Интеллектуальный анализ временных рядов. Ярушкина Н.Г - 147 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

147
моделирования нелинейных зависимостей за счет использования нечеткой ло-
гики и искусственной нейронной сети. Показано, что гибридный метод ARIMA
+ нечеткие временные ряды + нейронные сети превосходит по точности от-
дельно взятый метод при прогнозировании финансовых рынков.
3.4.2. Нечетко-нейронный подход к моделированию временных рядов
Учитывая, что нейронные сети обладают большим потенциалом в моде-
лировании нелинейных зависимостей, многие авторы комбинируют их для по-
лучения более адекватных результатов моделирования временных рядов
[Ярушкина, 2007; Стецко, 2008].
Так, в работах [Huarng, 2006; Yu, 2008] рассмотрены гибридные модели
моделирования временных рядов на основе применения нейронных сетей для
прогнозирования нечетких временных рядов.
В работе [Alizadeh, 2009] заявляется нейро-
нечеткий подход для прогно-
зирования курса доллара по отношению к японской йене. Авторы предлагают
адаптивную нейро-нечеткую систему. Результаты применения предлагаемого
нейронно-нечеткого подхода к моделированию временных рядов сравнивались
со следующими моделями: модель множественной регрессии, искусственной
нейронной сетью и нечеткой моделью, реализованной на основе алгоритма
Суджено. Анализ результатов применения адаптивной нейро
-нечеткой системы
показал результативность и лучшие показатели точности по сравнению со
сравниваемыми моделями.
Рассмотренный метод прогнозирования уровня продаж в работе
[Kuo, 2001] основан на использовании нечеткой нейронной сети с генетической
настройкой начальных значений весов и показывает более точные результаты
при сравнении с искусственной нейронной сетью. В работе [Глебов, 2006] рас-
сматривается применение нечеткой
нейронной сети для краткосрочного про-
гнозирования временных рядов, значения которых характеризуют уровень
электропотребления, а в работах [Ярушкина и др., 2007; Стецко, 2008] нечеткая

Страницы