М.В. Артюхов - ген. директор ООО «Эверест Ресерч». E-mail: martukhov@krips-consulting.ru А.А. Романов - к.т.н., кафедра «Информационные системы», Ульяновский государственный технический университет. E-mail: romanov73@gmail.com Г.Ю. Гуськов - аспирант, кафедра «Информационные системы», Ульяновский государственный технический университет. E-mail: guskovgleb@gmail.com И.А. Тимина - ассистент кафедра «Информационные системы», Ульяновский государственный технический университет. E-mail: i.timina@ulstu.ru

Создан коллектив из нескольких методов моделирования временных рядов - моделей экспоненциального сглаживания - в предположении, что если известны все особенности предметной области и есть возможность учесть их в модели, то создание сложных методов моделирования и прогнозирования временных рядов будет эффективным. Для повышения качества про-гнозирования временных рядов неизвестной природы использован агрегированный результат нескольких моделей. Показано, что применение нечеткого подхода позволяет создавать модели с большим числом опций.

 

1. Song Q., Chissom B. Forecasting enrollments with fuzzy time series // Fuzzy Sets and Systems. Part I. 1993. P. 1−9.
2. Peng G., Wang J., Ren P., Gao H., Luo Y. A new improved forecasting method integrated fuzzy time series with exponential smoothing method // Int. J. Environment and Pollution. 2013. V. 51. № ¾. P. 206−221.
3. Elliott G., Granger C.W.J., Timmermann A. Forecast combinations // Handbook of economic forecasting. ElsevierPub. 2006. P. 135−196.
4. Vovk V.G. Universal Forecasting Algorithms // Journal of Information and Computation. 1992. V. 96. P. 245−277.
5. Huarng K. Effective lengths of intervals to improve forecasting in fuzzy time series // Fuzzy Sets and Systems. 2001. № 123. P. 387−394.
6. Viertl R. Statistical Methods for Fuzzy Data // John Wiley & Sons Ltd. 2011. 270 p.
7. Perfilieva I., Yarushkina N., Afanasieva T., Romanov A. Time series analysis using soft computing methods// International Journal of General Systems. 08/2013. V. 42. № 6.
8. Ярушкина Н.Г., Афанасьева Т.В. Нечеткие временные ряды как инструмент для оценки и измерения динамики процессов // Датчики и системы. 2007. Т. 12. С. 46−50.
9. Ярушкина Н.Г., Перфильева И.Г., Афанасьева Т.В. Интегральный метод нечеткого моделирования и анализа нечетких тенденций // Автоматизация процессов управления. 2010. № 2(20). С. 59−63.
10. Perfilieva I., Novák V., Romanov A., Yarushkina N. Time series grouping and trend forecast using f1-transform and fuzzy natural logic // XI International FLINS Conference (FLINS-2014). DOI: 10.1142/9789814619998_0026.
11. Stock J., Watson M. Combination forecasts of output growth in a seven-country data set // Journal of Forecasting. 2004. V.23. P. 405−430.
12. [Электронный ресурс] http://irafm.osu.cz/cif/cif-dataset.txt.
13. [Электронный ресурс] http://www.neural-forecasting-competition.com/NN3/.
14. Перфильева И.Г., Ярушкина Н.Г., Романов А.А. Моделирование нестационарных временных рядов // IIМеждунар. Поспеловский симпозиум «Гибридные и синергетические интеллектуальные системы». ГИСИС-2014. С. 281−289.
15. Namestnikov A.M., Yarushkina N.N. Efficiency of Genetic algorithms for automated design problems // ИзвестияРоссийскойакадемиинаук. Теория и системы управления. 2002. № 2. С. 127−133.
16. Ярушкина Н.Г., Перфильева И.Г., Афанасьева Т.В. Интеграция нечетких моделей для анализа временных рядов // Известия Самарского научного центра Российской академии наук. 2010. Т. 12. № 4−2.С. 506−509.
17. Yarushkina N.G. Soft Computing and complex system analysis // International Journal of General Systems. 2001. Т. 30. № 1. С. 71−88.
18. Ярушкина Н.Г., Афанасьева Т.В., Перфильева И.Г. Интеллектуальный анализ временных рядов. Учеб. пособие. М.: 2012. 159 с.