Дослідження впливу аномальних значень на точність бустингових моделей прогнозування гетероскедастичних часових рядів

Abstract

Досліджено задачу оцінювання впливу аномальних значень на точність прогнозування гетероскедастичних часових рядів бустинговими EGARCH-моделями з LSTM і без неї. Запропоновано підхід до локальної корекції аномального спостереження шляхом його заміни на сусіднє значення ряду перед навчанням моделей. На прикладі аналізу процесу поширення пилу Сахари в атмосферному повітрі за даними Української мережі громадського моніторингу якості повітря «Eco City» показано, що усунення одного екстремального значення дозволило підвищити коефіцієнт детермінації (R2) прогнозу з 0,97 до 0,99, що свідчить про високу чутливість моделі до аномальних спостережень та доцільність їх попереднього оброблення.The problem of assessing the impact of anomalous values on the forecasting accuracy of heteroscedastic time series using boosting EGARCH models with and without LSTM is investigated. An approach for the local correction of an anomalous observation by replacing it with a neighboring value in the series prior to model training is proposed. Using the analysis of the Sahara dust transport process in atmospheric air based on data from the Ukrainian public air quality monitoring network Eco City, it is shown that removing a single extreme value increased the coefficient of determination (R²) of the forecast from 0.97 to 0.99. This result indicates the high sensitivity of the model to anomalous observations and confirms the feasibility of their preliminary preprocessing.