Прогнозування сезонних коливань витрат води річки Згар на основі моделі експоненційного згладжування

Abstract

У роботі досліджено застосування методів інтелектуального аналізу часових рядів для прогнозування гідрологічного режиму малих річок на прикладі р. Згар. Запропоновано комплексний підхід до обробки даних, що включає STL-декомпозицію для виділення компонент тренду і сезонності, а також логарифмічну трансформацію для стабілізації дисперсії. Особливу увагу приділено процедурі оптимізації (тюнінгу) моделі експоненційного згладжування (ETS) шляхом автоматизованого підбору параметрів за критерієм Акаїке (AIC).This paper investigates the application of intelligent time-series analysis methods for forecasting the hydrological regime of small rivers, using the Zghar River as a case study. A comprehensive data processing pipeline is proposed, including STL decomposition for extracting trend and seasonal components, and log transformation for variance stabilization. Special emphasis is placed on the optimization (tuning) procedure of the Exponential Smoothing (ETS) model through automated parameter selection based on the Akaike Information Criterion (AIC). A probabilistic model was constructed to account for the multiplicative nature of seasonal fluctuations inherent in the studied object. The model was tested on real-world data from the Lityn hydrological post, confirming the effectiveness of the performed tuning (MAE = 0.5454). The results demonstrate the model's high capacity to adapt to unstable water regimes and can be implemented in automated environmental monitoring systems.