МОДЕЛЮВАННЯ ARIMA ТА LSTM МОДЕЛЕЙ ЧАСОВИХ РЯДІВ В PYTHON
DOI:
https://doi.org/10.30888/2709-2267.2025-30-00-002Ключові слова:
time series analysis, machine learning, neural networksАнотація
This article examines the theoretical foundations and practical aspects of applying ARIMA models, RNN architecture, and the working principles of LSTM, as well as their use for time series forecasting in Python using the Statsmodels and Keras libraries. CMetrics
Metrics Loading ...
Посилання
Тарасов М. С. Порівняння ARIMA та LSTM моделей часових рядів / Кваліфікаційна робота.- ЧНУ. – 2024. – 66 с.
Brownlee J. Introduction to Time Series Forecasting with Python. — 1st ed. — 2020. — 365 p.
Опубліковано
2025-03-30
Як цитувати
Дорошенко, І., & Тарасов, М. (2025). МОДЕЛЮВАННЯ ARIMA ТА LSTM МОДЕЛЕЙ ЧАСОВИХ РЯДІВ В PYTHON. Sworld-Us Conference Proceedings, 1(usc30-00), 17–24. https://doi.org/10.30888/2709-2267.2025-30-00-002
Ліцензія
Авторське право (c) 2025 Автори
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
