Загальна методика прогнозування нелінійних нестаціонарних процесів на основі математичних моделей з використанням статистичних даних
The article considers the problem of forecasting nonlinear nonstationary processes, presented in the form of time series, which can describe the dynamics of processes in both technical and economic systems. The general technique of analysis of such data and construction of corresponding mathematical...
Збережено в:
| Дата: | 2021 |
|---|---|
| Автори: | , |
| Формат: | Стаття |
| Мова: | Ukrainian |
| Опубліковано: |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
2021
|
| Теми: | |
| Онлайн доступ: | http://journal.iasa.kpi.ua/article/view/236713 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | System research and information technologies |
Репозитарії
System research and information technologies| id |
journaliasakpiua-article-236713 |
|---|---|
| record_format |
ojs |
| spelling |
journaliasakpiua-article-2367132021-07-13T11:01:37Z General methods of forecasting nonlinear nonstationary processes based on mathematical models using statistical data Общая методика прогнозирования нелинейных нестационарных процессов на основе математических моделей с использованием статистических данных Загальна методика прогнозування нелінійних нестаціонарних процесів на основі математичних моделей з використанням статистичних даних Belas, Oleg Belas, Andrii математичне моделювання оброблення сигналів нестаціонарні процеси авторегресійні моделі нейронні мережі рекурентні нейронні мережі математическое моделирование обработка сигналов нестационарные процессы авторегрессионные модели нейронные сети рекуррентные нейронные сети mathematical modeling signal processing nonstationary processes autoregressive models neural networks recurrent neural networks The article considers the problem of forecasting nonlinear nonstationary processes, presented in the form of time series, which can describe the dynamics of processes in both technical and economic systems. The general technique of analysis of such data and construction of corresponding mathematical models based on autoregressive models and recurrent neural networks is described in detail. The technique is applied on practical examples while performing the comparative analysis of models of forecasting of quantity of channels of service of cellular subscribers for a given station and revealing advantages and disadvantages of each method. The need to improve the existing methodology and develop a new approach is formulated. Рассмотрена проблематика прогнозирования нелинейных нестационарных процессов, представленных в виде временных рядов, которые могут собой описывать динамику процессов как в технических, так и в экономических системах. Подробно описана общая методика анализа таких данных и построения соответствующих математических моделей на базе авторегрессионных моделей и рекуррентных нейронных сетей. Методика применена на практических примерах — выполнен сравнительный анализ моделей прогнозирования количества каналов обслуживания абонентов сотовой связи для конкретной базовой станции, выявлены преимущества и недостатки каждого из методов. Сформулирована необходимость усовершенствования существующей методики и разработки нового подхода. Розглянуто проблематику прогнозування нелінійних нестаціонарних процесів, поданих у вигляді часових рядів, що можуть собою описувати динаміку процесів як у технічних, так і в економічних системах. Детально описано загальну методику аналізу таких даних і побудови відповідних математичних моделей на базі авторегресійних моделей та рекурентних нейронних мереж. Методику застосовано на практичних прикладах — виконано порівняльний аналіз моделей прогнозування кількості каналів обслуговування абонентів стільникового зв’язку для конкретної базової станції, виявлено переваги та недоліки кожного з методів. Сформульовано необхідність удосконалення існуючої методики та розробленні нового підходу. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2021-07-13 Article Article application/pdf http://journal.iasa.kpi.ua/article/view/236713 10.20535/SRIT.2308-8893.2021.1.06 System research and information technologies; No. 1 (2021); 79-86 Системные исследования и информационные технологии; № 1 (2021); 79-86 Системні дослідження та інформаційні технології; № 1 (2021); 79-86 2308-8893 1681-6048 uk http://journal.iasa.kpi.ua/article/view/236713/235254 |
| institution |
System research and information technologies |
| collection |
OJS |
| language |
Ukrainian |
| topic |
математичне моделювання оброблення сигналів нестаціонарні процеси авторегресійні моделі нейронні мережі рекурентні нейронні мережі математическое моделирование обработка сигналов нестационарные процессы авторегрессионные модели нейронные сети рекуррентные нейронные сети mathematical modeling signal processing nonstationary processes autoregressive models neural networks recurrent neural networks |
| spellingShingle |
математичне моделювання оброблення сигналів нестаціонарні процеси авторегресійні моделі нейронні мережі рекурентні нейронні мережі математическое моделирование обработка сигналов нестационарные процессы авторегрессионные модели нейронные сети рекуррентные нейронные сети mathematical modeling signal processing nonstationary processes autoregressive models neural networks recurrent neural networks Belas, Oleg Belas, Andrii Загальна методика прогнозування нелінійних нестаціонарних процесів на основі математичних моделей з використанням статистичних даних |
| topic_facet |
математичне моделювання оброблення сигналів нестаціонарні процеси авторегресійні моделі нейронні мережі рекурентні нейронні мережі математическое моделирование обработка сигналов нестационарные процессы авторегрессионные модели нейронные сети рекуррентные нейронные сети mathematical modeling signal processing nonstationary processes autoregressive models neural networks recurrent neural networks |
| format |
Article |
| author |
Belas, Oleg Belas, Andrii |
| author_facet |
Belas, Oleg Belas, Andrii |
| author_sort |
Belas, Oleg |
| title |
Загальна методика прогнозування нелінійних нестаціонарних процесів на основі математичних моделей з використанням статистичних даних |
| title_short |
Загальна методика прогнозування нелінійних нестаціонарних процесів на основі математичних моделей з використанням статистичних даних |
| title_full |
Загальна методика прогнозування нелінійних нестаціонарних процесів на основі математичних моделей з використанням статистичних даних |
| title_fullStr |
Загальна методика прогнозування нелінійних нестаціонарних процесів на основі математичних моделей з використанням статистичних даних |
| title_full_unstemmed |
Загальна методика прогнозування нелінійних нестаціонарних процесів на основі математичних моделей з використанням статистичних даних |
| title_sort |
загальна методика прогнозування нелінійних нестаціонарних процесів на основі математичних моделей з використанням статистичних даних |
| title_alt |
General methods of forecasting nonlinear nonstationary processes based on mathematical models using statistical data Общая методика прогнозирования нелинейных нестационарных процессов на основе математических моделей с использованием статистических данных |
| description |
The article considers the problem of forecasting nonlinear nonstationary processes, presented in the form of time series, which can describe the dynamics of processes in both technical and economic systems. The general technique of analysis of such data and construction of corresponding mathematical models based on autoregressive models and recurrent neural networks is described in detail. The technique is applied on practical examples while performing the comparative analysis of models of forecasting of quantity of channels of service of cellular subscribers for a given station and revealing advantages and disadvantages of each method. The need to improve the existing methodology and develop a new approach is formulated. |
| publisher |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
| publishDate |
2021 |
| url |
http://journal.iasa.kpi.ua/article/view/236713 |
| work_keys_str_mv |
AT belasoleg generalmethodsofforecastingnonlinearnonstationaryprocessesbasedonmathematicalmodelsusingstatisticaldata AT belasandrii generalmethodsofforecastingnonlinearnonstationaryprocessesbasedonmathematicalmodelsusingstatisticaldata AT belasoleg obŝaâmetodikaprognozirovaniânelinejnyhnestacionarnyhprocessovnaosnovematematičeskihmodelejsispolʹzovaniemstatističeskihdannyh AT belasandrii obŝaâmetodikaprognozirovaniânelinejnyhnestacionarnyhprocessovnaosnovematematičeskihmodelejsispolʹzovaniemstatističeskihdannyh AT belasoleg zagalʹnametodikaprognozuvannânelíníjnihnestacíonarnihprocesívnaosnovímatematičnihmodelejzvikoristannâmstatističnihdanih AT belasandrii zagalʹnametodikaprognozuvannânelíníjnihnestacíonarnihprocesívnaosnovímatematičnihmodelejzvikoristannâmstatističnihdanih |
| first_indexed |
2024-04-08T15:07:50Z |
| last_indexed |
2024-04-08T15:07:50Z |
| _version_ |
1795779587882352640 |