Интеллектуальный анализ временных рядов. Ярушкина Н.Г - 247 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

247
),...,,(
~
1 dttt
tf
,
где d – фиксированное число, параметр модели;
τ
t
, τ
n-1
, …, τ
n-d
– последовательность нечетких тенденций;
f
~
– некоторая нечеткая зависимость.
5.7.1. Прогнозирование ВР в терминах элементарных тенденций
Предлагаемый подход к построению моделей ВР для целей прогноза
[Афанасьева, 2009] подразумевает преобразование исходного ВР
}{
t
xY
в не-
четкий временной ряд
}
~
{
~
t
xY
, где
)(
~
tt
xFuzzyx
,
],[,
~
~
nltXх
t
, а затем –
во временной ряд элементарных тенденций, где
)
~
,
~
(
1
ttt
xxETend
получается
с использованием FT-преобразования и ACL-шкалы. В результате этих опера-
ций получается несколько временных рядов, четких числовых и нечетких лин-
гвистических, например, временные ряды параметров нечетких тенденций

ttttt
tav
,
~
,
~
,
~
, ряд индексов нечетких уровней, ряд центров масс нечетких
уровней и др. (рис. 5.8). Данные ряды являются потенциально информативны-
ми для построения моделей прогноза ВР четких
t
x
и нечетких
t
x
~
уровней, типов
t
v
~
и интенсивностей
t
~
нечетких тенденций.
Рис. 5.8. Преобразование и декомпозиция временного ряда

Страницы