МОДЕЛЮВАННЯ ARIMA ТА LSTM МОДЕЛЕЙ ЧАСОВИХ РЯДІВ В PYTHON

Автор(и)

  • Ірина Дорошенко Чернівецький національний університет http://orcid.org/0000-0001-8729-1768
  • Максим Тарасов Чернівецький національний університет http://orcid.org/

DOI:

https://doi.org/10.30888/2663-5712.2025-30-01-003

Ключові слова:

аналіз часових рядів, машинне навчання, нейронні мережі

Анотація

У цій статті розглянуто теоретичні основи та практичні аспекти застосування моделей ARIMA, архітектури RNN, принципи роботи LSTM, а також їх використання для прогнозування часових рядів у середовищі Python за допомогою бібліотек Statsmodels та Keras. Пор

Metrics

PDF views
9

Посилання

Тарасов М. С. Порівняння ARIMA та LSTM моделей часових рядів / Кваліфікаційна робота.- ЧНУ. – 2024. – 66 с.

Brownlee J. Introduction to Time Series Forecasting with Python. — 1st ed. — 2020. — 365 p.

Downloads

Опубліковано

2025-03-30

Як цитувати

Дорошенко, І., & Тарасов, М. (2025). МОДЕЛЮВАННЯ ARIMA ТА LSTM МОДЕЛЕЙ ЧАСОВИХ РЯДІВ В PYTHON. SWorldJournal, 1(30-01), 72–81. https://doi.org/10.30888/2663-5712.2025-30-01-003

Номер

№ 30-01 (2025)

Розділ

Статті

Ліцензія

Авторське право (c) 2025 Автори

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.