Интеллектуальный анализ временных рядов. Ярушкина Н.Г - 303 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

303
Таблица 6.8
Сравнение нечетких моделей для прогноза ВР №3
Модель МАРЕ TTend MSE RMSE
F2S(19,2,1)
0,2 0 1,9*10^
3
44
S(19,1,1) 2,4 50 212*10^
3
461
D(19,2,1) 3,3 100 395*10^
3
629
F2S(19,2,2)
0,11 0 666 25
S(19,2,2) 13 50 7110
786
2666
D(19,1,2) 0,5 25 13 416 115
Анализ таблиц 6.7 и 6.8 показывает, что авторские модели на основе не-
четких тенденций по сравнению с известными нечеткими моделями при моде-
лировании ВР «Алабама» (табл. 6.7) и при краткосрочном прогнозе
(табл. 6.8) демонстрируют лучшие результаты по всем исследуемым критериям.
Временной ряд №4
Предлагаемый метод нечеткого моделирования был апробирован на вре-
менном ряду
месячных данных показателя «Коммунальные расходы», извле-
ченном из статьи 223 «Доходы и расходы» бюджетной организации, начиная с
января 2005 года до середины 2009, всего 53 значения (рис. 6.15). Управляю-
щий алгоритм выбрал наилучшую нечеткую модель класса F2S(6,4,3), где циф-
ра 6 обозначает количество нечетких термов модели, 4 – порядок модели, 3 –
количество прогнозируемые точек, используемых для вычисления внешних
критериев качества RMSE и
МАРЕ.
Полученные результаты сравнивались с результатами статистической мо-
дели, выбранной из нескольких моделей класса АРПСС (ARIMA) в программ-
ной системе «Статистика». Выбор производился на основе визуального анализа

Страницы