Извлечение знаний о зависимостях временных рядов для задач прогнозирования

Н.Г. Ярушкина; Т.В. Афанасьева; А.А. Романов; И.А. Тимина

Извлечение знаний о зависимостях временных рядов для задач прогнозирования

Н.Г. Ярушкина¹, Т.В. Афанасьева², А.А. Романов³, И.А. Тимина⁴

научная статья Страницы: 141-146

¹ д.т.н., профессор, зав. кафедрой «Информационные системы», проректор по научной работе, Ульяновский государственный технический университет
² д.т.н., доцент, кафедра «Информационные системы», Ульяновский государственный технический университет
³ к.т.н., кафедра «Информационные системы», Ульяновский государственный технический университет
⁴ аспирант, кафедра «Информационные системы», Ульяновский государственный технический университет

Ключевые слова: нечеткий временной ряд прогнозирование. нечеткая тенденция коэффициент сходства

Аннотация

Предложен алгоритм корректировки прогнозирования временных рядов, который учитывает влияние основной нечеткой тенденции временного ряда, а также зависимость текущего состояния временного ряда (ВР) от предыдущего. Для прогнозирования используется гипотеза сохранения тенденция. Предлагаемый подход был исследован экспериментально.

Для цитирования

Ярушкина Н.Г., Афанасьева Т.В., Романов А.А., Тимина И.А. Извлечение знаний о зависимостях временных рядов для задач прогнозирования // Радиотехника. 2014. № 7. С. 141–146.

Список источников

Holt C.C. Forecasting trends and seasonals by exponentially weighted moving averages // O.N.R. Memorandum. Carnegie Inst. of Technology. 1957. № 2.
Kendall M. Time series: Translated from English / ed. by Yu.P. Lukashina.Мoscow: Finansy I statistika. 1981. 199 p.
Anderson T. W. Statistical Analysis of Time Series. New York: John Wiley and Sons. Inc. 1971.
Box J. Time series analysis: Forecasting and control: Translated from English / ed. by F. Pisarenko.Мoscow: Mir. 1974. 406 p.
Zadeh A. Lotfi. Fuzzy Sets. Information and Control. 1965.
Sabic D.A., Pedrycz W. Evaluation on fuzzy linear regression models // Fuzzy Sets and Systems. 1991. № 23. Р. 51-63.
Chen S.M. Forecasting enrollments based on high-order fuzzy time series // Cybernetics and Systems: An International Journal. 2002. № 33. Р. 1-16.
Song Q., Chissom B. Fuzzy time series and its models // Fuzzy Sets and Systems. 1993. № 54. Р. 269-277.
Афанасьева Т.В., Ярушкина Н.Г. Нечеткий динамический процесс с нечеткими тенденциями в анализе временных рядов // Вестник Ростовского государственного университета путей сообщения. 2011. № 3. С. 7-16.
Perfilieva I., Yarushkina N., Afanaseva T. Relaxed Discrete F-Transform and its Application to the Time Series Analysis / // Da Ruanetal (Eds.): Computational Intelligence. Foundations and Applications (Proc.of the 9th Int. FLINS Conf.). P. 249 -255, World Scientific, Emei, Chengdu, China, 2-4 August, 2010.
Tanaka H., Uejima S., Asai K. Linear regression analysis with fuzzy model // IEEE Transactions on Systems, Man and Cybernetics. 1982. № 12(6). Р. 903-907.
Yarushkina N. et al. Time Series Processing and Forecasting using Soft Computing Tools. Lecture Notes in Computer Science. V. 6743. Proceedings of 13^th International Conf. RSFDGrC-2011. Springer-Verlag, BerlinHeidelberg. 2011. XIII. P. 155-163.
Perfilieva I., Yarushkina N., Afanasieva T., Igonin A., Romanov A., Shishkina V. Soft computing tools for time series analysis and forecast / Proceedings of the 9th Int. Conf. on Application of Fuzzy Systems and Soft Computing (ICAFS 2010) Eds. R.A. Aliev, K.W. Bonfig, M. Jamshidi, W. Pedrycz, I.B. Turksen, Prague, August 26-27. 2010. VERLAG b- Quadrat Verlag. P. 50-60.
Gregory, Allan W., Hansen, Bruce E.Residual-based tests for cointegration in models with regime shifts // Journal of Econometrics. 1996. V. 70 (1). P. 99-126.
Engle, Robert F., Granger, Clive W.J.Co-integration and error correction: Representation, estimation and testing // Econometrica. 1987. V. 55 (2). P. 251-276.
Granger Clive. Some Properties of Time Series Data and Their Use in Econometric Model Specification // Journal ofEconometrics. V. 16(1). P. 121-130.
Ярушкина Н.Г. Основы теории нечетких и гибридных систем: учеб. пособие. М.: Финансыистатистика. 2004. 320 с.
Perfilieva I., Yarushkina N., Afanasieva T., and Romanov A. Time series analysis by soft computing methods // Int. Journal Of General Systems. 2013. V. 42. P. 687-705.
Perfilieva I., Dankov´a M., and Bede B.Towards a Higher Degree F-Transform // Fuzzy Sets and Systems. 2011. V. 180. P. 319.
Тимина И.А. Нечеткая зависимость как метод решения задач интеллектуального анализа временных рядов // Автоматизация процессов управления. Ульяновск: НПО «Марс». 2013. № 3(33). С. 39-44.

Полный текст, PDF 350 ₽

[1] Holt C.C. Forecasting trends and seasonals by exponentially weighted moving averages // O.N.R. Memorandum. Carnegie Inst. of Technology. 1957. № 2.

[2] Kendall M. Time series: Translated from English / ed. by Yu.P. Lukashina.Мoscow: Finansy I statistika. 1981. 199 p.

[3] Anderson T. W. Statistical Analysis of Time Series. New York: John Wiley and Sons. Inc. 1971.

[4] Box J. Time series analysis: Forecasting and control: Translated from English / ed. by F. Pisarenko.Мoscow: Mir. 1974. 406 p.

[5] Zadeh A. Lotfi. Fuzzy Sets. Information and Control. 1965.

[6] Sabic D.A., Pedrycz W. Evaluation on fuzzy linear regression models // Fuzzy Sets and Systems. 1991. № 23. Р. 51-63.

[7] Chen S.M. Forecasting enrollments based on high-order fuzzy time series // Cybernetics and Systems: An International Journal. 2002. № 33. Р. 1-16.

[8] Song Q., Chissom B. Fuzzy time series and its models // Fuzzy Sets and Systems. 1993. № 54. Р. 269-277.

[9] Афанасьева Т.В., Ярушкина Н.Г. Нечеткий динамический процесс с нечеткими тенденциями в анализе временных рядов // Вестник Ростовского государственного университета путей сообщения. 2011. № 3. С. 7-16.

[10] Perfilieva I., Yarushkina N., Afanaseva T. Relaxed Discrete F-Transform and its Application to the Time Series Analysis / // Da Ruanetal (Eds.): Computational Intelligence. Foundations and Applications (Proc.of the 9th Int. FLINS Conf.). P. 249 -255, World Scientific, Emei, Chengdu, China, 2-4 August, 2010.

[11] Tanaka H., Uejima S., Asai K. Linear regression analysis with fuzzy model // IEEE Transactions on Systems, Man and Cybernetics. 1982. № 12(6). Р. 903-907.

[12] Yarushkina N. et al. Time Series Processing and Forecasting using Soft Computing Tools. Lecture Notes in Computer Science. V. 6743. Proceedings of 13^th International Conf. RSFDGrC-2011. Springer-Verlag, BerlinHeidelberg. 2011. XIII. P. 155-163.

[13] Perfilieva I., Yarushkina N., Afanasieva T., Igonin A., Romanov A., Shishkina V. Soft computing tools for time series analysis and forecast / Proceedings of the 9th Int. Conf. on Application of Fuzzy Systems and Soft Computing (ICAFS 2010) Eds. R.A. Aliev, K.W. Bonfig, M. Jamshidi, W. Pedrycz, I.B. Turksen, Prague, August 26-27. 2010. VERLAG b- Quadrat Verlag. P. 50-60.

[14] Gregory, Allan W., Hansen, Bruce E.Residual-based tests for cointegration in models with regime shifts // Journal of Econometrics. 1996. V. 70 (1). P. 99-126.

[15] Engle, Robert F., Granger, Clive W.J.Co-integration and error correction: Representation, estimation and testing // Econometrica. 1987. V. 55 (2). P. 251-276.

[16] Granger Clive. Some Properties of Time Series Data and Their Use in Econometric Model Specification // Journal ofEconometrics. V. 16(1). P. 121-130.

[17] Ярушкина Н.Г. Основы теории нечетких и гибридных систем: учеб. пособие. М.: Финансыистатистика. 2004. 320 с.

[18] Perfilieva I., Yarushkina N., Afanasieva T., and Romanov A. Time series analysis by soft computing methods // Int. Journal Of General Systems. 2013. V. 42. P. 687-705.

[19] Perfilieva I., Dankov´a M., and Bede B.Towards a Higher Degree F-Transform // Fuzzy Sets and Systems. 2011. V. 180. P. 319.

[20] Тимина И.А. Нечеткая зависимость как метод решения задач интеллектуального анализа временных рядов // Автоматизация процессов управления. Ульяновск: НПО «Марс». 2013. № 3(33). С. 39-44.

Аннотация

Для цитирования

Похожие статьи