Search academic texts

Information × Registration Number 2123U001382, Article popup.category Стаття, Опубліковано, Рецензована стаття Title SHORT-TERM OF NON-STATIONARY TIME SERIES FORECASTING USING MLP AND LSTM MODELS popup.author Ivashchenko HeorhiiPonamarov VladyslavKholiev VladyslavIvashchenko HeorhiiPonamarov VladyslavKholiev Vladyslav popup.publication 17-03-2023 popup.source_user Національний університет «Полтавська політехніка імені Юрія Кондратюка» popup.source https://journals.nupp.edu.ua/sunz/article/view/2834 popup.publisher Національний університет «Полтавська політехніка імені Юрія Кондратюка» Description Актуальність. Рішення завдання прогнозування відіграє важливу роль у процесах стратегічного планування та оперативного управління у різних сферах господарчої діяльності. Формою прогнозування є прогнозування часових рядів, при якому актуальною проблемою залишається вибір доцільного методу серед сучасних засобів обчислювального інтелекту, таких як штучні нейронні мережі. Проблема вибору обумовлена великою кількістю параметрів та налаштувань, які залежать від особливостей прогнозованого часового ряду, та суттєво впливають на якість отриманого прогнозу. Метою даної роботи є аналіз методів короткострокового прогнозування нестаціонарних часових рядів з використанням моделей штучних нейронних мереж, таких як багатошаровий персептрон та довга короткострокова пам’ять. Об’єктом дослідження є процес прогнозування часових рядів. Предметом дослідження є використання моделей штучних нейронних мереж для короткострокового прогнозування. Результати. Експериментальні дослідження показали, що середня помилка при прогнозуванні за допомогою запропонованих засобів на 2-6% нижче у порівнянні з використанням поширених традиційних моделей. Висновок. Отримані результати підтверджують перевагу використання моделей MLP та LSTM перед прогнозуванням на основі методів, обраних для аналізу у M3-Competition. popup.nrat_date 2026-04-19 Close