Розмір шрифту:
Модель ARIMA: теорія та особливості
Остання редакція: 20-04-2025
Тези доповіді
ARIMA (p,d,q) — базова лінійна модель часових рядів; у поєднанні з різницюванням (d) добре описує тренд / сезонність.
У «розумних» ІТ‑системах потрібні швидкі прогнози технічних метрик (HTTP‑трафік, CPU, тощо) → ARIMA підходить завдяки простоті та інтерпретованості.
Демонстраційний ряд: elb_request_count (5 ‑ хв HTTP‑трафік, NAB). Сезонність 1 добу → різницювання lag 288.
За ACF/PACF + AIC обрано ARIMA (2, 1, 2); навчено на 2‑добовій історії; прогноз на 24 год.
Модель відтворює добовий цикл; 95 % інтервал покриває основні коливання. MAE ≈ 210, MAPE ≈ 150 % (піки занижені).
У типових умовах точність прийнятна; для рідкісних сплесків потрібна гібридизація (ARIMA + аномалії/нелінійні моделі).
Висновок: ARIMA (2, 1, 2) — ефективна модель короткострокового прогнозування, який легко інтегрується у підтримку аналітичних рішень.
У «розумних» ІТ‑системах потрібні швидкі прогнози технічних метрик (HTTP‑трафік, CPU, тощо) → ARIMA підходить завдяки простоті та інтерпретованості.
Демонстраційний ряд: elb_request_count (5 ‑ хв HTTP‑трафік, NAB). Сезонність 1 добу → різницювання lag 288.
За ACF/PACF + AIC обрано ARIMA (2, 1, 2); навчено на 2‑добовій історії; прогноз на 24 год.
Модель відтворює добовий цикл; 95 % інтервал покриває основні коливання. MAE ≈ 210, MAPE ≈ 150 % (піки занижені).
У типових умовах точність прийнятна; для рідкісних сплесків потрібна гібридизація (ARIMA + аномалії/нелінійні моделі).
Висновок: ARIMA (2, 1, 2) — ефективна модель короткострокового прогнозування, який легко інтегрується у підтримку аналітичних рішень.