Предвиђање вредности индикатора који се временом мењају, као што су временске прилике, цена акција
Да би алати за предвиђање били приступачнији, програмери На Технолошком институту Масачусетса (МИТ) развили су систем који интегришеПоједностављени интерфејс ТСПДБ система извршаваСве сложене симулације без интервенције корисника.
Корисник система треба само да притисне неколикотастери за добијање прогнозе. Истовремено, прорачун будућих вредности се врши у просеку за 0,9 мс, напомињу аутори. Да би лаик донео одлуку, систем израчунава и интервале поверења, узимајући у обзир степен неизвесности прогнозе.
Један од разлога успеха ТСПДБ-а је његово коришћење новог алгоритма предвиђања серије времена.Наш алгоритам је посебно ефикасан када анализирамо вишедимензионалне временске серије, то јест податке који садрже више променљивих од којих зависиНа пример, у бази података временске прогнозе, температура, тачка росе и облак зависе одод њених прошлих вредности.
Абдулах Аломар, студент доктората, Електротехнички и рачунарски факултет, МИТ, коаутор развоја
Као основа за ваш алгоритамистраживачи су узели анализу сингуларног спектра (ССА). Користећи ову методу, можете израчунати вредности и направити предвиђања на основу појединачних временских серија. Програмери МИТ-а су прилагодили алгоритам како би елиминисали потребу за ручним подешавањем променљивих.
Други и кључни проблем, премапрограмери, требало је да прилагоде ову методу за анализу вишеструких временских серија. Решење које су предложили истраживачи било је да се појединачне матрице временских серија „савијају” у једну већу матрицу на коју би се могао применити ССА. Програмери су свој метод назвали мССА. Научници су претходно објавили детаљан опис истраживања и алгоритма у чланку на АрКсив-у.
Истраживачи су упоредили мССА са другим најсавременијим алгоритмима, укључујући методе дубоког учења, на скуповима временских података из стварног живота који описују електричне мреже, друмски саобраћај и финансијска тржишта.
Истраживачи кажу резултате тестовапоказали су да је њихов алгоритам надмашио све алтернативе у опоравку несталих прошлих података и све осим једне алтернативе у предвиђању будућих вредности. Програмери су такође показали универзалну природу алгоритма: може се подједнако ефикасно применити на било коју временску серију.
Истраживачи кажу да ће наставити да побољшавају тспДБ новим алгоритмима који ће додатно побољшати тачност предвиђања.
Заинтересовани смо да радимотспДБ је широко коришћен систем отвореног кода. Анализа временских серија је веома важна, а уграђивање функције предвиђања директно у базу података чини нам се најпогоднијим начином анализе. Ово никада раније није урађено и зато желимо да будемо сигурни да свет користи наше решење.
Деваврат Схах, професор на Одсеку за електротехнику и рачунарство на МИТ-у, коаутор развоја
Опширније
„Пети елемент“ постоји: нови експеримент ће потврдити да су информације материјалне
Језиви звуци и мистериозна створења: најчуднији налази у Маријанском рову
Погледајте најбољу слику Сунца: састоји се од 83 милиона пиксела