Maqolada vaqt qatorlarini qo'llash sohalari, echilishi kerak bo'lgan muammolar va qo'llaniladigan algoritmlar muhokama qilinadi. Vaqt seriyalarini prognozlash talabni, aloqa markazining yukini, yo'l va Internet-trafikni prognozlash, tavsiya qiluvchi tizimlarda sovuq ishga tushirish muammosini hal qilish, uskunalar va foydalanuvchilarning xatti-harakatlaridagi anomaliyalarni qidirish kabi vazifalarda qo'llaniladi.
Keling, vazifalarni batafsil ko'rib chiqaylik.
1) Talabni prognozlash.
Maqsad: ombor xarajatlarini kamaytirish va xodimlarning ish jadvalini optimallashtirish.
Buni qanday hal qilish mumkin: tovarlarni sotib olish prognozi va mijozlar soniga ega bo'lgan holda, biz ombordagi tovarlar miqdorini minimallashtiramiz va ma'lum bir vaqt oralig'ida sotib olinadigan miqdorda saqlaymiz. Har qanday vaqtda mijozlar sonini bilib, biz minimal xarajatlar bilan etarli miqdordagi xodimlarga ega bo'lish uchun optimal ish jadvalini tuzamiz.
2) Yetkazib berish xizmatidagi yukni prognoz qilish
Maqsad: eng yuqori yuklanish paytida logistika qulashining oldini olish.
Buni qanday hal qilish mumkin: buyurtmalar sonini bashorat qilish, optimal miqdordagi avtomobillar va kurerlarni qatorga keltiring.
3) Aloqa markazidagi yukni prognoz qilish
Maqsad: ish haqi fondi xarajatlarini minimallashtirish bilan bog'lanish markazining zarur mavjudligini ta'minlash.
Qanday hal qilish mumkin: vaqt o'tishi bilan qo'ng'iroqlar sonini prognoz qilish, operatorlar uchun maqbul jadvalni yaratish.
4) Harakatni prognozlash
Maqsad: barqaror ishlash uchun serverlar sonini va tarmoqli kengligini taxmin qilish. Mashhur serial yoki futbol o'yini premyerasi kunida xizmatingiz ishdan chiqmasligi uchun 😉
5) ATM yig'ish uchun optimal vaqtni prognoz qilish
Maqsad: bankomat tarmog'ida saqlanadigan naqd pul miqdorini minimallashtirish
6) Tavsiya tizimlarida sovuq ishga tushirish muammosini hal qilish
Maqsad: yangi foydalanuvchilarga tegishli mahsulotlarni tavsiya qilish.
Agar foydalanuvchi bir nechta xaridlarni amalga oshirgan bo'lsa, tavsiyalar uchun birgalikda filtrlash algoritmi tuzilishi mumkin, ammo foydalanuvchi haqida hech qanday ma'lumot bo'lmasa, eng mashhur mahsulotlarni tavsiya qilish maqbuldir.
Yechim: Mahsulotlarning mashhurligi tavsiya etilgan vaqtga bog'liq. Vaqt seriyalarini prognozlashdan foydalanish istalgan vaqtda tegishli mahsulotlarni aniqlashga yordam beradi.
Biz tavsiya qiluvchi tizimlarni yaratish bo'yicha layf-xakerlarni ko'rib chiqdik .
7) Anomaliyalarni qidirish
Maqsad: uskunalarning ishlashidagi muammolarni va biznesdagi nostandart vaziyatlarni aniqlash
Yechim: Agar o'lchangan qiymat bashorat qilingan ishonch oralig'idan tashqarida bo'lsa, anomaliya aniqlangan. Agar bu atom elektr stantsiyasi bo'lsa, masofa kvadratini oshirish vaqti keldi 😉
Muammoni hal qilish algoritmlari
1) Harakatlanuvchi o'rtacha
Eng oddiy algoritm harakatlanuvchi o'rtacha hisoblanadi. Keling, oxirgi bir necha elementlarning o'rtacha qiymatini hisoblab chiqamiz va bashorat qilamiz. 10 kundan ortiq ob-havo prognozlari uchun xuddi shunday yondashuv qo'llaniladi.
Agar ketma-ketlikdagi oxirgi qiymatlar ko'proq vaznga ega bo'lishi muhim bo'lsa, biz vaznli modelni olgan holda sananing masofasiga qarab koeffitsientlarni kiritamiz:
Shunday qilib, siz W koeffitsientini maksimal og'irlik oxirgi 2 kun va kirish kunlariga to'g'ri kelishi uchun belgilashingiz mumkin.
Tsikl omillarni hisobga olgan holda
Tavsiyalarning sifati tsiklik omillarga ta'sir qilishi mumkin, masalan, haftaning kuni, sana, oldingi bayramlar va boshqalar.
Guruch. 1. Vaqt seriyalarini trend, mavsumiy komponent va shovqinga ajratish misoli
Eksponensial tekislash - bu tsiklik omillarni hisobga olish uchun yechim.
Keling, 3 ta asosiy yondashuvni ko'rib chiqaylik
1. Oddiy silliqlash (jigarrang model)
Seriyaning oxirgi 2 elementi bo‘yicha o‘rtacha tortilgan qiymatni hisoblashni ifodalaydi.
2. Ikki marta tekislash (Holt modeli)
Trenddagi o'zgarishlarni va ushbu tendentsiya atrofidagi qoldiq qiymatlarning o'zgarishini hisobga oladi.
Biz qoldiqlar ® va tendentsiyadagi o'zgarishlarni bashorat qilishni hisoblaymiz (d). Y ning yakuniy qiymati bu ikki miqdorning yig'indisidir.
3. Uch marta tekislash (Holt-Winters modeli)
Uch marta tekislash qo'shimcha ravishda mavsumiy o'zgarishlarni hisobga oladi.
Uch marta tekislash uchun formulalar.
ARIMA va SARIMA algoritmi
ARIMA-dan foydalanish uchun vaqt seriyasining o'ziga xos xususiyati hozirgi va kelajak bilan bog'liq bo'lgan o'tmishdagi qiymatlar o'rtasidagi bog'liqlikdir.
SARIMA - mavsumiy komponentli seriyalar uchun kengaytma. SARIMAX - bu tashqi regressiya komponentini o'z ichiga olgan kengaytma.
ARIMA modellari integratsiyalashgan yoki farqli statsionar vaqt seriyalarini simulyatsiya qilish imkonini beradi.
Vaqtli qatorlarga ARIMA yondashuvi shundan iboratki, birinchi navbatda qatorlarning statsionarligi baholanadi.
Keyinchalik, tegishli tartibdagi farqni olib, seriya o'zgartiriladi va o'zgartirilgan model uchun ARMA modeli quriladi.
ARMA chiziqli ko'p regressiya modelidir.
Seriyaning statsionar bo'lishi muhim, ya'ni. o'rtacha va dispersiya o'zgarmadi. Agar seriya statsionar bo'lmasa, uni statsionar shaklga keltirish kerak.
XGBoost - usiz qayerda bo'lardik?
Agar seriyada ichki ifodalangan tuzilma bo'lmasa, lekin tashqi ta'sir etuvchi omillar (menejer, ob-havo va boshqalar) mavjud bo'lsa, unda siz kuchaytirish, tasodifiy o'rmonlar, regressiya, neyron tarmoqlar va SVM kabi mashinani o'rganish modellaridan xavfsiz foydalanishingiz mumkin.
Jamoa tajribasidan MA'LUMOT, vaqt ketma-ketligini prognozlash, ombor xarajatlarini optimallashtirishni hal qilishning asosiy vazifalaridan biri, xodimlar xarajatlari, bankomatlar tarmoqlariga texnik xizmat ko'rsatishni optimallashtirish, logistika va qurilishni tavsiya qilish tizimlari. SARIMA kabi murakkab modellar yuqori sifatli natijalar beradi, lekin ko'p vaqt talab etadi va faqat ma'lum bir qator vazifalar uchun javob beradi.
Keyingi maqolada biz anomaliyalarni qidirishning asosiy usullarini ko'rib chiqamiz.
Maqolalar sizning qiziqishlaringizga mos kelishiga ishonch hosil qilish uchun quyidagi so'rovnomada qatnashing yoki keyingi maqolalarda qanday mavzularda yozishni izohlarda yozing.
So'rovda faqat ro'yxatdan o'tgan foydalanuvchilar ishtirok etishlari mumkin. iltimos.
Qaysi mavzudagi maqolalar sizni qiziqtiradi?
-
Tavsiya tizimlari
-
Tasvirni aniqlash
-
Nutq va matnni qayta ishlash
-
DNNda yangi arxitekturalar
-
Vaqt seriyalari va anomaliyalarni qidirish
-
Biznesda ML, foydalanish holatlari
17 nafar foydalanuvchi ovoz berdi. 3 nafar foydalanuvchi betaraf qolgan.
Manba: www.habr.com