Laika gaitā mainīgo rādītāju vērtību prognozēšana, piemēram, laikapstākļi, akciju cenas
Lai izveidotu prognozēšanas rīkusPieejamāki Masačūsetsas Tehnoloģiju institūta (MIT) programmētāji ir izstrādājuši sistēmu, kas integrē prognozēšanas funkcijas papildus esošajai laikrindu datubāzei. TspDB sistēmas vienkāršotais interfeiss veic visu sarežģīto modelēšanu bez lietotāja iejaukšanās.
Sistēmas lietotājam vienkārši jānospiež dažitaustiņi, lai iegūtu prognozi. Tajā pašā laikā nākotnes vērtību aprēķins tiek veikts vidēji 0,9 ms, atzīmē autori. Lai nespeciālists pieņemtu lēmumu, sistēma aprēķina arī ticamības intervālus, ņemot vērā prognozes nenoteiktības pakāpi.
Viens no tspDB panākumu iemesliem irizmantojot jaunu laikrindu prognozēšanas algoritmu. Mūsu algoritms ir īpaši efektīvs, analizējot daudzfaktoru laikrindas, tas ir, datus, kas satur vairāk nekā vienu no laika atkarīgu mainīgo. Piemēram, laikapstākļu datu bāzē temperatūra, rasas punkts un mākoņu sega ir atkarīgi no to pagātnes vērtībām.
Abdullah Alomar, MIT Elektrotehnikas un datorzinātņu katedras absolvents, izstrādes līdzautors
Kā pamatu jūsu algoritmampētnieki veica Singular Spectrum Analysis (SSA). Izmantojot šo metodi, varat aprēķināt vērtības un veikt prognozes, pamatojoties uz atsevišķām laikrindām. MIT programmētāji pielāgoja algoritmu, lai novērstu nepieciešamību manuāli iestatīt mainīgos.
Otrā un galvenā problēma, saskaņā arizstrādātājiem bija jāpielāgo šī metode vairāku laikrindu analīzei. Pētnieku piedāvātais risinājums bija atsevišķu laikrindu matricu "locīšana" vienā lielākā matricā, kurai varētu piemērot SSA. Izstrādātāji savu metodi sauca par mSSA. Zinātnieki iepriekš publicēja detalizētu pētījuma un algoritma aprakstu rakstā par ArXiv.
Pētnieki salīdzināja mSSA ar citiem mūsdienīgiem algoritmiem, tostarp dziļas mācīšanās metodēm, reālās dzīves laika datu kopās, kas apraksta elektrotīklus, ceļu satiksmi un finanšu tirgus.
Pētnieki saka testa rezultātusparādīja, ka viņu algoritms pārspēja visas alternatīvas trūkstošo pagātnes datu atgūšanā un visas alternatīvas, izņemot vienu, nākotnes vērtību prognozēšanā. Izstrādātāji arī parādīja algoritma universālo raksturu: to var vienlīdz efektīvi piemērot jebkurām laikrindām.
Pētnieki saka, ka viņi turpinās uzlabot tspDB ar jauniem algoritmiem, kas vēl vairāk uzlabos prognožu precizitāti.
Mēs esam ieinteresēti darīttspDB ir plaši izmantota atvērtā pirmkoda sistēma. Laika rindu analīze ir ļoti svarīga, un prognozēšanas funkcijas iegulšana tieši datu bāzē mums šķiet ērtākais analīzes veids. Tas nekad agrāk nav darīts, tāpēc mēs vēlamies pārliecināties, ka pasaule izmanto mūsu risinājumu.
Devavrats Šahs, MIT Elektrotehnikas un datorzinātņu katedras profesors, izstrādes līdzautors
Lasīt vairāk
"Piektais elements" pastāv: jauns eksperiments apstiprinās, ka informācija ir būtiska
Rāpojošas skaņas un noslēpumaini radījumi: dīvainākie atradumi Marianas tranšejā
Paskatieties uz labāko Saules attēlu: tas sastāv no 83 miljoniem pikseļu