Во многих сферах повседневной жизни мы часто сталкиваемся с данными, зависящими от времени, пространства или же упорядоченных по любому другому аргументу. Среди многообразия данных выделяют различные классы, в том числе нелинейные колебания с трендом. Колебательные компоненты таких данных носят глобальный характер и, соответственно, представляются более приоритетными и перспективными в исследованиях, в сравнении с линейными. Проблема методов анализа нелинейных колебаний с трендом является сейчас общенаучной, фундаментальной, особенно в области информационных систем с большим объемом данных. Для описания колебательных процессов принято использовать целый ряд параметров, таких, как фаза, амплитуда, частота. Среди всех характеристик наибольший интерес представляет параметр, описывающий наиболее фундаментальную составляющую процесса — период колебаний. В работе проводится асимптотический анализ алгоритма определения значений почти-периодов в данных с упорядоченным аргументом, известных также как временные ряды. По результатам анализа, ожидается оценивание сложности алгоритма в нотации О-большое, а также оценивание достигнутого ускорения времени исполнения реализованного программного обеспечения, основанного на распараллеленной версии предлагаемого алгоритма и выполняемого на разнородных временных рядах.
< ... >
The problem of methods for analyzing nonlinear fluctuations with a trend is now a fundamental one, especially in the field of information systems with a big data. To describe oscillatory processes, it is customary to use a number of parameters, such as phase, amplitude, frequency. Among all the characteristics, the parameter describing the most fundamental component of the process — the oscillation period — is of the greatest interest. The paper provides an asymptotic analysis of an algorithm for determining the values of near-periods in data with an ordered argument, also known as time series. According to the results of the analysis, an assessment of the complexity of the algorithm in the «O»-large notation is expected, as well as an assessment of the achieved acceleration of the execution time of the implemented software based on a parallelized version of the proposed algorithm and executed on heterogeneous time series.
Keywords:
nonlinear oscillations, almost-period, time series, oscillation period, Big Data