Сучасні методи та засоби роботи з часовими рядами
| dc.contributor.author | Жадан, Артем Анатолійович | uk_UA |
| dc.contributor.author | Шинкаренко, Віктор Іванович | uk_UA |
| dc.date.accessioned | 2026-01-16T08:36:00Z | |
| dc.date.issued | 2025 | |
| dc.description | А. Жадан: ORCID 0009-0003-1133-1630; В. Шинкаренко: ORCID 0000-0001-8738-7225. | uk_UA |
| dc.description.abstract | UKR: Мета. Провести структурований аналіз та класифікацію сучасних методів і моделей, що застосовуються для роботи з часовими рядами різної природи. При цьому була приділена увага не тільки типовими ознака-ми та родом обчислень, а й виділенням предметної області застосування, співставлення та виділення слабких та сильних сторін при роботі з різними наборами даних з приведенням відповідних прикладів областей використання з акцентом на переваги. Методологія. Поетапний та детальний розгляд наявних методів і моделей на основі їх основних характеристик, сфер використання та особливостей роботи із включення підходів різної природи та які використовують різні властивості часових рядів. Результати. Аналіз найбільш поширених методів обробки часових рядів та окремий розгляд їх представників. Особливу увагу приділено гібридним моделям, які можуть поєднувати методи одного або різних класів, а також нетиповим підходам, що ґрунтуються на специфічних властивостях часових рядів, зокрема їх фрактальності. Наукова новизна. Полягає у комплексному та фундаментальному розгляді методів аналізу часових рядів, починаючи від класичних лінійних і нелінійних статистичних моделей та методів штучного інтелекту, і закінчуючи гібридними й фрактальними підходами, з акцентом на виділення їхніх областей застосування та порівняння переваг і недоліків. Практична значимість дослідження полягає у систематизації матеріалу, який може бути використаний для попереднього аналізу предметної області та вибору інструментів з урахуванням їх ефективності, що, у свою чергу, спрощує пошук аналогів і скорочує час підготовки до досліджень. Окрім того, у роботі висвітлено менш відомі та нетипові методи, які становлять інтерес для подальших досліджень та можуть бути перспективними кандидатами для майбутніх наукових розробок у сфері роботи з часовими рядами. | uk_UA |
| dc.description.abstract | ENG: Purpose. To conduct a structured analysis and classification of modern methods and models used to work with time series of various nature. Attention was paid not only to typical features and types of calculations, but also to identifying the subject area of application, comparing and highlighting strengths and weaknesses when working with different data sets, with relevant examples of areas of use and an emphasis on advantages. Methodology. A step-by-step and detailed review of existing methods and models based on their main characteristics, areas of use, and features of working with approaches of different nature that use different properties of time series. Findings. Analysis of the most common methods for processing time series and a separate review of their representatives. Particular attention is paid to hybrid models that can combine methods of one or different classes, as well as atypical approaches based on the specific properties of time series, in particular their fractality. Originality. It consists in a comprehensive and fundamental consideration of methods for analyzing time series, ranging from classical linear and nonlinear statistical models and artificial intelligence methods to hybrid and fractal approaches, with an emphasis on identifying their areas of application and comparing their advantages and disadvantages. The practical value of the research lies in the systematization of material that can be used for preliminary analysis of the subject area and selection of tools based on their effectiveness, which, in turn, simplifies the search for analogues and reduces the time required to prepare for research. In addition, the work highlights lesser-known and atypical methods that are of interest for further research and may be promising candidates for future scientific developments in the field of time series analysis. | en |
| dc.identifier.citation | Жадан А. А., Шинкаренко В. І. Сучасні методи та засоби роботи з часовими рядами. Наука та прогрес транспорту. 2025. No. 4 (112). С. 142–154. DOI: https://doi.org/10.15802/stp2025/341773. | uk_UA |
| dc.identifier.doi | https://doi.org/10.15802/stp2025/341773 | en |
| dc.identifier.issn | 2307–3489 (Print) | en |
| dc.identifier.issn | 2307–6666 (Online) | en |
| dc.identifier.uri | https://stp.ust.edu.ua/article/view/341773 | en |
| dc.identifier.uri | https://crust.ust.edu.ua/handle/123456789/21510 | en |
| dc.publisher | Український державний університет науки і технологій | uk_UA |
| dc.rights | Creative Commons Attribution 4.0 International License | en |
| dc.rights.uri | https://creativecommons.org/licenses/by/4.0/ | en |
| dc.subject | інформаційні технології | uk_UA |
| dc.subject | програмне забезпечення | uk_UA |
| dc.subject | часові ряди | uk_UA |
| dc.subject | RNN | en |
| dc.subject | мережі трансформери | uk_UA |
| dc.subject | конструктивно-продукційне моделювання | uk_UA |
| dc.subject | фрактали | uk_UA |
| dc.subject | рекурентні діаграми | uk_UA |
| dc.subject | information technology | en |
| dc.subject | software | en |
| dc.subject | time series | en |
| dc.subject | transformer networks | en |
| dc.subject | constrictive-synthesizing modeling | en |
| dc.subject | fractal | en |
| dc.subject | recurrent plots | en |
| dc.subject | КІТ | uk_UA |
| dc.subject.classification | TECHNOLOGY | en |
| dc.subject.classification | TECHNOLOGY:: Other technology | en |
| dc.title | Сучасні методи та засоби роботи з часовими рядами | uk_UA |
| dc.title.alternative | Modern Methods and Tools for Working with Time Series | en |
| dc.type | Article | en |