![]() Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву ![]() Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Адаптивные методы прогнозирования.Метод экспоненциально-взвешенного среднего. Все адаптивные методы основаны на идее экспоненциально-взвешенного среднего (ЭВС):
где a - параметр сглаживания;
или
где
Пример решения задачи краткосрочного прогнозирования в среде Microsoft Excel Дана динамика некоторого условного показателя
Из графика видно, что ряд стационарный: Cледовательно в качестве исходного прогноза на основе экспертной оценки можно использовать средний уровень ряда: Получим 384,5556. Для стационарного ряда параметр сглаживания рекомендуется в размере 0,3.
В качестве экспертной оценки берем средний уровень ряда (384,5556), параметр сглаживания выбран 0,3. Тогда первый элемент рассчитывается следующим образом: Задаем второй элемент ряда: Остальные элементы получаем, используя функцию Автозаполнение: Прогноз на момент времени t+1 Следовательно ряд прогноза имеет вид:
Оценим качество полученного прогноза.
Рассчитаем среднее абсолютное отклонение:
Для этого сначала рассчитаем отклонения фактических значений показателя от прогнозных:
Каждое отклонение возьмем по модулю: Затем, используя функции Автозаполнение и Автосумма, найдем MAD: Получим MAD=3,94 млн.р. Рассчитаем среднюю процентную ошибку: и используя функции Автозаполнение и Автосумма, найдем MPE: Получили MPE=0,237595% - средняя процентная ошибка близка к нулю, следовательно прогноз не смещен. Оценим точность прогноза, рассчитав среднюю абсолютную процентную ошибку: Получили MAPE=1,02% - это значительно ниже 10%, что говорит об очень высокой точности прогноза. Определим верхнюю и нижнюю границы прогноза, для чего сначала рассчитаем среднее квадратическое отклонение. Величина среднеквадратического отклонения рассчитывается по формуле: Границы прогноза принимаются как Итоговый график имеет вид: Таким образом, прогноз на следующий период 387,1623 млн.р., верхняя граница прогноза 396,5632, нижняя граница 377,7615, прогноз не смещен (MPE= 0,237595% - значительно меньше 5%), точность прогноза можно оценить как очень высокую (MAPE= 1,02098% - значительно ниже 10%).
Метод адаптивной скорости реакции. Если в изменении показателя предполагаются переходы среднего значения на новый уровень и дальнейшие колебания относительно нового уровня, то для прогнозирования показателя можно использовать метод адаптивной скорости реакции. Этот метод основан на адаптации к поступающим данным. В качестве параметра сглаживания здесь используется не постоянная величина a, а рассчитываемое для каждого момента времени значение трекинг-сигнала:
где
Прогноз на следующий момент времени по модели адаптивной скорости реакции рассчитывается следующим образом:
где Метод Холта. Если среднее значение прогнозируемого показателя с течением времени меняется в соответствии с линейной функцией, то прогноз на t моментов времени вперед можно рассчитать по методу Холта:
где
Холт рекомендует следующие значения констант: А=0,1, В=0,01. Однако при рассмотрении конкретных экономических показателей значения констант могут корректироваться. В условиях сильного линейного роста метод Холта дает заниженные значения прогноза.
|
||||||||||||||||||||||
Последнее изменение этой страницы: 2016-04-07; просмотров: 592; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 34.232.62.64 (0.005 с.) |