Алгоритм і програма аналізу часових рядів з використанням машинного навчання

Скорочена інформація про документ
dc.contributor.advisorРоманкевич, Олексій Михайлович
dc.contributor.authorГорба, Дмитро Олександрович
dc.date.accessioned2021-08-12T08:44:30Z
dc.date.available2021-08-12T08:44:30Z
dc.date.issued2021-06
dc.description.abstractenQualification work includes an explanatory note (50 p., 12 fig., 3 tab., 4 appendices). The purpose of this project is to create an algorithm for predicting non-stationary time series in the case of asymmetric loss functions. A two-stage forecasting algorithm is proposed, at the first stage of which the properties of the time series that determine its non-stationarity, such as trend and seasonality, are tracked. In the second stage, it is proposed to find an amendment that will ensure the optimal forecast in the case of an asymmetric loss function. The proposed algorithm uses the idea that with an asymmetric loss function the optimal forecast is shifted, and its shift depends only on the loss function and the variance of the time series. The idea of using an autoregressive model with minimization of the quadratic loss function to obtain an unbiased forecast and analysis of regression residues to estimate the optimal forecast offset is also used. As part of the project, in order to implement this algorithm and predict non-stationary time series, the Python programming language was chosen. Using this algorithm for analyzing time series, it is possible to analyze and predict time series from different fields of activity, such as: medicine, meteorology, economics, astronomy, etc.uk
dc.description.abstractukКваліфікаційна робота включає пояснювальну записку (50 с., 12 рис., 3 табл., 4 додатки). Метою даного дипломного проекту є створення алгоритму для прогнозування нестаціонарних часових рядів в разі несиметричних функцій втрат. Пропонується двоетапний алгоритм прогнозування, на першому етапі якого відстежуються властивості часового ряду, які зумовлюють його нестаціонарність, такі як тренд і сезонність. На другому етапі пропонується знайти поправку, що забезпечить оптимальність прогнозу в разі несиметричної функції втрат. Запропонований алгоритм використовує ідею про те, що при несиметричній функції втрат оптимальний прогноз зміщений, причому його зміщення залежить тільки від функції втрат і дисперсії часового ряду. Також використовується ідея використання авторегресійної моделі з мінімізацією квадратичної функції втрат для отримання незміщеного прогнозу та аналізу регресійних залишків для оцінки оптимального зміщення прогнозу. В рамках дипломного проекту, задля реалізації даного алгоритму та прогнозування нестаціонарних часових рядів було обрано мову програмування Python. Використовуючи даний алгоритм аналізу часових рядів можливо проаналізувати та спрогнозувати часові ряди з різних сфер діяльності, таких як: медицина, метеорологія, економіка астрономія і т.д..uk
dc.format.page63 с.uk
dc.identifier.citationГорба, Д. О. Алгоритм і програма аналізу часових рядів з використанням машинного навчання : дипломний проєкт … бакалавра : 123 Комп'ютерна інженерія / Горба Дмитро Олександрович. – Київ, 2021. – 63 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/43179
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectалгоритмuk
dc.subjectалгоритм аналізу часових рядівuk
dc.subjectчасовий рядuk
dc.subjectметоди аналізуuk
dc.subjectмашинне навчанняuk
dc.subjectнестаціонарні часові рядиuk
dc.subjectPythonuk
dc.subjectalgorithmuk
dc.subjecttime series analysis algorithmuk
dc.subjecttime seriesuk
dc.subjectanalysis methodsuk
dc.subjectmachine learninguk
dc.subjectnon-stationary time seriesuk
dc.titleАлгоритм і програма аналізу часових рядів з використанням машинного навчанняuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
HorbaDO_bakalavr.pdf
Розмір:
1.69 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.01 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (СПСКС)
Бакалаврські роботи