Имитационное моделирование сложных систем. Духанов А.В - 96 стр.

    1) Модель тренда жестко фиксируется, и с помощью МНК
можно получить прогноз на небольшой период. Из этого следу-
ет, что МНК относят к методам краткосрочного прогнозирова-
ния.
    2) Выбор вида модели весьма затруднителен. Также слож-
но обосновать выбор весов в МВНК.
    3) Метод МНК хорошо реализуется для линейных и реали-
зуемых зависимостей. В этом случае нахождение коэффициен-
тов модели сводится к решению системы линейных уравнений.
Задача значительно усложняется, если для прогноза использует-
ся функциональная зависимость, не сводимая к линейной.
     Метод экспоненциального сглаживания является эффек-
тивным и надежным методом среднесрочного прогнозирования.
     В данном методе предполагается, что чем ближе точка
(значение по времени) к прогнозному периоду, тем выше их
ценность. Такое положение лежит в основе метода экспоненци-
ального сглаживания.
     Сущность метода заключается в сглаживании исходного
динамического ряда взвешенной скользящей средней, веса ко-
торой ( wi , i  1, n ) подчиняются экспоненциальному закону
(рис. 9).
     Пусть исходный динамический ряд описывается полино-
мом следующего вида:
                     b              bp p
      yt  b0  b1t  2 t 2  ...     t  t ,
                      2!            p!
где b0 , b1, ..., b p – коэффициенты полинома,
     p – порядок (степень) полинома,
      t – случайная составляющая.
     Величина Stk  y  называется экспоненциальной средней
k - го порядка для ряда yt .

                                    96