Информационная система прогнозирования и анализа временных процессов на основе метода двойного коллективного оценивания

• Автор: Молоков, Вячеслав Витальевич
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2001
• Место защиты: Красноярск
• Количество страниц: 150 с. : ил

1.1. Классификация статистических моделей коллективного типа

1.2. Традиционные коллективы моделей

1.3. Непараметрическая регрессия.

1.4. Статистические модели дерева регрессии.

1.5. Адаптивные сепарабельные модели

1.6. Методика построения непараметрических коллективов

при оценивании стохастических моделей.

1.7. Применение принципа коллективного оценивания

в задаче прогнозирования временных процессов

ГЛАВА 2. Непараметрические модели временных зависимостей, основанные на методе двойного коллективного оценивания

2.1. Методика построения непараметрических моделей

с позиций метода двойного коллективного оценивания
2.2. Исследования асимптотических свойств непараметрических моделей коллективного типа
2.3. Сравнение непараметрических моделей коллективного типа.
2.4. Определение вклада аргументов в формирование значений временной зависимости.
2.5. Исследование свойств непараметрических моделей коллективного типа при коротких временных рядах.
ГЛАВА 3. Информационная система прогнозирования и анализа временных процессов.
3.1. Назначение и общие сведения об информационной системе
3.2. Структура информационной системы.
3.3. Информационное обеспечение системы.
3.4. Описание основных подсистем
3.5. Методика решения основных функциональных задач информационной системы
3.6. Руководство пользователя информационной системы прогнозирования и анализа временных процессов.
3.7. Техникоэкономические показатели системы.
ГЛАВА 4. Применение информационной системы при прогнозировании динамики показателей преступности региона и оценивании качества изделий
4.1. Основные понятия и определение объекта исследования
4.2. Системный анализ преступности и ее причины.
4.3. Анализ направлений научных исследований в задачах профилактики и борьбы с преступностью
4.4. Задачи исследования состояния преступности региона
4.5. Прогнозирование показателей преступности на примере Красноярского края.
4.6. Исследование влияния конструктивных особенностей рабочих колес на эффективность элекгронасосных агрегатов
Основные результаты и выводы
Заключение
Список литературы


Информационная система прогнозирования и анализа временных процессов. Структура информационной системы. Информационное обеспечение системы. Руководство пользователя информационной системы прогнозирования и анализа временных процессов. Техникоэкономические показатели системы. ГЛАВА 4. Системный анализ преступности и ее причины. Прогнозирование показателей преступности на примере Красноярского края. Список литературы. Приложение8
1. ЙХАМ. Ас 1
нормированные, положительные, симметричные ядерные функции , характеризующиеся параметрами размытости сх , 1, к. В рассматриваемой оценке наблюдения у , 1,я, восстанавливаемой функции, играют роль элементов коллектива, а многомерные ядерные функции представляются в виде весов. К подобным линейным коллективам относятся также непараметрические модели локальной аппроксимации, предложенные В. Я. Катковником 2, идея которых состоит в представлении восстанавливаемой зависимости в виде ряда ортогональных полиномов в некоторой локальной окрестности центра аппроксимации. Получаемые модели имеют структуру непараметрической регрессии и отличаются лишь формой ядерной функции. Модели дерева регрессий используют гипотезу наличия у восстанавливаемой функции аддитивной структуры
Я 1. Па0 . Восстанавливаемая функция у рх х аппроксимируется с помощью 1. Подобные модели называют кусочнопостоянными и их синтез структуры осуществляется на основе метода рекурсий с рекуррентными разбиениями , iv iii i 1. Дчя формирования системы непересекающихся гиперпрямоугольников , I, р применяется метод рекуррентных разбиений 1.