Интеллектуальный анализ временных рядов. Ярушкина Н.Г - 136 стр.

UptoLike

136
Например, приращение валютного курса за февраль 2004 года при из-
вестном приращении (-0.5714) за январь месяц того же года вычисляется по
формуле
11
)2004.02( RAF
, где
1
R имеет вид, показанный в первой строке, а
i
A фаззифицированное приращение января 2004 года.
Шаг 8: Вычисление прогнозных валютных котировок USD/RUB.
Этот этап предусматривает преобразование полученных на шаге 7 нечет-
ких прогнозных приращений в целые числа. В значительной степени такой
процесс зависит от особенностей рассматриваемой задачи, и одним из критери-
ев выбора процедуры дефаззификации является ее вычислительная простота.
После того как получено числовое приращение для рассматриваемого ме-
сяца,
оно суммируется с уже имеющимся значением обменного курса преды-
дущего месяца. Рассмотренный метод нечеткого моделирования может быть
отнесен к числу полуавтоматических процедур, поскольку большинство вы-
полняемых шагов, включая построение универсума на основании множества
исходных данных задачи, могут быть эффективно воплощены в программной
форме, однако участие аналитика (эксперта) при формировании интервалов
разбиения
и соответствующих нечетких множеств играет также огромную роль.
3.3.6. Пример построения нечеткой системы прогнозирования
дефектов металлопродукции
В работе [Кудинов и др., 2007] рассматриваются основные принципы по-
строения нечеткой системы прогнозирования дефектов металлопродукции,
включающие анализ технологических процессов, постановку задачи прогнози-
рования, разработку нечетких моделей и алгоритмов обучения, а также опыт-
ную проверку системы на одном из металлургических предприятий.
Отличительными особенностями таких производств являются нестацио-
нарность процессов, исключительная сложность и
нелинейность связей между
переменных, огромный объем информации, подверженной влиянию помех и
погрешностей измерения. В этих условиях надежное прогнозирование дефектов
возможно лишь с помощью нечеткой модели.