Интеллектуальный анализ временных рядов. Ярушкина Н.Г - 252 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

252
чества модели прогноза, которая имеет много общего с задачей извлечения ас-
социативных правил из БД.
Прогнозирование временного ряда
На четвертом шаге реализуется применение сгенерированной нечеткой
системы для прогноза в лингвистических значениях тенденций, в нечетких зна-
чениях временного ряда и в числовых значениях анализируемого ВР, то есть
выполняется прогнозирование отдельных
ВР, полученных ранее. Затем произ-
водится свертка полученных значений. Результатом является кортеж:
<
xY
ˆ
,
ˆ
,
ˆ
,
ˆ
,
ˆ
>,
где
xY
ˆ
,
ˆ
,
ˆ
,
ˆ
,
ˆ
– прогнозные значения числового уровня ВР, типа нечет-
кой тенденции, интенсивности нечеткой тенденции, степени принадлежности и
нечеткого уровня ВР соответственно. Полученные результаты генерируются
алгоритмом поиска наилучшей модели из набора моделей нечетких тенденций.
5.7.2. Модели ВР в терминах элементарных тенденций
Модель F2S
Данная модель основана на представлении временного ряда как результа-
та агрегации нечеткого временного ряда типов тенденций и нечеткого времен-
ного ряда интенсивностей
=(µ, v
~
, a
~
). Модель, используемая для целей прогно-
за, будет относиться к нечетким моделям логического вывода, вследствие не-
четкого представления параметров ЭТ, типа нечеткой авторегрессии р-порядка
(AR(p) ):
tYрttRрtY
),()(
.
Производя формальную подстановку вместо значений Y(t), Y(t-p) – значе-
ния
(t),
(t-р), а вместо R(t,t-p) – набор извлеченных правил из НВР, получим
следующее представление модели для прогноза элементарных тенденций:
tрttRрt
),()(
,
tрttRрt
~
),()(
~
~
,

Страницы