ИСТИНА

В работе исследуются различные подходы к прогнозированию временных рядов на примере задачи прогноза ежемесячных значений индекса солнечной активности — числа солнечных пятен (Solar Sunspot Numbers). Рассматриваются три стратегии прогнозирования: итерации одношаговой модели, независимый одношаговый прогноз для каждого последующего месяца и единый многошаговый прогноз на весь горизонт. Для реализации прогнозов используются модели машинного обучения на основе нейронной сети, дополненные вспомогательным теоретическим рядом, построенным с применением физической модели солнечного динамо. Полученные результаты показывают, что выбор подхода существенно влияет на поведение ошибки прогноза: многошаговый подход обеспечивает меньшую скорость роста ошибки по сравнению с итеративным методом, что делает выбор стратегии важным фактором для повышения точности долгосрочного прогноза. Дальнейшие исследования, направленные на уточнение параметров физической модели динамо и оценку способности моделей машинного обучения компенсировать ошибки теоретического ряда, представляют собой ключевые шаги для построения более точных методик долгосрочного прогнозирования солнечной активности.