Участник:Vovacher

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Новая: '''МФТИ, ФУПМ''' Кафедра '''«Интеллектуальные системы»''' Направление '''«Интеллектуальный анализ данных...)
Текущая версия (16:37, 27 августа 2015) (править) (отменить)
(Новая: '''МФТИ, ФУПМ''' Кафедра '''«Интеллектуальные системы»''' Направление '''«Интеллектуальный анализ данных...)
 

Текущая версия

МФТИ, ФУПМ

Кафедра «Интеллектуальные системы»

Направление «Интеллектуальный анализ данных»

vladimir.chernykh@phystech.edu

Отчет о научно-исследовательской работе

Весна 2015, 6-й семестр


Прогнозирование нестационарных временных рядов при несимметричных функциях потерь

Рассматривается задача прогнозирования временных рядов при несимметричных функциях потерь. Предлагается двухэтапный алгоритм прогнозирования ARIMA+Hist. На первом этапе используется авторегрессионное интегрированное скользящее среднее ARIMA с сезонной компонентой в случае необходимости. Параметры модели подбираются согласно методологии Бокса-Дженкинса. На втором этапе проводится анализ регрессионных остатков и находится оптимальная добавка к прогнозу, полученному на первом шаге, минимизирующая математическое ожидание потерь. Для оценки ожидаемых потерь используется свертка функции потерь с гистограммой регрессионных остатков. Работа предлагаемого двухэтапного алгоритма иллюстрируется на временных рядах с различными элементами нестационарности (тренд, сезонность) и для различных симметричных и несимметричных функций потерь. Демонстрируется, что качество прогнозов двухэтапного алгоритма превосходит качество прогнозов модели ARIMA в случае несимметричных функций потерь.

Публикация

Черных В. Ю. Прогнозирование нестационарных временных рядов при несимметричных функциях потерь // Машинное обучение и анализ данных. — 2015. — ISSN 2223-3792. (подана в журнал)

Личные инструменты