Laikui bėgant besikeičiančių rodiklių, tokių kaip orai, akcijų kainos, reikšmių prognozavimas
Sukurti prognozavimo įrankiusLabiau prieinama, Masačusetso technologijos instituto (MIT) programuotojai sukūrė sistemą, kuri integruoja prognozavimo funkcijas į esamą laiko eilučių duomenų bazę. Supaprastinta tspDB sistemos sąsaja atlieka visą sudėtingą modeliavimą be vartotojo įsikišimo.
Sistemos vartotojui tereikia paspausti kelisklavišus, kad gautumėte prognozę. Tuo pačiu metu būsimų verčių apskaičiavimas atliekamas vidutiniškai per 0,9 ms, pažymi autoriai. Kad pasaulietis priimtų sprendimą, sistema taip pat apskaičiuoja pasikliautinuosius intervalus, atsižvelgdama į prognozės neapibrėžtumo laipsnį.
Viena iš tspDB sėkmės priežasčių yranaudojant naują laiko eilučių prognozavimo algoritmą. Mūsų algoritmas ypač efektyvus analizuojant daugiamates laiko eilutes, ty duomenis, kuriuose yra daugiau nei vienas nuo laiko priklausomas kintamasis. Pavyzdžiui, orų duomenų bazėje temperatūra, rasos taškas ir debesuotumas priklauso nuo jų praeities verčių.
Abdullah Alomar, MIT Elektros inžinerijos ir kompiuterių mokslo katedros magistrantas, kūrimo bendraautoris
Kaip jūsų algoritmo pagrindasmokslininkai ėmėsi vienetinio spektro analizės (SSA). Naudodami šį metodą galite apskaičiuoti reikšmes ir daryti prognozes pagal atskiras laiko eilutes. MIT programuotojai pakoregavo algoritmą, kad nereikėtų rankiniu būdu nustatyti kintamųjų.
Antroji ir pagrindinė problema, pasakkūrėjai, turėjo pritaikyti šį metodą kelių laiko eilučių analizei. Mokslininkų pasiūlytas sprendimas buvo atskirų laiko eilučių matricų „sulenkimas“ į vieną didesnę matricą, kuriai būtų galima pritaikyti SSA. Kūrėjai savo metodą pavadino mSSA. Mokslininkai anksčiau paskelbė išsamų tyrimo ir algoritmo aprašymą straipsnyje apie ArXiv.
Tyrėjai palygino mSSA su kitais moderniausiais algoritmais, įskaitant giluminio mokymosi metodus, naudodamas realaus gyvenimo laiko duomenų rinkinius, apibūdinančius elektros tinklus, srautą ir finansų rinkas.
Tyrėjai teigia, kad bandymų rezultataiparodė, kad jų algoritmas pranoko visas alternatyvas atkuriant trūkstamus praeities duomenis ir visas alternatyvas, išskyrus vieną, numatant būsimas vertes. Kūrėjai taip pat parodė universalų algoritmo pobūdį: jis gali būti vienodai efektyviai pritaikytas bet kuriai laiko eilutei.
Tyrėjai teigia, kad jie ir toliau tobulins tspDB su naujais algoritmais, kurie dar labiau pagerins prognozių tikslumą.
Mums įdomu darytitspDB yra plačiai naudojama atvirojo kodo sistema. Laiko eilučių analizė yra labai svarbi, o prognozavimo funkcijos įterpimas tiesiai į duomenų bazę mums atrodo patogiausias analizės būdas. To dar niekada nebuvo daroma, todėl norime užtikrinti, kad pasaulis naudotų mūsų sprendimą.
Devavratas Shahas, MIT Elektros inžinerijos ir kompiuterių mokslų katedros profesorius, kūrimo bendraautoris
Skaityti daugiau
„Penktasis elementas“ egzistuoja: naujas eksperimentas patvirtins, kad informacija yra reikšminga
Baisūs garsai ir paslaptingos būtybės: keisčiausi radiniai Marianų įduboje
Pažiūrėkite į geriausią Saulės nuotrauką: ją sudaro 83 milijonai pikselių