Способ прогнозирования временного ряда на основе идентификации нечеткого прецедента
Анализ временных рядов на базе нечёткого представления сценариев типового развития. Модель представления динамики временного ряда в виде последовательности волн с нечеткой амплитудой. Способ идентификации прецедента, прогнозирование его поведения.
Рубрика | Программирование, компьютеры и кибернетика |
Вид | статья |
Язык | русский |
Дата добавления | 27.02.2019 |
Размер файла | 32,1 K |
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/
Способ прогнозирования временного ряда на основе идентификации нечеткого прецедента
Введение
В ряде предметных областей, связанных с анализом временных рядов, существует принципиальная возможность обоснования принимаемых решений на относительно дальнюю перспективу, исходя из знаний о типовом развитии ряда.
Тогда как большинство известных классических методов анализа работают на небольшой глубине прогноза.
Однако, задача распознавания подобных сценариев, с которой успешно справляются эксперты, встречает ряд проблем при попытке автоматизации. В частности, проблемой неопределённости при реализации сценария, который не повторяется в точности, хоть и следует общей структуре.
Нечеткие темпоральные модели [1], развивающие идеи гранулярных вычислений [2], являются наиболее близкими аналогами для предлагаемого подхода.
Они оперируют укрупненными нечетко-темпоральными признаками временных рядов и позволяют на основе внутренней динамики процесса, характеризующей его «глубинную» предысторию, прогнозировать поведение временного ряда на относительно длительный период времени «по-крупному» путем предсказания тенденций в виде темпоральных структур гранулированных признаков, аппроксимирующих временной ряд.
Однако, они не позволяют оперировать каждым из правил в отдельности, сводя все результаты в усреднённый логический вывод.
Другим недостатком подобной модели является обязательное разделение нечёткого сценария на предпосылку и заключение (описывающее лишь один этап системной динамики), тогда как было бы полезно иметь возможность уже на ранних стадиях спрогнозировать несколько этапов развития ряда.
Отсутствие инвариантности к масштабу, как по амплитуде сигнала, так и по времени, также является существенным недостатком данной модели.
Таким образом, задача разработки математического аппарата, позволяющего гибко описать возможные сценарии развития временного ряда, является актуальной.
1. Модель нечеткого прецедента
Предлагается модель представления динамики временного ряда, отличающаяся рассмотрением относительного нечёткого приращения сигнала за нечёткое время, позволяющая сопоставлять сходные по структуре, но различные по временным характеристикам и/или масштабу отрезки временных рядов. Предлагаемая модель обобщает предложенную в [3] модель для идентификации реализаций паттерна Эллиотта.
Модель представляет собой нечёткий прецедент P - сценарий развития, образованный последовательностью нечётких волн/монотонных отрезков/стадий:
где Wi, i[1,Nw] - отдельная нечёткая волна/стадия, которая представляет собой тройку:
,
где ki[0,i-1] - номер волны, базовой для рассматриваемой, Ai - нечёткая относительная амплитуда волны, Ti - нечёткая продолжительность волны.
Значения Ai и Ti представляют собой нечёткие множества на действительной оси и положительной полуоси соответственно:
Практически без потери общности, можем считать Ai и Ti нечёткими числами, т.е. нечёткими множествами на непрерывном действительном базовом множестве, обладающими свойствами выпуклости, компактности носителя и полунепрерывной сверху функцией принадлежности.
Волна описывает монотонное изменение амплитуды сигнала за указанное нечёткое время. Наличие локальных экстремумов в течение указанного периода полностью не исключается, но их локальность/область действия не должна превышать некоторой чувствительности. Нечёткая амплитуда является псевдолинейным приращением указанным относительно амплитуды некоторой базовой волны. Иначе говоря, чтобы рассчитать абсолютную амплитуду волны Wi - , необходимо абсолютную величину базовой волны умножить на величину Ai:
,
где операция - расширенная нечёткая операция умножения нечётких множеств.
Если допустить, что величины и удовлетворяют ограничениям, накладываемым определением нечёткого числа, операция может быть реализована на основе математического аппарата нечётких чисел более эффективно, нежели в общем случае.
Тем не менее, для практических задач, ограничение выпуклости наможет оказаться слишком строгим.
Поскольку абсолютная амплитуда волны рассчитывается через абсолютную амплитуду базовой волны, в прецеденте должны присутствовать такие волны Wi, для которых базовой волны нет, а относительная и абсолютная амплитуды совпадают. Для таких волн ki принимают равным 0, именно они задают базу для рекурсивного определения абсолютной амплитуды произвольной волны прецедента:
, (1)
Каждую такую волну, для которой ki= 0 будем называть основной.
Аналогичные соотношения вводятся и для нечёткой продолжительности Ti:
(2)
где, - абсолютное значение нечёткой продолжительности волны Wi.
В некоторых, особо сложных случаях, нечёткая амплитуда и нечёткая продолжительность могут базироваться на разных волнах, а величина ki представлять собой двумерный вектор:
,
где -номера базовых волн для амплитуды и продолжительности соответственно.
Тогда выражения (1-2) переписываются в виде:
,
В дальнейшем, если не оговорено иное, будем считать ki скалярным значением, общим для амплитуды и продолжительности.
Заметим, что фактический масштаб прецедента задают основные волны. В общем случае, для многократного использования прецедента их можно считать переменными величинами, получающими означивание в процессе его применения. Неозначенное (нормированное) значение для нечёткой компоненты волны будем обозначать символом e, означающим чёткое множество вида:
Тогда такая основная волна Wi имеет вид:
При подстановке в основную волну Wi ненормированного значения абсолютной амплитуды и/или продолжительности из прецедента P получаем прецедент . Если более одной из основных волн получает означивание, значения для подстановки перечисляются через запятую, например:
2. Способ идентификации нечеткого прецедента относительно обработанного временного ряда
Предварительно обработаем фрагмент временного ряда X, с целью выделить монотонные участки или участки с примерно постоянной производной. Обработанный временной ряд тогда можно представить как означенный прецедент, составленный из чётких волн:
Прецедент P получает означивание только в том случае, если в прецеденте PX присутствует волна с номером, превышающим номер основной волны из P (волну с номером Nwx считаем незавершённой):
Результат означивания тогда можно представить в виде:
В результате, чёткий прецедент PX соответствует нечёткому прецеденту P, если каждая его волна, кроме последней, соответствует волне с тем же номером нечёткого прецедента по величине амплитуды и продолжительности. Последняя волна при этом соответствует волне нечёткого прецедента с тем же номером в смысле попадания амплитуды и продолжительности незавершённой волны в нечёткие интервалы от нуля до абсолютной амплитуды и абсолютной продолжительности волны с номером Nwx:
Тогда степень соответствия рассматриваемого фрагмента временного ряда X прецеденту P в целом -R(P, X) определяется как:
Крайняя сработавшая волна в прецеденте в данном случае -волна с номером Nwx.
3. Способ прогнозирования поведения временного ряда
В реальной ситуации при идентификации прецедента относительно обработанного ряда возможен случай, когда подходят сразу несколько прецедентов, различных как по числу волн, так и по значениям этих волн. Прецедент P считаем сработавшим, если степень его соответствия представленному для анализа фрагменту временного ряда R(P, X) превышает порог срабатывания: R(P, X)?б.
Пусть, например, сработали прецеденты:
При прогнозировании будущих значений временного ряда необходимо определить, сколько времени еще будет продолжаться крайняя волна с номером Nwx, тем самым образом, установив ее запас до конца фазы.
Для этого в первую очередь необходимо перейти к четким значениям амплитуды и времени для сравнения волн между собой и дальнейшего прогноза.
Пусть - функция дефазификации. Тогда для любой волны можем найти дефазифицированные значения амплитуды и продолжительности:
С целью повышения надежности при последующем принятии решения, в качестве d можно принять левую границу достаточно высокого б-уровня нечеткого числа.
Рассмотрим крайние волны среди сработавших прецедентов, т.е.
Исходя из пессимистической стратегии, из сработавших прецедентов выбираем тот, для которого прогноз на текущую фазу самый короткий. Т.е. прецедент Pi , для которого значение будет минимально и оставляется для дальнейшей работы.
Но может возникнуть случай, когда, например,
В этом случае логично взять тот прецедент, в котором сработало большее число волн. Если же и число сработавших волн совпало, выбираем прецедент с наименьшей амплитудой текущей волны. Выбранный прецедент обозначим как:
После нахождения подходящего прецедента расчет оценок запаса до конца волны по амплитуде A и продолжительности будет осуществляться следующим образом:
T = tкон - tx,
A = aкон - ax,
где tx и ax - продолжительность и амплитуда волны WXNwx чёткого прецедента (обработанного фрагмента ряда).
А непосредственно прогнозируемые значения на конец текущей фазы составят:
xпрогн = x0 + aкон на момент времени tпрогн = t0 + tкон ,
где x0 и t0 - координаты начала волны WXNwx чёткого прецедента.
Заключение
Предложенные способы позволяют анализировать временной ряд на основе качественно заданного описания сценария развития (прецедента), учитывать неопределённость в реализации такого сценария, позволяют перейти к программной реализации средств анализа на основе экспертных знаний о возможных структурах в динамике временного ряда. Указанные возможности создают основу для автоматизации поддержки принятия решений на основе экспертных знаний о типовых сценариях развития системной динамики.
литература
нечёткий временной ряд прецедент
1. Ковалев С.М. Модели представления и поиска нечетких темпоральных знаний в базах временных рядов // Труды XI Национальной конференции по искусственному интеллекту с международным участием. - Дубна, 2008.
2. Zadeh L.A. From Сomputing with Numbers to Computing with Words - From Manipulation of Measurements to Manipulation of Perceptions// IEEE Transactions on Circuits and Systems. - 1999. - Vol.45. - P.105- 119.
3. Зернов М.М., Чуль А.Д. Модель нечёткого прецедента для идентификации реализаций паттерна волновой теории Эллиотта // Известия СмолГУ. - Смоленск: Издательство СмолГУ, 2014. №2 (26).
Размещено на Allbest.ru
...Подобные документы
"Наивная" модель прогнозирования. Прогнозирование методом среднего и скользящего среднего. Метод опорных векторов, деревьев решений, ассоциативных правил, системы рассуждений на основе аналогичных случаев, декомпозиции временного ряда и кластеризации.
курсовая работа [2,6 M], добавлен 02.12.2014Предварительный анализ заданного временного ряда на предмет наличия тренда. Обоснование наличия сезонности по графическому представлению одноименных элементов ряда разных лет. Применение модели для прогноза. Выбор типа остатков и корректировка модели.
контрольная работа [218,8 K], добавлен 12.09.2011Разработка системы прогнозирования временных рядов динамики продаж товаров с учетом факторов влияния ForExSal, предназначенной для определения краткосрочного прогноза предполагаемого спроса. Анализ концептуальной и функциональной схемы работы системы.
отчет по практике [1,9 M], добавлен 27.03.2011Определения "ряд" и "сумма ряда". Свойства и сходимость сумм числового ряда. Основные методики приближенного нахождения суммы бесконечных рядов. Методы расчета сумм числовых рядов и формулы суммирования. Особенности разложения по специальным функциям.
курсовая работа [1,3 M], добавлен 09.01.2017Теоретические основы и проблемы принятия решений. Синтез модели многофакторного оценивания, метод компараторной идентификации. Особенности реализации базового генетического алгоритма. Программный способ определения эффективного состава команды проекта.
дипломная работа [733,1 K], добавлен 09.06.2012Типология свойств объекта, его связей и моделей представления информации. Изображение предметной области в виде логических и физических моделей. Требования к системам баз данных. Достоинства трехуровневой архитектуры. Процесс идентификации объектов.
лекция [60,0 K], добавлен 19.08.2013Разработка аппаратно-программного комплекса для осуществления идентификации объектов управления на основе вещественного интерполяционного метода. Анализ работоспособности аппаратно-программного комплекса, пример идентификации объекта управления.
магистерская работа [2,2 M], добавлен 11.11.2013Анализ временных рядов. Разработка программы для среды визуального проектирования Borland Delphi 7.0. Математическая формулировка задачи. Структурная схема программы. Описание реализации технологии COM, динамических библиотек, возможностей программы.
курсовая работа [4,3 M], добавлен 14.11.2010Субъективный, кибернетический, содержательный и алфавитный подходы. Способы восприятия и форма представления информации. Язык как способ ее представления и единицы измерения. Информационная культура человека. Применение информатики и компьютерной техники.
презентация [192,6 K], добавлен 04.12.2013Основные свойства времени и способы его представления. Временная логика предикатов А. Тейза. Учет временного фактора при разработке баз данных. Разработка концепции базы данных на основе реляционной системы управления. Требования к программному продукту.
дипломная работа [2,8 M], добавлен 02.10.2016Работа в Pascal, теория рядов. Главные признаки сходимости знакоположительных рядов. Общее понятие о ряде Тейлора. Вычисление конечной суммы факториального ряда для заданного массива значений. Исходный текст программы. Результаты выполнения программы.
контрольная работа [1,6 M], добавлен 06.08.2013Изучение достоинства кода АМI. Скремблирование +NRZ с образующим полиномом. Способ перевода целого десятичного числа в двоичную систему счисления. Написание фамилии в виде двоичной последовательности символов кодом МТК-2, построение временной диаграммы.
контрольная работа [352,3 K], добавлен 07.05.2015Анализ существующих методов реализации программного средства идентификации личности по голосу. Факторы, влияющие на уникальность речи. Разработка программного средства идентификации личности по голосу. Требования к программной документации приложения.
дипломная работа [12,7 M], добавлен 17.06.2016Ввод ряда дат. Созданиу упорядоченный ряд дат в строке или столбце. Ввод ряда дат с автозаполнением. Создание рядов. Форматирование дат и времени. Арифметические операции с датами. Функции дат и времени. Специальные функции для работы с датами.
лабораторная работа [14,4 K], добавлен 10.03.2007Применение нейрокомпьютеров на российском финансовом рынке. Прогнозирование временных рядов на основе нейросетевых методов обработки. Определение курсов облигаций и акций предприятий. Применение нейронных сетей к задачам анализа биржевой деятельности.
курсовая работа [527,2 K], добавлен 28.05.2009Прогнозирование валютных курсов с использованием искусственной нейронной сети. Общая характеристика среды программирования Delphi 7. Существующие методы прогнозирования. Характеристика нечетких нейронных сетей. Инструкция по работе с программой.
курсовая работа [2,2 M], добавлен 12.11.2010Разработка графических элементов персональной системы визуальной идентификации студента на основе первых букв его имени и разработка руководства по ее применению. Логотип как важнейший элемент имиджа компании. Визитная карточка, фирменный бланк.
курсовая работа [693,5 K], добавлен 18.12.2013Классы и группы моделей представления знаний. Состав продукционной системы. Классификация моделей представления знаний. Программные средства для реализации семантических сетей. Участок сети причинно-следственных связей. Достоинства продукционной модели.
презентация [380,4 K], добавлен 14.08.2013Модели конвертирования образовательного контента. Основные объекты разрабатываемой автоматизированной системы. Диаграмма деятельностей для прецедента "Извлечение структуры документа". Структурная модель системы конвертирования контента, модель интерфейса.
реферат [3,6 M], добавлен 30.03.2011Понятие интегрированной логистики и ее главные направления развития на современном этапе. Виды автоматической идентификации, суть кодирования, достоинства и недостатки использование радиоволн (RFID), применение радиосканера, компьютера и радиометки.
контрольная работа [337,7 K], добавлен 27.09.2010