|
eaDonNTU, Donetsk >
Научные труды ДонНТУ >
Серія: Обчислювальна техніка та автоматизація >
Випуск 2 (25)'2013 >
Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://ea.donntu.ru/handle/123456789/22812
|
| Название: | ИДЕНТИФИКАЦИЯ ПАРАМЕТРОВ ARFIMA МОДЕЛИ ФРАКТАЛЬНОГО ПРОЦЕССА |
| Другие названия: | Identification of ARFIMA Model’s Parameters for Fractal Process
Ідентифікація параметрів ARFIMA моделі фрактального процесу |
| Авторы: | Дегтяренко, И.В.
Гарматенко, А.М.
Ярошенко, О.А.
Degtyarenko, I.V.
Garmatenko, A.M.
Yaroshenko, O.A.
Дегтяренко, І.В.
Гарматенко, О.М. |
| Ключевые слова: | фрактальний процес
ARFIMA
показник Херста
прогностична модель
Detrended Fluctuation Analysis
fractal process
Hurst parameter
predictive model
фрактальный процесс
показатель Херста
прогностическая |
| Дата публикации: | 2013 |
| Издатель: | Донецький національний технічний університет |
| Библиографическое описание: | Наукові праці Донецького національного технічного університету. Серія: Обчислювальна техніка та автоматизація. Випуск 2 (25). - Донецьк, ДонНТУ, 2013. С - 111-119 |
| Аннотация: | В статье рассмотрены вопросы построения прогностической ARFIMA модели
фрактального процесса. Проведен анализ взаимосвязи параметров ARFIMA модели с
показателем Херста. Описана методика определения параметров данной модели на основе использования метода «Detrended Fluctuation Analysis». Исследована эффективность применения данной методики при построении прогностических моделей. |
| Описание: | The questions of developing a
predictive model for fractal process are considered. Self-similarity and long-term memory are inherent for fractal processes. This is the basis for building predictive models of these processes. The general concept of developing a predictive ARFIMA model is described in the article. The
interrelation of the parameters of ARFIMA model with fractal properties of the process is analyzed. The recommendations for the practical application to describe stationary processes within longterm
memory are examined in the article. The procedure for calculating the parameter d of
ARFIMA models using Whittle is described. A new method of determining this parameter is based on calculating the Hurst parameter using “Detrended Fluctuation Analysis” is described. This method provides the most stable and adequate Hurst parameter estimation for fractal processes.
The dependences of Hurst calculation accuracy parameters and average interval of correlation with the length of data’s window are analyzed. The recommendations about selection of the minimum length of data’s window are given. The efficiency of the proposed method is evaluated by
numerical simulation. Two prediction models of fractal process were constructed. The parameter d of first ARFIMA model was calculated by Whittle method. The parameters of the second model were calculated by the proposed method. The method of the relative error of approximation was used in assessing the quality of prediction. The simulation results showed that the developed
method increases the horizon of forecasting fractal process by 6% in comparison with application of the classical approach, based on the method of Whittle. |
| URI: | http://ea.donntu.edu.ua/handle/123456789/22812 |
| ISSN: | 2075-4272 |
| Располагается в коллекциях: | Випуск 2 (25)'2013
Статті співробітників кафедри АТ
|
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.
|
