Idővel változó mutatók értékének előrejelzése, például időjárás, részvényárak
Előrejelző eszközök készítéseA Massachusetts Institute of Technology (MIT) programozói még könnyebben elérhetők, olyan rendszert fejlesztettek ki, amely integrálja az előrejelzési funkciókat egy meglévő idősoros adatbázisba. A tspDB rendszer egyszerűsített felülete minden összetett modellezést végrehajt felhasználói beavatkozás nélkül.
A rendszer használójának csak meg kell nyomnia néhányatgombok az előrejelzéshez. Ugyanakkor a jövőbeli értékek kiszámítása átlagosan 0,9 ms alatt történik, jegyzik meg a szerzők. A laikus döntése érdekében a rendszer konfidenciaintervallumokat is számít, figyelembe véve az előrejelzési bizonytalanság mértékét.
A tspDB sikerének egyik oka azúj idősoros előrejelzési algoritmus segítségével. Algoritmusunk különösen hatékony többváltozós idősorok, azaz egynél több időfüggő változót tartalmazó adatok elemzésekor. Például egy időjárási adatbázisban a hőmérséklet, a harmatpont és a felhőzet a múltbeli értékeiktől függ.
Abdullah Alomar, az MIT Villamosmérnöki és Számítástechnikai Tanszékének végzős hallgatója, a fejlesztés társszerzője
Az algoritmus alapjakénta kutatók Singular Spectrum Analysist (SSA) végeztek. Ezzel a módszerrel értékeket számíthat ki és előrejelzéseket készíthet az egyes idősorok alapján. Az MIT programozói úgy módosították az algoritmust, hogy kiküszöböljék a változók manuális beállításának szükségességét.
A második és kulcsprobléma szerintfejlesztőknek az volt, hogy ezt a módszert több idősor elemzésére adaptálják. A kutatók által javasolt megoldás az volt, hogy az egyes idősorok mátrixait egy nagyobb mátrixba "hajtsák", amelyre az SSA alkalmazható. A fejlesztők mSSA-nak nevezték el módszerüket. A tudósok korábban egy ArXiv-ről szóló cikkben publikálták a kutatás és az algoritmus részletes leírását.
A kutatók összehasonlították az mSSA-t más legmodernebb algoritmusokkal, beleértve a mély tanulási módszereket is, valós időbeli adatkészleteken, amelyek leírják az elektromos hálózatokat, a közúti forgalmat és a pénzügyi piacokat.
A kutatók szerint a tesztek eredményeikimutatták, hogy algoritmusuk minden alternatívát felülmúlt a hiányzó múltbeli adatok helyreállításában, és egy kivételével minden alternatívát a jövőbeli értékek előrejelzésében. A fejlesztők megmutatták az algoritmus univerzális jellegét is: bármely idősorra egyformán hatékonyan alkalmazható.
A kutatók azt mondják, hogy folytatják a tspDB fejlesztését olyan új algoritmusokkal, amelyek tovább javítják az előrejelzések pontosságát.
Érdeklődünk, hogy csináljukA tspDB egy széles körben használt nyílt forráskódú rendszer. Az idősorelemzés nagyon fontos, és az előrejelzési funkció közvetlenül az adatbázisba ágyazása tűnik számunkra a legkényelmesebb elemzési módnak. Ez még soha nem történt meg, ezért szeretnénk megbizonyosodni arról, hogy a világ használja a mi megoldásunkat.
Devavrat Shah, az MIT Villamosmérnöki és Számítástechnikai Tanszékének professzora, a fejlesztés társszerzője
Olvass tovább
Az „ötödik elem” létezik: egy új kísérlet megerősíti, hogy az információ lényeges
Hátborzongató hangok és titokzatos lények: a legfurcsább leletek a Mariana-árokban
Nézd meg a legjobb képet a Napról: 83 millió pixelből áll