Гибридный подход для краткосрочного прогнозирования временных рядов на основе штрафного P-сплайна и эволюционной оптимизации

Abstract

В работе предложена гибридная модель прогнозирования, включающая рекуррентную схему штрафного P-сплайна с адаптацией параметров на основе алгоритмов эволюционной оптимизации. В задачах краткосрочного прогнозирования, особенно в системах реального времени, актуальной является задача повышения скорости прогноза без ухудшения его качества. Высокая скорость прогнозирования в данном подходе достигается экономичной вычислительной схемой рекуррентного P-сплайна при малой глубине предыстории. А одновременная адаптация нескольких параметров P-сплайна позволяет управлять точностью прогноза.

In this work, a hybrid-forecasting model is proposed. The model includes a recursive penalty P-spline with parameters adaptation based on evolutionary optimization algorithms. In short-term forecasting, especially in real-time systems, the urgent task is to increase the forecast speed without compromising its quality. High forecasting speed has been achieved by an economical computational scheme of a recurrent P-spline with a shallow depth of prehistory. When combined with the adaptation of some parameters of the P-spline, such an approach allows you to control the forecast accuracy.