Розмір шрифта: 

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). Побудовано ймовірнісну модель, що враховує мультиплікативний характер сезонних коливань, характерний для досліджуваного об’єкта. Проведено тестування моделі на реальних даних гідропосту смт Літин, що підтвердило ефективність проведеного тюнінгу (MAE = 0.5454). Отримані результати демонструють високу здатність моделі адаптуватися до нестабільного водного режиму та можуть бути впроваджені в системи автоматизованого екологічного моніторингу.


FORECASTING SEASONAL FLUCTUATIONS OF THE ZGHAR RIVER WATER DISCHARGE BASED ON THE EXPONENTIAL SMOOTHING MODEL
Abstract
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.

інтелектуальне прогнозування; часові ряди; річка Згар; модель ETS; тюнінг моделі; критерій Акаїке; мультиплікативна сезонність; системний аналіз; intelligent forecasting; time series; Zghar River; ETS model; model tuning; Akaike Information Criterion