Прогнозирование временного ряда на основе штрафного сплайна и алгоритма кластерного анализа DBScan в реальном времени

Abstract

Прогнозирование в режиме реального времени представляет особую ценность: с помощью данных, полученных при таком прогнозе можно оперативно и объективно отражать постоянно обновляемую картину любого процесса. Модель прогнозирования, предлагаемая в данной работе, основана на рекуррентном P-сплайне. Один из основных параметров модели, существенно влияющих на результат прогноза - число измерений звена сплайна. Настройка данного параметра осуществляется с помощью плотностного алгоритма кластеризации DBScan. Данный алгоритм был модифицирован под решаемую задачу: задание верхней границы количества элементов в кластере, решение проблемы перекрытия кластеров, создание правил для применения алгоритма в режиме реального времени. Real-time forecasting is particularly valuable: with the help of the data obtained with such a forecast, it is possible to quickly and objectively reflect a constantly updated picture of any process. The prediction model described in this paper is based on the recurrent P-spline. One of the main parameters of the model, which significantly affect the result of the forecast, is the parameter h-the number of measurements of the spline link. The setting of this parameter is performed by using the density clustering algorithm DBScan. This algorithm was modified for the problem to be solved: setting the upper limit of the number of elements in the cluster, solving the problem of overlapping clusters, creating rules for applying the algorithm in real time.