Составители:
Рубрика:
• потренироваться в выборе оптимального (при данной длине трениро-
вочного ряда) значения размера окрестности,
• проследить зависимость качества прогноза от количества данных и от
уровня шума в системе.
Задача
. Осуществить прогноз процесса, являющегося реализацией одного
из эталонных отображений (заданного преподавателем).
1. С помощью программы MapSimulator (приложение 1) получите и запишите
исходный временной ряд: не зашумленную хаотическую временную реали-
зацию одного из эталонных отображений (заданного преподавателем) дли-
ной 20000 итераций. Например, для отображения Эно при
a
= 1.5,
b
= 0.2
(см. рис.П.1.1).
2. С помощью программы LLMap (приложение 3) осуществите прогноз на-
блюдаемого процесса. Используйте тренировочный ряд длиной 100 итера-
ций. Сразу выберите «правильную» размерность модели. Используйте для
построения модели различный размер окрестности
. Постройте график
зависимости
как для прямого, так и для итерационного методов.
Для того чтобы понять причину эффективности или неэффективности про-
гноза просматривайте количество найденных соседей (файл neighbors.txt).
Объясните вид полученной зависимости. Определите оптимальный размер
окрестности .
box
ε
)(
boxpred
ετ
opt
ε
3. Используйте для построения локальной модели тренировочные ряды раз-
личной длины (250, 500, 1000, 2500, 5000, 10000, 15000 итераций). Выполни-
те для них задание 2. Постройте графики для оптимального размера окрест-
ности
и соответствующей дальности прогноза . Срав-
ните точность прогноза, полученного с помощью итерационного и прямого
методов.
)(
trainopt
N
ε
)(
trainpred
N
τ
23
Страницы
- « первая
- ‹ предыдущая
- …
- 22
- 23
- 24
- 25
- 26
- …
- следующая ›
- последняя »
