Ученый Сибирского государственного университета телекоммуникаций и информатики (СибГУТИ) разработал алгоритм для реализации быстрого и точного метода на основе машинного обучения для анализа временных рядов, который может быть применен для прогнозирования погоды, курсов валют, ситуации на биржевом рынке и других процессов.
Временной ряд — это любая последовательность событий, распределенных во времени. С помощью анализа временных рядов делаются прогнозы курсов валют, метеорологических данных, стоимости акций, объемов потребления определенных товаров или услуг, распределения трафика на дорогах и многого другого.
«Этот алгоритм позволяет реализовать метод прогнозирования временных рядов таким образом, что его трудоемкость достигает максимально возможной эффективности. Он может работать в онлайн-режиме, огромные данные считывать сходу, обрабатывать и сразу же выдавать прогнозы с огромной скоростью», — рассказал создатель алгоритма доцент кафедры прикладной математики и кибернетики СибГУТИ Антон Ракитский.
Он пояснил, что высокоточный и быстрый метод прогнозирования временных рядов был предложен математиком Борисом Яковлевичем Рябко, однако он считается очень трудоемким и требующим сложных математических вычислений. Созданный алгоритм позволит эффективно реализовать метод прогнозирования с максимально возможной точностью и скоростью. Его можно реализовать для анализа любых последовательностей.
Сейчас команда ученых работает над созданием библиотеки алгоритмов и методов для анализа временных рядов. «Это набор разных методов, эффективно реализованных, оптимизированных, которые позволяют прогнозировать временные ряды. У нас есть уже методы для считывания, для предварительной обработки и подготовки данных, для переключения между алфавитами и прочими вещами», - сказал Ракитский.
В частности, эту библиотеку смогут использовать разработчики при написании программного обеспечения для анализа определенных временных рядов и решения задач определенной компании или ведомства.
В следующем году планируется начать работу по улучшению прогноза потребления газа для индустриального партнера университета - компании «Газпром межрегионгаз Новосибирск». Задача ученых - снизить процент погрешности прогнозирования с 10% до 3%.
Это важная задача, так как правильное управление запасами газа в единой системе газоснабжения зависит от точности прогнозов потребления.
Команда планирует создать модель, которая будет давать точные прогнозы потребления газа для различных категорий пользователей.
- Войдите или зарегистрируйтесь, чтобы отправлять комментарии