Методы и алгоритмы предварительной обработки в задачах оценки параметров динамических моделей и прогноза по временным рядам

• Автор: Степанов, Александр Васильевич
• Шифр специальности: 05.13.16
• Научная степень: Докторская
• Год защиты: 2000
• Место защиты: Тверь
• Количество страниц: 254 с.

Классическая теория экстраполяции случайных процессов. Теория фильтрации и экстраполяции. Структура одномерных стохастических разностных уравнений . ПРЕДВАРИТЕЛЬНЫЙ ЭТАН СТАТИСТИЧЕСКОЙ ОБРАБОТКИ В ЗАДАЧАХ ОЦЕНКИ ПАРАМЕТРОВ ДИНАМИЧЕСКИХ СИСТЕМ И ПРОЦЕССОВ. Методы предварительной обработки. Введение. Аппроксимация и О по точкам на аттракторе 0
3. Локальная размерность. Зашумлнная реконструкция и проекционная регуляризация отображения . Методы обработки временных рядов нелинейной динамики как алгоритмы решения некорректных задач. Ляпуновские показатели. Ляпуновские показатели и нормальный базис. Подход i и др. Затухание возмущений ляпуновских векторов. Оценки Яо, векторы гаИо и ето. Конечные возмущения. РУСЛА И ДЖОКЕРЫ О НОВЫХ МЕТОДАХ ПРОГНОЗА ПОВЕДЕНИЯ СЛОЖНЫХ СИСТЕМ. Введение. Когда сложная динамика может быть предсказуема Русла и джокеры. Как искать русла. Что находится в конце русла. Модельный пример. Выводы и гипотезы 6
5,арХ,р, 1. Г 1. При со коэффициент рЛ 0 т. Следовательно, в этом случае экспоненциальная средняя не зависит от начальных условий и будет полностью определяться суммой произведений уровней ряда на соответствующие им коэффициенты.


Следовательно, в этом случае экспоненциальная средняя не зависит от начальных условий и будет полностью определяться суммой произведений уровней ряда на соответствующие им коэффициенты. После появление работ Р. Брауна 8, где, в частности, показано, что МЛ, МАГ,, но ЭЛ, ВХ1 метод экспоненциальной средней стал широко использоваться в экономическом прогнозировании. О наивной модели 1. Отметим, что понятие экспоненциальной средней можно обобщить на случай экспоненциальных средних более высоких порядков. Хт ал ха2 т аз. Можно сделать вывод, что задача сглаживания сводится к вычислению значений функций сглаживания и через их линейные комбинации к определению коэффициентов полинома. На практике обычно используют полином не выше второго порядка. Процедура построения прогнозной модели методом экспоненциального сглаживания довольно проста. Определив одним из возможных способов начальные условия 5 1, . Му коэффициенты
модели а гг и прогноз на т шагов вперед. Окончательная прогнозная модель формируется на последнем шаге вычислений по последним значениям коэффициентов. Подставляя в не заданное время упреждения прогноза т, получают результат прогнозирования. При поступлении новой информации, приняв в качестве начальных условий последние значения функций сглаживания 5, можно продолжать дальнейшее сглаживание. Одним из самых сложных моментов использования метода экспоненциального сглаживания является выбор величины параметра сглаживания а. С одной стороны, увеличение веса более свежих наблюдений, повышение скорости реакции модели на резкое изменение уровня производства, спроса и потребления может быть достигнуто при выборе больших значений а.