Оценка и повышение предсказуемости временных рядов сложной природы методами машинного обучения

Целью исследования является повышение качества прогнозирования временных рядов сложной природы, отражающих социоэкономические процессы реального мира, а также уменьшение вычислительной сложности их прогнозирования с помощью оценки предсказуемости временных рядов методами машинного обучения. Задачи исследования: анализ и обоснование требований к методам прогнозирования временных рядов сложной природы; формализация постановки задачи оценки предсказуемости временных рядов сложной природы; разработка и программная реализация методов априорного контроля качества прогноза временных рядов сложной природы с помощью метрик предсказуемости; разработка и программная реализация алгоритмов генеративного дизайна и оптимизации временных рядов сложной природы; проектирование и разработка программного комплекса для прогнозирования, оптимизации и генеративного дизайна временных рядов сложной природы, имплементирующего разработанные методы и алгоритмы; апробация разработанных методов и алгоритмов на практических задачах. Результаты исследования: • метод априорного контроля качества прогноза временных рядов сложной природы с помощью метрик предсказуемости, в том числе: o алгоритм выбора наилучшей модели из заданных для прогноза временного ряда; o алгоритм выбора наилучших данных для прогноза заданной моделью; o алгоритм для анализа вычислительной ресурсоемкости и качества прогнозирования; • алгоритмы для работы с временными рядами сложной природы: o алгоритм нахождения оптимального разложения многомерного временного ряда; o алгоритм оптимизации метрик на взаимозависимых временных рядах; o алгоритм генеративного дизайна временных рядов