Дослідження ефективності адаптивних методів прогнозування

• Published in: Компьютерная математика
• Date: 2018
• Main Authors: Гуляницький, Л.Ф., Бондар, Т.Г.
• Format: Article
• Language: Ukrainian
• Published: Інститут кібернетики ім. В.М. Глушкова НАН України 2018
• Subjects: Системный анализ
• Online Access: https://nasplib.isofts.kiev.ua/handle/123456789/161849
• Journal Title: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Cite this: Дослідження ефективності адаптивних методів прогнозування / Л.Ф. Гуляницький, Т.Г. Бондар // Компьютерная математика. — 2018. — № 1. — С. 53-60. — Бібліогр.: 7 назв. — укр.

Досліджено ефективність застосування відомих методів Гольта та Вінтерса для побудови прогнозів на основі оптимізації їх параметрів. Отримані результати (скорочення розміру часового ряду і зменшення відносної помилки прогнозу) свідчать про ефективність запропонованого підходу для вирішення актуальної задачі прогнозування часових рядів великого розміру. Аналіз прогнозних даних та помилок засвідчив, що кращі результати в експерименті показав метод Вінтерса із сегментацією. Відзначається, що при збільшенні обсягу початкових даних ефективність методів прогнозування, заснованих на сегментації часового ряду, збільшується. Исследовано эффективность применения известных методов Гольта и Винтерса для построения прогнозов на основе оптимизации их параметров. Полученные результаты (сокращение размера часового ряда и уменьшение относительной ошибки прогноза) свидетельствуют об эффективности предложенного подхода для решения актуальной задачи прогнозирования временных рядов большого размера. Анализ прогнозных данных и ошибок засвидетельствовал, что лучшие результаты в эксперименте показал метод Винтерса с сегментацией. Отмечается, что при увеличении объема начальных данных эффективность методов прогнозирования, основанных на сегментации временного ряда, возрастает. The paper studies the efficiency of the well-known Holt and Winters forecasting methods depending on their parameters. The results obtained (time-series length reduction and MAPE decrease) testify the usefulness of the proposed approach for the forecasting long-time series problem. Winter’s method with segmentation has provided better results in computational experiment. In addition, the increase of an initial dataset size also produces an efficiency increase of the forecasting techniques based on time-series segmentation.