Усовершенствованная система нейросетевого прогнозирования групп временных рядов с непрерывным обучением

Аннотация

Введение: прогнозирование групп временных рядов является сложной прикладной проблемой, когда необходимо учитывать как внутрисерийные, так и межсерийные взаимосвязи, оперативно реагировать на изменения в законах формирования рядов. Цель: совершенствование систем прогнозирования групп временных рядов, позволяющее повысить точность получаемых прогнозов. Результаты: разработана усовершенствованная система нейросетевого прогнозирования групп временных рядов с непрерывным обучением, в состав которой включен блок корректировки, позволяющий автоматически подбирать гиперпараметры прогнозирования и производить наиболее корректный ассоциативный вызов информации из памяти нейронной сети. Предложены новые правила реализации системы в программном исполнении с улучшенным ассоциативным вызовом информации из нейросетевой памяти, что повысило устойчивость функционирования самих нейронных сетей. Разработан и программно реализован алгоритм работы блока корректировки, обеспечивающий подбор коэффициента ослабления, ретроспективной глубины компонентов группового временного ряда, а также порога возбуждения нейронов. Исследована зависимость точности прогнозирования от размера нейросетевых каналов. На примере прогнозирования рыночных показателей продемонстрировано преимущество разработанной системы по сравнению с известными аналогами. Практическая значимость: усовершенствованная программная система позволяет получать более точные прогнозы временных рядов для решения задач прикладной направленности. Так, средняя абсолютная ошибка снижается на 2–35 %, средняя абсолютная процентная ошибка на 4–37 % и среднеквадратическая ошибка на 3–29 %. Обсуждение: В дальнейшем для повышения эффективности системы необходима разработка правил автоматического выбора других гиперпараметров, а также оптимизация алгоритма их подбора для снижения вычислительных затрат.