СИСТЕМЫ АНАЛИЗА И ОБРАБОТКИ ДАННЫХ

Работа посвящена модификации метода Прони для повышения точности прогнозирования колебательных временных рядов. В основе предложенного алгоритма лежит многоэтапный подход: модель последовательно аппроксимирует остаточные компоненты ряда, которые затем интегрируются в итоговую функцию. Модификация была практически применена на задаче прогнозирования временных рядов, в структуре которых доминируют сложные колебательные процессы и гармонические составляющие: параметров вращения Земли, а именно отклонений оси вращения x_p и y_p, по архиву данных Международной службы вращения Земли и систем отсчета (IERS, International Earth Rotation Service) за 2025 год. Сравнительный анализ с исходным методом Прони, а также с прогнозами IERS и ЗСФ ВНИИФТРИ на интервалах 7 и 90 суток показал, что эффективность модификации существенно зависит от заданных условий. Предложенный подход не во всех случаях превосходит существующие решения IERS и ЗСФ ВНИИФТРИ, однако для определенных горизонтов прогнозирования последовательное уточнение модели обеспечивает локальное повышение точности и снижение погрешности прогнозов. Выявленная неоднородность результатов указывает на то, что эффективность последовательного применения метода Прони существенно зависит от заданных параметров модели. Полученные результаты открывают возможности для применения метода в системах автономной навигации спутников. Проведенный анализ позволил обозначить границы применимости текущей модели и сформулировать рекомендации по ее развитию. В частности, обосновывается необходимость перехода от использования статически заданных параметров к разработке механизмов их адаптивной настройки, что позволит стабилизировать результаты метода при изменении характера исходных данных.

Бокс Дж., Дженкинс Г. Анализ временных рядов: прогноз и управление. Вып. 1. – М.: Мир, 1974. – 406 с.

Буре В.М., Плахотник С.В. Адаптивные методы прогнозирования временных рядов в среде MATLAB // Проектирование научных и инженерных приложений в среде MATLAB: труды Всероссийской научной конференции. – СПб., 2007. – С. 1363–1370.

SARIMA modelling approach for forecasting of traffic accidents / N. Deretic, D. Stanimirovic, M.A. Awadh, N. Vujanovic, A. Djukic // Sustainability. – 2022. – Vol. 14, N 8. – P. 4403.

Wang C., Zhang H., Ma P. Wind power forecasting based on singular spectrum analysis and a new hybrid Laguerre neural network // Applied Energy. – 2020. – Vol. 259. – P. 114139.

Li X., Tang P. Stock index prediction based on wavelet transform and FCD-MLGRU // Journal of Forecasting. – 2020. – Vol. 39 (8). – P. 1229–1237.

Gong J., Liu S. A harmonic and interharmonic detection method for power systems based on enhanced SVD and the Prony algorithm // Applied Sciences. – 2023. – Vol. 13 (13). – P. 7558.

High precision prediction of universal time based on 100-year data / V.M. Tissen, A.S. Tolstikov, A.Y. Balakhnenko, Z.M. Malkin // Measurement Techniques. – 2009. – Vol. 52 (12). – P. 1249–1255.

Исследование основных составляющих в движении полюса Земли / М.В. Воротков, В.Л. Горшков, Н.О. Миллер, Е.Я. Прудникова // Известия Главной астрономической обсерватории в Пулкове. – 2002. – № 216. – С. 406–414.

International Earth Rotation and Reference Systems Service. – URL: http://www.iers.org/iers/products (accessed: 29.10.2025).

Тиссен В.М. Долгосрочное прогнозирование изменений климата по вариациям скорости вращения Земли // Метрология времени и пространства: материалы XI Международного симпозиума, Менделеево, 27–29 сентября 2023 г. – Менделеево, 2023. – С. 170–173.

Montgomery D.C., Jennings C.L., Kulahci M. Introduction to time series analysis and forecasting. – John Wiley & Sons, 2015.

IERS Annual Report 2018 / ed. by W.R. Dick, D. Thaller; International earth rotation and reference systems service, Central Bureau. – Frankfurt am Main: Verlag des Bundesamts für Kartographie und Geodäsie, 2020. – 207 p. – ISBN 978-3-86482-136-3.

Тиссен В.М., Толстиков А.С., Симонова Г.В. Прогнозирование параметров вращения Земли с помощью адаптивных гармонических моделей // Вестник СГУГиТ. – 2020. – Т. 25, № 4. – С. 238–245.

Petit G, Luzum B. IERS conventions 2010. – Frankfurt am Main: Verlag des Bundesamts für Kartographie und Geodäsie, 2010. – 179 р. – (IERS Technical Note; 36).

Марпл С.Л. (мл.). Цифровой спектральный анализ и его приложения: пер. с англ. – М.: Мир, 1990. – 584 с.

Advanced computational methods for modeling, prediction and optimization – a review / J. Krzywanski, M. Sosnowski, K. Grabowska, A. Zylka, L. Lasek, A. Kijo-Kleczkowska // Materials. – 2024. – Vol. 17 (14). – P. 3521.

Gavrilov A.B., Ipatiev V.A., Kuzminykh I.A. Application of Prony’s method for predicting the earth rotation parameters // 2024 IEEE 25th International Conference of Young Professionals in Electron Devices and Materials (EDM). – IEEE, 2024. – P. 1890–1893.

Малкин З.М., Тиссен В.М. Сравнение различных оценок точности прогноза параметров вращения земли // Астрономический журнал. – 2022. – Т. 99, № 1. – С. 70–74.