Нейросети
Нейросети
Нейросети
Нейросети
Нейросети





Нейросети
  Глава 1     Глава 2   

 

 

 

Таким образом, использование формул (1.13)-(1.16) приводит к противоречию при определении параметра сглаживания: с умень-

шением α уменьшается среднеквадратическая ошибка, но при этом

возрастает ошибка в начальных условиях, что в свою очередь влияет

на точность прогноза.

Кроме того, при использовании соотношений (1.13)-(1.16) необ-

ходимо принимать во внимание следующие обстоятельства, а имен-

но: эти выражения получены для бесконечно длинных рядов без

учета автокорреляции наблюдений. На практике мы имеем дело с

конечными рядами, характеризующимися внутренней зависимостью

между исходными наблюдениями. Все это снижает целесообраз-

ность использования соотношений (1.13)-(1.16).

В ряде случаев параметр α выбирается таким образом, чтобы

минимизировать ошибку прогноза, рассчитанного по ретроспектив-

ной информации.

Весьма существенным для практического использования являет-

ся вопрос о выборе порядка прогнозирующего полинома, что во

многом определяет качество прогноза. Превышение второго порядка

модели не приводит к существенному увеличению точности прогно-

за, но значительно усложняет процедуру расчета [40, 53].

Рассмотренный метод является одним из наиболее надежных и

широко применяется в практике прогнозирования. Одно из наиболее

перспективных направлений развития данного метода представляет

собой метод разностного прогнозирования, в котором само экспо-

ненциальное сглаживание рассматривается как частный случай [129,

138].

 

1. Определение какого параметра в методе экспоненциального

сглаживания является основным?

2. Как правильно выбрать параметр сглаживания?








Подпись: Начало
Подпись: Дальше

Метод экспоненциального сглаживания 5