Интеллектуальный анализ временных рядов. Ярушкина Н.Г - 251 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

251
3. Модель F3N1S:
=(
a
~
, µ
1
, µ
2
, µ
3
), где µ
1
, µ
2
, µ
3
– числовые временные
ряды степеней принадлежностей (функции принадлежностей) тенденции
«Рост», «Падение», «Стабильность».
Возможны и другие представления.
Выбор представления модели ВРЭТ определяет метод прогнозирования.
Достоинством лингвистических временных рядов (модель F2S) является воз-
можность использовать систему нечеткого логического вывода, прогноз число-
вых ВР (модель F1N) может быть основан на известных методах в этой области
(статистические или нейросетевые методы). Интерес представляет применение
повторного FT-преобразования полученных числовых рядов интенсивностей
для анализа тенденций
в них. В этом случае прогноз может строиться и в отно-
шении изменения самих тенденций.
Извлечение знаний в виде продукционных правил
На третьем шаге из временного ряда нечетких тенденций извлекаются
продукционные правила Rule_eτ={R
p
k
}, характеризующие поведение временно-
го ряда в терминах элементарных нечетких тенденций. В учебном пособии
продукционные правила, применительно к нечетким элементарным тенденци-
ям, будут рассматриваться как ассоциативные правила следования ЭТ. В такой
интерпретации эти правила образуют синтаксические правила грамматики язы-
ка LANG. Извлечение таких правил на основе лингвистических термов совме-
стно с
функциями принадлежности формирует и семантические правила языка
LANG, которые будут в дальнейшем использованы для решения задач модели-
рования тенденций. Количество нечетких высказываний в каждом правиле р,
количество правил k будут определять соответственно порядок и размерность
нечеткой системы моделирования поведения ВР.
Общей проблемой как при прогнозировании в терминах НМ, так и
в тер-
минах нечетких тенденций, является проблема определения вида, порядка и ка-

Страницы