#прогнозирование_временных_рядов — Public Fediverse posts

Chronos и AutoGluon-TimeSeries — мощный инструмент прогнозирования временных рядов

Работая в компании, которая занимается автоматизацией складских процессов, мы столкнулись с задачей прогнозирования нагрузки на склад. Это классическая задача предсказания временных рядов, в которой, имея достаточно большой объем исторических данных (минимум 1-2 года), нужно спрогнозировать, как эти данные будут меняться в будущем. Для построения прогнозов на месяц мы использовали SARIMAX. Но на фоне развития нейросетевых технологий и нейросетей с архитектурой Transformer, мы решили, в качестве эксперимента, попробовать новый подход к решению поставленной задачи. И в процессе поиска наткнулись на очень интересный подход – использование трансформера совместно с дополнительной регрессионной моделью. Именно такую возможность предоставляет библиотека AutoGluon.

https://habr.com/ru/articles/949062/

#Прогнозирование_временных_рядов #transformer #chronos #AutoGluon #arima #wql

Ментальное прогнозирование

Мы все как-то так или иначе прогнозируем в уме. Интуитивно или рационально. В период отпусков обычно меняем половину отложенных рублей на доллары (или даже все), если собираемся за границу. А похоже на то, что возможно формализовать интуитивный подход.

https://habr.com/ru/articles/916592/

#прогнозирование #прогнозирование_временных_рядов #прогнозирование_будущего

Temporal Fusion Transformer: улучшение прогнозирования в ритейле с минимальными затратами

Всем привет! Меня зовут Дмитрий Поляков, я работаю аналитиком данных в команде ad-hoc аналитики X5 Tech. В этой статье мы хотели бы рассмотреть задачу прогнозирования, которая является чрезвычайно важной задачей в ритейле. Мы детально рассмотрим основные преимущества и архитектурные особенности модели Temporal Fusion Transformer (TFT), наш подход к использованию этой модели в задаче прогнозирования спроса, и как нам удалось увеличить точность прогнозов в среднем на 7%, затратив при этом минимальные усилия. Также эта статья будет полезна и тем, кто хочет глубже понять принципы работы TFT, изучить её применение в библиотеке Darts и решить задачу прогнозирования для множества многомерных временных рядов.

https://habr.com/ru/companies/X5Tech/articles/869750/

#прогнозирование_временных_рядов #нейронные_сети #Temporal_Fusion_Transformer #darts #deep_learning #интерпретируемость #attention

Сердце насоса склонно к износу: предиктивная аналитика как гарант надёжности оборудования

Износ, старение и простои насосного оборудования создают серьёзные проблемы для многих предприятий, влияя на производительность и увеличивая затраты. В этой статье мы расскажем о нашем опыте использования предиктивного анализа на основе нейросетей LSTM для прогнозирования состояния насосов. Узнать об опыте

https://habr.com/ru/articles/857442/

#прогнозирование_временных_рядов #анализ_данных #машинное_обучение #автоматизация_производства #lstm #техническое_обслуживание #насосное_оборудование #предсказательная_аналитика #цифровизация_ТОиР #SAFE_PLANT

Сердце насоса склонно к износу: предиктивная аналитика как гарант надёжности оборудования

Износ, старение и простои насосного оборудования создают серьёзные проблемы для многих предприятий, влияя на производительность и увеличивая затраты. В этой статье мы расскажем о нашем опыте использования предиктивного анализа на основе нейросетей LSTM для прогнозирования состояния насосов. Узнать об опыте

https://habr.com/ru/articles/857442/

#прогнозирование_временных_рядов #анализ_данных #машинное_обучение #автоматизация_производства #lstm #техническое_обслуживание #насосное_оборудование #предсказательная_аналитика #цифровизация_ТОиР #SAFE_PLANT

Сердце насоса склонно к износу: предиктивная аналитика как гарант надёжности оборудования

Износ, старение и простои насосного оборудования создают серьёзные проблемы для многих предприятий, влияя на производительность и увеличивая затраты. В этой статье мы расскажем о нашем опыте использования предиктивного анализа на основе нейросетей LSTM для прогнозирования состояния насосов. Узнать об опыте

https://habr.com/ru/articles/857442/

#прогнозирование_временных_рядов #анализ_данных #машинное_обучение #автоматизация_производства #lstm #техническое_обслуживание #насосное_оборудование #предсказательная_аналитика #цифровизация_ТОиР #SAFE_PLANT

Сердце насоса склонно к износу: предиктивная аналитика как гарант надёжности оборудования

Износ, старение и простои насосного оборудования создают серьёзные проблемы для многих предприятий, влияя на производительность и увеличивая затраты. В этой статье мы расскажем о нашем опыте использования предиктивного анализа на основе нейросетей LSTM для прогнозирования состояния насосов. Узнать об опыте

https://habr.com/ru/articles/857442/

#прогнозирование_временных_рядов #анализ_данных #машинное_обучение #автоматизация_производства #lstm #техническое_обслуживание #насосное_оборудование #предсказательная_аналитика #цифровизация_ТОиР #SAFE_PLANT

Моделирование курса валют методом Монте-Карло

Метод Монте-Карло — это мощный инструмент стохастического моделирования, который используется в самых разнообразных областях науки и инженерии. В финансах, этот метод часто применяется для анализа и прогнозирования временных рядов, таких как курс валют или акций. Использование Монте-Карло позволяет оценить не только ожидаемые значения, но и распределение возможных исходов, что крайне важно для управления рисками и принятия обоснованных инвестиционных решений. Принцип метода заключается в выполнении большого количества стохастических экспериментов (симуляций), основанных на случайных выборках из вероятностных распределений входных параметров. В контексте прогнозирования курса валют, это позволяет моделировать различные экономические сценарии и оценивать потенциальные колебания валютных пар, используя исторические данные. Ключевой аспект использования Монте-Карло в финансах — это его способность учитывать и анализировать волатильность и дрейф курсов валют. Для повышения точности моделирования и реалистичности получаемых данных часто применяется ГАРЧ модель (Generalized Autoregressive Conditional Heteroskedasticity). ГАРЧ помогает адекватно оценить и моделировать изменчивость волатильности, что является критичным при анализе финансовых временных рядов. Идейно код выполнялся без готовых реализованных методов из различных либ. Проект использует следующие библиотеки и инструменты:

https://habr.com/ru/articles/810037/

#МонтеКарло #курс_валюты #моделирование #математическая_модель #прогнозирование_временных_рядов

Моделирование курса валют методом Монте-Карло

Метод Монте-Карло — это мощный инструмент стохастического моделирования, который используется в самых разнообразных областях науки и инженерии. В финансах, этот метод часто применяется для анализа и прогнозирования временных рядов, таких как курс валют или акций. Использование Монте-Карло позволяет оценить не только ожидаемые значения, но и распределение возможных исходов, что крайне важно для управления рисками и принятия обоснованных инвестиционных решений. Принцип метода заключается в выполнении большого количества стохастических экспериментов (симуляций), основанных на случайных выборках из вероятностных распределений входных параметров. В контексте прогнозирования курса валют, это позволяет моделировать различные экономические сценарии и оценивать потенциальные колебания валютных пар, используя исторические данные. Ключевой аспект использования Монте-Карло в финансах — это его способность учитывать и анализировать волатильность и дрейф курсов валют. Для повышения точности моделирования и реалистичности получаемых данных часто применяется ГАРЧ модель (Generalized Autoregressive Conditional Heteroskedasticity). ГАРЧ помогает адекватно оценить и моделировать изменчивость волатильности, что является критичным при анализе финансовых временных рядов. Идейно код выполнялся без готовых реализованных методов из различных либ. Проект использует следующие библиотеки и инструменты:

https://habr.com/ru/articles/810037/

#МонтеКарло #курс_валюты #моделирование #математическая_модель #прогнозирование_временных_рядов

Моделирование курса валют методом Монте-Карло

Метод Монте-Карло — это мощный инструмент стохастического моделирования, который используется в самых разнообразных областях науки и инженерии. В финансах, этот метод часто применяется для анализа и прогнозирования временных рядов, таких как курс валют или акций. Использование Монте-Карло позволяет оценить не только ожидаемые значения, но и распределение возможных исходов, что крайне важно для управления рисками и принятия обоснованных инвестиционных решений. Принцип метода заключается в выполнении большого количества стохастических экспериментов (симуляций), основанных на случайных выборках из вероятностных распределений входных параметров. В контексте прогнозирования курса валют, это позволяет моделировать различные экономические сценарии и оценивать потенциальные колебания валютных пар, используя исторические данные. Ключевой аспект использования Монте-Карло в финансах — это его способность учитывать и анализировать волатильность и дрейф курсов валют. Для повышения точности моделирования и реалистичности получаемых данных часто применяется ГАРЧ модель (Generalized Autoregressive Conditional Heteroskedasticity). ГАРЧ помогает адекватно оценить и моделировать изменчивость волатильности, что является критичным при анализе финансовых временных рядов. Идейно код выполнялся без готовых реализованных методов из различных либ. Проект использует следующие библиотеки и инструменты:

https://habr.com/ru/articles/810037/

#МонтеКарло #курс_валюты #моделирование #математическая_модель #прогнозирование_временных_рядов

Прогнозирование временных рядов: обзор библиотек

Сегодня мы познакомимся с несколькими библиотеками для прогнозирования временных рядов Сегодня мы рассмотрим три интересных и практически полезных кейса работы с промокодами в направлении аналитики лояльности и маркетинга CRM сервиса Delivery Club для доставки продуктов из магазинов и Ready-To-Eat блюд из ресторанов, эффективно использовавшимися в направлении аналитики с 2020 по 2022 годы, когда команда стала частью Деливери Маркет и перешла на внутренние альтернативные системы Деливери Маркет.

https://habr.com/ru/articles/784346/

#прогнозирование_временных_рядов