Прогнозування та аналіз часових рядів
| dc.contributor.advisor | Щестюк, Наталія | |
| dc.contributor.author | Женчак, Анастасія | |
| dc.date.accessioned | 2020-12-04T21:14:37Z | |
| dc.date.available | 2020-12-04T21:14:37Z | |
| dc.date.issued | 2020 | |
| dc.description.abstract | В даній роботі розглянуто методи прогнозування часових рядів, що пояснюють поведінку часового ряду, виходячи лише з його значень в попередні мом енти часу. Для цього випадку добре підходять моделі ARIMA та нейронні мережі LSTM. Вони добре описують як стаціонарні, так і нестаціонарні часові ряди (більшість часових рядів можуть бути приведені до стаціонарного ряду шляхом виділення тренду, сезонної ко мпоненти, чи взяття різниці). Мета даного проекту порівняння методів за допомогою моделей ARIMA та за допомогою нейронних мереж, а саме LSTM. Здійснити аналіз на різних даних, виходячи з їх унікальних форм, щоб перевірити різноманітні зміни в сезоні, п ідвищення цін та різкі відмінності. | uk_UA |
| dc.identifier.uri | https://ekmair.ukma.edu.ua/handle/123456789/18986 | |
| dc.language.iso | uk | uk_UA |
| dc.status | first published | uk_UA |
| dc.subject | прогнозування | uk_UA |
| dc.subject | аналіз | uk_UA |
| dc.subject | часові ряди | uk_UA |
| dc.subject | бакалаврська робота | uk_UA |
| dc.title | Прогнозування та аналіз часових рядів | uk_UA |
| dc.type | Other | uk_UA |