АЛГОРИТМ МЕТОДУ ІДЕНТИФІКАЦІЇ МОДЕЛІ АВТОРЕГРЕСІЇ – КОВЗНОГО СЕРЕДНЬОГО, ЯКИЙ УЗАГАЛЬНЮЄ МЕТОДИКУ ЮЛА–УОКЕРА, ТА ЙОГО ПРОГРАМНА PYTHON-РЕАЛІЗАЦІЯ

Автор(и)

  • О. Б. Мокін Вінницький національний технічний університет
  • В. Б. Мокін Вінницький національний технічний університет
  • Б. І. Мокін Вінницький національний технічний університет

DOI:

https://doi.org/10.31649/1997-9266-2022-163-4-41-55

Ключові слова:

стаціонарний часовий ряд, модель авторегресії–ковзного середнього, АРКС, ідентифікація моделі, узагальнення методу Юла–Уокера, програма Python-реалізації алгоритму ідентифікації моделі

Анотація

Для практичної реалізації розробленого цими ж авторами нового методу ідентифікації математичної моделі авторегресії – ковзного середнього АРКС(nap, nkc) прогнозування стаціонарних часових рядів з довільними значеннями порядків nap, nkc, який узагальнює відомий метод Юла–Уокера та вже опублікований в попередніх роботах цих же авторів, запропоновано та деталізовано 11-етапний алгоритм його практичної реалізації. Алгоритм реалізовано за умови, доведеної авторами у попередніх публікаціях, що оптимальною структурою моделі АРКС(nap, nkc) є структура АРКС(3,3). Характерною особливістю цього алгоритму є те, що параметри авторегресійної складової моделі АРКС(3,3) визначаються з використанням четвертої, п’ятої та шостої автоковаріацій, що суттєво відрізняє його від традиційного алгоритму ідентифікації цього класу моделей за методикою Юла–Уокера, в якому використовуються лише автоковаріації першого, другого та третього порядків. Інша характерна особливість цього алгоритму полягає в тому, що для визначення параметрів ковзного середнього застосовується пряма процедура, яка не вимагає поновлення процедури мінімізації суми квадратів відхилень при переході до інших значень порядків авторегресії та ковзного середнього, як того вимагає процедура обчислення значень параметрів складової ковзного середнього в моделі за будь-яким з класичних методів ідентифікації цього класу моделей. Створено програму Python-реалізації запропонованого алгоритму ідентифікації та продемонстровано її ефективність у розв’язанні задачі ідентифікації математичної моделі класу АРКС(3,3) для конкретного часового ряду, заданого його експериментальною реалізацією. Визначено умови, яким повинна відповідати експериментальна реалізація часового ряду, з використанням якої здійснюється авторська ідентифікація математичної моделі цього часового ряду, щоб прогнозування його наступних значень здійснювалось точніше, ніж з використанням математичних моделей цього ж класу, ідентифікація яких здійснювалась традиційно.

Біографії авторів

О. Б. Мокін, Вінницький національний технічний університет

д-р, техн. наук, професор, професор, професор кафедри системного аналізу та інформаційних технологій

В. Б. Мокін, Вінницький національний технічний університет

д-р, техн. наук, професор, завідувач кафедри системного аналізу та інформаційних технологій

Б. І. Мокін, Вінницький національний технічний університет

академік НАПН України, д-р, техн. наук, професор, професор кафедри системного аналізу та інформаційних технологій

Посилання

О. Б. Мокін, В. Б. Мокін, і Б. І. Мокін, «Метод ідентифікації моделі авторегресії-ковзного середнього АРКС(р,q) з довільними значеннями порядків р, q, який узагальнює методику Юла-Уокера,» Наукові праці Вінницького національного технічного університету, № 2, с. 1-6, 2014. [Електронний ресурс]. Режим доступу: http://praci.vntu.edu.ua/article/view/3626/5339.

Дж. Бокс, і Г. Дженкинс, «Анализ временных рядов,» Прогноз и управление, вып. 1. М.: Мир, 1974, 408 с.

Дж. Бокс, і Г. Дженкинс, «Анализ временных рядов,» Прогноз и управление, вып. 2. М.: Мир, 1974, 197 с.

О. Б. Мокін, В. Б. Мокін, Б. І. Мокін, і І. О. Чернова, «До питання вибору оптимальної математичної моделі стаціонарного часового ряду,» Вісник Вінницького політехнічного інституту, № 4, с. 7-15, 2018.

Python. [Електронний ресурс]. Режим доступу: https://www.python.org .

П. Г. Доля, Введение в научный Python. Харков: ХНУ им. Каразина, 2016, 265 с.

##submission.downloads##

Переглядів анотації: 562

Опубліковано

2022-09-02

Як цитувати

[1]
О. Б. Мокін, В. Б. Мокін, і Б. І. Мокін, «АЛГОРИТМ МЕТОДУ ІДЕНТИФІКАЦІЇ МОДЕЛІ АВТОРЕГРЕСІЇ – КОВЗНОГО СЕРЕДНЬОГО, ЯКИЙ УЗАГАЛЬНЮЄ МЕТОДИКУ ЮЛА–УОКЕРА, ТА ЙОГО ПРОГРАМНА PYTHON-РЕАЛІЗАЦІЯ», Вісник ВПІ, вип. 4, с. 41–55, Верес. 2022.

Номер

Розділ

Інформаційні технології та комп'ютерна техніка

Метрики

Завантаження

Дані завантаження ще не доступні.

Статті цього автора (авторів), які найбільше читають

1 2 3 4 5 6 7 8 9 10 > >>