Дослідники з Массачусетського технологічного інституту (MIT) представили революційну систему прогнозування, яка здатна працювати з будь-якими рядами часових даних і доступна для використання навіть неспеціалістами. Цей інструмент демонструє вищу ефективність порівняно з існуючими методами глибокого машинного навчання як у передбаченні майбутніх значень, так і у відновленні пропущених даних.

Прогнозування показників, що змінюються з часом, таких як погода, ціни на акції або ризики захворювань, зазвичай вимагає складних алгоритмів, важких для застосування без глибоких технічних знань. Щоб спростити цей процес, програмісти MIT створили систему tspDB, яка інтегрує функції прогнозування безпосередньо в базу даних. Спрощений інтерфейс виконує все складне моделювання автоматично, дозволяючи користувачеві отримати результат за лічені мілісекунди.

Ключовим елементом розробки став новий алгоритм mSSA, який базується на аналізі сингулярного спектра. Вчені адаптували цей метод для аналізу багатовимірних часових рядів, де кілька змінних залежать одна від одної, наприклад, температура, вологість та хмарність. Це дозволяє уникнути необхідності ручного налаштування змінних, що є критичним для універсальності інструменту.

Тестування алгоритму на реальних даних, що описують електромережі, дорожній рух та фінансові ринки, показало його перевагу над іншими сучасними методами. Розробники підкреслили, що система не лише дає прогноз, а й розраховує довірчі інтервали, враховуючи ступінь невизначеності, що допомагає приймати обґрунтовані рішення.

Вчені планують продовжити вдосконалення tspDB, додаючи нові алгоритми для підвищення точності, і зацікавлені у створенні широко доступної системи з відкритим кодом. Вбудовування функції прогнозування безпосередньо в базу даних вважається найзручнішим способом аналізу, який раніше не реалізовувався у такій формі.