Předpovídání hodnot ukazatelů, které se v čase mění, jako je počasí, ceny akcií
Vytvořit nástroje pro prognózováníDostupnější programátoři z Massachusettského technologického institutu (MIT) vyvinuli systém, který integruje předpovědní funkce nad existující databázi časových řad. Zjednodušené rozhraní systému tspDB provádí veškeré složité modelování bez interakce uživatele.
Uživateli systému stačí stisknout několikklíče pro získání předpovědi. Současně se výpočet budoucích hodnot provádí v průměru za 0,9 ms, poznamenávají autoři. Aby se mohl rozhodnout i laik, systém počítá i intervaly spolehlivosti s přihlédnutím k míře nejistoty předpovědi.
Jedním z důvodů úspěchu tspDB jepomocí nového předpovědního algoritmu časových řad. Náš algoritmus je zvláště účinný při analýze vícerozměrných časových řad, tedy dat obsahujících více než jednu časově závislou proměnnou. Například v databázi počasí závisí teplota, rosný bod a oblačnost na jejich minulých hodnotách.
Abdullah Alomar, postgraduální student na katedře elektrotechniky a informatiky na MIT, spoluautor vývoje
Jako základ pro váš algoritmusvýzkumníci použili analýzu singulárního spektra (SSA). Pomocí této metody můžete vypočítat hodnoty a předpovídat na základě jednotlivých časových řad. Programátoři MIT vylepšili algoritmus, aby eliminovali potřebu ručně nastavovat proměnné.
Druhý a klíčový problém, podlevývojářů, bylo upravit tuto metodu pro analýzu více časových řad. Řešením navrženým výzkumníky bylo „složit“ jednotlivé matice časových řad do jedné větší matice, na kterou by bylo možné aplikovat SSA. Vývojáři svou metodu nazvali mSSA. Vědci dříve publikovali podrobný popis výzkumu a algoritmu v článku na ArXiv.
Výzkumníci porovnávali mSSA s dalšími nejmodernějšími algoritmy, včetně metod hlubokého učení, na reálných časových souborech dat popisujících elektrické sítě, silniční provoz a finanční trhy.
Výzkumníci říkají výsledky testůukázaly, že jejich algoritmus překonal všechny alternativy v obnovování chybějících minulých dat a všechny kromě jedné alternativy v předpovídání budoucích hodnot. Vývojáři také ukázali univerzální povahu algoritmu: lze jej stejně efektivně aplikovat na jakoukoli časovou řadu.
Výzkumníci říkají, že budou pokračovat ve zlepšování tspDB pomocí nových algoritmů, které dále zlepší přesnost předpovědí.
Máme zájem dělattspDB je široce používaný open source systém. Analýza časových řad je velmi důležitá a vložení prognostické funkce přímo do databáze se nám jeví jako nejpohodlnější způsob analýzy. To se ještě nikdy nestalo, a proto se chceme ujistit, že svět používá naše řešení.
Devavrat Shah, profesor na katedře elektrotechniky a informatiky na MIT, spoluautor vývoje
Přečtěte si více
„Pátý prvek“ existuje: nový experiment potvrdí, že informace jsou materiální
Strašidelné zvuky a tajemná stvoření: nejpodivnější nálezy v Marianském příkopu
Podívejte se na nejlepší obrázek Slunce: skládá se z 83 milionů pixelů