Составители:
Рубрика:
мени
t
). По этим данным методом наименьших квадратов можно определить
значения коэффициентов функции
G
:
1
+
i
n
(
N
train
t
1
++
D
[]
.min))(()(
1
2
=−
∑
=
+
k
i
nDn
ii
tGtv
x (19)
Для применения метода наименьших квадратов необходимо, чтобы количество
найденных соседей
k
было не меньше количества коэффициентов
D
+1. Поэтому
размер окрестности не должен быть слишком малым, чтобы нашлось достаточ-
но соседей. Но размер окрестности не должен быть и слишком большим, чтобы
эффективной была линейная аппроксимация. Обоим этим требованиям можно
удовлетворить, только если количество данных (длина тренировочного ряда
) достаточно велико.
train
N
Если количество соседей меньше, чем количество коэффициентов, то бу-
дем использовать локально постоянную аппроксимацию:
. Если сосе-
дей не нашлось, то прогноз осуществляется по принципу «завтра как сегодня»,
т.е.
v
.
0
)( cG
=x
)()
1 DND
train
tv
+++
=
4.2. Прямой и итерационный методы прогноза
Чтобы осуществить про-
гноз на несколько итераций
вперед, можно использовать
предсказанное
значение
в качестве нового
известного
значения наблю-
даемой. Далее нужно найти
ближайших соседей для
полученного вектора состояния
, провести аппрокси-
мацию функции
G
(18) уже в
)(
N
train
tv
)(
2
+
train
N
t
x
Рис.4. Ближайшие соседи (белые кружки) век-
тора тестового ряда (черные кружки) и сле-
дующие за ними векторы (белые треугольни-
ки). По этим данным нужно осуществить про-
гноз следующего вектора тестового ряда (чер-
ный треугольник).
20
Страницы
- « первая
- ‹ предыдущая
- …
- 19
- 20
- 21
- 22
- 23
- …
- следующая ›
- последняя »
