Прогнозування часових рядів за допомогою їхньої сегментації на основі аналізу вейвлет-скалограм

Автор(и)

  • A. V. Voloshko Інститут енергозбереження та енергоменеджменту НТУУ «КПІ», Україна
  • N. Yu. Muzyka Інститут енергозбереження та енергоменеджменту НТУУ «КПІ», Україна

DOI:

https://doi.org/10.35681/1560-9189.2016.18.1.100343

Ключові слова:

ортогональні перетворення, вейвлет-аналіз, прогнозу­вання, похибка прогнозування

Анотація

Представлено методологічний підхід при розробці моделі прогнозуван­ня часових рядів, який полягає у застосуванні властивостей частотно-впорядкованих енергій коефіцієнтів ортогонального аналізу за рів­нями вейвлет-декомпозиції для виявлення довготривалих трендів, се­зонних і шумових компонент. У подальшому проводиться сегментування результатів вейвлет-декомпозиції часового ряду і прогнозування кожного сегмента окремо.

Посилання

Bjenn D.V. Sravnitel'nye modeli prognozirovanija jelektricheskoj nagruzki / D.V. Bjenn, E.D. Farmer. — M.: Jenergoatomizdat, 1987. — 197 s.

Fogler H.P. A pattern recognition model for forecasting / H.P. Fogler // Мanagement science. — 1974. — N 8. — P. 1178–1189.

Mytyushkyn Yu.Y. Soft Computing: identyfikatsiya zakonomirnostey nechitkymy bazamy znan': monohrafiya / Yu.Y. Mytyushkyn, B.I. Mokin, O.P. Rotshteyn. — Vinnytsya: UNIVERSUM – Vinnytsya, 2002. — 145 s.

Santi E. Hybrid ARIMAX-NN model for forecasting Inflation / E. Santi, P.D. Dwi // International Conference on Science, Technology and Humantly. — 2015. — P. 181–187.

Bennett G.J. Autoregressive with Exogenous Variables and Neural Network Short-Time Load Forecast Model for Residential Low Voltage Distribution Networks / C. Bennett, R.A.S Stewart, J. Lu // Energies. — 2014. — N 7. — P. 2938–2960.

Takagi H. Introduction to Fuzzy Systems, Neural Network and Genetic Algoritms [Elektronnyy resurs] / H. Takagi. — Rezhym dostupu: /www.teleametrika.net/reference/Software/infoToFuzzySystemsNeuralNetsGeneticAlgoritms.pdf

Shaible B. Fuzzy Logic based Regression models for Electronics manufacturing Applications [Elektronnyy resurs] / B. Shaible, Y.C. Lee. — Rezhym dostupu: citeseerx.ist.psu.edu/viewdoc/ download?doi=10.1.1.17.65458&rep=rep&type= pdf

Chuchueva I.A. Model' jekstrapoljacii vremennyh rjadov po vyborke maksimal'nogo podobija / I.A. Chuchueva // Informacionnye tehnologii. — 2010. —No.12. — S. 43–47.

Grauder J. Combaining Forecasts Twenty years Later / J. Grauder, W.J. Clive // Journal of Forecasting. — 1989. — Vol. 8. — P. 167–173.

Oliva R. Managing Functional Biases Organizational Forecasts: A Case Study of Consensus Forecasting in Supply Chain Planning / R. Oliva, N. Watson // The International Journal of Applied Forecasting. — 2006. — Issue. 5. — P. 27–31.

Aizenberg I. Multilayer Neural Network with Multi-Valued Neurons in Time series Forecasting of Oil Production / I. Aizenberg, L.Sheremetov, L. Willa // Springer. — 2011. — 273 p.

Bennett G.J. Forecasting low voltage distribution network demand profiles using a pattern recognition based expert sysnem [Elektronnyy resurs] / G.J. Bennett. — Rezhym dostupu: http://dx.doi.org/10.1016/j.energy.2014.01.032.

Paulo M. Modeling and forecasting interval Time Series with Threshold models: An Application to S&P 500 Index Returns [Elektronnyy resurs] / M. Paulo, M. Rodrigues, N. Salish. — Rezhym dostupu: http://www.bportugal.pt/e

Malla S. Vejvlety v obrabotke signalov: per. s angl. — M.: Mir, 2005. — 671 s.

Voloshko A.V. Klasyfikatsiya informatsiynykh syhnaliv za vidnosnoyu entropiyeyu po rivnyakh veyvlet-dekompozytsiyi / Enerhetyka: ekonomika, tekhnolohiyi, ekolohiya. — 2015. — No. 3(41). — S. 20–27.

Heyzenberh V. Suchasna kvantova mekhanika. Try nobelivs'kykh dopovidi / V. Heyzenberh, E. Shredinher, P.A. Dirak. — M.: HTTI. 2004. — S. 13–35.

Ghandehari M. A four dimensional continuous wavelet transform. Commutative and Noncommutative Harmonic Analysis and Applications, Contemporary Mathematics / M. Ghandehari, A. Syzdykova, K. Taylor // Amer. Math. Soc., Providence. — 2013. — Vol. 603. — P. 123–136.

Voloshko A.V. Shchodo zastosuvannya veyvlet-peretvorennya dlya vyznachennya ta otsinky pokaznykiv yakosti elektrychnoyi enerhiyi / A.V. Voloshko, A.L. Kharchuk // Enerhetyka: ekonomika, tekhnolohiyi, ekolohiya. — 2013. – No. 1. — S. 28–34.

Arino M.A. Wavelet scalograms and their application in ecjnjmic time series / M.A. Arino, P.A. Morettin, B. Vidakovic // Brazilian Journal of Probability and Statistics. — 2004. — Vol. 18. —Р. 37–51.

##submission.downloads##

Опубліковано

2016-03-01

Номер

Розділ

Математичні методи обробки даних