Повышение качества прогнозирования случайных процессов на базе гибридных нейронных сетей

• Автор: Али Маджд Ахмад
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2007
• Место защиты: Владимир
• Количество страниц: 133 с. : ил.

Содержание стр.

Введение.

Глава 1. Методы прогнозирования временных рядов.

1.1. Виды и статистический анализ временных рядов.

1.2. Классификация методов прогнозирования временных рядов

1.3. Статистические методы прогнозирования временных рядов.

1.4. Нестатистические методы прогнозирования временных рядов

1.5. Сравнительный анализ методов прогнозирования временных рядов Глава. 2. Прогнозирование временных рядов на основе нейронных сетей

2.1. Общие положения теории нейронных сетей

2.2. Классификация нейронных сетей, сравнительный анализ существующих методов и алгоритмов обучения нейронных сетей.

2.3. Нейросетевые подходы к решению задачи прогнозирования.

2.4. Способы обеспечения и ускорения сходимости в нейросетевой модели прогнозирования.
2.5. Система прогнозирования на базе нейронных сетей СПНС
2.6. Определение архитектуры и структуры нейронной сети для решения задачи прогнозирования.
2.7. Методы повышения эффективности нейросетевого прогнозирования временных рядов
Глава. 3. Разработка алгоритмов для гибридной системы прогнозирования на базе нейронных сетей
3.1. Повышение качества прогнозирования с использованием предварительной обработки информации в гибридной системе на базе нейронных сетей ГСПНС
3.2. Алгоритмы предварительной обработки информации
3.3.Сравнительный анализ алгоритмов предварительной обработки информации в ГСПНС.
3.4. Применение ГСПНС для прогнозирования объма производства хлопковых тканей на фабрике хлопковых тканей ФХТ
3.5. Применение ГСПНС для прогнозирования объма продаж горчичной сушки во владимирском хлебокомбинате
Заключение
Список использованных источников


Материалы диссертации используются в учебной работе кафедры информационных систем и информационного менеджмента Владимирского государственного университета. Апробация работы. Основные результаты работы были представлены на семинаре «Системный анализ, управление и обработка информации» во Владимирском государственном университете (,,), и на следующих конференциях: международной научной конференции «Математические методы в технике и технологиях» (ММТТ , г. Воронеж, ); международной научно-практической конференции «Социально-экономические системы и процессы: методы изучения и проблемы развития» (г. Владимир,); научно-практической конференции «Формирование социально-ориентированной экономики: вопросы теории и практики» (г. Владимир, ); международной научно-технической конференции «Информатизация процессов формирования открытых систем на основе СУБД, САПР, АСНИ, и систем искусственного интеллекта» (г. Вологда, ). Публикации. Основные положения и результаты работы опубликованы в 9 печатных работах, в числе которых 1 статья в издании из перечня ВАК. Глава. Почти в каждой области встречаются явления, которые интересно и важно изучать в их развитии и изменении во времени. В повседневной жизни могут представлять интерес, например, метеорологические условия, цены на тот или иной товар, объём продаж, длительность производственного цикла, те или иные характеристики состояния здоровья индивидуума и т. Обычно такие явления представляются в виде временного ряда []. Временным рядом (ВР) называют упорядоченную во времени последовательность наблюдений, т. ВР - это ряды значений, в которых в качестве признака упорядочения используется время. ВР, содержащий N наблюдаемых значений У(1), У(2),. У(Ы), может быть записан в компактной форме вида У(1), 1=1,2, . К где I - порядковый номер наблюдения. Значения временного ряда называют иногда уровнями ВР. Далее приводятся краткие сведения из теории ВР, необходимые для цели настоящей работы. Временные ряды делятся на моментные и интервальные. В моментных временных рядах уровни характеризуют значения показателя по состоянию на определенные моменты времени. Например, моментными являются временные ряды цен на определенные виды товаров, временные ряды курсов акций, уровни которых фиксируются для конкретных моментов времени. Примерами моментных временных рядов могут служить также ряды численности населения или стоимости основных фондов, т. В интервальных рядах уровни характеризуют значение показателя за определенные интервалы (периоды) времени. Примерами рядов этого типа могут служить, в частности, временные ряды производства продукции в натуральном или стоимостном выражении за месяц, квартал, год и т. Иногда уровни ряда представляют собой не непосредственно наблюдаемые значения, а некоторые производные величины: например средние или относительные значения. Такие ряды называются производными. Уровни таких временных рядов получаются с помощью некоторых вычислений на основе непосредственно наблюдаемых показателей. Примерами таких рядов могут служить ряды среднесуточного производства каких-либо видов промышленной продукции, месячного потребления электроэнергии или ряды индексов цен. Уровни ряда могут принимать детерминированные или случайные значения. Примером ряда с детерминированными значениями уровней служит ряд последовательных данных о количестве дней в месяцах. Естественно, анализу и, в частности, прогнозированию, подвергаются ряды со случайными значениями уровней. В таких рядах каждый уровень может рассматриваться как реализация случайной величины - дискретной или непрерывной []. В связи с этом основными методами анализа таких ВР являются статистические методы. Основной целью статистического анализа ВР является изучение соотношения между закономерностью и случайностью в формировании значений уровней ряда и оценка количественной меры их взаимовлияния. В настоящей работе основное внимание уделяется задаче прогнозирования. Е({) - остаточная компонента. Тренд ДО представляет собой устойчивое изменение показателя в течение длительного времени. Обычно он выражается аналитической > функцией, которая в явной форме используется для формирования прогнозных оценок.