Интеллектуальный анализ временных рядов. Ярушкина Н.Г - 301 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

301
Проведенное статистическое моделирование ВР №2 на три интервала в
пакете «Статистика» показало, что наименьшее RMSE соответствует модели
SARIMA(1,1,1)x(1,0,0): MAPE=49%, RMSE=88*10^5. При нечетком модели-
ровании в рассматриваемом авторском пакете были получены сравнимые ре-
зультаты, приведенные в табл. 6.6.
Таблица 6.6
Сравнение нечетких моделей для прогноза ВР №1
и статистической модели
Модель MAPE RMSE TTend
F1N(3,3,3)+отбор
28 70*10^5 16,6
F3N1S(3,3,3) + отбор
36 122*10^5 16,6
F2S(3,4,3) + отбор
42 80*10^5 16,6
SARIMA(1,1,1)x(1,0,0) 49 88*10^5 50
F3N1S(3,4,3) + отбор
49 101*10^5 0
F2S(3,1,3) + отбор
55 88*10^5 0
По сравнению с моделью SARIMA(1,1,1)x(1,0,0) нечеткая авторская мо-
дель F1N(3,3,3) показала лучшие результаты в оценке числового прогноза и в
оценке ожидаемой нечеткой тенденции, а модели F3N1S(3,4,3) и F2S(3,1,3) вы-
числили оценку числового прогноза на уровне SARIMA(1,1,1)x(1,0,0), но к то-
му же безошибочно распознали будущую тенденцию.
В программной системе предусмотрена возможность после моделирова-
ния временного ряда
провести моделирование временного ряда остатков. В ре-
зультате моделирования остатков наилучшей модели F1N(3,3,3) (табл. 6.6) точ-
ность оценки прогноза по критерию RMSE улучшилась более чем в 2 раз и со-
ставила 30*10^5. При этом для остатков модели F1N(3,3,3) была автоматически
выбрана другая наилучшая модель F3N1S(3,1,3) + отбор.
Временной ряд №3
Тестирование авторских нечетких моделей проводилось на временном
ряду,
содержащем данные о поступающих абитуриентах в университет штата

Страницы