Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Адаптивні моделі прогнозування
На динамічний ряд впливають фактори, які з одного боку в часі можуть посилювати свій вплив, а з іншого – послаблювати. Модель прогнозування, відповідно, повинна адаптуватись до можливих змін ряду в реальності. Більшість реальних динамічних рядів є нестаціонарними, відповідно, їх характеристики – рівень, швидкість росту і інші також не є постійними в часі. Тобто модель завжди буде знаходитись у русі. Адаптивна модель прогнозування – це самоналагоджувальна рекурентна модель, здатна відображати яким чином змінюються у часі динамічні властивості часового ряду і враховувати інформаційну цінність його членів. Перевага адаптивних моделей, відповідно, полягає в тому, що в короткостроковому прогнозуванні вони дозволяють досить точно оцінити значення динамічного ряду. При цьому використання адаптивних методів у прогнозуванні дозволяє досягти компромісу між вимогою статистичних підходів щодо збільшення обсягів вибірки для отримання більш точних оцінок і умовою гомогенності даних. Адаптація в таких моделях забезпечується невеликими дискретними зрушеннями. Спочатку модель знаходиться в деякому початковому стані, тобто визначено поточні значення параметрів в прийнятий початковий момент часу. Відповідно, використовуючи ці значення, робиться прогноз на один крок вперед. Потім встановлюються відхилення прогнозного значення від фактичного. Отримана помилка прогнозу використовується для коригування параметрів моделі з метою кращого узгодження її з фактичною динамікою ряду. Потім знову робиться прогноз на наступний момент часу і знову відбувається коригування. Таким чином, суть адаптації при прогнозуванні виявляється у рекурентній процедурі з отриманням на кожному кроці нової точки прогнозованого динамічного ряду. Таким чином, фактично відбувається навчання моделі, метою якого є вибір найкращого параметра моделі на основі пробних прогнозів на ретроспективних статистичних даних. Адаптивні моделі є досить гнучкими, але мало універсальними, тому при побудові і обґрунтуванні моделей необхідно враховувати найбільш імовірні закономірності розвитку досліджуваного процесу. До найбільш популярних адаптивних прогностичних моделей відносять моделі Кольта, моделі Брауна, Бокса-Дженкінса і інші. Послідовність процесу адаптації буде виглядати наступним чином:
· робимо прогноз на один крок; · аналізуємо відхилення прогнозованого значення від фактичного; · через зворотній зв'язок моделі використовуємо помилку прогнозування з метою більшого узгодження своєї поведінки з динамікою ряду; Таким чином досягається реагування моделі прогнозування на фактичні зміни в динаміці розвитку об’єктів. Зауважимо, що логіка механізму адаптації, тобто підбір параметра адаптації при цьому задається апріорно, а потім перевіряється емпірично. Швидкість реакції моделі на зміни у динаміці розвитку об’єкту якраз і визначається отриманим параметром адаптації. Про якість адаптивної прогностичної моделі можна судити за наявністю автокореляції. В більш розвинених системах процес проб і помилок реалізується при аналізі як послідовних у часі моделей, так і паралельних модифікацій моделі. При оцінці якості моделі використовується принцип автоматичного відбору (селекції) предиктора по заданому критерію. Одним з найпростіших і поширених адаптивних прогностичних моделей є моделі експоненціального згладжування, адаптивні моделі Тейла і Вейджа і інші. Основним недоліком даних методів є те, що вони розглядають конкретний динамічний ряд ізольовано, тому будь-яка додаткова інформація може бути використана дослідником лише шляхом регулювання швидкості адаптації. При довгостроковому прогнозуванні точність таких прогнозів падає.
|
|||||
Последнее изменение этой страницы: 2021-12-15; просмотров: 162; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 3.133.115.92 (0.004 с.) |