Аналитический обзор моделей и методов прогнозирования
Развитие прогностики как науки в последние десятилетия привело к созданию множества методов, процедур, приемов прогнозирования, неравноценных по своему значению. По оценкам зарубежных и отечественных систематиков прогностики уже насчитывается свыше ста методов прогнозирования, в связи с чем перед специалистами возникает задача выбора методов, которые давали бы адекватные прогнозы для изучаемых процессов или системДля тех, кто не является специалистами в прикладной математике, эконометрике, статистике, применение большинства методов прогнозирования вызывает трудности при их реализации с целью получения качественных и точных прогнозов. В связи с этим, каждый метод рассмотрен очень подробно с приведением рекомендаций по практическому применению.
В первой части рассмотрены теоретические аспекты построения и применения методов и алгоритмов прогнозирования Приведена классификация наиболее распространенных методов.
Во второй части рассмотрены классические адаптивные модели прогнозирования, реализованные в MS Excel. Несмотря на то, что они программно реализованы в некоторых статистических и эконометрических пакетах прикладных программ, предложен именно ручной счет, освоив который гораздо легче понимать принципы и специфику данных методов прогнозирования.
В третьей части основное внимание уделено применению классических нелинейных многофакторных моделей прогнозирования. Совершено очевидно, что сложные нелинейные многофакторные модели невозможно просчитать вручную, поэтому подробно рассматривается возможность применения пакета Statistica для этих целей. В четвертой части рассмотрены нейросетевые методы прогнозирования и особенности их построения. Многие источники подробно рассматривают теорию нейронных сетей, опуская описание практического их использования.
Введение
Аналитический обзор моделей и методов
Аналитический обзор моделей и методов 2
Аналитический обзор моделей и методов 3
Аналитический обзор моделей и методов 4
Прогнозная экстраполяция
Метод наименьших квадратов
Метод наименьших квадратов 2
Метод экспоненциального сглаживания
Метод экспоненциального сглаживания 2
Метод экспоненциального сглаживания 3
Метод экспоненциального сглаживания 4
Метод экспоненциального сглаживания 5
Метод вероятностного моделирования
Метод вероятностного моделирования 2
Метод вероятностного моделирования 3
Метод вероятностного моделирования 4
Интуитивные методы прогнозирования
Интуитивные методы прогнозирования 2
Интуитивные методы прогнозирования 3
Интуитивные методы прогнозирования 4
Интуитивные методы прогнозирования 5
Интуитивные методы прогнозирования 6
Интуитивные методы прогнозирования 7
Интуитивные методы прогнозирования 8
Интуитивные методы прогнозирования 9
Корреляционный и регрессионный анализы
Корреляционный и регрессионный анализы 2
Корреляционный и регрессионный анализы 3
Корреляционный и регрессионный анализы 4
Корреляционный и регрессионный анализы 5
Корреляционный и регрессионный анализы 6
Корреляционный и регрессионный анализы 7
Модели стационарных временных рядов
Модели авторегрессии порядка (AR(p)-модели)
Модели авторегрессии порядка (AR(p)-модели) 2
Модели скользящего среднего порядка
Модели скользящего среднего порядка 2
Авторегрессионные модели
Модели нестационарных временных рядов
Модель авторегрессии- среднего
Модели рядов, содержащих сезонную компоненту
Прогнозирование на базе ARIMA-моделей
Прогнозирование на базе ARIMA-моделей 2
Адаптивные методы прогнозирования
Адаптивные методы прогнозирования 2
Адаптивные методы прогнозирования 3
Адаптивные методы прогнозирования 4
Адаптивные методы прогнозирования 5
Метод группового учета аргументов
Метод группового учета аргументов 2
Метод группового учета аргументов 3
Метод группового учета аргументов 4
Метод группового учета аргументов 5
Метод группового учета аргументов 6
Теория распознавания образов
Прогнозирование с использованием НС 2
Прогнозирование с использованием НС 3
Прогнозирование с использованием НС 4
Прогнозирование с использованием НС 5
Выводы к теоретической главе
Выводы к теоретической главе 2
Выводы к теоретической главе 3
Общие положения
Общие положения 2
Полиномиальные модели временных рядов
Полиномиальная модель нулевого порядка
Полиномиальная модель нулевого порядка 2
Полиномиальная модель нулевого порядка 3
Полиномиальная модель нулевого порядка 4
Полиномиальная модель первого порядка
Полиномиальная модель первого порядка 2
Полиномиальная модель первого порядка 3
Полиномиальная модель второго порядка
Полиномиальная модель второго порядка 2
Прогнозирование - модель Уинтерса
Прогнозирование - модель Уинтерса 2
Прогнозирование - модель Уинтерса 3
Прогнозирование - модель Уинтерса 4
Прогнозирование - модель Уинтерса 5
Прогнозирование - модель Уинтерса 6
Прогнозирование - модель Уинтерса 7
Прогнозирование объема - модель Тейла-Вейджа
Прогнозирование объема - модель Тейла-Вейджа 2
Прогнозирование объема - модель Тейла-Вейджа 3
Прогнозирование объема - модель Тейла-Вейджа 4
Прогнозирование объема - модель Тейла-Вейджа 5
Прогнозирование объема - модель Тейла-Вейджа 6
Реализация многофакторных моделей
Реализация многофакторных моделей 2
Линейные многофакторные модели
Линейные многофакторные модели 2
Линейные многофакторные модели 3
Линейные многофакторные модели 4
Линейные многофакторные модели 5
Линейные многофакторные модели 6
Линейные многофакторные модели 7
Линейные многофакторные модели 8
Линейные многофакторные модели 9
Линейные многофакторные модели 10
Линейные многофакторные модели 11
Линейные многофакторные модели 12
Нелинейные многофакторные модели
Нелинейные многофакторные модели 2
Нелинейные многофакторные модели 3
Нелинейные многофакторные модели 4
Нелинейные многофакторные модели 5
Нелинейные многофакторные модели 6
Нелинейные многофакторные модели 7
Нелинейные многофакторные модели 8
Нелинейные многофакторные модели 9
Нелинейные многофакторные модели 10
Пакет Statistica Neural Networks
Создание набора данных
Создание набора данных 2
Добавление наблюдений
Удаление лишних наблюдений
Изменение переменных и наблюдений
Другие возможности редактирования данных
Создание новой сети
Создание сети
Сохранение набора данных и сети
Обучение сети
Оптимизация обучения
Выполнение повторных прогонов
Ошибки для отдельных наблюдений
Запуск нейронной сети
Обработка наблюдений по одному
Прогон всего набора данных
Тестирование на отдельном наблюдении
Создание сети типа Многослойный персептрон
Создание сети многослойный персептрон
Создание сети многослойный персептрон 2
Создание сети многослойный персептрон 3
Создание сети многослойный персептрон 4
Создание сети многослойный персептрон 5
Создание сети многослойный персептрон 6
Создание сети многослойный персептрон 7
Создание сети многослойный персептрон 8
Создание сети многослойный персептрон 9
Создание сети многослойный персептрон 10
Создание сети многослойный персептрон 11
Создание сети многослойный персептрон 12
Построение нейронной сети без мастера
Построение нейронной сети без мастера 2
Графический интерфейс GDI в Microsoft Windows
Интерфейс GDI избавляет приложения Windows от необходимости учитывать многие (но не все) аппаратные особенности графических устройств вывода. Например, адресация видеопамяти выполняется по-разному в видеоадаптерах CGA, EGA, VGA, SVGA и, к тому же, структура видеопамяти сильно зависит от используемого режима (подробности вы можете найти третьем томе "Библиотеки системного программиста", который называется "Программирование видеоадаптеров CGA, EGA и VGA"). Однако приложения не работают непосредственно с видеопамятью. Для того чтобы нарисовать линию или написать строку текста, приложения вызывают ту или иную функцию интерфейса GDI, реализованного в виде DLL-библиотеки. Функции GDI также не работают с аппаратурой. Для выполнения нужной графической операции GDI вызывает драйвер устройства вывода, который "знает" о всех особенностях аппаратуры.Таким образом, с помощью GDI приложения могут организовать вывод текста и графических изображений на некоторое логическое устройство вывода. Функции GDI и драйверы обеспечивают независимость приложений от аппаратуры, поэтому правильно созданное приложение Windows будет корректно работать с любыми видеоадаптерами и принтерами, как существующими на момент разработки приложения, так и с теми, которые появятся в будущем. В этом приложения Windows имеют большое преимущество над программами MS-DOS, вынужденными для повышения производительности работать непосредственно с регистрами видеоконтроллера и видеопамятью.
Основные понятия
Когда приложения обращаются к GDI для выполнения операции вывода графического изображения, они работают не с реальными (физическими) устройствами вывода, а с логическими. Приложения Windows не определяют тип видеомонитора (EGA, VGA или SVGA), а работают с логическим видеомонитором, имеющим феноменальные характеристики: способность отображать практически любой цвет, огромное разрешение и т. д. Выполняя запрос приложения, GDI обращается к драйверу соответствующего устройства вывода. Драйвер работает непосредственно с физическим устройством вывода.
Формат bmp файлов Presentation Manager
В самом начале файла расположена структура BITMAPFILEHEADER. Ее формат полностью соответствует формату аналогичной структуры bmp-файлов операционной системы Windows. В этой структуре, в частности, есть информация о смещении области битов изображения относительно начала файла. После структуры BITMAPFILEHEADER в файле располагается структура BITMAPCOREINFO, содержащая структуру BITMAPCOREHEADER и таблицу цветов в виде массива структур RGBTRIPLE : typedef struct tagBITMAPCOREINFO { BITMAPCOREHEADER bmciHeader; RGBTRIPLE bmciColors[1]; } BITMAPCOREINFO; typedef BITMAPCOREINFO* PBITMAPCOREINFO; typedef BITMAPCOREINFO FAR* LPBITMAPCOREINFO;
Графический интерфейс GDI в Microsoft Windows (2)
Интерфейс GDI избавляет приложения Windows от необходимости учитывать многие (но не все) аппаратные особенности графических устройств вывода. Например, адресация видеопамяти выполняется по-разному в видеоадаптерах CGA, EGA, VGA, SVGA и, к тому же, структура видеопамяти сильно зависит от используемого режима (подробности вы можете найти третьем томе "Библиотеки системного программиста", который называется "Программирование видеоадаптеров CGA, EGA и VGA"). Однако приложения не работают непосредственно с видеопамятью. Для того чтобы нарисовать линию или написать строку текста, приложения вызывают ту или иную функцию интерфейса GDI, реализованного в виде DLL-библиотеки. Функции GDI также не работают с аппаратурой. Для выполнения нужной графической операции GDI вызывает драйвер устройства вывода, который "знает" о всех особенностях аппаратуры.Контекст отображения
Функции GDI и драйверы обеспечивают независимость приложений от аппаратуры, поэтому правильно созданное приложение Windows будет корректно работать с любыми видеоадаптерами и принтерами, как существующими на момент разработки приложения, так и с теми, которые появятся в будущем.
Битовые изображения
В этой главе мы расскажем вам об использовании в приложениях Windows битовых изображений bitmap . Работа с битовыми изображениями, особенно в аппаратно-независимом формате, не самое простое занятие. Программист должен учитывать многочисленные нюансы, уметь работать с цветовыми палитрами и хорошо ориентироваться в контекстах отображения.
Режим фона
GDI приложения могут организовать вывод текста и графических изображений на некоторое логическое устройство вывода. Функции GDI и драйверы обеспечивают независимость приложений от аппаратуры, поэтому правильно созданное приложение Windows будет корректно работать с любыми видеоадаптерами и принтерами, как существующими на момент разработки приложения, так и с теми, которые появятся в будущем.
Формат bmp файлов Presentation Manager
Формат области битов изображения одинаковый для некомпрессованых bmp-файлов Windows и bmp-файлов Presentation Manager (оболочка Presentation Manager операционной системы OS/2 версии 1.х не работает с компрессованными файлами). Каждая строка битового изображения (scan line) хранится в буфере, длина которого кратна двойному слову DWORD.
Мультимедиа для Windows
Звук и видеофильмы представляются в компьютере в виде обычных цифровых данных, поэтому, казалось бы, нет никаких затруднений в их хранении, обработке и выводе. Однако при ближайшем рассмотрении оказывается, что для хранения звука и тем более видеоизображения требуются огромные объемы памяти - порядка десятков и сотен мегабайт.
Управление устройством CD ROM
Для чего может потребоваться прослушивание звуковых компакт-дисков при помощи такого дорогостоящего устройства, как компьютер, оснащенный средствами мультимедиа? Ведь стоимость обычного проигрывателя компакт-дисков не превышает нескольких сотен долларов, что просто несравнимо со стоимостью компьютера!
