Верифікація знання-орієнтованої технології зменшення невизначеності та підвищення узгодженості прогнозів у сценарному прогнозуванні часових рядів

Abstract

У роботі подано подальшу верифікацію знання-орієнтованої ієрархічної мультиагентної інтелектуальної системи сценарного прогнозування часових рядів на основі великих мовних моделей. Для дослідження використано часовий ряд добової кількості випадків COVID-19 в Україні за 2020-2023 роки.

The paper presents a further verification of the knowledge-oriented hierarchical multi-agent intelligent system for scenario-based time series forecasting built on large language models. The study uses the time series of daily COVID-19 cases in Ukraine for the period 2020-2023. Based on local dynamic features, a scenario-oriented set of historical windows was formed, covering growth before a peak, decline after a peak, recovery after decline, and anomalous dynamics. Within this set, a simplified system architecture was compared with a full scenario-based ensemble architecture. The results show that the full scenario-based ensemble architecture provides more consistent forecasting performance: mean WAPE decreases by 15.7%, mean prediction interval width decreases by 13.7%, and the value of the integral criterion J increases by 22.4% compared with the simplified architecture. These results confirm the feasibility of further developing scenario-based ensemble forecasting and uncertainty estimation mechanisms within IMAIS.