Применение аналитических и статистических моделей связано с априорным поиском структуры этих моделей чаще всего при ограниченной информации о характере развития процесса. Определение параметров статистической модели и оценка точности прогноза требуют к тому же наличия необходимых статистических данных, характеризующих поведение объекта на периоде основания прогноза. Указанные обстоятельства в первую очередь снижают достоверность выводов в задачах прогнозирования развития технических систем.
Для выполнения прогноза предлагается подход, не связанный с использованием жесткой структуры модели и серьезными требованиями к объему априорной информации. Сущность метода заключается в представлении используемого для прогнозирования динамического ряда в качестве определенным образом ориентированного процесса случайного блуждания.
Значение изменяющегося параметра объекта прогнозирования для каждого момента на периоде основания можно представить в виде
,
где
– значение динамического ряда в
-й момент времени (год) периода основания;
– значение динамического ряда в предыдущий момент времени;
– приращение переменной объекта прогнозирования в
-й момент времени по сравнению с предыдущими;
– число значений динамического ряда.
Поскольку приращения носят случайный характер, для них можно определить вид закона распределения и его параметры. При этом нужно учесть характер зависимости последующих приращений от предыдущих.
Предполагается, что в период упреждения характер изменения динамического ряда сохраняется. Тогда, используя характеристики приращений, метод статистических испытаний можно применить для моделирования приращений в период упреждения прогноза. Значение единичной реализации прогноза на каждом последующем шаге прогнозирования будет
,
где
– номер шага на периоде упреждения;
– число шагов на периоде упреждения;
– значение переменной объекта прогнозирования на предыдущем шаге;
– моделируемое значение приращения на
-м шаге.
Производя данную процедуру до момента прогнозирования, получим значение точечного прогноза
,
где
– точечный прогноз на
-й период упреждения;
– конечное значение динамического ряда.
При разыгрывании данной процедуры многократно образуется совокупность случайных значений точечного прогноза. По полученной выборке значений
определяются среднее значение прогноза и его дисперсия:
; (4.1)
, (4.2)
где
– число реализаций точечного прогноза;
– разыгрываемое значение приращения на
-м шаге периода упреждения в
-й реализации точечного прогноза;
– значение
-й реализации точечного прогноза, определяемое по зависимости (1).
Рис. 4.1 Графическое отображение процесса случайного блуждания
Таким образом, процедура прогнозирования сводится к многократной имитации приращений на периоде упреждения и последующему определению статистических характеристик (среднего и дисперсии) реализаций точечного прогноза. График предлагаемого метода показан на рис. 4.1.
Актуально о образовании:
Общее представление о технологии обучения и
классификация технологий обучения химии
В последнее время все больше говорят не в отдельности о методах, формах, средствах обучения, а о технологии обучения химии. Это лишний раз подтверждает, что успех достигается лишь тогда, когда все они используются в комплексе. Технология обучения химии – это особый вид методики обучения химии, кото ...
Логопедические технологии по формированию звукопроизношения у детей старшего дошкольного возраста с ЗПР
Важность развития ручной моторики у детей с ЗПР обусловлена тесным взаимодействием в развитии ручной и речевой моторики. Исследования М. М. Кольцовой показали, что морфологическое и функциональное формирование речевых зон коры головного мозга осуществляется под влиянием кинестетических импульсов, п ...
Периодизация с точки зрения ведущих видов деятельности
Осознание значимости детства в процессе становления личности приходит довольно поздно. Открытие личности в эпоху Возрождения лишь спустя два столетия приводит к поискам ее истоков, к постановке проблемы ее формирования и развития. Новая наука - детская психология появляется в конце XIX столетия, и ...