Алгоритмізація прогнозування динамічних процесів із використанням адаптивних методів екстраполяції

Abstract

UA : Робота викладена на 48 сторінках друкованого тексту, містить 7 рисунків, 30 джерел. Об’єкт дослідження: динамічні процеси, які представлені у вигляді часових рядів відображаючи зміну кількість певних показників у часі із фіксованими інтервалами спостереження. Мета роботи: розробка та формалізація алгоритмів прогнозування динамічних процесів на основі адаптивних методів екстраполяції, що дозволяють виявити закономірності в тимчасовому ряді і перенести їх на майбутнє. Методи дослідження: аналітичний, параметричний. У дипломній роботі описано проблематику вибору методу прогнозування в умовах варіантності підходів та різноманітності моделей. Зроблено аналіз співвідношення між складністю алгоритмів прогнозування та допустимою похибкою результатів з урахуванням цілей прогнозу. Розглянуто та описано підходи щодо формування прогнозованих моделей та корекції їх параметричних даних. На основі цього матеріалу показано аналітичний та параметричний підхід до вирішення задач, наведені приклади для використання практичних завдань. Також, представлені пріоритети адаптивних методів екстраполяції для підвищення рівня результатів прогнозування за наявності неповних даних. Результати можуть бути використані у дослідженні під час прогнозування даних або певних процесів в економічній, технічній, медичній, геологічній сферах, а також при розробленні програмних засобів прийняття рішень і дослідженні динамічних систем на основі часових рядів.

EN : The work is presented on 48 pages of printed text, 7 figures, 30 references. The object of the study is dynamic processes, which are presented in the form of time series reflecting the change in the number of certain indicators over time with fixed observation intervals. The methods of research are analytical, parametric. The thesis describes the issues of choosing a forecasting method in the conditions of variability of approaches and diversity of models. The analysis of the relationship between the complexity of forecasting algorithms and the permissible error of the results, taking into account the forecast goals, is made. Approaches to the formation of forecast models and correction of their parametric data are considered and described. Based on this material, an analytical and parametric approach to solving problems is shown, examples for using practical tasks are given. Also, the priorities of adaptive extrapolation methods are presented to improve the level of forecasting results in the presence of incomplete data. The results can be used in research when forecasting data or certain processes in the economic, technical, medical, geological spheres, as well as in the development of decision-making software and the study of dynamic systems based on time series.