Интеллектуальный анализ временных рядов. Ярушкина Н.Г - 250 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

250
значение имеет адекватное количество ФП. От этого количества зависит по-
грешность вычисления типа различия TTend и интенсивности различия RTend, а
значит, и ошибка модели. Заметим, что автоматическое задание ФП, в отличие
от экспертного, затрудняет их предметно-зависимую интерпретацию, ФП рас-
сматриваются как некоторые абстрактные функции.
В связи с этим
возникает задача автоматического определения такого ко-
личества ФП, построенного для ACL-шкалы, при котором ошибка прогноза
минимальна или хотя бы находится в допустимом интервале, длина которого не
превышает определенного уровня
. Фактически, это задача о минимальном
разбиении диапазона (интервала) допустимых значений уровней ВР на покры-
вающие диапазон интервалы, при котором ошибка модели по модулю не пре-
вышает заданный уровень . Решение данной задачи может основываться на
приведенной в главе 4 теореме о мощности ACL-шкалы.
Построение временных рядов элементарной тенденции
Для преобразования ВР во временной ряд нечетких элементарных тен-
денций применяется построенная на первом шаге ACL-шкала, которая преобра-
зует сначала ВР в нечеткий временной ряд, а затем во временной ряд элемен-
тарных тенденций. В результате, получаем расширенную структурно-
лингвистическую модель исходного временного ряда, проекции которой обра-
зуют несколько одновременных временных рядов
, характеризующих различные
свойства нечетких тенденций: тип, интенсивность, принадлежность (см. главу
4). Проекции структурно-лингвистической модели временного ряда и их вид
(четкий или нечеткий) определяют представление модели ВР на основе объе-
динения моделей временных рядов параметров элементарной тенденции.
Предлагаются три варианта представления модели временного ряда эле-
ментарных тенденций в зависимости от
типа его компонент:
1. Модель F2S:
=(µ, v
~
, a
~
).
2. Модель F1N:
=(µ, ν, α), где ν= DeFuzzy(v
~
), α =DeFuzzy( a
~
).

Страницы