DSpace Repository

Экспериментальное исследование точности методов прогноза, базирующихся на архиваторах

Show simple item record

dc.contributor.author Чирихин, Константин Сергеевич ru_RU
dc.contributor.author Рябко, Борис Яковлевич ru_RU
dc.contributor.author Chirikhin, Konstantin Sergeevich en
dc.contributor.author Ryabko, Boris Yakovlevich en
dc.creator Новосибирский государственный университет ru_RU
dc.creator Сибирский государственный университет телекоммуникаций и информатики ru_RU
dc.creator Институт вычислительных технологий СО РАН ru_RU
dc.creator Novosibirsk State University en
dc.creator Siberian State University of Telecommunications and Information Sciences en
dc.creator Institute of Computational Technologies SB RAS en
dc.date.accessioned 2018-10-04T11:28:34Z
dc.date.available 2018-10-04T11:28:34Z
dc.date.issued 2018-09
dc.identifier.citation Чирихин К. С., Рябко Б. Я. Экспериментальное исследование точности методов прогноза, базирующихся на архиваторах // Вестн. НГУ. Серия: Информационные технологии. 2018. Т. 16, № 3. С. 145–158. DOI: 10.25205/1818-7900-2018-16-3-145-158. ru_RU
dc.identifier.citation Chirikhin K. S., Ryabko B. Ya. Experimental Study of the Accuracy of Compression-Based Forecasting Methods. Vestnik NSU. Series: Information Technologies, 2018, vol. 16, no. 3, p. 145–158. DOI: 10.25205/1818-7900-2018-16-3-145-158. (in Russ.) en
dc.identifier.issn 1818-7900
dc.identifier.other DOI 10.25205/1818-7900-2018-16-3-145-158
dc.identifier.uri http://lib.nsu.ru:8081/xmlui/handle/nsu/15237
dc.description.abstract В теории информации известно, что методы сжатия данных могут быть использованы для прогнозирования стационарных процессов. В данной работе предложен базирующийся на архиваторах алгоритм прогнозирования временных рядов и проведено экспериментальное исследование его эффективности. В процессе работы описанного алгоритма могут быть использованы произвольные методы сжатия данных, причем прогнозные значения от разных методов комбинируются, и наибольшее влияние на конечный результат оказывает метод, способный сильнее других сжать временной ряд. Данный алгоритм может быть использован для прогнозирования рядов с дискретными и непрерывными алфавитами. Для повышения точности прогноза возможно применение существующих методов предварительной обработки данных. Экспериментальное исследование эффективности предложенного алгоритма проводилось на временных рядах из M3 Competition и ряде T-индекса, при этом были использованы хорошо известные архиваторы. Результаты вычислений показали, что полученный метод обладает сравнительно высокой точностью и быстродействием. ru_RU
dc.description.abstract In information theory it is known that methods of data compression can be used for forecasting of stationary processes. In this paper an compression-based algorithm for time series forecasting was proposed and empirical study of its accuracy was carried out. The algorithm can operate with arbitrary methods of data compression. During the steps of the algorithm predicted values from different methods are combined, and the greatest impact on the end result is exerted by the method with the best compression ratio for the series. The algorithm can be used for forecasting of time series with discrete and continuous alphabets. To improve the accuracy of the forecast existing methods of time series preprocessing can be used. The empirical study of the efficiency of the proposed algorithm was conducted on time series from the M3 Competition and the T-index series. To generate forecasts well-known archivers were used. The results of the calculations showed that the obtained method has a relatively high accuracy and speed. en
dc.language.iso ru ru_RU
dc.publisher Новосибирский государственный университет ru_RU
dc.subject универсальное кодирование ru_RU
dc.subject прогнозирование временных рядов ru_RU
dc.subject universal coding en
dc.subject time series forecasting en
dc.title Экспериментальное исследование точности методов прогноза, базирующихся на архиваторах ru_RU
dc.title.alternative Experimental Study of the Accuracy of Compression-Based Forecasting Methods en
dc.type Article ru_RU
dc.description.reference 1. Kendall M. G., A. Stuart. The Advanced Theory of Statistics: Design and analysis, and timeseries. The Advanced Theory of Statistics. Hafner, 1976. 2. Hyndman R. J., Athanasopoulos G. Forecasting: principles and practice. OTexts, 2014. 3. Makridakis S., Hibon M. The M3-Competition: results, conclusions and implications // International journal of forecasting. 2000. Vol. 16. No. 4. P. 451–476. 4. Рябко Б. Я. Прогноз случайных последовательностей и универсальное кодирование // Проблемы передачи информации. 1988. Т. 24, №. 2. С. 3–14. 5. Shkarin D. PPM: One step to practicality // Proc. Data Compression Conference. IEEE, 2002. P. 202–211. 6. Cover T. M., Thomas J. A. Elements of information theory. John Wiley & Sons, 2012. 7. Ryabko B., Astola J., Malyutov M. Compression-based methods of statistical analysis and prediction of time series. Switzerland: Springer International Publishing, 2016. 8. Ryabko B. Compression-based methods for nonparametric prediction and estimation of some characteristics of time series // IEEE Transactions on Information Theory. 2009. Vol. 55. No. 9. P. 4309–4315. 9. Bille P., Gørtz I. L., Prezza N. Space-Efficient Re-Pair Compression // Data Compression Conference. IEEE, 2017. P. 171–180. 10. Cleveland R. B., Cleveland W. S., Terpenning I. STL: A seasonal-trend decomposition procedure based on loess // Journal of Official Statistics. 1990. Vol. 6. No. 1. P. 3. ru_RU
dc.description.reference 1. Kendall M. G., Stuart A. The Advanced Theory of Statistics: Design and analysis, and timeseries. The Advanced Theory of Statistics. Hafner, 1976. 2. Hyndman R. J., Athanasopoulos G. Forecasting: principles and practice. OTexts, 2014. 3. Makridakis S., Hibon M. The M3-Competition: results, conclusions and implications. International journal of forecasting, 2000, vol. 16, no. 4, p. 451–476. 4. Ryabko B. Ya. Prediction of random sequences and universal coding. Problems of information transmission, 1988, vol. 24, no. 2, p. 87–96. (in Russ.) 5. Shkarin D. PPM: One step to practicality. Proc. Data Compression Conference. IEEE, 2002, p. 202–211. 6. Cover T. M., Thomas J. A. Elements of information theory. John Wiley & Sons, 2012. 7. Ryabko B., Astola J., Malyutov M. Compression-based methods of statistical analysis and prediction of time series. Switzerland, Springer International Publishing, 2016. 8. Ryabko B. Compression-based methods for nonparametric prediction and estimation of some characteristics of time series. IEEE Transactions on Information Theory, 2009, vol. 55, no. 9, p. 4309–4315. 9. Bille P., Gørtz I. L., Prezza N. Space-Efficient Re-Pair Compression. Data Compression Conference. IEEE, 2017, p. 171–180. 10. Cleveland R. B., Cleveland W. S., Terpenning I. STL: A seasonal-trend decomposition procedure based on loess. Journal of Official Statistics, 1990, vol. 6, no. 1, p. 3. en
dc.subject.udc 519.246.8
dc.relation.ispartofvolume 16
dc.relation.ispartofnumber 3
dc.relation.ispartofpages 145-158


Files in this item

This item appears in the following Collection(s)

  • IT Выпуск 3 (2018)
    Вестник НГУ. Серия:Информационные технологии, 2018. Том 16, №3

Show simple item record

Search DSpace


Advanced Search

Browse

My Account