| Реферат: | rus: В теории информации известно, что методы сжатия данных могут быть использованы для прогнозирования
стационарных процессов. В данной работе предложен базирующийся на архиваторах алгоритм прогнозирования
временных рядов и проведено экспериментальное исследование его эффективности. В процессе работы описанного
алгоритма могут быть использованы произвольные методы сжатия данных, причем прогнозные значения
от разных методов комбинируются, и наибольшее влияние на конечный результат оказывает метод, способный
сильнее других сжать временной ряд. Данный алгоритм может быть использован для прогнозирования рядов
с дискретными и непрерывными алфавитами. Для повышения точности прогноза возможно применение существующих
методов предварительной обработки данных. Экспериментальное исследование эффективности предложенного
алгоритма проводилось на временных рядах из M3 Competition и ряде T-индекса, при этом были использованы
хорошо известные архиваторы. Результаты вычислений показали, что полученный метод обладает
сравнительно высокой точностью и быстродействием.
|
| Цитирование: | 1. Kendall M. G., A. Stuart. The Advanced Theory of Statistics: Design and analysis, and timeseries.
The Advanced Theory of Statistics. Hafner, 1976.
2. Hyndman R. J., Athanasopoulos G. Forecasting: principles and practice. OTexts, 2014.
3. Makridakis S., Hibon M. The M3-Competition: results, conclusions and implications // International
journal of forecasting. 2000. Vol. 16. No. 4. P. 451–476.
4. Рябко Б. Я. Прогноз случайных последовательностей и универсальное кодирование //
Проблемы передачи информации. 1988. Т. 24, №. 2. С. 3–14.
5. Shkarin D. PPM: One step to practicality // Proc. Data Compression Conference. IEEE, 2002.
P. 202–211.
6. Cover T. M., Thomas J. A. Elements of information theory. John Wiley & Sons, 2012.
7. Ryabko B., Astola J., Malyutov M. Compression-based methods of statistical analysis and
prediction of time series. Switzerland: Springer International Publishing, 2016.
8. Ryabko B. Compression-based methods for nonparametric prediction and estimation of some
characteristics of time series // IEEE Transactions on Information Theory. 2009. Vol. 55. No. 9.
P. 4309–4315.
9. Bille P., Gørtz I. L., Prezza N. Space-Efficient Re-Pair Compression // Data Compression
Conference. IEEE, 2017. P. 171–180.
10. Cleveland R. B., Cleveland W. S., Terpenning I. STL: A seasonal-trend decomposition procedure
based on loess // Journal of Official Statistics. 1990. Vol. 6. No. 1. P. 3. |
