Time series analysis of complex dynamic systems behavior
Abstract
The paper presents the results of a study of biomedical data, as well as data obtained from receivers using mathematical statistics in the oil and gas industry. As biomedical data, the RR intervals were used for cardiac rhythm, and the parameters of water pipe sensors were used as characteristic data. The study determined the correlation dependence between progressive levels of the time series with time-shifted data series. An analysis of the autocorrelation function and the correlogram is carried out.
About the Authors
V. S. Mikshina
Surgut State University
Russian Federation
Russian Federation
N. B. Nazina
Surgut State University
Russian Federation
Russian Federation
L. A. Denisova
Surgut State University
Russian Federation
Russian Federation
References
1. Бетелин В. Б., Еськов В. М., Галкин В. А., Гавриленко Т. В. Стохастическая неустойчивость в динамике поведения сложных гомеостатических систем // Доклады академии наук. 2017. Т. 472. № 6. С. 642–644.
2. Григоренко В. В., Еськов В. М. Стохастический подход в анализе систем с хаотической динамикой на примере параметров сердечно-сосудистой системы // Мат-лы VI всерос. симпозиума с междунар. участием, посвященного 85-летию образования Удмурт. гос. ун-та. Ижевск, 2016. С. 111–115.
3. Григоренко В. В., Еськов В. М. Анализ временных рядов в исследовании процессов хаотической динамики // Естественные и технические науки. 2016. № 6 (96). С. 130–133.
4. Елисеева И. И. Эконометрика : учеб. СПб. : Финансы и статистика, 2003. 344 с.
5. Еськов В. М., Зинченко Ю. П., Филатов М. А., Еськов В. В. Эффект Еськова – Зинченко опровергает представления I. R. Prigogine, J A Wheeler и M. Gell-Mann о детерминированном хаосе биосистем – complexity // Вестник новых медицинских технологий. 2016. Т. 23. № 2. С. 34–43.
6. Еськов В. М., Хадарцев А. А., Козлова В. В., Филатов М. А. и др. Системный анализ, управление и обработка информации в биологии и медицине // Системный синтез параметров функций организма жителей Югры на базе нейрокомпьютинга и теории хаос-самоорганизации в биофизике сложных систем. Т. XI. Самара : Офорт, 2014. 192 с.
7. Заикин П. В., Погореловский М. А., Микшина В. С. Аппроксимация эмпирических функций полиномами высших порядков // Вестн. кибернетики. 2015. № 4 (20). С. 129–134.
8. Канторович Г. Г. Анализ временных рядов. // Экономический журнал ВШЭ. 2002. № 1. С. 85–116.
9. Максимюк Е. В., Микшина В. С. Математическое моделирование для поддержки принятия решений в области обеспечения энергетической эффективности // Качество. Инновации. Образование. 2014. № 8 (111). С. 54–63.
10. Погореловский М. А., Микшина В. С., Назина Н. Б., Заикин П. В. Агрегирование состава многокомпонентной смеси в математическом моделировании сложных динамических процессов // Север России: стратегии и перспективы развития : материалы III Всерос. науч.- практ. конф. Сургут, 2017. С. 127–133.
Review
For citations:
Mikshina V.S., Nazina N.B., Denisova L.A. Time series analysis of complex dynamic systems behavior. Proceedings in Cybernetics. 2018;(1 (29)):116-121. (In Russ.)
Views:
170
Email this article 