Нейросетевое прогнозирование
Получение набора данных, в котором выбросы и экстремальные значения подвергнуты фильтрации с помощью фильтров. Выполнения спектральной обработки ряда для удаления шумов. Создание обучающей выборки с помощью скользящего окна. Оценка качества модели.
| Рубрика | Программирование, компьютеры и кибернетика |
| Вид | контрольная работа |
| Язык | русский |
| Дата добавления | 01.03.2017 |
| Размер файла | 2,8 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
ФГБОУ ВПО «Уральский государственный экономический университет»
Контрольная работа
по дисциплине: Информационные технологии в управлении
Екатеринбург 2016
Практическое задание
Исходные данные были получены с сайта www.finam.ru. Была выгрузка с 01 января 2008 года по 01 апреля 2016 года, затем три последних строчки из файла были вырезаны, перенесены в другой файл (в конце работы данные будут сравниваться-спрогнозированные и выгруженные с сайта)
Сценарий нейросетевого прогнозирования
Сначала загрузим получившийся файл в программу Deductor
Затем после преобразования данных получим такой вид данных:
Откроем вкладку Диаграмма параметров Open и Vol
Далее в соответствие со сценарием выполним очистку данных.
Узел Редактирование выбросов
В результате получим набор данных в котором выбросы и экстремальные значения подвергнуты фильтрации с помощью фильтров.
Продолжим очистку данных.
Узел Спектральная обработка
Для удаления шумов выполним спектральную обработку ряда
Результат выполнения очистки данных. Таблица.
Результат выполнения очистки данных. Диаграмма.
Узел Скользящее окно.
Далее создадим обучающую выборку с помощью скользящего окна.
Результат трансформации набора данных к скользящему окну (фрагмент).
Узел Нейросеть
Далее выполним настройку топологии нейронной сети
Настройку параметров остановки обучения определим 10000 эпох
Средняя ошибка на тестовом множестве за 10000 эпох составила 9.19Е-06
График Нейросети.
Диаграмма рассеяния обучающего множества. Диаграмма рассеяния отображает качество обучения нейронной сети.
Нажмем на кнопку Оценка качества модели ().
фильтр данные спектральный модель
вкладка Диаграмма.
Если проанализировать динамику изменения параметра Open - рынок демонстрирует смену тренда в характерных точках, которые проявляются в резком возрастании ошибок прогноза.
Диаграмма ошибок модели. Нейросетевая модель хорошо адаптировалась к реальному рынку и показывает 99% всех ошибок на уровне 3,6Е-04.
Узел Прогнозирование
Выполним прогноз на три дня вперед
Диаграмма прогноза (прогнозный участок спектра)
Рассчитаем ошибку прогноза.
Ошибка прогноза: разница между нейросетевым прогнозом и действительным значением - Х%; действительное значение - 100%.
Исходные данные
30/03/16 145.2200000
31/03/16 147.5000000
01/04/16 147.0200000
Для расчета ошибки прогноза в % соотношении, для начала рассчитаем нейросетевой прогноз в %:
На 30 марта 2016 года.
Так как 145,220 - 100%, то 147,241 - x%
Тогда х% = (147,241 * 100%) / 145,22 = 101,39%
Ошибка прогноза на 30.03.2016: 101,39% - 100% = 1,39%
Аналогично рассчитаем на другие даты:
На 31 марта
147.500 -100%
147,593-x%
(147,593*100%) /147,5-100%=0,06%
На 01 апреля
147.020 -100%
148,111-x%
(148,111*100)/147,02 -100=0,74%
Прогноз на Open показывает вполне удовлетворительные результаты, прогноз на Vol демонстрирует более сложную временную зависимость.
Выполним проверку актуальности ряда и учтем это путем изменения интервала обучения. Нужно принять во внимание колебательный характер параметра Vol в настройках глубины погружения в ряд и в настройках топологии нейронной сети.
Линейная регрессия
Выполним прогнозирование с помощью метода линейной регрессии.
Рассчитаем ошибку прогноза
Исходные данные
30/03/16 145.2200000
31/03/16 147.5000000
01/04/16 147.0200000
Рассчитаем аналогично как в разделе «нейросеть»:
(147,018*100)/145.220-100 = 1,24%
(146,952*100)/147.5-100 = -0,37%
(146,809*100)/147.02 - 100 = -0,14%
Пользовательская модель.
Выполним прогнозирование с помощью метода Пользовательская модель.
Исходные данные
30/03/16 145.2200000
31/03/16 147.5000000
01/04/16 147.0200000
Рассчитаем ошибку прогноза, как и было рассчитано в других разделах.
(146, 925 * 100)/145,22-100 = 1,17%
(146,96 * 100)/147,5-100 = -037%
(146,966 * 100)/147,02-100 = -0,036
Заключение
Если сравнить результаты прогнозов (нейронная сеть, линейная регрессия и пользовательская модель) в итоге, можно отметить, что все результаты прогноза качественные и приближенные к действительным.
Размещено на Allbest.ru
...Подобные документы
Интерфейс и начало работы в Microsoft Access. Построение реляционной базы данных и разработка инфологической модели. Разработка формы с помощью мастера форм и запроса в режиме конструктора. Создание таблиц данных. Поиск и замена значений в полях.
методичка [3,9 M], добавлен 21.07.2009Анализ данных с помощью скользящего среднего из пакета и построение тренда на графике. Выполнение задания и расчетов с построенным графиком. Оценка адекватности экспериментальных данных модели для проведения экономического статистического анализа.
контрольная работа [7,7 M], добавлен 27.04.2010Создание базы данных с помощью ACCESS для автоматизации работы базы отдыха. Оценка возможностей пользователей при работе с данной базой. Построение информационно-логической модели базы данных. Разработка запросов для корректировки и выборки данных.
курсовая работа [1,1 M], добавлен 19.10.2010Разработка блок-схемы и программы обработки одномерного массива с доступом к элементам с помощью индексов и с помощью указателей. Словесное описание алгоритма и пользовательского интерфейса, листинг программы обработки матрицы и результат её выполнения.
курсовая работа [391,1 K], добавлен 30.09.2013Изучение программы обработки баз данных Microsoft Access. Особенности и принципы создания баз данных, форм для работы с ними, межтабличных связей. Конструирования различных видов отчетов. Создание кнопочной формы с помощью диспетчера, итоговых запросов.
лабораторная работа [2,1 M], добавлен 11.03.2013Представление данных в памяти компьютера. Обобщенные структуры и модели данных. Методы доступа к информации. Физическая организация системы управления базами данных, структура сервера. Архитектура "клиент-сервер". Создание базы данных с помощью "Денвер".
курсовая работа [770,3 K], добавлен 17.11.2014Построение инфологической модели предметной области методом ER- диаграммы. Создание отношений БД с помощью языка SQL. Заполнение базы данных. Создание запросов к базе данных компьютерного клуба. Создание отчета с помощью Microsoft Word и Microsoft Excel.
курсовая работа [50,0 K], добавлен 26.02.2009Получение изображения объекта с помощью оптико-электронных систем, построенных на основе ПЗС-приемника. Методы обработки первичной измерительной информации. Реализация алгоритма обработки графической информации с помощью языка программирования Python.
лабораторная работа [1,1 M], добавлен 30.05.2023Обзор Microsoft Access, элементы базы данных в различных режимах. Создание простой таблицы. Типы и свойства полей. Установление первичного ключа. Способы удаления и переименования таблиц. Возможности записей с помощью фильтров. Запрос на выборку.
лабораторная работа [1,2 M], добавлен 15.01.2009Разработка и создание экранной формы инфологической модели базы данных "Склад канцтоваров", с помощью которой можно систематизировать данные о товарах, формировать запросы о числе покупателей, поставщиков, заказов и получение отчетов по этим запросам.
курсовая работа [1,6 M], добавлен 29.10.2011- Разработка информационной системы предприятия с помощью системы управления базами данных Access 2007
Проектирование структуры базы данных предприятия с помощью СУБД Access. Установка связей между таблицами и ввод в них данных. Создание форм к базе данных, фильтрация запросов, просмотр отчетов. Получение комплексного отчета после группировки и сортировки.
лабораторная работа [787,7 K], добавлен 22.11.2014 Разработка плана здания с помощью графического редактора AutoCAD. Описание предметной области и схемы модели данных. Разработка приложения, позволяющего работать с базой с помощью диалогового окна Windows. Программный код формы, прописывание кодов.
курсовая работа [2,2 M], добавлен 30.07.2010Разработка сайта интернет-магазина, управляемого базой данных. Установка XAMPP, разделение кода и оформления с помощью Smarty. Начало реализации проекта Goodstore. Создание каталога товаров. Создание модели данных с помощью ALLFUSION ERWIN DATA MODELER.
дипломная работа [3,9 M], добавлен 20.03.2017Рабочая среда MS Access. Окна, меню и панели инструментов. Основные режимы работы с таблицами. Создание таблиц. Создание первичных ключей и связей. Создание простого запроса с помощью мастера запросов. Изменение запроса с помощью конструктора запросов.
практическая работа [1,5 M], добавлен 03.06.2008Создание базы данных в Microsoft Access с помощью мастера шаблонов. Создание таблиц путём ввода данных, с помощью мастера таблиц или таблицы в режиме конструктора таблиц. Создание запросов в Microsoft Access, с помощью мастера или конструктора запросов.
реферат [27,3 K], добавлен 08.09.2010Решение задачи с помощью программы MS. Использование интерфейса для работы с электронной таблицей. Разработка и создание базы данных для хранения и обработки информации. Оформление пояснительной записки с помощью текстового редактора Microsoft Word.
курсовая работа [2,7 M], добавлен 13.01.2015Цель инфологического моделирования базы данных. Создание с помощью СУБД Microsoft SQL Server шести сущностей с определенными атрибутами, представлений, основанных на соединении столбцов нескольких таблиц и связей между ними. Создание процедур и запросов.
курсовая работа [721,4 K], добавлен 29.11.2009Структура обязательной информации, включаемой в базу данных компьютерной фирмы. Создание таблиц с помощью Microsoft Access, содержащих сведения о компьютерах, покупателях, оплате. Разработка форм для выполнения расчетов, просмотра и редактирования данных.
контрольная работа [2,3 M], добавлен 10.04.2012Проектирование концептуальной, логической и физической модели базы данных. Формирование сущностей и связей между ними. Создание форм с функциями добавления, редактирования, удаления, поиска, печати. Разработка клиентской части БД с помощью среды Lazarus.
курсовая работа [1,3 M], добавлен 05.04.2015Базы данных с двумерными файлами и реляционные системы управления базами данных (СУБД). Создание базы данных и обработка запросов к ним с помощью СУБД. Основные типы баз данных. Базовые понятия реляционных баз данных. Фундаментальные свойства отношений.
реферат [57,1 K], добавлен 20.12.2010
