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:
Наблюдение за взаимоотношениями детей в игре и вне ее
игра дошкольник воспитатель творческий Фотозапись игры детей подготовительной к школе группы Игра «Школа» В игре участвуют 5 детей подготовительной к школе группы В «Школу» предложила поиграть воспитатель детского сада Марина Александровна. Воспитатель: «Ребята, вы уже стали большими, скоро пойдете ...
Психологическое представление о нравственных ориентирах
В кратком словаре по философии понятие нравственности приравнено к понятию мораль. «Мораль (латинское mores-нравы) - нормы, принципы, правила поведения людей, а так же само человеческое поведение (мотивы поступков, результаты деятельности), чувства, суждения, в которых выражается нормативная регуля ...
Порядок оценивания знаний студентов в рамках кредитно-модульной системы
По канонам Болонского процесса считается нормой начислять студентам кредиты за стажировки и практики, за подготовку к экзаменам. Действительно, это реальная учебная работа, имеющая определённую трудоёмкость; важно как можно более объективно определить её величину. Без сомнения, кредиты должны начис ...