Интеллектуальный анализ временных рядов. Ярушкина Н.Г - 143 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

143
денций в настоящее время является создание интегрированных, гибридных и
синергетических систем, объединяющих различные методы и технологии в ин-
тересах достижения более глубокого понимания причинных механизмов в по-
ведении временных рядов
3.4.1. Нечетко-статистический подход в моделировании временных рядов
Нечеткий регрессионный анализ
В области прикладной статистики, анализа временных рядов и принятия
решений в условиях неопределенности накоплен богатый опыт исследований и
существует множество моделей, начиная от простейших линейных регрессион-
ных моделей поиска тренда временного ряда и заканчивая сложными много-
уровневыми авторегрессионными и адаптационными моделями. Регрессионный
анализ, основанный на методе наименьших квадратов
(Least-square), является
очень удобным методом построения моделей, позволяющих численно оцени-
вать зависимость интересующего исследователя параметра от воздействующих
на него факторов. При анализе зависимости нечетких оценок от воздействую-
щих факторов зачастую исследователям приходится иметь дело с важной ин-
формацией, которая не может быть задана точно. Некоторые наблюдения могут
быть описаны только лингвистическими
выражениями (типа «удовлетвори-
тельный», «хороший» и «превосходный»). Для таких данных аппаратом форма-
лизации может служить теория нечетких множеств.
Возможность аппроксимации нечетких данных, авторегрессия нечетких
данных исследовались с 1982 по настоящее время во многих работах. Были
разработаны различные нечеткие регрессионные модели, основой которых яв-
ляется модель нечеткой линейной регрессии. Работы разных лет опираются
на
эту модель, развивая, уточняя и дополняя ее.
В нечеткой регрессионной модели параметры представляются триангу-
лярными нечеткими числами и являются коэффициентами в нечеткой линейной

Страницы