Анализ самоподобия многомерных временных рядов на основе методов интеллектуального анализа данных

• Опубліковано в: : Электронное моделирование
• Дата: 2017
• Автори: Минаев, Ю.Н., Гузий, Н.Н., Филимонова, О.Ю., Минаева, Ю.И.
• Формат: Стаття
• Мова: Russian
• Опубліковано: Інститут проблем моделювання в енергетиці ім. Г.Є. Пухова НАН України 2017
• Теми: Вычислительные процессы и системы
• Онлайн доступ: https://nasplib.isofts.kiev.ua/handle/123456789/127635
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Анализ самоподобия многомерных временных рядов на основе методов интеллектуального анализа данных / Ю.Н. Минаев, Н.Н. Гузий, О.Ю. Филимонова, Ю.И. Минаева // Электронное моделирование. — 2017. — Т. 39, № 4. — С. 43-67. — Бібліогр.: 19 назв. — рос.

Предложены методы вычисления показателя Херста для одномерного и многомерного временных рядов (ВР) на основе главных диагоналей тензорных моделей ВР. Показано, что сложность проблемы обусловливает совместное применение нескольких математических теорий, в частности тензорный и многомерный матричный анализ. Приведены примеры применения предложенных методов. Запропоновано методи обчислення показника Херста для одновимірного та багатовимірного часових рядів (ЧР) на основі головних діагоналей тензорних моделей ЧР. Показано, що складність проблеми зумовлює застосування декількох математичних моделей, зокрема тензорний і багатовимірний матричний аналіз. Наведено приклади використання запропонованих методів. Calculation methods have been proposed for the Hurst factor for univariate and multivariate TS on the basis of the main diagonals of TS tensor models. It is shown that the problem complexity determines the joint use of several mathematical theories, in particular, the tensor and multivariate matrix analysis. The examples of using the proposed methods are presented.