التنبؤ بقيم المؤشرات التي تتغير مع مرور الوقت، مثل الطقس، وأسعار الأسهم
لصنع أدوات التنبؤوبشكل أكثر سهولة، قام المبرمجون في معهد ماساتشوستس للتكنولوجيا (MIT) بتطوير نظام يدمج وظائف التنبؤ أعلى قاعدة بيانات السلاسل الزمنية الحالية. تقوم الواجهة المبسطة لنظام tspDB بتنفيذ جميع النماذج المعقدة دون تدخل المستخدم.
يحتاج مستخدم النظام فقط إلى الضغط على عدد قليلمفاتيح للحصول على توقعات. في الوقت نفسه ، يتم حساب القيم المستقبلية بمتوسط 0.9 مللي ثانية ، كما لاحظ المؤلفون. لكي يتخذ الشخص العادي قرارًا ، يحسب النظام أيضًا فترات الثقة ، مع مراعاة درجة عدم اليقين في التنبؤ.
أحد أسباب نجاح tspDB هوباستخدام خوارزمية جديدة للتنبؤ بالسلاسل الزمنية. تعتبر الخوارزمية الخاصة بنا فعالة بشكل خاص عند تحليل السلاسل الزمنية متعددة المتغيرات، أي البيانات التي تحتوي على أكثر من متغير يعتمد على الوقت. على سبيل المثال، في قاعدة بيانات الطقس، تعتمد درجة الحرارة ونقطة الندى والغطاء السحابي على قيمها السابقة.
عبد الله العمر، طالب دراسات عليا في قسم الهندسة الكهربائية وعلوم الكمبيوتر في معهد ماساتشوستس للتكنولوجيا، مؤلف مشارك في التطوير
كأساس للخوارزمية الخاصة بكأخذ الباحثون تحليل الطيف الفردي (SSA). باستخدام هذه الطريقة ، يمكنك حساب القيم وعمل تنبؤات بناءً على السلاسل الزمنية الفردية. قام مبرمجو معهد ماساتشوستس للتكنولوجيا بتعديل الخوارزمية للتخلص من الحاجة إلى تعيين المتغيرات يدويًا.
المشكلة الثانية والرئيسية، بحسبكان على المطورين تكييف هذه الطريقة لتحليل السلاسل الزمنية المتعددة. وكان الحل الذي اقترحه الباحثون هو "طي" مصفوفات السلاسل الزمنية الفردية في مصفوفة واحدة أكبر يمكن تطبيق SSA عليها. أطلق المطورون على طريقتهم اسم mSSA. وقد نشر العلماء سابقًا وصفًا تفصيليًا للبحث والخوارزمية في مقال على موقع ArXiv.
قارن الباحثون mSSA مع خوارزميات أخرى حديثة، بما في ذلك أساليب التعلم العميق، على مجموعات البيانات الزمنية الواقعية التي تصف شبكات الطاقة، وحركة المرور على الطرق، والأسواق المالية.
يقول الباحثون نتائج الاختبارأظهر أن الخوارزمية الخاصة بهم تفوقت على جميع البدائل في استعادة البيانات السابقة المفقودة وجميع البدائل باستثناء بديل واحد في التنبؤ بالقيم المستقبلية. أظهر المطورون أيضًا الطبيعة العالمية للخوارزمية: يمكن تطبيقها بشكل فعال على أي سلسلة زمنية.
يقول الباحثون إنهم سيستمرون في تحسين tspDB بخوارزميات جديدة من شأنها تحسين دقة التنبؤات.
نحن مهتمون بالقيام بذلكtspDB هو نظام مفتوح المصدر يستخدم على نطاق واسع. يعد تحليل السلاسل الزمنية أمرًا مهمًا للغاية، ويبدو لنا أن دمج وظيفة التنبؤ مباشرة في قاعدة البيانات هو الطريقة الأكثر ملاءمة للتحليل. لم يتم القيام بذلك من قبل ولذلك نريد التأكد من أن العالم يستخدم الحل الذي نقدمه.
ديفافرات شاه، أستاذ في قسم الهندسة الكهربائية وعلوم الكمبيوتر في معهد ماساتشوستس للتكنولوجيا، المؤلف المشارك للتطوير
قراءة المزيد
العنصر الخامس موجود: تجربة جديدة ستؤكد أن المعلومات جوهرية
أصوات مخيفة ومخلوقات غامضة: أغرب ما يتم اكتشافه في خندق ماريانا
انظر إلى أفضل صورة للشمس: إنها تتكون من 83 مليون بكسل