|
|
|
На ее основе делается прогноз, который сравнивается с фактическими наблюдениями. Далее модель корректируется в соответствии с величиной ошибки прогноза и вновь используется для прогнозирования сле- дующего уровня, вплоть до исчерпания всех наблюдений. Таким образом, она постоянно «впитывает» новую информацию, приспо- сабливается к ней, и к концу периода наблюдения отображает тен- денцию, сложившуюся на текущий момент. Прогноз получается как экстраполяция последней тенденции. В различных методах прогно- зирования процесс настройки (адаптации) модели осуществляется по-разному. Базовыми адаптивными моделями являются: - модель Брауна; - модель Хольта; - модель авторегрессии. Первые две модели относятся к схеме скользящего среднего, по- следняя – к схеме авторегрессии. Многочисленные адаптивные ме- тоды, базирующиеся на этих моделях, различаются между собой способом числовой оценки параметров, определения параметров адаптации и компоновкой. Согласно схеме скользящего среднего, оценкой текущего уров- ня являетсявзвешенное среднее всех предшествующих уровней причем веса при наблюдениях убывают по мере удаления от по- следнего (текущего) уровня, т. е. информационная ценность наблю- дений тем больше, чем ближе они к концу периода наблюдений. Согласно схеме авторегрессии, оценкой текущего уровня явля- ется взвешенная сумма порядков моделей «р» предшествующих уровней. Информационная ценность наблюдений определяется не их близостью к моделируемому уровню, а теснотой связи между ними. Обе эти схемы имеют механизм отображения колебательного (сезонного или циклического) развития исследуемого процесса. |
|
|
