction to external events, as well as under the influence of the internal development laws of the object. Problems occur in cases when internal changes couldn't be observed directly. In such cases, it is possible to obtain information about the internal changes only through analysis of the time series observed parameters, the measurement of which could be performed technically and/or organizationally. Several changes detection algorithms in time series, which are based on the linear regression models are discussed. It is assumed that if the event of changes occurs, the time series before and the time series after the change point are described by models which cannot be considered identical. Some known algorithms for analyzing the identity of models and algorithms that have not previously been deposited in the literature are considered. In particular, an algorithm for change points detection based on changes in the values of the regression models coefficients; based on analyzing the confidence interval of the predicted values of the series; based on analyzing regression residuals based on theuse of Höffding's inequality; Chow algorithms for comparing variances of residuals; an algorithm for comparing the distributions of residuals using the Kolmogorov-Smirnov's two-samples test. The variety of objects in the real world, types of changes in their behavior, which are based on the unpredictability of the reasons that caused them, do not allow choosing a single change points detection method and makes a comparative assessment of various algorithms an urgent engineering problem. Thepaper proposes an algorithms’analysis depending on the types of changes that are most typical for parameters time series in various domains. The effectiveness of the algorithms is assessed by the method of the statistical experiment by their ability to detect a change, as well as by comparing the number of false detection errors and skipping real changes. The obtained results can be used for further research of algorithms, in particular, in the case of constructing an ensemble of algorithms for identifying change points of the behavior of monitoredobjects.uk
dc.format.pagerangePp. 137-150uk
dc.identifier.citationРябцев, В. Порівняльне дослідження алгоритмів виявлення точок змін в регресійних моделях часових рядів / Рябцев Вячеслав Віталійович, Шарадкін Дмитро Михайлович, Клят Юрій Олександрович // Information Technology and Security. – 2021. – Vol. 9, Iss. 2 (17). – Pp. 137–150. – Bibliogr.: 24 ref.uk
dc.identifier.doihttps://doi.org/10.20535/2411-1031.2021.9.2.249887
dc.identifier.issn2411-1031
dc.identifier.orcid0000-0001-8331-0132uk
dc.identifier.orcid0000-0001-6407-8040uk
dc.identifier.orcid0000-0002-8267-3748uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/54444
dc.language.isoukuk
dc.publisherInstitute of Special Communication and Information Protection of National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute”uk
dc.publisher.placeKyivuk
dc.relation.ispartofInformation Technology and Security : Ukrainian research papers collection, 2021, Vol. 9, Iss. 2 (17)uk
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjecttime seriesuk
dc.subjectanomaliesuk
dc.subjectchange points detectionuk
dc.subjectchange detection predictive algorithmsuk
dc.subjectregression modelsuk
dc.subjectчасові рядиuk
dc.subjectаномаліїuk
dc.subjectвиявлення точок зміниuk
dc.subjectпрогнозні алгоритми виявлення змінuk
dc.subjectрегресійні моделіuk
dc.subject.udc004(942:056.53)uk
dc.titleПорівняльне дослідження алгоритмів виявлення точок змін в регресійних моделях часових рядівuk
dc.title.alternativeСomparative analysis of algorithms for change points detection in regression models of time seriesuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
249887-581426-2-10-20220320.pdf
Розмір:
735.86 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Information Technology and Security, Vol. 9, Iss. 2 (17)