Разработка и исследование методов прогнозирования на основе SVM-моделей

Разработка и исследование методов прогнозирования на основе SVM-моделей

Автор: Шумков, Дмитрий Сергеевич

Шифр специальности: 05.13.18

Научная степень: Кандидатская

Год защиты: 2009

Место защиты: Санкт-Петербург

Количество страниц: 143 с.

Артикул: 4629878

Автор: Шумков, Дмитрий Сергеевич

Стоимость: 250 руб.

Разработка и исследование методов прогнозирования на основе SVM-моделей  Разработка и исследование методов прогнозирования на основе SVM-моделей 

Содержание
Список математических обозначений
Введение
1. Исследование и анализ методов прогнозирования временных
1.1. Решение задачи прогнозирования временных рядов при
ограниченном наборе данных
1.2. Методы обучения и подбора входных параметров БУМмодели
1.3. Особенности и недостатки программных средств на основе
1.4. Методы повышения точности прогнозирования 8УМ
Основные результаты и выводы по главе.
2. Обучение и подбор входных параметров 8УМмодели.
2.1. Основные входные параметры БУМ и их влияние на прогнозную
модель.
2.2. Методы обучения и подбора входных параметров БУМмодели
2.3. Методы оценки эффективности альтернативных 8УМмоделей.
2.4. Результаты вычислительных экспериментов на модельных данных
Основные результаты и выводы по главе.
3. Методы и модели повышения точности прогноза 8УМ на основе
использования ансамблей предикторов.
3.1. Методы многошагового прогнозирования временных рядов
3.2. Комбинированный метод прогнозирования на основе 8УМ
3.3. Методы нормализации входных данных.
3.4. Результаты вычислительных экспериментов на модельных
Основные результаты и выводы по главе.
4. Разработка программного обеспечения для прогнозирования временных рядов на основе БУМ.
4.1. Особенности разработанного программного обеспечения
4.2. Повышение скорости обучения БУМмоделей
4.3. Результаты вычислительных экспериментов
Основные результаты и выводы по главе
Заключение.
Библиографический список
Приложение 1
Приложение 2
Приложение 3
Список математических обозначений
а скалярная величина
а вектор
А матрица
.,.а1 вектор, матрица
i координата вектора а
i ячейка матрицы Л
а,,а2 скалярное произведение
, х, х функция потерь, функция риска
Н пространство прогнозирующих функций
У х функцияпредиктор из класса Н
хл,п набор обучающих данных
Лг количество элементов в обучающем наборе
количество элементов во временном ряду
дельтафункция Т дальность прогнозирования
С м сложность модели
Е нормализованная среднеквадрагическая ошибка
х реальное значение временного ряда
х прогнозное значение временного ряда
длина входного вектора
эффективность модели
Ку функция ядра
0 множество входных параметров Vмодели
Введение
Актуальность


Разработаны специализированные алгоритмы обучения и подбора, входных параметров SVM-модели, построения комбинированных прогнозов:. Данные алгоритмы были реализованы . S.VM-модели и ее- обучение; анализ^ и. Получены акты о внедрении результатов диссертационной работы в виде программной библиотеки SVM в -. Санкт-Петербургском филиале Учреждения Российской Академии Наук «Институт земного магнетизма, ионосферы и распространения радиоволн им. Н.В. Пушкова РАН», Марийском государственном техническом университете и ОАО «Инвестиционная компания «Земля-Инвест». Публикация результатов. По результатам диссертации опубликовано 7 статей (1 статья в издании из Перечня ВАК для публикации научных результатов диссертаций на соискание ученой степени доктора и кандидат наук), получено 1 свидетельство о государственной регистрации программы для ЭВМ №. Апробация работы. Дивноморск, ). Технологии Microsoft в теории и практике программирования» (Нижний Новгород, ). Реализация и внедрение результатов-, работы. Результаты работы внедрены в учебный процесс Марийского государственного технического университета, Санкт-Петербургского филиала Учреждения Российской Академии Наук . Институт - земного магнетизма,. НВ- Пушкова РАН»- it производственный процесс ОАО «Инвестиционная;КОМпания. Зёмля-инвест». Объем-и структура/работы; Диссертация- включает -в себя введение, 4 главы, заключение, список литературы . Работа изложена на 3 страницах, содержит ’рисунков и таблиц. Содержание работы. В первой главе проведен анализ известных методов прогнозирования временных рядов, выявлены их особенности и недостатки, связанные с поиском закономерностей при ограниченном количестве имеющихся наблюдений. Во второй главе проведено исследование интервалов изменения и влияния на прогнозную модель основных входных параметров 8УМ, предложен оригинальный метод их подбора, позволяющий увеличить скорость обучения БУМ-модели. В третьей главе обосновано использование методов повышения точности прогнозирования временных рядов на основе ансамблей предикторов и предложен метод комбинированного прогнозирования на основе 8УМ. В четвертой главе представлены особенности разработанного программного обеспечения и описаны практические результаты его использования. Здесь же приведены результаты вычислительных экспериментов на реальных рядах различной природы (природные, промышленные и физические), которые использовались для проверки эффективности. В заключении приводятся основные результаты работы. Прогностика как научная дисциплина, изучающая общие принципы и методы прогнозирования развития объектов любой природы, закономерности процесса разработки прогнозов, сформировалась в - годы XX столетня. По оценкам зарубежных и отечественных ученых уже насчитывается свыше 0 методов прогнозирования. Число базовых методов прогностики, которые в тех или иных вариациях повторяются в других методах, гораздо меньше. Многие из них относятся скорее к отдельным приемам или процедурам прогнозирования, другие представляют собой набор отдельных приемов, отличающихся от базовых или друг от друтжоличеством частных приемов и последовательностью их применения. Анализ показал, , что существует большое количество классификационных схем методов прогнозирования. Однако большинство из них обладает рядом недостатков. Основной их погрешностью является нарушение принципов классификации. К числу таких принципов относятся: достаточная полнота охвата прогностических методов,, единство классификационного признака на каждом, уровне членения, открытость ;. Одна из; наиболее* полных-: классификаций методов прогнозирования [] представлена-на рис: 1. Как. Формализованные методы чаще используются тогда, когда объект исследования можно представить в виде некоторой модели, например, математической, а процессы, протекающие в нем, в виде математических зависимостей, формул. Мег са про-грамм? Метод эвристического прогнозпр. Ижззгсзуэль* ЮМ >КСС? Акалнют-е Метод Эыспоамдз! ФуУПГ. Методы теор. Кор. Маркова ская полоса еппшозлр- псстап-ых сл. Рис.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.297, запросов: 244