Досліджено проблему побудови систем підтримки прийняття рішень за умов моделювання та прогнозування нелінійних нестаціонарних процесів, що описуються часовими рядами. Проаналізовано підходи до автоматизації вибору класу та структури моделей, які описують дані ряди. Запропоновано узагальнену технологію побудови регресійних моделей на базі часових рядів, яка дозволяє користувачу оперативно визначити структуру моделей-кандидатів і вибирати кращу модель множини оцінених. Наведено методи моделювання та прогнозування з використанням регресійних дерев, нейронних мереж і генетичних алгоритмів, а також модифікованого фільтра Калмана. Запропоновано технологію побудови моделей нестаціонарних гетероскедастичних процесів, яка забезпечує одержання моделі, адекватної за множиною статистичних параметрів і вибір кращого прогнозу за множиною статистичних критеріїв якості. Побудовано математичні моделі ряду технологічних і фінансово-економічних процесів, яких використано для короткострокового прогнозування. Проведено порівняльний аналіз декількох методів прогнозування на базі збудованих моделей. Розроблено архітектуру та створено систему підтримки прийняття рішень під час прогнозування нестаціонарних стохастичних процесів, яка має гнучку архітектуру, простий зручний інтерфейс і широкі можливості графічного представлення результатів.

  Завантажити