Интеллектуальный анализ временных рядов. Ярушкина Н.Г - 129 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

129
чество наблюдаемых данных. Они использовали эвристические правила, позво-
ляющие определить тенденцию на интервале.
В работе [Chen, 2006] Chen и Chung предложили метод определения дли-
ны интервалов, основой которого является генетический алгоритм.
В работе [Jilani, 2007] был исследован метод выбора эффективной длины
интервалов на основе среднего значения разницы между соседними уровнями
временного ряда и знаний эксперта,
формализованных в виде таблицы, по ко-
торой определяется интервал на основе полученного среднего.
Для повышения точности модели ВР авторы работы [Khashei, 2008] ис-
пользовали способ построения функций принадлежности, в частности интерва-
лов, на которых они строятся, в зависимости от частотности соответствующих
этим интервалам наблюдений. Также приводятся приложения методов анализа
НВР к прогнозу абитуриентов
университета штата Алабама (эти данные ис-
пользуют практически все исследователи для сравнения результатов), для про-
гнозирования аварий на дорогах в Бельгии, для прогноза погоды. Затем показа-
но, что предлагаемый метод превосходит по точности другие методы модели-
рования НВР.
В работе [Chen, 2002] Чен предложил метод прогноза регистрации сту-
дентов, основанный на нечетких
временных рядах старших порядков: второго,
третьего, четвертого и пятого. Сонг [Song, 2003] продолжил исследование Чена,
использовав функцию автокорреляции как меру зависимости между нечеткими
данными для выбора подходящего порядка в модели нечетких временных ря-
дов. Он пришел к выводу, что применение моделей второго и третьего порядка
более эффективно, чем первого.
Оун и Ю (Own и
Yu) [Own, 2005] предложили эвристическую модель
старших порядков, введя эвристическую функцию. Tsaur и др. [Tsaur, 2005]
использовал понятие энтропии, чтобы измерить степень нечеткости системы и
определять время T, для которого данные приближаются к устойчивому со-
стоянию.

Страницы