Гібридні моделі короткострокового прогнозування часових рядів на основі штучних імунних систем
Електронного архіву Харківського національного університету радіоелектроніки (Open Access Repository of KHNURE)
Переглянути архів Інформація| Поле | Співвідношення | |
| Title |
Гібридні моделі короткострокового прогнозування часових рядів на основі штучних імунних систем
|
|
| Creator |
Іващенко, Г. С.
|
|
| Subject |
часовий ряд
моделі прогнозування висновок за прецеде-нтами штучні імунні системи клональний відбір імунна мережа паралельні обчислення time series forecasting model case based reasoning artificial immune system clonal selection immune network parallel computing |
|
| Description |
Дисертаційна робота присвячена розробці гібридних моделей на основі штучних імунних систем, які об’єднують переваги моделі клонального відбору, моделі штучної імунної мережі, методу виведення за прецедентами і існуючих методів прогнозування, що дозволяє підвищити як точність прогнозу, так і стійкість до викривлень у вихідних даних. Розглянуто використання мультиантитіл у якості прецедентів в моделі штучної імунної мережі. Отримана модель відрізняється можливістю змінюва-ти параметри роботи і структуру імунної мережі в процесі навчання ШІС. Запропоновано гібридну модель, яка виконує фрагментацію вихідного ча-сового ряду та підбір для кожного фрагмента свого методу прогнозування, що дозволяє скоротити обсяг навчальної вибірки і підвищити точність прогнозу. Для проведення сегментації дана модель використовує поєднання методу ви-сновку за прецедентами та моделі клонального відбору. Вперше запропоновано гібридну модель на основі моделі клонального ві-дбору, яка використовується для прогнозування викривлених часових рядів, враховує вплив зовнішніх факторів, дозволяє підвищити точність прогнозуван-ня та забезпечує отримання прогнозу в режимі реального часу. Для забезпечен-ня обробки даних в режимі реального часу в роботі розглянуто підходи до роз-паралелювання гібридних моделей прогнозування на основі систем з загальною та індивідуальною пам’яттю. Запропоновано показник для визначення застосовності імунного підходу, заснованого на моделі клонального відбору і CBR, який дозволяє перед вирі-шенням завдання короткострокового прогнозування виконувати налаштування параметрів гібридної моделі прогнозування, що дозволяє скоротити час на-вчання ШІС і зменшити розмір популяції антитіл. Розроблено інструментальне середовище для аналізу імунного алгоритму і вирішення завдання короткострокового прогнозування часових рядів, що до-зволяє виконувати порівняльний аналіз для оцінки ефективності запропонова-них підходів.Dissertation work is devoted to development of hybrid models of short-term time series prediction based on a combination of the principles of artificial immune systems and existing forecasting methods that can improve the forecast accuracy and resistance to distortion of the original data. The hybrid model of time series forecasting is proposed. This model performs fragmentation of the original time series and selection for each fragment of his prediction method, which reduces of learning sample and increases the accuracy of the forecast. For the time series segmentation the model uses a combination of the case based reasoning and the model of clonal selection. Considered using of multiantibodies as precedents in the artificial immune network model. The resulting model can change the parameters of the work and structure of the immune network in the learning process. The hybrid model based on the model of clonal selection is proposed. This model is used to predict of the distorted time series, takes into account the impact of external factors and allows increasing the accuracy of the forecast, and provides a possibility of forecast in real time. To ensure data processing in real time, these approaches use parallel systems based on common and individual memory. Criterion is proposed for determining the applicability of the immune approach of short-term time series forecasting based on the model of clonal selection and a CBR, which allows configuring parameters of hybrid model, that reduces the time for training of AIS and reduces the size of the antibody population. It was developed instrumental environment for the analysis of the immune algorithm and solving the problem of short-term time series forecasting, which allows to perform a comparative analysis for evaluating effectiveness of the proposed approaches. |
|
| Date |
2016-10-12T08:13:10Z
2016-10-12T08:13:10Z 2016 |
|
| Type |
Other
|
|
| Identifier |
Іващенко, Г. С. Гібридні моделі короткострокового прогнозування часових рядів на основі штучних імунних систем : автореф. дис. ... канд. техн. наук : 05.13.23 "Системи та засоби штучного інтелекту" / Г. С. Іващенко ; М-во освіти і науки України, Харків. нац. ун-т радіоелектроніки. – Харків, 2016. – 20 с.
http://openarchive.nure.ua/handle/document/3271 |
|
| Language |
uk
|
|