Модифицированный имитационным моделированием метод экспоненциального сглаживания

.

Аналогичная процедура повторяется до тех пор, пока величина критерия фильтрации уменьшается или увеличивается в зависимости от его содержания (при этом исходная информация делится на две выборки: обучающую и проверочную). Для практических расчетов в качестве такого критерия рекомендуется принимать среднеквадратическую ошибку аппроксимации модели на проверочной выборке, которая, как установлено в работе, при увеличении числа уровней фильтрации, а, следовательно, сложности модели, достигает экстремального значения. Сложность модели (измеряется числом ее членов), соответствующая экстремальному значению критерия, является оптимальной. На последнем уровне фильтрации фиксируется «частное описание», значение которого минимально. На предпоследнем уровне выбираются «частные описания», являющиеся аргументами последнего уровня, и т.д. Так как «частные описания» являются функцией двух аргументов, их коэффициенты легко определяются по небольшому количеству исходных данных. Исключая промежуточные переменные можно получить модель исследуемых характеристик объекта прогнозирования в виде аналога «полного описания»

,

где в общем случае .

Как известно, особые трудности при увеличении числа членов в разложении Тейлора связаны с получением аналитических зависимостей для определения вектора коэффициентов . Из работы следует, что

,

где – вектор-столбец размером сглаженных значений процесса

;

– вектор-столбец размером неизвестных коэффициентов

;

– матрица размером , элементы которой, соответствующие -й строке и -му столбцу, вычисляются по зависимости

. (4.13)

В связи с тем, что сглаженные значения процесса могут быть определены по зависимости

вектор выражается зависимостью . (4.14)

Анализ зависимости (4.13) показывает, что наибольшую сложность вызывает вычисление суммы бесконечного ряда, представляющего собой произведение степеней показательной функции и отношения факториалов, которое можно упростить путем несложных преобразований:

, (4.15)

где ;

Рис. 4.4 Блок-схема алгоритма прогнозирования по методу модифицированного экспоненциального сглаживания

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 ...

Интеллектуальные нарушения, причины нарушений интеллектуального развития у детей
Нарушение интеллекта у детей (умственная отсталость) – это стойкое, необратимое нарушение познавательной деятельности, вызванное органическим поражением головного мозга. Именно эти признаки: стойкость, необратимость дефекта и его органическое происхождение должны в первую очередь учитываться при ди ...

Личностно-ориентированное педагогическое взаимодействие учителя и учеников при компьютерном обучении
Педагогика сотрудничества, деятельностный подход к учебному процессу, активация учащихся, индивидуализация обучения – все эти тенденции современной педагогики заставляют задуматься о кардинальном переосмыслении роли учителя в учебном процессе. Авторитарная схема синхронного управления классом из не ...