Задача без влияния внешних факторов:
Есть временной ряд (t1,t2,…,tn) и его значения (x1,x2,…,xn). Нужно найти значения (xn+1, xn+2,…,xk) для ряда (tn+1, tn+2, …, tk).
Задача с влиянием внешних факторов:
Есть временной ряд (t1,t2,…,tn), его значения (x1,x2,…,xn), и набор факторов(в контексте данной задачи не больше 3-4) со значениями (f1,f2,…,fk). Нужно найти значения (xn+1, xn+2,…,xk) для ряда (tn+1, tn+2, …, tk).
Архитектура сети: многослойный персептрон, многосвязная сеть.
Необходимая точность: чем выше, тем лучше 75% - хорошо, 85% - супер, 95% вообще мега.
Обучение сети: если получиться достигнуть определенной точности, то без учителя, если нет – с учителем.
Входные данные: временной ряд 1000-1500 значений.
Программа должна обработать ряд. Построить график ряда, прогноз, доверительный интервал, высчитать отклонение. Реализовать интерфейс нужно так что бы можно было использовать разные ряды и сравнивать.
Также необходимо реализовать несколько классических методов прогнозирования типа экспоненциальное сглаживание или авторегрисионные модели, но это позже так как осой трудности не представляет. В первую очередь нужно разработать нейронную сеть, обучить и применить подогнав ее точность.
Задача прогнозирования временного ряда с помощью искусственных нейронных сетей.
Язык С/С++ или С#. Имеется временной ряд и внешние факторы(в зависимости от задачи) в *.txt файлах. Пользователь выбирает тип задачи: с учетом дополнительных факторов или без.
Формулировки задачи прогнозирования:
Задача без влияния внешних факторов:
Есть временной ряд (t1,t2,…,tn) и его значения (x1,x2,…,xn). Нужно найти значения (xn+1, xn+2,…,xk) для ряда (tn+1, tn+2, …, tk).
Задача с влиянием внешних факторов:
Есть временной ряд (t1,t2,…,tn), его значения (x1,x2,…,xn), и набор факторов(в контексте данной задачи не больше 3-4) со значениями (f1,f2,…,fk). Нужно найти значения (xn+1, xn+2,…,xk) для ряда (tn+1, tn+2, …, tk).
Архитектура сети – предпочтительно многослойный персептрон (feed forward NN) или рекуррентная НС. Процес обучения скрыт от пользователя. Сеть необходимо обучить на определенном наборе данных. Смену архитектуры сети, переобучение или регулировку реализовывать через интерфейс не нужно. Реализация с нуля не обязательна, можно использовать готовые библиотеки. В результате необходимо нарисовать на одном графике известные данные, экстраполированные данные и доверительный интервал. Дальность прогноза регулируется пользователем в программе (ввод в текстовое окно). Точность прогноза выводиться в отдельное окно. Точности в 75% будет достаточно.
Необходимо подробно описать процесс обучения, подбор наиболее удачной структуры, подбор весов.
