Розробка веб застосунку прогнозування багатоваріантних часових рядів

Abstract

UA : Робота викладена на 45 сторінках друкованого тексту, містить 16 рисунків, 24 джерел. Об’єкт дослідження: часові ряди. Предмет дослідження: сервіси прогнозування багатоваріантних часових рядів. Мета дослідження: розробити веб-додаток для прогнозування багатоваріантних часових рядів. Методи дослідження: методи збору та аналізу вимог до програмного забезпечення, методи моделювання, проєктування, конструювання та тестування програмного забезпечення. У кваліфікаційній роботі викладено підхід до прогнозування багатоваріантних часових рядів шляхом створення веб застосунку. Розглянуто основні методи аналізу та прогнозування часових рядів. Розглянуто концепцію побудови алгоритму машинного навчання та нейронної мережі для прогнозування багатоваріантного часового ряду. На основі вивченого матеріалу розроблено веб застосунок, за допомогою якого користувач може прогнозувати поведінку певного сценарію подій. Результати роботи можуть бути використані для побудови нових алгоритмів машинного навчання.

EN : The work is presented on 45 pages of printed text, 16 figures, 24 references. The object of the study is time series. The subject of the study is multivariate time series forecasting services. The aim of the study: to develop a web application for predicting multivariate time series. The methods of research are methods of collection and analysis of software requirements, modeling, design, construction and testing of software. The qualification work presents an approach to predicting multivariate time series by creating a web application. The main methods of analysis and forecasting of time series are considered. The concept of building of machine learning algorithm and a neural network for predicting a multivariate time series is considered. Based on the studied material, a web application was developed, with the help of which one of the users can predict the behavior of a certain event scenario. The results of the work can be used to build new machine learning algorithms.