Forecast of time series using their segmentation based on wavelet analysis of scalogram

It is presented a methodological approach in developing models predicting time series which is in application of the properties of frequency-ordered energy coefficients of orthogonal analysis of the levels of wavelet decomposition for to identify long-term trends, seasonal and noise components. Then...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Datum:2016
Hauptverfasser: Voloshko, A. V., Muzyka, N. Yu.
Format: Artikel
Sprache:Ukrainian
Veröffentlicht: Інститут проблем реєстрації інформації НАН України 2016
Schlagworte:
Online Zugang:http://drsp.ipri.kiev.ua/article/view/100343
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:Data Recording, Storage & Processing

Institution

Data Recording, Storage & Processing
id drspiprikievua-article-100343
record_format ojs
spelling drspiprikievua-article-1003432020-12-29T20:58:25Z Forecast of time series using their segmentation based on wavelet analysis of scalogram Прогнозирование временных рядов с помощью их сегментации на основе анализа вейвлет-скалограмм Прогнозування часових рядів за допомогою їхньої сегментації на основі аналізу вейвлет-скалограм Voloshko, A. V. Muzyka, N. Yu. orthogonal transformation wavelet analysis forecast prediction error ортогональные преобразования вейвлет-анализ прогнозирование ошибка прогнозирования ортогональні перетворення вейвлет-аналіз прогнозу­вання похибка прогнозування It is presented a methodological approach in developing models predicting time series which is in application of the properties of frequency-ordered energy coefficients of orthogonal analysis of the levels of wavelet decomposition for to identify long-term trends, seasonal and noise components. Then, it is performed a segmentation of the results of wavelet decomposition of the time series and forecast of each segment separately. Fig.: 3. Refs: 19 titles. Представлен методологический подход при разработке модели прогнозирования временных рядов, который заключается в применении свойств частотно-упорядоченных энергий коэффициентов ортогонального анализа по уровням вейвлет-декомпозиции для выявления долговременных трендов, сезонных и шумовых компонент. В дальнейшем производится сегментация результатов вейвлет-декомпозиции временного ряда и прогнозирование каждого сегмента отдельно. Ил.: 3. Библиогр.: 19 наим. Представлено методологічний підхід при розробці моделі прогнозуван­ня часових рядів, який полягає у застосуванні властивостей частотно-впорядкованих енергій коефіцієнтів ортогонального аналізу за рів­нями вейвлет-декомпозиції для виявлення довготривалих трендів, се­зонних і шумових компонент. У подальшому проводиться сегментування результатів вейвлет-декомпозиції часового ряду і прогнозування кожного сегмента окремо. Інститут проблем реєстрації інформації НАН України 2016-03-01 Article Article application/pdf http://drsp.ipri.kiev.ua/article/view/100343 10.35681/1560-9189.2016.18.1.100343 Data Recording, Storage & Processing; Vol. 18 No. 1 (2016); 23-31 Регистрация, хранение и обработка данных; Том 18 № 1 (2016); 23-31 Реєстрація, зберігання і обробка даних; Том 18 № 1 (2016); 23-31 1560-9189 uk http://drsp.ipri.kiev.ua/article/view/100343/95489 Авторське право (c) 2021 Реєстрація, зберігання і обробка даних
institution Data Recording, Storage & Processing
baseUrl_str
datestamp_date 2020-12-29T20:58:25Z
collection OJS
language Ukrainian
topic orthogonal transformation
wavelet analysis
forecast
prediction error
spellingShingle orthogonal transformation
wavelet analysis
forecast
prediction error
Voloshko, A. V.
Muzyka, N. Yu.
Forecast of time series using their segmentation based on wavelet analysis of scalogram
topic_facet orthogonal transformation
wavelet analysis
forecast
prediction error
ортогональные преобразования
вейвлет-анализ
прогнозирование
ошибка прогнозирования
ортогональні перетворення
вейвлет-аналіз
прогнозу­вання
похибка прогнозування
format Article
author Voloshko, A. V.
Muzyka, N. Yu.
author_facet Voloshko, A. V.
Muzyka, N. Yu.
author_sort Voloshko, A. V.
title Forecast of time series using their segmentation based on wavelet analysis of scalogram
title_short Forecast of time series using their segmentation based on wavelet analysis of scalogram
title_full Forecast of time series using their segmentation based on wavelet analysis of scalogram
title_fullStr Forecast of time series using their segmentation based on wavelet analysis of scalogram
title_full_unstemmed Forecast of time series using their segmentation based on wavelet analysis of scalogram
title_sort forecast of time series using their segmentation based on wavelet analysis of scalogram
title_alt Прогнозирование временных рядов с помощью их сегментации на основе анализа вейвлет-скалограмм
Прогнозування часових рядів за допомогою їхньої сегментації на основі аналізу вейвлет-скалограм
description It is presented a methodological approach in developing models predicting time series which is in application of the properties of frequency-ordered energy coefficients of orthogonal analysis of the levels of wavelet decomposition for to identify long-term trends, seasonal and noise components. Then, it is performed a segmentation of the results of wavelet decomposition of the time series and forecast of each segment separately. Fig.: 3. Refs: 19 titles.
publisher Інститут проблем реєстрації інформації НАН України
publishDate 2016
url http://drsp.ipri.kiev.ua/article/view/100343
work_keys_str_mv AT voloshkoav forecastoftimeseriesusingtheirsegmentationbasedonwaveletanalysisofscalogram
AT muzykanyu forecastoftimeseriesusingtheirsegmentationbasedonwaveletanalysisofscalogram
AT voloshkoav prognozirovanievremennyhrâdovspomoŝʹûihsegmentaciinaosnoveanalizavejvletskalogramm
AT muzykanyu prognozirovanievremennyhrâdovspomoŝʹûihsegmentaciinaosnoveanalizavejvletskalogramm
AT voloshkoav prognozuvannâčasovihrâdívzadopomogoûíhnʹoísegmentacíínaosnovíanalízuvejvletskalogram
AT muzykanyu prognozuvannâčasovihrâdívzadopomogoûíhnʹoísegmentacíínaosnovíanalízuvejvletskalogram
first_indexed 2025-07-17T10:55:25Z
last_indexed 2025-07-17T10:55:25Z
_version_ 1850410835862618112