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.
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 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.
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.
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.
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
В настоящее время самыми популярными критериями являются оценки ошибки прогнозирования MAE и MAPE
Вводятся следующие обозначения:
MAPE – средняя абсолютная ошибка прогнозирования (в процентах): Читать далее