procyberВестник кибернетикиProceedings in Cybernetics1999-7604Бюджетное учреждение высшего образования Ханты-Мансийского автономного округа – Югры «Сургутский государственный университет»10.34822/1999-7604-2022-4-37-48procyber-473Research ArticleТЕХНИЧЕСКИЕ НАУКИEngeneeringАНАЛИЗ СТРУКТУРЫ ВРЕМЕННЫХ РЯДОВ КОЛИЧЕСТВА ДЕЛ В СУДЕTIME SERIES STRUCTURE ANALYSIS OF THE NUMBER OF LAW CASEShttps://orcid.org/0000-0001-5891-6597ГромовВ. А.GromovV. A.

доктор физико-математических наук, профессор

E-mail: stroller@rambler.ru

Doctor of Sciences (Physics and Mathematics), Professor

E-mail: stroller@rambler.ru

https://orcid.org/0000-0002-1022-6041ЛукьянченкоП. П.LukyanchenkoP. P.

старший преподаватель

E-mail: lukianchenko.pierre@gmail.com

Senior Lecturer

E-mail: lukianchenko.pierre@gmail.com

БесчастновЮ. Н.BeschastnovYu. N.

стажер-исследователь

E-mail: y.beschastnov@mail.ru

Research Assistant

E-mail: y.beschastnov@mail.ru

ТомащукК. К.TomashchukK. K.

стажер-исследователь

E-mail: korneytomashchuk@yandex.ru

Research Assistant

E-mail: korneytomashchuk@yandex.ru

Национальный исследовательский университет «Высшая школа экономики», МоскваРоссияNational Research University Higher School of Economics, MoscowRussian Federation20222912202204 (48)3748Copyright © Громов В.А., Лукьянченко П.П., Бесчастнов Ю.Н., Томащук К.К., 20222022Громов В.А., Лукьянченко П.П., Бесчастнов Ю.Н., Томащук К.К.Gromov V.A., Lukyanchenko P.P., Beschastnov Y.N., Tomashchuk K.K.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.vestcyber.ru/jour/article/view/473

Проведен анализ временных рядов количества новых дел в административных судах РФ двумя методами группировки временных рядов с учетом хаотичности, случайности и регулярности их структуры. Первая модель основана на плоскости «энтропия – сложность», вторая – граф «атрибут – объект». Выведено четыре группы временных рядов: регулярные, регулярные-хаотические, строго хаотические и хаотические-стохастические, из которых хаотические-стохастические оказались в большинстве, что свойственно реальным системам. Для каждой группы предложен алгоритм прогнозирования в соответствии со структурой ряда, например, для хаотических рядов – алгоритмы нелинейной динамики, а для сильно стохастических рядов – модели, основанные на случайных процессах

The study analyzes the time series of the number of new cases in the administrative courts of the Russian Federation using two methods of time series grouping according to the chaotic, stochastic, and regular structure. The first model is based on the entropy‒complexity plane, the second one is presented by the attribute‒object graph. As a result, four groups of time series were derived: regular, regular-chaotic, purely chaotic, and chaotic-stochastic. Most of the series turned out to be chaotic-stochastic, which is common for real systems. Each group of time series is assigned with a suitable prediction algorithm. For example, algo-rithms of nonlinear dynamics can be used for chaotic series, and models based on stochastic processes can be used for strongly stochastic series.

временные рядыэнтропия – сложностьанализ формальных понятийtime seriesentropy‒complexityformal concept analysisReferencesGromov V. A. Chaotic Time Series Prediction: Run for the Horizon // Proceedings of the 5th International Conference, TMPA 2019, Tbilisi, Georgia, November 7-9, 2019. 2021. P. 29‒43.Gromov V. A. Chaotic Time Series Prediction: Run for the Horizon // Proceedings of the 5th International Conference, TMPA 2019, Tbilisi, Georgia, November 7-9, 2019. 2021. P. 29‒43.Ferré S., Huchard M., Kayoue M., Kuznetsov S. O., Napoli A. Formal Concept Analysis: From Knowledge Discovery to Knowledge Processing // A Guided Tour of Artificial Intelligence Research / Eds. Mar-quis P., Papini O., Prade H. 2020. P. 411‒445.Ferré S., Huchard M., Kayoue M., Kuznetsov S. O., Napoli A. Formal Concept Analysis: From Knowledge Discovery to Knowledge Processing // A Guided Tour of Artificial Intelligence Research / Eds. Mar-quis P., Papini O., Prade H. 2020. P. 411‒445.Mehdizadeh S. A Robust Method to Estimate the Largest Lyapunov Exponent of Noisy Signals: A Revision to the Rosenstein’s Algorithm // J Biomech. 2019. Vol. 85. P. 84‒91.Mehdizadeh S. A Robust Method to Estimate the Largest Lyapunov Exponent of Noisy Signals: A Revision to the Rosenstein’s Algorithm // J Biomech. 2019. Vol. 85. P. 84‒91.Gottwald G. A., Melbourne I. A New Test for Chaos in Deterministic Systems // Proceedings of the Royal Society of London. Series A: Mathematical, Physical and Engineering Sciences. 2004. Vol. 460, No. 2042. P. 603‒611.Gottwald G. A., Melbourne I. A New Test for Chaos in Deterministic Systems // Proceedings of the Royal Society of London. Series A: Mathematical, Physical and Engineering Sciences. 2004. Vol. 460, No. 2042. P. 603‒611.Gottwald G. A., Melbourne I. On the Implementation of the 0-1 Test for Chaos // SIAM Journal on Applied Dynamical Systems. 2009. Vol. 8, Is. 1. P. 129‒145.Gottwald G. A., Melbourne I. On the Implementation of the 0-1 Test for Chaos // SIAM Journal on Applied Dynamical Systems. 2009. Vol. 8, Is. 1. P. 129‒145.Gottwald G. A., Melbourne I. The 0-1 Test for Chaos: A Review // Chaos Detection and Predicta-bility / Eds. Skokos C., Gottwald G., Laskar J. 2016. P. 221‒247. 7. Tempelman J. R., Khasawneh F. A. A Look into Chaos Detection through Topological Data Analysis // Physica D: Nonlinear Phenomena. 2020. Vol. 406. P. 132446. 8. Rosso O. A., Carpi L. C., Saco P. M. et al. Causality and the Entropy-Complexity Plane: Robustness and Missing Ordinal Patterns // Physica A: Statistical Mechanics and its Applications. 2012. Vol. 391, Is. 1‒2. P. 42‒55.Gottwald G. A., Melbourne I. The 0-1 Test for Chaos: A Review // Chaos Detection and Predicta-bility / Eds. Skokos C., Gottwald G., Laskar J. 2016. P. 221‒247. 7. Tempelman J. R., Khasawneh F. A. A Look into Chaos Detection through Topological Data Analysis // Physica D: Nonlinear Phenomena. 2020. Vol. 406. P. 132446. 8. Rosso O. A., Carpi L. C., Saco P. M. et al. Causality and the Entropy-Complexity Plane: Robustness and Missing Ordinal Patterns // Physica A: Statistical Mechanics and its Applications. 2012. Vol. 391, Is. 1‒2. P. 42‒55.Tempelman J. R., Khasawneh F. A. A Look into Chaos Detection through Topological Data Analysis // Physica D: Nonlinear Phenomena. 2020. Vol. 406. P. 132446.Tempelman J. R., Khasawneh F. A. A Look into Chaos Detection through Topological Data Analysis // Physica D: Nonlinear Phenomena. 2020. Vol. 406. P. 132446.Rosso O. A., Carpi L. C., Saco P. M. et al. Causality and the Entropy–Complexity Plane: Robustness and Missing Ordinal Patterns // Physica A: Statistical Mechanics and its Applications. 2012. Vol. 391, Is. 1‒2. P. 42‒55.Rosso O. A., Carpi L. C., Saco P. M. et al. Causality and the Entropy–Complexity Plane: Robustness and Missing Ordinal Patterns // Physica A: Statistical Mechanics and its Applications. 2012. Vol. 391, Is. 1‒2. P. 42‒55.Громов В. А., Мазайшвили К. В., Заикин П. В. и др. Различение хаотических и регулярных временных рядов для идентификации состояния артериовенозной фистулы // Вестник кибернетики. 2022. № 1 (45). C. 72-82.Громов В. А., Мазайшвили К. В., Заикин П. В. и др. Различение хаотических и регулярных временных рядов для идентификации состояния артериовенозной фистулы // Вестник кибернетики. 2022. № 1 (45). C. 72-82.Малинецкий Г. Г., Потапов А. Б., Подлазов А. В. Нелинейная динамика: подходы, результаты, надежды // Синергетика: от прошлого к будущему. 2016. Т. 9, № 28. С. 30-121.Малинецкий Г. Г., Потапов А. Б., Подлазов А. В. Нелинейная динамика: подходы, результаты, надежды // Синергетика: от прошлого к будущему. 2016. Т. 9, № 28. С. 30-121.Электронное правосудие. URL: https://kad.arbitr.ru (дата обращения: 01.11.2022).Электронное правосудие. URL: https://kad.arbitr.ru (дата обращения: 01.11.2022).Mushtaq R. Augmented Dickey Fuller Test // SSRN Electronic Journal. 2011. 19 p.Mushtaq R. Augmented Dickey Fuller Test // SSRN Electronic Journal. 2011. 19 p.Liu Y., Ma S., Du X. An Improved K-Means Algo-rithm Based on a New Cluster Center Selection Method // IEEE Access. URL: https://www.research gate.net/publication/347610712_An_improved_k-means_algorithm_based_on_a_new_cluster_center_ selection_method (дата обращения: 01.11.2022).Liu Y., Ma S., Du X. An Improved K-Means Algo-rithm Based on a New Cluster Center Selection Method // IEEE Access. URL: https://www.research gate.net/publication/347610712_An_improved_k-means_algorithm_based_on_a_new_cluster_center_ selection_method (дата обращения: 01.11.2022).

The authors declare that there are no conflicts of interest present.