Журнал «Современная Наука»

ГИБРИДНЫЕ МЕТОДЫ ПРОГНОЗИРОВАНИЯ ЭВОЛЮЦИИ КОМПОНЕНТНОЙ БАЗЫ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ НА ОСНОВЕ ИНТЕГРАЦИИ СТАТИСТИЧЕСКИХ И НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ

Максименко Наталья Сергеевна (старший преподаватель ФГБОУ ВО «Донецкий национальный технический университет» )

Переход к гетерогенным узлам, чиплетной интеграции и когерентным шинам (CXL, PCIe 6.0) повышает цену прогностических ошибок по Perf/W, пропускной способности, латентности и надёжности, а линейные методы (ARIMA) ограничены при нелинейной динамике. Цель — создать гибридную методологию прогнозирования на горизонтах 1–5 лет через интеграцию SARIMA+ARIMAX+LSTM+Transformer for TS+GNN с байесовской калибровкой и explainability (SHAP/LIME). Методы включают robust-масштабирование, экзогенные признаки (техпроцесс, интерфейсы), квантильное моделирование и rolling-origin валидацию. Результаты. Гибридный ансамбль снижает RMSE на 15–24% и sMAPE на 20–30% относительно базовой SARIMA; интервалы калиброваны (PICP=0,90–0,95, PINAW=0,15–0,20). Превосходство статистически значимо (DM, p<0,05).

Ключевые слова:прогнозирование, гибридные модели, ARIMA/SARIMA, LSTM, Transformer for Time Series, графовые нейросети, explainable AI, системный анализ, Perf/W, SLA

Читать полный текст статьи …

Ссылка для цитирования:
Максименко Н. С. ГИБРИДНЫЕ МЕТОДЫ ПРОГНОЗИРОВАНИЯ ЭВОЛЮЦИИ КОМПОНЕНТНОЙ БАЗЫ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ НА ОСНОВЕ ИНТЕГРАЦИИ СТАТИСТИЧЕСКИХ И НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и Технические Науки. -2026. -№01. -С. 119-126 DOI 10.37882/2223-2966.2026.01.22

ПРАВОВАЯ ИНФОРМАЦИЯ:
Перепечатка материалов допускается только в некоммерческих целях со ссылкой на оригинал публикации. Охраняется законами РФ. Любые нарушения закона преследуются в судебном порядке.
© ООО "Научные технологии"