Работа посвящена актуальной задаче исследования деловой активности бизнеса на отдельно взятой территории. В ней рассматриваются изменения результативности ведения бизнеса в определенном регионе в зависимости от времени, местоположения и экономических условий ведения хозяйственной деятельности субъектов малого и среднего предпринимательства. Сформулирован методологический подход, который позволяет анализировать и выявлять закономерности в распределении результативности по сферам деятельности субъектов с учетом пространственных и временных аспектов. Для выявления общих закономерностей и факторов, влияющих на экономическое развитие, а также для разработки рекомендаций по оптимизации бизнес-процессов и улучшению условий предпринимательской деятельности на региональном уровне используются методы кластерного анализа. Показана эффективность решения поставленной задачи при анализе сложных высокоразмерных данных с применением нелинейных методов уменьшения размерности. Результаты исследований показали, что деловая активность в регионе зависит не только от экономических факторов, наблюдаемых в динамике, но и от пространственного размещения субъектов хозяйствования, кластеризация которых выполняется с использованием специализированных метрик, что позволяет адаптировать универсальный алгоритм уменьшения размерности пространства признаков UMAP под конкретные задачи и типы данных. Полученные выводы могут быть полезны для предпринимателей, органов власти и бизнес-сообществ, стремящихся оптимизировать меры по поддержке бизнеса и улучшить условия для его ведения.
В статье с критической точки зрения рассматриваются подходы к государственному управлению, основанному на данных, а также характерные ошибки в принятии решений, которые проистекают из ненадежных данных и их неверных интерпретаций. Приводятся исторические примеры заблуждений, допущенных министром обороны США Р. Макнамарой, рассматривается пагубная политика отбрасывания качественных оценок в пользу использования только и исключительно измеримых параметров. На примере некорректной интерпретации демографической статистики в Косово рассмотрено влияние заведомо ложной и некритически воспринимаемой информации на принятие решений в части внутренней национальной политики бывшей Югославии и дальнейшей гуманитарной интервенции под эгидой защиты албанского населения от геноцида. Рассматриваются причины этих заблуждений, приводятся примеры корректных интерпретаций. Далее автор фокусируется на прикладном аспекте: на основе опыта автора в предварительном анализе и обработке данных, используемых в реализации научных проектов, предлагаются способы обхода типичных «ловушек» статистики, ведущих к некорректным интерпретациям.
Актуальность статьи обусловлена ростом угроз компьютерной безопасности критических информационных ресурсов, в том числе в системе образования, разнообразием видов и направлений кибератак, требующих дифференциации известных методов анализа и прогнозирования, в том числе на основе использования теории временных рядов. Целью статьи является исследование возможностей и ограничений использования методов теории временных рядов для анализа и прогнозирования динамики кибератак на примере ведомственного вуза, готовящего специалистов многим видам безопасности: техносферной, пожарной, информационной и проч. Высказана и проверена гипотеза о влиянии характера исходных данных на выбор методов анализа и прогнозирования временных рядов числа кибератак, о первичности исходных данных на результативность решения указанных задач. Выполнен анализ логов мониторинга межсетевого экрана корпоративной информационной системы; на их основе построены временные ряды числа различных видов атак и решены задачи текущего прогнозирования. Новизна полученных результатов обусловлена применением известных методов теории прогнозирования временных рядов к задаче исследования динамики кибератак на корпоративную информационную систему ведомственного вуза. Теоретическая значимость состоит в установлении границ возможности их применения в силу вариативности исследуемых временных рядов, а также в подтверждении первичности качества исходных данных над существующими методами и моделями. Практическая ценность определяется построением моделей временных рядов, позволяющих решать задачи текущего прогнозирования числа кибератак.
Книга является последним томом трехтомного курса статистики М. Кендалла и А. Стьюарта, первый том которого вышел в 1966 г. под названием «Теория распределений», а второй — в 1973 г. под названием «Статистические выводы и связи».
В книге содержатся сведения по дисперсионному анализу, планированию экспериментов, теории выборочных обследований, многомерному анализу и временным рядам. Как и первые два тома, книга содержит много практических рекомендаций и примеров их применения, а изложение сочетает более или менее подробный вывод основных результатов с относительно кратким перечислением большого количества более частных сведений.
Книга будет представлять интерес для студентов и аспирантов, специализирующихся в области математической статистики, а также для широкого круга научных работников, имеющих дело с ее приложениями.
Монография посвящена изучению временных рядов, встречающихся в различных областях физики, механики, астрономии, техники, экономики, биологии, медицины. Основная ориентация книги — практическая: методы теоретического анализа иллюстрируются детально проработанными примерами, а результаты наглядно представлены на многочисленных графиках. Вместе с тем теоретический уровень изложения очень высок. Для более глубокого понимания выводов и выкладок приводится большое число упражнений. Книга рассчитана на математиков и специалистов различных областей науки и техники. Она доступна аспирантам и студентам университетов.
В основу книги Бокса и Дженкинса положено использование данных о корреляционной функции (или функциях) одномерного и многомерного временных рядов. Особое внимание уделено нестационарным временным рядам, содержащим либо стационарные приращения, либо периодические нестационарности (что особенно важно для геофизических приложений). В первый выпуск вошли главы, содержащие основные сведения из корреляционной теории случайных процессов, выбор модели, оценивание ее параметров и проверку модели, а также модели для сезонных временных рядов. Книга написана очень ясно и доступно; авторы, как правило, рассматривают конкретные примеры, доводимые до числовых результатов и позволяющие читателю научиться самостоятельно применять рекомендуемые методы. В конце книги приложены алгоритмы вычислений и таблицы используемых рядов. Книга будет весьма полезна специалистам по прикладной математике, геофизикам, физикам, астрономам, обработчикам данных наблюдений, экономистам, плановикам - всем лицам, встречающимся на практике с анализом и прогнозированием эмпирических величин, меняющихся со временем.
Во второй выпуск вошли гл. 10 — 13. В гл. 10 рассматриваются модели линейных передаточных функций, представимые в виде конечно-разностных уравнений. Гл. 11 посвящена методам идентификации, подгонки и проверки этих моделей. В гл. 12 изучаются задачи регулирования систем с прямой и обратной связями. Наконец, в гл. 13 рассмотрены некоторые дальнейшие задачи регулирования, такие, как перенос источника шума в различные точки системы, управление с ограничением дисперсии входа и другие.
Для прогнозирования выхода светлых фракций установкой ЭЛОУ-АВТ-6 проведен сравнительный анализ модели рекуррентной нейронной сети и модели авторегрессии ARIMA. Приведено математическое описание этих моделей. Приведена реализация моделей с использованием библиотек Keras и Pmdarima на языке Python. Проведена серия экспериментов, в качестве данных использовались значения температуры куба колонны К-2, расход сырой нефти и расход фракции бензина. Сделан вывод, о превосходстве качества прогноза нейронных сетей над ARIMA
Данная статья нацелена на определение наиболее эффективной модели машинного обучения для кластеризации данных вибродиагностики. Исследование включает анализ различных моделей и методов, таких как k-means, Agglomerative Clustering, TimeSeriesKMeans и CatBoost. Цель состоит в выборе метода, способного наилучшим образом выявить структуру данных и улучшить понимание особенностей вибрационных сигналов. Результаты исследования могут быть полезны для разработки эффективных систем мониторинга и диагностики оборудования, а также для повышения надежности и производительности технических систем.
В данной статье рассматривается применение нейронных сетей LSTM для прогнозирования потребления электроэнергии. Для обучения и тестирования модели использовались данные о потреблении электроэнергии за несколько лет. Для повышения качества прогнозирования были проведены эксперименты с различными параметрами нейронной сети, такими как число нейронов и глубина истории данных. Результаты показали, что нейронная сеть LSTM обеспечивает высокую точность прогнозирования объемов потребления электроэнергии на основе статистических данных. Эти результаты могут быть полезными для энергетических компаний и государственных органов, занимающихся прогнозированием и планированием энергетических потребностей.