Search academic texts

Information × Registration Number 0416U003553, Candidate dissertation Status к.т.н. Date 08-06-2016 popup.evolution o Title Hybrid models of short-term time series forecasting based on artificial immune systems Author Ivashchenko Heorhii Stanislavovych, popup.head Korablyov Mykola Mykhaylovych popup.opponent Бідюк Петро Іванович popup.opponent Субботін Сергій Олександрович Description Дисертація 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. Запропоновано гібридну модель, яка виконує фрагментацію вихідного часового 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 висновку за прецедентами та моделі клонального відбору. Вперше запропоновано гібридну модель на основі моделі клонального відбору, яка використовується для прогнозування викривлених часових рядів, враховує вплив зовнішніх факторів, дозволяє підвищити точність прогнозування та забезпечує отримання прогнозу в режимі реального часу. Для забезпечення обробки даних в режимі реального часу в роботі розглянуто підходи до розпаралелювання 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 вирішенням завдання короткострокового прогнозування виконувати налаштування параметрів гібридної моделі прогнозування, що дозволяє скоротити час навчання ШІС і зменшити розмір популяції антитіл. Розроблено інструментальне середовище для аналізу імунного алгоритму і вирішення завдання короткострокового прогнозування часових рядів, що дозволяє виконувати порівняльний аналіз для оцінки ефективності запропонованих підходів. Registration Date 2016-06-08 popup.nrat_date 2020-04-03 Close