Studopediya

КАТЕГОРИЯ:


Астрономия- (809) Биология- (7483) Биотехнологии- (1457) Военное дело- (14632) Высокие технологии- (1363) География- (913) Геология- (1438) Государство- (451) Демография- (1065) Дом- (47672) Журналистика и СМИ- (912) Изобретательство- (14524) Иностранные языки- (4268) Информатика- (17799) Искусство- (1338) История- (13644) Компьютеры- (11121) Косметика- (55) Кулинария- (373) Культура- (8427) Лингвистика- (374) Литература- (1642) Маркетинг- (23702) Математика- (16968) Машиностроение- (1700) Медицина- (12668) Менеджмент- (24684) Механика- (15423) Науковедение- (506) Образование- (11852) Охрана труда- (3308) Педагогика- (5571) Полиграфия- (1312) Политика- (7869) Право- (5454) Приборостроение- (1369) Программирование- (2801) Производство- (97182) Промышленность- (8706) Психология- (18388) Религия- (3217) Связь- (10668) Сельское хозяйство- (299) Социология- (6455) Спорт- (42831) Строительство- (4793) Торговля- (5050) Транспорт- (2929) Туризм- (1568) Физика- (3942) Философия- (17015) Финансы- (26596) Химия- (22929) Экология- (12095) Экономика- (9961) Электроника- (8441) Электротехника- (4623) Энергетика- (12629) Юриспруденция- (1492) Ядерная техника- (1748) Arhitektura- (3434) Astronomiya- (809) Biologiya- (7483) Biotehnologii- (1457) Военни бизнесмен (14632) Висока technologies- (1363) Geografiya- (913) Geologiya- (1438) на държавата (451) Demografiya- ( 1065) Къща- (47672) журналистика и смирен (912) Izobretatelstvo- (14524) външен >(4268) Informatika- (17799) Iskusstvo- (1338) историята е (13644) Компютри- (11,121) Kosmetika- (55) Kulinariya- (373) културата е (8427) Lingvistika- (374) Literatura- (1642) маркетинг-(23702) математиците на (16968) Механична инженерно (1700) медицина-(12668) Management- (24684) Mehanika- (15423) Naukovedenie- (506) образователна (11852) truda- сигурност (3308) Pedagogika- (5571) Poligrafiya- (1312) Politika- (7869) Лево- (5454) Priborostroenie- (1369) Programmirovanie- (2801) производствено (97 182 ) индустрия- (8706) Psihologiya- (18388) Religiya- (3217) Svyaz (10668) Agriculture- (299) Sotsiologiya- (6455) на (42831) спортист строително (4793) Torgovlya- (5050) транспорт ( 2929) Turizm- (1568) физик (3942) Filosofiya- (17015) Finansy- (26596) химия (22929) Ekologiya- (12095) Ekonomika- (9961) Electronics- (8441) Elektrotehnika- (4623) Мощност инженерно ( 12629) Yurisprudentsiya- (1492) ядрена technics- (1748)

Адаптивни методи за прогнозиране

Статистически методи за прогнозиране

Адаптивни методи се използват в условия на силна вибрация на динамична серия от нива и позволяват изследването да се вземе предвид степента на влияние на тенденцията на предишните нива за следните стойности на динамичната серия.

Чрез адаптивните методи включват:

- Методи и експоненциални пълзящи средни,

- Методът на хармонични везни,

- Методи за авторегресионна трансформация.

Adaptive метод се отнася за краткосрочно прогнозиране.

Прогнозиране методи - екстраполация на тенденцията, регресия - метод корелация винаги е неприложим. Trend Регресия опише икономическите процеси средно. Има някои нестационарни икономическите процеси, очакването за промяна или икономически процес, описан динамични къси редове. За да се повиши надеждността на прогнозата за икономическото развитие в бързо променящите се условия на непълна информация може да се използва адаптивни модели. Тези модели отразяват текущите свойства на динамичния диапазон и може постоянно да се вземе под внимание развитието на динамичните характеристики на изследваните процеси. Тези методи се основават на samokorrelyatsionnyh модели, които се вземат под внимание резултатите от прогнозите, направени в предишната стъпка. Моделът е непрекъснато усвояване на нова информация, за адаптиране към него, следователно отразява тенденцията на развитие, която съществува в момента. Ето защо адаптивен модел особено добре се използва за краткосрочно прогнозиране.

Адаптивни методи позволяват да се вземат предвид различни информативна стойност на времевия ред на нива, както и степента на остаряла информация.

Започнете на адаптивна посока прогнози в модела на експоненциалното изглаждане. Например, Дан е динамична поредица от показатели х т. Моделът може да се запише, както следва:

(5.13)

A, B - параметри на модела, A оценява тази информация, B - от миналото.

0-A <1; A + B = 1

, (5.14)

Новата прогноза е резултат от предишните корекции на 1 стъпка. За да се увеличи теглото на пресни наблюдения трябва да се увеличи A адаптация параметър. За изглаждане на нивата на случайни отклонения, посочени редица динамичен параметър A трябва да бъде намалена. Ако тези две изисквания конфликт една с друга, това означава модел трябва да бъде оптимизирано. Това се постига чрез адаптиране на избора на параметър:

A = 0,3 - вземат във всички случаи, но това е безспорно, стойността му трябва да бъде за всеки модел.

(5.15)

И всеки вариант адаптация дава неговата стандартна грешка S. Списък А ще се увеличи с нарастването и изкуството. A.

Експоненциален Изглаждане филтър може да бъде представена като на входа на който е получил поток последователно стартов номер член, и изходните текущите стойности се формират от средното за експоненциално. И колкото по-малък, толкова по-средната възраст на информацията. Затова условия прогнози и трябва да вземат повече.



, (5.16)

Прогноза е една крачка напред от експоненциалното средната стойност от предходния период.

(5.17)

, (5.18)

Общо дисперсия се свързва с различна относителните стойности на индивидуална експоненциална среда.

; ;

; (5.19)

Разнообразие от модели на адаптивен метод.

<== Предишна лекция | На следващата лекция ==>
| Адаптивни методи за прогнозиране

; Дата: 03.01.2014; ; Прегледи: 356; Нарушаването на авторските права? ;


Ние ценим Вашето мнение! Беше ли полезна публикуван материал? Да | не



ТЪРСЕНЕ:


Вижте също:



zdes-stroika.ru - Studopediya (2013 - 2017) на година. Тя не е автор на материали, и дава на студентите с безплатно образование и използва! Най-новото допълнение , Al IP: 66.102.9.26
Page генерирана за: 0.049 сек.