Инд. авторы:	Чирихин К.С., Рябко Б.Я.
Заглавие:	Экспериментальное исследование точности методов прогноза, базирующихся на архиваторах
Библ. ссылка:	Чирихин К.С., Рябко Б.Я. Экспериментальное исследование точности методов прогноза, базирующихся на архиваторах // Вестник Новосибирского государственного университета. Серия: Информационные технологии. - 2018. - Т.16. - № 3. - С.145-158. - ISSN 1818-7900. - EISSN 2410-0420. - http://jit.nsu.ru/article.php?15237+ru_RU+15224
Внешние системы:	DOI: 10.25205/1818-7900-2018-16-3-145-158; РИНЦ: 35645474;
Реферат:	rus: В теории информации известно, что методы сжатия данных могут быть использованы для прогнозирования стационарных процессов. В данной работе предложен базирующийся на архиваторах алгоритм прогнозирования временных рядов и проведено экспериментальное исследование его эффективности. В процессе работы описанного алгоритма могут быть использованы произвольные методы сжатия данных, причем прогнозные значения от разных методов комбинируются, и наибольшее влияние на конечный результат оказывает метод, способный сильнее других сжать временной ряд. Данный алгоритм может быть использован для прогнозирования рядов с дискретными и непрерывными алфавитами. Для повышения точности прогноза возможно применение существующих методов предварительной обработки данных. Экспериментальное исследование эффективности предложенного алгоритма проводилось на временных рядах из M3 Competition и ряде T-индекса, при этом были использованы хорошо известные архиваторы. Результаты вычислений показали, что полученный метод обладает сравнительно высокой точностью и быстродействием.
Ключевые слова:	прогнозирование временных рядов; универсальное кодирование;
Издано:	2018
Физ. характеристика:	с.145-158
Ссылка:	http://jit.nsu.ru/article.php?15237+ru_RU+15224
Цитирование:	1. Kendall M. G., A. Stuart. The Advanced Theory of Statistics: Design and analysis, and timeseries. The Advanced Theory of Statistics. Hafner, 1976. 2. Hyndman R. J., Athanasopoulos G. Forecasting: principles and practice. OTexts, 2014. 3. Makridakis S., Hibon M. The M3-Competition: results, conclusions and implications // International journal of forecasting. 2000. Vol. 16. No. 4. P. 451–476. 4. Рябко Б. Я. Прогноз случайных последовательностей и универсальное кодирование // Проблемы передачи информации. 1988. Т. 24, №. 2. С. 3–14. 5. Shkarin D. PPM: One step to practicality // Proc. Data Compression Conference. IEEE, 2002. P. 202–211. 6. Cover T. M., Thomas J. A. Elements of information theory. John Wiley & Sons, 2012. 7. Ryabko B., Astola J., Malyutov M. Compression-based methods of statistical analysis and prediction of time series. Switzerland: Springer International Publishing, 2016. 8. Ryabko B. Compression-based methods for nonparametric prediction and estimation of some characteristics of time series // IEEE Transactions on Information Theory. 2009. Vol. 55. No. 9. P. 4309–4315. 9. Bille P., Gørtz I. L., Prezza N. Space-Efficient Re-Pair Compression // Data Compression Conference. IEEE, 2017. P. 171–180. 10. Cleveland R. B., Cleveland W. S., Terpenning I. STL: A seasonal-trend decomposition procedure based on loess // Journal of Official Statistics. 1990. Vol. 6. No. 1. P. 3.