Гибридный подход для краткосрочного прогнозирования временныхрядов на основе штрафного P-сплайна и эволюционной оптимизации; Компьютерная оптика; Т. 44, № 5
| Parent link: | Компьютерная оптика: научный журнал/ Институт систем обработки изображений Российской академии наук.— , 1987- Т. 44, № 5.— 2020.— [С. 821-829] |
|---|---|
| Main Author: | |
| Corporate Author: | |
| Other Authors: | , |
| Summary: | Заглавие с экрана В работе предложена гибридная модель прогнозирования, включающая рекуррентную схему штрафного P-сплайна с адаптацией параметров на основе алгоритмов эволюционной оптимизации. В задачах краткосрочного прогнозирования, особенно в системах реального времени, актуальной является задача повышения скорости прогноза без ухудшения его качества. Высокая скорость прогнозирования в данном подходе достигается экономичной вычислительной схемой рекуррентного P-сплайна при малой глубине предыстории. А одновременная адаптация нескольких параметров P-сплайна позволяет управлять точностью прогноза. In this work, a hybrid-forecasting model is proposed. The model includes a recursive penalty P-spline with parameters adaptation based on evolutionary optimization algorithms. In short-term forecasting, especially in real-time systems, the urgent task is to increase the forecast speed without compromising its quality. High forecasting speed has been achieved by an economical computational scheme of a recurrent P-spline with a shallow depth of prehistory. When combined with the adaptation of some parameters of the P-spline, such an approach allows you to control the forecast accuracy. |
| Language: | Russian |
| Published: |
2020
|
| Subjects: | |
| Online Access: | https://elibrary.ru/item.asp?id=44216984 |
| Format: | Electronic Book Chapter |
| KOHA link: | https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=663133 |
MARC
| LEADER | 00000naa0a2200000 4500 | ||
|---|---|---|---|
| 001 | 663133 | ||
| 005 | 20250424140308.0 | ||
| 035 | |a (RuTPU)RU\TPU\network\34302 | ||
| 090 | |a 663133 | ||
| 100 | |a 20210126d2020 k||y0rusy50 ca | ||
| 101 | 0 | |a rus | |
| 102 | |a RU | ||
| 135 | |a drcn ---uucaa | ||
| 181 | 0 | |a i | |
| 182 | 0 | |a b | |
| 200 | 1 | |a Гибридный подход для краткосрочного прогнозирования временныхрядов на основе штрафного P-сплайна и эволюционной оптимизации |d Hybrid approach for time series forecasting based on a penalty p-spline and evolutionary optimization |f Е. А. Кочегурова, Е. Ю. Репина, О. Б. Цехан | |
| 203 | |a Текст |c электронный | ||
| 300 | |a Заглавие с экрана | ||
| 320 | |a [Библиогр.: 38 назв.] | ||
| 330 | |a В работе предложена гибридная модель прогнозирования, включающая рекуррентную схему штрафного P-сплайна с адаптацией параметров на основе алгоритмов эволюционной оптимизации. В задачах краткосрочного прогнозирования, особенно в системах реального времени, актуальной является задача повышения скорости прогноза без ухудшения его качества. Высокая скорость прогнозирования в данном подходе достигается экономичной вычислительной схемой рекуррентного P-сплайна при малой глубине предыстории. А одновременная адаптация нескольких параметров P-сплайна позволяет управлять точностью прогноза. | ||
| 330 | |a In this work, a hybrid-forecasting model is proposed. The model includes a recursive penalty P-spline with parameters adaptation based on evolutionary optimization algorithms. In short-term forecasting, especially in real-time systems, the urgent task is to increase the forecast speed without compromising its quality. High forecasting speed has been achieved by an economical computational scheme of a recurrent P-spline with a shallow depth of prehistory. When combined with the adaptation of some parameters of the P-spline, such an approach allows you to control the forecast accuracy. | ||
| 461 | |t Компьютерная оптика |o научный журнал |f Институт систем обработки изображений Российской академии наук |d 1987- | ||
| 463 | |t Т. 44, № 5 |v [С. 821-829] |d 2020 | ||
| 510 | 1 | |a Hybrid approach for time series forecasting based on a penalty p-spline and evolutionary optimization |z eng | |
| 610 | 1 | |a электронный ресурс | |
| 610 | 1 | |a труды учёных ТПУ | |
| 610 | 1 | |a временные ряды | |
| 610 | 1 | |a гибридные модели | |
| 610 | 1 | |a прогнозирование | |
| 610 | 1 | |a оптимизация | |
| 610 | 1 | |a эволюционные алгоритмы | |
| 700 | 1 | |a Кочегурова |b Е. А. |c специалист в области информатики и вычислительной техники |c доцент Томского политехнического университета, кандидат технических наук |f 1958- |g Елена Алексеевна |3 (RuTPU)RU\TPU\pers\27090 |9 12640 | |
| 701 | 1 | |a Репина |b Е. Ю. |g Елизавета Юрьевна | |
| 701 | 1 | |a Цехан |b О. Б. |g Ольга Борисовна | |
| 712 | 0 | 2 | |a Национальный исследовательский Томский политехнический университет |b Инженерная школа информационных технологий и робототехники |b Отделение информационных технологий |3 (RuTPU)RU\TPU\col\23515 |
| 801 | 2 | |a RU |b 63413507 |c 20210126 |g RCR | |
| 850 | |a 63413507 | ||
| 856 | 4 | 0 | |u https://elibrary.ru/item.asp?id=44216984 |
| 942 | |c CF | ||