И.А. Тимина – ассистент, кафедра «Информационные системы», 

Ульяновский государственный технический университет

E-mail: i.timina@ulstu.ru

Е.Н. Эгов – ассистент, кафедра «Информационные системы», 

Ульяновский государственный технический университет

E-mail: kater73ru@rambler.ru

Ю.П. Егоров – д.т.н., профессор, гл. науч. сотрудник, ФНПЦ ОАО «НПО «Марс» (г. Ульяновск) E-mail: yupe@mail.ru

Д.В. Яшин – ассистент, кафедра «Информационные системы», 

Ульяновский государственный технический университет

E-mail: dv.yashin@ulstu.ru

С.К. Киселев – д.т.н., профессор, зав. кафедрой «Измерительно-вычислительные комплексы»,  Ульяновский государственный технический университет E-mail: ksk@ulstu.ru

Предложен подход к оптимизации решения задачи прогнозирования временных рядов, которая заключается в применении агрегатора для выбора методов прогнозирования, которые дадут наилучший прогноз. При выборе методов учтены особенности временного ряда. В агрегаторе использованы методы машинного обучения для выбора методов. Агрегатор встроен в информационную систему «Combination of fuzzy and exponential models», также в систему добавлены два метода прогнозирования.

1. Тимина И.А. Нечеткая зависимость временных рядов в моделировании и прогнозировании состояния организации // Сб. научных трудов 5-й Всерос. научно-технич. конф. «Информатика и вычислительная техника». Май 2013. С. 228−234.
2. Артюхов М.В., Ярушкина Н.Г., Романов А.А., Гуськов Г.Ю., Тимина И.А. Построение массива методов для прогнозирования временных рядов // VIII Междунар. научно-практическая конф. «Интегрированные модели и мягкие вычисления в искусственном интеллекте». Май 2015. Т. 1. С. 332−341.
3. Артюхов М.В., Ярушкина Н.Г., Романов А.А., Гуськов Г.Ю., Тимина И.А. Прогнозирование временных рядов коллективами методов // Радиотехника. 2015. Т. 6. С. 48−54.
4. Ярушкина Н.Г., Воронина В.В., Тимина И.А., Эгов Е.Н. Прогнозирование состояния технической системы с применением меры энтропии для нечетких временных рядов // Автоматизация процессов управления. 2015. Т. 3(41). С. 49−58.
5. Тимина И.А. Прогнозирование зависимых нестационарных временных рядов на основе нечетких элементарных тенденций с учетом регулирования гипотезы // Сб. материалов 48-й научно-технич. конф. «Вузовская наука в современных условиях». 2014. С. 182−185.
6. Ярушкина Н.Г., Тимина И.А. Алгоритм адаптации прогноза зависимых временных рядов // Материалы 2-го Междунар. Поспеловского симпозиума «Гибридные и синергетические интеллектуальные системы ГИСИС’2014». 2014. С. 398−403.
7. Ярушкина Н.Г. Основы нечетких и гибридных сетей. М.: Финансы и статистика. 2014.
8. Ярушкина Н.Г., Афанасьева Т.В., Перфильева И.Г. Интеллектуальный анализ временных рядов: Учеб. пособие. Ульяновск: УлГТУ. 2010.
9. Computational Intelligence in Forecasting (CIF). URL = http://irafm.osu.cz/cif/main.php (дата обращения 10.04.2016).
10. Vovk V.G. Universal Forecasting Algorithms // Journal of Information and Computation. 1992. V. 96. P. 245−277.
11. Romanov A., Yarushkina N., Perfilieva I. Time series grouping on the basis of F1-transform // IEEE International Conference on FUZZY Systems. 2014.
12. Kovalev S.M., Sokolov S.V., Kucherenko P.A. Intelligent processing of temporal data based on hybrid fuzzy-stochastic models// Automatic control and computer sciences. Т. 49. № 1. 2015.
13. Аверкин А.Н., Ярушев С.А., Повидало И.С. Гибридные нейронные сети в задачах прогнозирования временных рядов // Научная сессия НИЯУ МИФИ-2015. Аннотации докладов. В 3-х томах (отв. ред. О.Н. Голотюк). 2015.
14. Обзор моделей прогнозирования временных рядов. URL = https://habrahabr.ru/post/180409/ (дата обращения 10.04.2016).