Гибридный метод с нейросетевым компонентов для моделирования временных рядов а примере динамики показателей состояния атмосферного воздуха
Аннотация
Работа посвящена разработке гибридного метода прогнозирования временных рядов, основанного на искусственной нейронной сети NARX/Elman. Предложен метод оценки репрезентативности точек исходных данных, основанный на анализе частоты попадания точки обучающей выборки в модели с низкой результирующей ошибкой.
Представлены результаты прогнозов концентраций метана в атмосфере арктического острова Белый, ЯНАО, Россия, полученные с помощью гибридной модели.
The qualification work is devoted to development of hybrid method of forecast time series. It’s based on the artificial neural network NARX/Elman. Estimation of points’ representativeness of dataset method is proposed which is based on analyzing dataset’s point hit rate in a model with low resulting error.
Obtained with the hybrid model results of forecast of methane concentration in the atmosphere in Arctic island Belyy, Yamalo-Nenets Autonomous Okrug, Russia are presented.
Представлены результаты прогнозов концентраций метана в атмосфере арктического острова Белый, ЯНАО, Россия, полученные с помощью гибридной модели.
The qualification work is devoted to development of hybrid method of forecast time series. It’s based on the artificial neural network NARX/Elman. Estimation of points’ representativeness of dataset method is proposed which is based on analyzing dataset’s point hit rate in a model with low resulting error.
Obtained with the hybrid model results of forecast of methane concentration in the atmosphere in Arctic island Belyy, Yamalo-Nenets Autonomous Okrug, Russia are presented.