Разработка новых методов предсказания и анализа хаотических временных рядов
Исполнитель
Департамент анализа данных и искусственного интеллекта ФКНРуководитель проекта
д.ф.-м.н. В.А. ГромовЦель исследования
Разработка новых методов предсказания и анализа хаотических временных рядов на много шагов вперёд.Результат
Для решения задачи разработаны различные методы генерации, прогнозирования и сравнения хаотических временных рядов. Методы были протестированы на различных наборах реальных данных, таких как количество потребленной электроэнергии, курс золота, колебания температуры и показали хорошие результаты. Методы реализованы в рамках библиотеки numpy и scipy.Публикации
- Gromov V., Necheporenko A., Gaisin A., Volkov I., Diner S. Generalized Relational Tensors for Irregularly Sampled Time Series: Methods to Store, Re-generate, and Predict // Chaos: An Interdisciplinary Journal of Nonlinear Science, 2021 (Q1)
- Gromov V., Beschastnov Y., Tomashchuk K. Generalized relational tensors for chaotic time series // PeerJ Computer Science, 2023 (Q2)
Рисунки
Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!
Сервис предназначен только для отправки сообщений об орфографических и пунктуационных ошибках.