Застосування моделей часових рядів для прогнозування погодних умов

Анотація

У роботі наведено оцінку моделей часових рядів ARIMA, SARIMA, SARIMAX та можливості їх застосування для прогнозування погодних умов, що є актуальним в умовах сучасних кліматичних змін.

Традиційні фізико-математичні моделі забезпечують високу точність, але вимагають значних обчислювальних ресурсів та не завжди оперативно реагують на змінні зовнішні фактори. Тому виникає необхідність у використанні інших методів прогнозування, які поєднують адаптивність, швидкодію та точність.

Наукова новизна роботи полягає у виконаному вперше порівняльному аналізі ефективності моделей ARIMA, SARIMA та SARIMAX для прогнозування погодних умов на основі відкритих наборів даних платформи Kaggle із використанням метрик оцінки точності RMSE та MAE.

Тому метою роботи є порівняння RMSE метрики моделей ARIMA, SARIMA, SARIMAX та апаратних ресурсів, потрібних для їх реалізації. Архітектура системи включає компоненти збору, очищення, опрацювання та візуалізації даних і реалізована на мові програмування Python з використанням бібліотек: Pandas, NumPy, Statsmodels, Pmdarima, Matplotlib, Seaborn, Plotly, Streamlit.

Для реалізації моделей опрацьовано набори відкритих даних з платформи Kaggle. Перед моделюванням проведено перевірку стаціонарності рядів даних за тестом Дікі-Фуллера за 10% рівня значущості. Для налаштування моделей застосовано середню абсолютну похибку (MAE) та для їх оцінки – корінь середньоквадратичної похибки (RMSE).

Результати показали, що модель ARIMA є ефективною для прогнозування нециклічних погодних даних, забезпечуючи RMSE близько 0,2...0,4, проте вимагає періоду тестування у понад 50 ітерацій. Модель SARIMA рекомендується при роботі з сезонними даними, забезпечуючи RMSE близько 0,8 після проходження близько 80 ітерацій. Модель SARIMAX рекомендується при роботі з сезонними даними, забезпечуючи RMSE близько 0,75 за 80 ітерацій за використання додаткових екзогенних змінних.

Представлені результати свідчать про перспективність моделей ARIMA, SARIMA та SARIMAX для прогнозування погодних умов.