Друкеровский вестник

ДРУКЕРОВСКИЙ ВЕСТНИК

ISSN 2312-6469 (Print)


Друкеровский вестник. 2022; 4:

 

http://dx.doi.org/10.17213/2312-6469-2022-4-173-189

 

ПРОГНОЗИРОВАНИЕ СОСТОЯНИЯ СЛОЖНЫХ МНОГОПАРАМЕТРИЧЕСКИХ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ И ТЕХНИЧЕСКИХ СИСТЕМ С ИСПОЛЬЗОВАНИЕМ ПОДОБНЫХ МНОГОМЕРНЫХ ВРЕМЕННЫХ РЯДОВ

Т.В. Лобова, П.В. Овчинников, А.Н. Ткачев

Лобова Татьяна Владимировна – старший преподаватель кафедры «Прикладная математика», Южно-Российский государственный политехнический университет (НПИ) им. М.И. Платова, г. Новочеркасск, Россия.

Овчинников Петр Вячеславович кандидат экономических наук, декан факультета «Инноватика и организация производства» Южно-Российского государственного политехнического университета (НПИ) имени М.И. Платова,
г. Новочеркасск, Россия.

Ткачев Александр Николаевич – доктор технических наук, заведующий кафедрой «Прикладная математика», Южно-Российский государственный политехнический университет (НПИ) им. М.И. Платова, г. Новочеркасск, Россия.

Россия, 346428, г. Новочеркасск, ул. Просвещения, 132

e-mail: pro78@yandex.ru 

 

Аннотация

Рассматривается задача прогнозирования многомерных временных рядов, образованных значениями меняющихся во времени взаимосвязанных показателей многопараметрических социально-экономических и технических систем. Решение задачи находится при помощи подобных выборок и экспертных оценок. В качестве подобных для каждого показателя используются отрезки временного ряда, образованные наборами последовательно идущих его элементов, близкими в смысле принятой метрики к набору из последних элементов ряда. Отбор выборок для прогнозирования проводится согласно принятому дополнительно критерию близости показателей многомерного временного ряда с учетом мнения экспертов. Экспертные оценки проводятся методом парных сравнений. Прогноз выполняется с использованием элементов исходного ряда, следующих за подобными выборками. Разработана процедура предварительного преобразования элементов временных рядов для обеспечения их подобия. Предложен комбинированный метод прогнозирования значений показателей социально-экономических и технических систем с использованием подобных выборок, экстраполяционных многочленов и скользящих экспоненциальных средних. Приводятся результаты численных экспериментов, подтверждающие адекватность предложенных моделей и возможность их применения для краткосрочного прогнозирования изменения на примере решения задачи определения показателей уровня жизни населения регионов России.

Текст статьи

 

Ключевые слова: временной ряд, прогнозирование, подобные выборки, скользящее среднее, адаптивная модель

 

Полный текст: [in elibrary.ru]

 

Ссылки на литературу

  1. Кендалл М.Дж., Стьюарт А. Многомерный статистический анализ и временные ряды. – М.: Наука, 1976. 736 с.
  2. Бокс Дж., Дженкинс Г.М. Анализ временных рядов, прогноз и управление. – М.: Мир, 1974. 406 с.
  3. Айвазян С.А. Прикладная статистика: основы моделирования и первичная обработка данных. – М.: Финансы и статистика, 1983. 472 с.
  4. Афанасьев В.Н., Юзбашев М.М. Анализ временных рядов и прогнозирование. – М.: Финансы и статистика, 2010. 228 с.
  5. Гурский С.К. Адаптивное прогнозирование временных рядов в электроэнергетике. – М.: Наукаитехника, 1983. 271 с.
  6. Bunnoon P., Chalermyanont K., Limsakul C. A Computing Model of Artificial Intelligent Approaches to Mid-term Load Forecasting: a state-of-the-artsurvey for the researcher // IACSIT International Journal of Engineering and Technology. 2010. No. 1. P. 94–100.
  7. Singh S. Pattern Modelling in Time-Series Forecasting // Cybernetics and Systems – An International Journal. 2000. Vol. 31. No. 1. P. 49–65.
  8. A GARCH Forecasting Model to Predict Day-Ahead Electricity Prices / R.C. Garcia [at al.] // IEEE Transactions on Power Systems. 2005. Vol. 20. No. 2. P. 867–874.
  9. Лобова Т.В., Ткачев А.Н., Щухомет М.Ю. Адаптивные нейросетевые модели оценки уровня жизни населения и социально-экономического развития регионов // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки. 2019. № 3. С. 12-20.
  10. Лобова Т.В., Ткачев А.Н. Адаптивная процедура прогнозирования временных рядов на множестве подобных выборок // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки. 2019. № 4. С. 22-30.
  11. Понтратьев Е.В. Компьютерная алгебра. Факторизация многочленов. – М.: Изд-во Моск. ун-та, 1988. 85 с.
  12. Саати Т. Принятие решений. Методы анализа иерархий. – М.: Радио и связь, 1993. – 278 с.
  13. Костович Л.С. Математическое программирование: Информ. технологии оптимальных решений. – Мн.: Новое знание, 2003. – 424 с.
  14. Регины России. Социально-экономические показатели. 2017: Р 32 стат. сб./ Росстат. М., 2017. – 1402 с.