Прогнозирование социально-экономических показателей и алгоритмы сжатия баз данных в экономических системах

• Автор: Смирнов, Максим Анатольевич
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2005
• Место защиты: Санкт-Петербург
• Количество страниц: 170 с. : ил.

1 Анализ подходов к прогнозированию социальноэкономических показателей

и сжатию баз данных. Постановка задач исследования

1.1 Цель исследования.

1.2 Анализ способов решения задачи прогнозирования социальноэкономических показателей

1.2.1 Характерные особенности прогнозирования социальноэкономических показателей

1.2.2 Известные способы решения задачи прогнозирования.

1.2.3 Выбор подхода к прогнозированию

1.3 Анализ подходов к решению задачи компактного представления баз данных социальноэкономических показателей.

1.3.1 Особенности баз данных социальноэкономических показателей.

1.3.2 Методы повышения производительности СУБД.

1.3.3 Использование методов сжатия данных без потерь информации в СУБД.

1.4 Постановка задач исследования
1.5 Выводы.
2 Прогнозирование социальноэкономических показателей
2.1 Модель авторегрессии и проинтегрированного скользящего среднего
2.2 Построение прогностических моделей.
2.3 Вычислительные эксперименты на искусственно сгенерированных данных.
2.3.1 Описание экспериментов и результаты
2.3.3 Эксперименты для ряда с моделью АРПСС 2,0,0
2.4 Оценка сложности вычислений для предлагаемого подхода
2.5 Выводы.
3 Алгоритмы сжатия баз данных социальноэкономических показателей без потерь информации
3.1 Словарное кодирование с сохранением упорядочивания i
3.2 Статистическое кодирование на базе контекстного моделирования x
3.2.1 Понятия и определения
3.2.2 Описание алгоритма.
3.3 Кодирование с учетом горизонтальных зависимостей между колонками .
3.3.1 Описание алгоритма
3.3.2 Определение набора факторных колонок детерминанта.
3.4 Теоретические оценки наилучшего и наихудшего коэффициента сжатия
3.4.1 Словарное кодирование с сохранением упорядочивания i
3.4.2 Статистическое кодирование на базе контекстного моделирования x
3.4.3 Кодирование с учетом горизонтальных зависимостей между колонками
3.5 Теоретические оценки скорости выполнения основных операций поиска и извлечения данных из БД в зависимости от коэффициента сжатия
3.6 Теоретические оценки сложности алгоритмов экономного кодирования
3.6.1 Словарное кодирование с сохранением упорядочивания i
3.6.2 Статистическое кодирование на базе контекстного моделирования x
3.6.3 Кодирование с учетом горизонтальных зависимостей между колонками
3.7 Сводные теоретические характеристики разработанных алгоритмов
3.8 Выводы.
4 Вычислительные эксперименты по прогнозированию показателей развития СанктПетербурга и сжатию базы данных
4.1 Прогнозирование социальноэкономических показателей
4.1.1 Описание эксперимента
4.1.2 Результаты эксперимента
4.2 Экономное кодирование информации базы данных социальноэкономических показателей.
4.2.1 Общая характеристика реализации
4.2.2 Реализация физических операторов.
4.2.3 Описание эксперимента
4.2.4 Результаты эксперимента
4.2.5 Сравнение с СУБД I.
4.3 Выводы.
Заключение
Список использованных источников


Полезным свойством метода является возможность вычисления очередного прогнозного значения без пересчета всех учитываемых предшествующих элементов. Для учета сезонной компоненты вводится дополнительная характеристика, которая также рассчитывается посредством ЭС. Сезонные компоненты могут учитываться как аддитивные и как мультипликативные. Г сглаженный сезонный фасгор в момент минус Г, при этом Т период длина сезона. Уд0 1Я1Я0. Уд0 ЯудЯМ0. К Т . Параметр 8 0,1 регулирует адаптацию сезонной составляющей. Если 8 0, то сезонная компонента на следующем цикле та же, что и на предыдущем. При 8 1 сезонная составляющая максимально меняется на каждом шаге за счет учета соответствующей ошибки . Недостатком ЭС является быстрая расходимость доверительного интервала. Точность оценок быстро понижается с увеличением длины горизонта прогнозирования 7, 8. Следует отметить, что сходным недостатком обладают и другие прогностические методы на основе сглаживания, интерполяции, фильтрации для сглаживания можно использовать фильтры низких частот. Например, это сглаживание скользящим средним СС и аппроксимация сплайнфункциями. Важно также, что обычное ЭС можно рассматривать как реализацию схемы АРПСС 0,1,1 в рамках модели АРПСС, описанной ниже. Поэтому, если ЭС применяется для прогнозирования, рекомендуется пользоваться эквивалентной формой АРПСС 8. Метод сезонных компонентов обычно используется в комбинации с другими подходами. Метод позволяег получить простую и легко интерпретируемую схему учета сезонной р или циклической ф компоненты 7. Сезонные коэффициенты являются регрессорами, объясняющими сезонные эффекты. ЯА,.