МЕТОДИ ПРОГНОЗУВАННЯ ЧАСОВИХ РЯДІВ З ВИРАЖЕНОЮ СЕЗОННІСТЮ НА ОСНОВІ ТРАНСФОРМЕРІВ

Анотація

Прогнозування часових рядів є критично важливим завданням, що охоплює різні сфери, такі як фінанси та медицина, погода, тощо, вимагаючи точних прогнозів, отриманих на основі аналізу історичних даних. Складність цієї задачі посилюється при аналізі сезонних даних, які характеризуються непередбачуваними коливаннями та різноманітними впливами, тим самим зменшуючи ефективність існуючих інструментів штучного інтелекту. У цій роботі проведено огляд та експериментальне порівняння передових моделей прогнозування часових рядів, з вираженою сезонністю в даних, на основі трансформерів. У дослідження було включено три моделі: Temporal Fusion Transformer, PatchTST та DLinear. Подано особливості їх архітектури, принципи роботи, окреслено їхні переваги та обмеження. Результати моделювання на основі цих моделей оцінювалися із використанням трьох різних  показників ефективності, під час розв’язання задачі аналізу даних про продажі продукції. Проведений аналіз показує, що моделі нейронних мереж, які використовують архітектури трансформера, демонструють високу ефективність під час розв’язання задачі прогнозування сезонних часових рядів. Однак ці моделі вимагають значних часових ресурсів для оптимізації десятків тисяч параметрів. Саме тому, вибір конкретної моделі прогнозування часових рядів повинен опиратися на конкретну задачу, доступні ресурси та пріоритети замовника