Analyse et prédiction de séries temporelles par méthodes non linéaires - Application à des données industrielles et financières.pdf

Analyse et prédiction de séries temporelles par méthodes non linéaires - Application à des données industrielles et financières PDF

Amaury Lendasse

Lanalyse et la prédiction de séries temporelles sont des défis scientifiques importants, qui trouvent leurs applications dans des domaines aussi variés que la finance, la production électrique, lhydrologie, la climatologie, etc. Comme ils englobent les modèles linéaires, les modèles non linéaires offrent potentiellement des performances supérieures mais ils posent cependant également des problèmes complexes tels que des minima locaux pour la fonction à optimiser, des temps de calcul très longs, une sélection de structure de modèle rendue plus difficile et une détermination de régresseur plus ardue. On définit tout dabord la meilleure structure de modèle comme celle qui minimise une erreur de généralisation. Les différentes méthodes permettant destimer cette erreur sont présentées : Cross-Validation, Leave-One-Out, Bootstrap, etc. Une comparaison expérimentale de ces méthodes sur une série benchmark classique montre la supériorité des méthodes de Bootstrap. Une accélération de ces méthodes ainsi quune solution au problème des minima locaux sont apportées. Les différentes méthodes de détermination du meilleur régresseur, cest-à-dire le vecteur dentrées utilisé pour la prédiction, sont étudiées. Afin de donner une borne inférieure et une borne supérieure à la taille de ce régresseur, plusieurs interprétations du théorème de Takens sont formulées. Une méthodologie pratique permettant la construction dun régresseur par projection non linéaire est proposée et illustrée sur des exemples de prédiction de séries financières. Des modèles non linéaires simples basés sur la quantification vectorielle sont développés. Ils proposent une alternative dont les performances et la complexité se situent entre celles des modèles linéaires et des modèles non linéaires classiques : les performances sont meilleures que celles obtenues avec des modèles linéaires mais les temps de calcul demandés sont moins importants que pour les autres modèles non linéaires. Finalement, une méthode danalyse de données basée sur les cartes auto-organisées et lalgorithme de Ward est présentée. Cette méthode danalyse débouche sur une méthode de prédiction à long terme dont les résultats sont évalués sur la prédiction, sur une durée de 24h, de la consommation électrique.

Amazon.fr - Analyse et prédiction de séries temporelles ... Noté /5. Retrouvez Analyse et prédiction de séries temporelles par méthodes non linéaires: Application à des données industrielles et financières et des millions de …

2.69 MB Taille du fichier
9782930344348 ISBN
Libre PRIX
Analyse et prédiction de séries temporelles par méthodes non linéaires - Application à des données industrielles et financières.pdf

Technik

PC et Mac

Lisez l'eBook immédiatement après l'avoir téléchargé via "Lire maintenant" dans votre navigateur ou avec le logiciel de lecture gratuit Adobe Digital Editions.

iOS & Android

Pour tablettes et smartphones: notre application de lecture tolino gratuite

eBook Reader

Téléchargez l'eBook directement sur le lecteur dans la boutique www.cocoasharp.org ou transférez-le avec le logiciel gratuit Sony READER FOR PC / Mac ou Adobe Digital Editions.

Reader

Après la synchronisation automatique, ouvrez le livre électronique sur le lecteur ou transférez-le manuellement sur votre appareil tolino à l'aide du logiciel gratuit Adobe Digital Editions.

Notes actuelles

avatar
Sofya Voigtuh

Analyse et prédiction de séries temporelles par méthodes non linéaires Application à des données industrielles et financières Amaury Lendasse Presses Universitaires du Louvain Thèses de l'École polytechnique de Louvain

avatar
Mattio Müllers

Analyse et prédiction de séries temporelles par méthodes ...

avatar
Noels Schulzen

Analyse et prédiction de séries temporelles par méthodes ...

avatar
Jason Leghmann

Etudes et conseil en analyse de séries temporelles Tout décideur doit faire des prévisions, établir des stratégies. L'analyse des séries temporelles est un outil d'aide à la compréhension du passé et aux projections dans le futur. La prévision économique, des ventes, boursière, météorologique, le dimensionnement des réseaux, le pilotage des processus industriels sont autant d'exemples d'utilisation de ces techniques.

avatar
Jessica Kolhmann

Ingénierie mathématique - Presses universitaires de Louvain L'analyse et la prédiction de séries temporelles sont des défis scientifiques importants, qui trouvent leurs applications dans des domaines aussi variés que la finance, la production électrique, l’hydrologie, la climatologie, etc.Comme ils Lire la suite Analyse et prédiction de séries temporelles par méthodes non linéaires Application à des données industrielles et financières