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:
Приемы работы по повышению умений и навыков решать текстовые
задачи младшими школьниками
В рамках формирующего этапа эксперимента нами были проведен в экспериментальном классе цикл уроков по математике. Система работы и подобранные задания были направлены на оптимизацию процесса обучения по формированию умений у младших школьников решать текстовые задачи, а именно предполагало выработа ...
Некоторые приемы повышения
интереса учащихся к самостоятельной учебной деятельности
Повышение интереса учащихся к учению – важная составная часть учебного процесса. Общеизвестно, что человек достигает наилучшего результата труда, когда работа вызывает интерес и выполняется на высоком эмоциональном подъеме. Почему же так происходит? Процесс учения включает в себя три последовательн ...
Роль математики в формировании пространственного
мышления учащихся основной школы
Ряд зарубежных психологов во главе с известным психологом Ж. Пиаже считают, что процесс умственного развития является самостоятельным и независимым от обучения, он имеет свои собственные внутренние закономерности. Обучение может лишь задерживать или ускорять сроки появления у ребёнка соответствующи ...