Adaptive Forecasting of Non-Stationary Nonlinear Time Series Based on the Evolving Weighted Neuro-Neo-Fuzzy-ANARX-Model

Hu, Zhengbing; Bodyanskiy, Yevgeniy; Tyshchenko, Oleksii K.; Boiko, Olena

doi:10.5815/ijitcs.2016.10.01

Cited by 5 publications

(1 citation statement)

References 24 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Здесь прогнозы всех будущих значений равны среднему значению исторических данных [6]. Если мы обозначили исторические данные как , тогда мы можем написать прогнозы как .…”

Section: Sma-метод простого скользящего среднегоunclassified

Cовременные Методы Прогнозирования Временных Рядов

Савинская¹,

Зейн²,

Шуняев³

2021

meps

View full text Add to dashboard Cite

Цель: актуальность изучения временных рядов в последнее время вышла на новый уровень популярности в различных научных областяхв экономике, в частности, поэтому в данной статье мы сделаем обзор понятий и компонент временных рядов, затем обсудим некоторые распространенные методы прогнозирования. Обсуждение: согласно описанным целям исследования и по результатам проведенного анализа понятия временного ряда и методов прогнозирования временных рядов, в том числе рядов с памятью, авторами выделены самые прогрессивные методы, а именно адаптивные, нейронные сети и клеточный автомат. Результаты: результатом исследования является раскрытие ключевых моментов применения тех или иных методов прогнозирования в зависимости от компонентного состава и происхождения исследуемых временных рядов.

show abstract

Section: Sma-метод простого скользящего среднегоunclassified