Инд. авторы:	Лысяк А.С., Рябко Б.Я.
Заглавие:	Прогнозирование временных рядов на основе методов сжатия данных
Библ. ссылка:	Лысяк А.С., Рябко Б.Я. Прогнозирование временных рядов на основе методов сжатия данных // Проблемы передачи информации. - 2016. - Т.52. - № 1. - С.101-109. - ISSN 0555-2923.
Внешние системы:	РИНЦ: 28876230;
Реферат:	rus: Предложены эффективные ("быстрые" и не требующие большой памяти) алгоритмы для базирующихся на универсальном кодировании методов прогнозирования временных рядов, принимающих действительные значения. Ранее для таких методов было доказано только, что погрешность прогноза асимптотически минимальна, а вопросы сложности реализации вообще не рассматривались. Приведенные экспериментальные результаты свидетельствуют о высокой точности предлагаемых методов.
Издано:	2016
Физ. характеристика:	с.101-109
Цитирование:	1. Poskitt D.S., Tremayne A.R. The Selection and Use of Linear and Bilinear Time Series Models // Int. J. Forecasting. 1986. V. 2. № 1. P. 101-114. 2. Tong H. Non-linear Time Series: A Dynamical System Approach. Oxford, UK: Clarendon Press, 1990. 3. Tong H. Threshold Models in Non-linear Time Series Analysis. Lect. Notes Statist. V. 21. Berlin: Springer, 1983. 4. Tong H., Lim K.S. Threshold Autoregression, Limit Cycles and Cyclical Data //J. Roy. Statist. Soc. Ser. B. 1980. V. 42. № 3. Р. 245-292. 5. Engle R.F Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation // Econometrica. 1982. V. 50. № 4. P. 987-1007. 6. Bontempi G. Local Learning Techniques for Modeling, Prediction and Control. PhD Thesis. IRIDIA, Universite Libre de Bruxelles, Belgium, 1999. 7. Zhang G., Patuwo B.E., Hu M. Y. Forecasting with Artifcial Neural Networks: The State of the Art // Int. J. Forecasting. 1998. V. 14. № 1. P. 35-62. 8. Cheng H., Tan P.-N., Gao J., Scripps J. Multistep-Ahead Time Series Prediction // Advances in Knowledge Discovery and Data Mining (Proc. 10th Pacific-Asia Conf. PAKDD'2006. Singapore. April 9-12, 2006). Lect. Notes Comp. Sci. V. 3918. Berlin: Springer, 2006. P. 765-774. 9. Рябко Б.Я. Прогноз случайных последовательностей и универсальное кодирование // Пробл. передачи инф. 1988. Т. 24. № 2. С. 3-14. 10. Рябко Б.Я., Монарев В.А. Экспериментальное исследование методов прогнозирования, базирующихся на алгоритмах сжатия данных // Пробл. передачи информ. 2005. Т. 31. № 1. С. 74-78. 11. Ryabko B. Compression-Based Methods for Nonparametric Prediction and Estimation of Some Characteristics of Time Series // IEEE Trans. Inform. Theory. 2009. V. 55. № 9. P. 4309-4315. 12. Cover T.M., Thomas J.A. Elements of Information Theory. Hoboken, NJ: Wiley, 2006. 13. Рябко Б.Я. Дважды универсальное кодирование // Пробл. передачи информ. 1984. Т. 20. № 3. С. 24-28. 14. Кричевский Р.Е. Связь между избыточностью кодирования и достоверностью сведений об источнике // Пробл. передачи информ. 1968. Т. 4. № 3. С. 48-57. 15. Krichevsky R. Universal Compression and Retrieval. Dordrecht: Kluwer Academic, 1993. 16. Ryabko B.Y., Astola J., Gammerman A. Adaptive Coding and Prediction of Sources with Large and Infinite Alphabets //IEEE Trans. Inform. Theory. 2008. V. 54. № 8. P. 3808-3813. 17. Gasoline and Diesel Fuel Update. Independent Statistics & Analysis. U.S. Energy Information Administration. http://www.eia.gov/petroleum/gasdiesel/.