Zastosowanie sztucznych sieci neuronowych do hybrydowego modelowania i prognozowania szeregów czasowych

• Autorzy: Joanna Perzyńska

Warianty tytułu

Application of Artificial Neural Network to Hybrid Modelling and Forecasting of Time Series

• Języki publikacji: PL

Abstrakty

W artykule przedstawiono hybrydową metodę budowy modeli szeregów czasowych, z wykorzystaniem sztucznych sieci neuronowych. Ilustracją rozważań o charakterze teoretycznym jest przykład empiryczny, w którym modelowaniu i prognozowaniu poddano zmienną mikroekonomiczną charakteryzującą się występowaniem trendu i wahań sezonowych o silnym natężeniu. W pierwszym etapie badań dokonano identyfikacji wzorców w szeregu czasowym, z wykorzystaniem samoorganizującej się sieci Kohonena. Następnie zastosowano autorską modyfikację metody identyfikacji wzorców i dla wyodrębnionych w ten sposób fragmentów szeregu zbudowano modele perceptronów wielowarstwowych. W ostatnim etapie badań, na podstawie modeli perceptronowych, wyznaczono prognozy; ich jakość oceniono na podstawie średnich błędów ex post. Przeprowadzone badania potwierdziły użyteczność hybrydowych modeli neuronowych w prognozowaniu szeregów czasowych.(abstrakt oryginalny)

EN

In the paper, the author presents the hybrid method of time series modelling using artificial neural networks. The illustration of theoretical considerations is the empirical example, in which models and forecasts are determined for microeconomic variable with trend and seasonal fluctuations with high intensity. In the first stage of the research, patterns in time series are identified using the self-organizing Kohonen maps. Next, a modification of the pattern identification method is applied. Based on it, fragments of time series are extracted, then models of multilayer perceptrons are built. In the last stage of the research, forecasts are determined, their quality is assessed on the basis of average ex-post errors. The research confirms the usefulness of hybrid neural models in time series forecasting.(original abstract)

Słowa kluczowe

PL

Sztuczne sieci neuronowe (SSN); Szeregi czasowe

EN

Artificial neural networks (ANN); Time-series

• Czasopismo: Folia Pomeranae Universitatis Technologiae Stetinensis. Oeconomica
• Rocznik: 2018
• Numer: nr 93
• Strony: 57--68

Twórcy

autor

Joanna Perzyńska

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie

Bibliografia

• Dittmann P., Dittmann I., Szabela-Pasierbińska E., Szpulak A. 2009. Prognozowanie w zarządzaniu przedsiębiorstwem. Kraków, Oficyna a Wolters Kluwer Business.
• Lula P. 2001. Hybrydowe metody identyfikacji wzorców oraz modelowania i prognozowania szeregów czasowych. Pr. Nauk. AE Wroc. Taksonomia 906, Klasyfikacja i analiza danych - teoria i zastosowania, 68-76.
• Osowski S. 1996. Sieci neuronowe w ujęciu algorytmicznym. Warszawa, WNT.
• Perzyńska J. 2018. Zastosowanie sztucznych sieci neuronowych do prognozowania szeregów czasowych. Zesz. Nauk. ZPSB Firma Rynek 2(54), 27-36.
• Tadeusiewicz R. 1993. Sieci neuronowe. Warszawa, Akad. Oficyna Wydaw. RM.
• Tadeusiewicz R. 1998. Elementarne wprowadzenie do techniki sieci neuronowych z przykładowymi programami. Warszawa, Akad. Oficyna Wydaw.
• Witkowska D. 2002. Sztuczne sieci neuronowe i metody statystyczne. Wybrane zagadnienia finansowe. Warszawa, C.H. Beck.
• Zawadzki J. 1995. Ekonometryczne metody prognozowania procesów gospodarczych. Szczecin, AR.
• Zeliaś A. 2000. Metody statystyczne. Warszawa, PWE.

Identyfikatory

DOI

10.21005/oe2018.93.4.05