Прогнозирование временных рядов нейронными сетями.

Прогнозирование временных рядов нейронными сетями.

Постановка задачи: при известных скоростях показа рекламы с 8 до 15 часов, сделать прогноз скорости с 16 до 23 часов.

Архитектура нейронной сети для прогнозирования временных рядов выглядит следующим образом:

3 слоя — входной (8 нейронов — известные скорости масштабированные к 1-це), скрытый слой, выходной слой 7 нейронов — прогнозируемая скорость по часам масштабированные к 1-це.

Читать далее

Прогноз бюджета на примере Яндекс.Директ

Очень часто, чтобы планировать бюджет на ближайшее время встает закономерный вопрос — «как это сделать просто, быстро и как можно точнее?». Поскольку суточный бюджет вещь достаточно стабильная, редко происходят её резкие изменения, будет отталкивать от текущих суточных трат. Читать далее

Модель Хольта-Уинтерса. Сравнение модели Хольта и Хольта-Уинтерса.

Модель Хольта-Уинтерса отличается от простой модели Хольта в первую очередь тем, что учитывает сезонные колебания, однако она также как и модель Хольта содержит только линейный тренд, поэтому достоверным можно считать прогноз, лишь на один наг вперед. Кроме того, модели Хольта-Уинтерса могут учитывать сезонность в мультипликативном и аддитивном вариантах.

Читать далее

Модель Хольта

Модель Хольта

По сравнению с наивными методами прогноза модель Хольта несколько сложнее в реализации. Кроме того, у данной модели есть большой недостаток – она выдает прогноз лишь на один шаг вперед и не может спрогнозировать, например, 12 будущих часов.

Читать далее

Наивные алгоритмы прогнозирования

При создании «наивных» моделей предполагается, что некоторый последний период прогнозируемого временного ряда лучше всего описывает будущее этого прогнозируемого ряда, поэтому в этих моделях прогноз, как правило, является очень простой функцией от значений прогнозируемой переменной в недалеком прошлом.

Читать далее

Методы сглаживания временных рядов

Для многих систем характерны частые случайные всплески прогнозируемых величин, поскольку они не поддаются прогнозированию, а лишь вносят случайный шум, их нужно отфильтровать, именно для этого используются специальные алгоритмы сглаживания.

Методы сглаживания будут рассматриваться для интерполяции на временном диапазоне в три дня, которые при этом характерно выражены влиянием случайной составляющей. Читать далее

Оценка точности прогнозирования временных рядов

ОЦЕНКА ТОЧНОСТИ ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ

В настоящее время самыми популярными критериями являются оценки ошибки прогнозирования MAE и MAPE

Вводятся следующие обозначения:

  • N – число выполненных прогнозов;
  • Y(t) – фактическое значение заданной функции в момент времени t;
  • Y'(t) – прогнозируемое значение заданной функции в момент времени t.

MAPE – средняя абсолютная ошибка прогнозирования (в процентах): Читать далее