Интеллектуальный анализ временных рядов. Ярушкина Н.Г - 107 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

107
су принадлежит распределение и является ли оно стационарным, причем оба
этих фактора могут быть определены лишь с некоторой доверительной вероят-
ностью – корректно определенной, однако, только для стационарных процессов.
Нестационарные процессы, изучаемые в относительно малом числе пуб-
ликаций, чаще всего относятся к определенным функциональным классам, про-
верка принадлежности к которым
реальных процессов является гораздо более
трудной задачей, чем проверка их на стационарность.
В адаптивных методах исследования рядов, про которые априори не из-
вестно, являются ли они (ряды) стационарными или нет, не решен вопрос, по
выборке какого объема следует проводить скользящее усреднение, чтобы полу-
чить наименьшую ошибку прогноза. Решение этой проблемы в
существующих
критериях оставляется на усмотрение эксперта в соответствии с его квалифика-
цией и опытом.
2. В задачах статистического анализа и прогноза стохастической компо-
ненты временного ряда стремятся получить оптимальную модель из класса за-
данных, среднеквадратическое отклонение остатков которой минимально. Су-
ществуют две схемы решения.
В первой схеме модель постулируется, то есть выбирается
экспертно, например, ARIMA (АРПСС). Затем ВР преобразовывается та-
ким образом, чтобы удовлетворять ограничениям этой модели. В даль-
нейшем проводятся параметрическая оптимизация этой модели (по числу
и значению параметров), прогноз и обратное преобразование. На практи-
ке оказывается, что качество (в смысле точность прогноза) моделей в
первом подходе будет разным для различных ВР одного класса, то есть
зависит от квалификации пользователя, его опыта, а также от класса ВР.
Кроме того, прогнозные значения таких моделей не всегда корректно
отображают ожидаемую тенденцию изменения, так как используют меру
качества, основанную на усреднении квадрата разностей отклонений
MSE (СКО).

Страницы