Инд. авторы:	Чирихин К.С.
Заглавие:	Применение методов сжатия данных и искусственного интеллекта для прогнозирования демографических и экономических показателей Новосибирской области
Библ. ссылка:	Чирихин К.С. Применение методов сжатия данных и искусственного интеллекта для прогнозирования демографических и экономических показателей Новосибирской области // Распределенные информационно-вычислительные ресурсы. Цифровые двойники и большие данные (DICR-2019): Труды XVII Международной конференции (Новосибирск, 03.12-06.12.2019) / Под ред. О.Л. Жижимова, А.В. Юрченко. - 2019. - Новосибирск: ИВТ СО РАН. - С.238-243. - ISBN: 978-5-905569-14-2. - http://elib.ict.nsc.ru/jspui/bitstream/ICT/4694/40/DICR-2019-V3_p238-243.pdf
Внешние системы:	DOI: 10.25743/ICT.2019.37.81.034; РИНЦ: 41581708;
Реферат:	rus: Известно, что методы сжатия данных могут успешно использоваться для прогнозирования временных рядов. Разнообразные эвристики, присутствующие в современных алгоритмах сжатия, позволяют выявлять сложные закономерности в данных. В настоящей работе мы применяем данный подход для прогнозирования основных демографических и экономических показателей Новосибирской области. При этом мы совместно используем различные программы для сжатия данных, включая модели на основе формальных грамматик. eng: It is known, that data compression methods can be successfully used in time series fore-casting. Modern data compression algorithms contain a variety of heuristics for searching of complex regularities. In this paper, we apply this approach to forecasting of the main demographic and economic indicators of the Novosibirsk region. To obtain forecasts, we combine different programs for data compression, including implementations of grammar-based codes.
Ключевые слова:	time series forecasting; искусственный интеллект; прогнозирование временных рядов; универсальное кодирование; artificial intelligence; universal coding;
Издано:	2019
Физ. характеристика:	с.238-243
Ссылка:	http://elib.ict.nsc.ru/jspui/bitstream/ICT/4694/40/DICR-2019-V3_p238-243.pdf
Конференция:	Название: XVII Международная конференция «Распределенные информационно-вычислительные ресурсы: Цифровые двойники и большие данные» Аббревиатура: DICR-2019 Город: Новосибирск Страна: Россия Даты проведения: 2019-12-03 - 2019-12-06 Ссылка: http://conf.ict.nsc.ru/dicr2019
Цитирование:	[1] Wang, L., Wang, Z., Qu, H., Liu, S. Optimal forecast combination based on neural networks for time series forecasting // Applied soft computing. 2018. vol. 66 p. 1-17. [2] Khandelwal, I., Adhikari, R., Verma, G. Time series forecasting using hybrid ARIMA and ANN models based on DWT decomposition // Procedia Computer Science. 2015. vol. 48 p. 173-179. [3] Ryabko B., Astola J., Malyutov M. Compression-based methods of statistical analysis and predic-tion of time series. Switzerland: Springer International Publishing, 2016. 144 p. [4] Чирихин, К. С., Рябко, Б. Я. Экспериментальное исследование точности методов прогноза, базирующихся на архиваторах // Вестн. НГУ. Серия: Информационные технологии. 2018. Т. 16, № 3. С. 145-158. [5] 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. С. 4309-4315. [6] Maruyama S., Sakamoto H., Takeda M. An online algorithm for lightweight grammar-based com-pression // Algorithms. 2012. vol. 5, no 2. p. 214-235. [7] Bille P., Gørtz I. L., Prezza N. Space-Efficient Re-Pair Compression // Data Compression Confer-ence (DCC). 2017. p. 171-180. [8] Сайт Федеральной службы государственной статистики по Новосибирской области. http://novosibstat.gks.ru/wps/wcm/connect/rosstat_ts/novosibstat/ru/statistics (дата обращения: 11.11.2019). [9] Cleveland, R. B., Cleveland, W. S., McRae, J. E., Terpenning, I. STL: a seasonal-trend decompo-sition // Journal of official statistics. 1990. vol. 6, no 1. p. 3-73.