КОМПЛЕКСУВАННЯ ДЕКІЛЬКОХ АЛГОРИТМІВ ПІД ЧАС РОЗВ’ЯЗАННЯ ЗАДАЧІ ПРОГНОЗУВАННЯ

Abstract

Задача прогнозування є, безсумнівно, однією з найважливіших для людства, але водночас стоїть поряд з найскладнішими, оскільки немає жодної гарантії, що поведінка прогнозованого процесу не зміниться кардинально у майбутньому. Метою роботи є розробка нового методу прогнозування, що використовує підхід комплексування декількох моделей, та перевірка його якості на наборі тестових даних. Для цього були розглянуті основні існуючі методи прогнозування, а саме: штучні нейронні мережі, метод групового урахування аргументів та лінійна регресія. Для комплексування прогнозуючих моделей був обраний підхід bagging. Запропонований метод було реалізовано у програмному середовищі Matlab і перевірено (разом з декількома існуючими методами) на 11 тестових наборах даних. Наукова новизна та практична значущість дослідження полягає в тому, що серед методів, що тестувалися, запропонований метод показав найкращі результати, що свідчить про можливість його успішного застосування на практиці.