Rekurentiniai laiko eilučių prognozavimo modeliai

Darbo tikslas: susipažinti su rekurentiniais laiko eilučių prognozavimo modeliais.
• apskaičiuoti prognozavimo tikslumo rodiklius.
1. Eksponentinio išlyginimo modelio geriausių parametrų parinkimas.
a) eksponentinio išlyginimo modelio parinkimo langai apteikti 1.1 ir 1.2 paveiklsuose.
1.1 pav. Laiko eilučių analizės langas
čia: Exponential smoothing & forecasting – eksponentinis išlyginimas ir prognozavimas.
1.2 pav. Sezoninių ir nesezoninių eilučių eksponentinio išlyginimo langas
Saesonal component: lag – sezoninės komponentės lagas;
None – nesezoninė eilutė;
Additive – sezoninės eilutės adityvinis modelis;
Multiplicative – sezoninės eilutės multiplikatyvinis modelis;
No trend – tiesinis trendas;
Linear trend – tiesinis trendas;
Exponential – eksponentinis trendas;
Damped trend – riboto augimo trendas;
User – def. Initial value – parenkama pradinė laiko eilutės reikšmė;
Initial trend – parenkama pradinė trendo reikšmė;
Forecast – prognozuojamų reikšmių skaičius;
Grid search for best parameters – modelio parametrų parinkimas;
Automatic search for best parameters – automatinis geriausių modelio parametrų parinkimas.
b) modelio su pasirinktais parametrais įvertinimas.
Nesezoninės laiko eilutės su tiesiniu trendu, kurio parametrai ir įvertinimo rezultatai pateikti 1.3; 1.4; 1.5 paveiksluose.
1.3 pav. a) Nesezoninės laiko eilutės su tiesiniu trendu įvertinimo rezultatai
1.3 pav. b) Nesezoninės laiko eilutės su tiesiniu trendu įvertinimo rezultatai
1.3 pav. c) Nesezoninės laiko eilutės su tiesiniu trendu įvertinimo rezultatai
Automatiškai parinktos geriausios reikšmės yra ir .
1.4 pav. Nesezoninės laiko eilutės su tiesiniu trendu prognozavimo kokybės rodiklių reikšmės
1.5 pav. Nesezoninės laiko eilutės su tiesiniu trendu kintamųjų sklaidos grafikai
c) modelio geriausių parametrų parinkimas (žr. 1.6 ir 1.7 paveikslus).
1.6 pav. Modelio parametrų parinkimo langas
1.7 pav. Geriausių modelio parametrų įvertinimo langas
d) nesezoninės laiko eilutės naudojant geriausią su tiesiniu trendu modelį prognozuojamos reikšmės pateiktos 1.8 paveiksle.
1.8 pav. a) Nesezoninės laiko eilutės su tiesiniu trendu prognozavimo rezultatai
1.8 pav. b) Nesezoninės laiko eilutės su tiesiniu trendu prognozavimo rezultatai
1.8 pav. c) Nesezoninės laiko eilutės su tiesiniu trendu prognozavimo rezultatai
e) Holto modelio koeficientų apskaičiavimas:
;
;
.
2. Pradinių modelio reikšmių parinkimas:
a) nulinių pradinių reikšmių įvedimas;
b) modelio su nulinėmis pradinėmis reikšmėmis įvertinimas (žr. 2.1 ir 2.2 paveikslus).
2.1 pav. Modelio...

Daugiau informacijos...

★ Klientai rekomenduoja

Šį rašto darbą rekomenduoja mūsų klientai. Ką tai reiškia?

Mūsų svetainėje pateikiama dešimtys tūkstančių skirtingų rašto darbų, kuriuos įkėlė daugybė moksleivių ir studentų su skirtingais gabumais. Būtent šis rašto darbas yra patikrintas specialistų ir rekomenduojamas kitų klientų, kurie po atsisiuntimo įvertino šį mokslo darbą teigiamai. Todėl galite būti tikri, kad šis pasirinkimas geriausias!