Комбинирование прогнозов для увеличения точности прогнозирования - Прогнозирование региональной динамики с учетом пространственной взаимосвязи на основе нейронных сетей

Особое место в классификации методов прогнозирования занимают комбинированные модели, которые объединяют различные методы прогнозирования [6]. Использование комбинированных моделей особенно актуально для сложных социально-экономических систем, когда при разработке прогноза показателей элемента системы могут быть использованы различные сочетания методов прогнозирования.

Комбинированные модели являются самым современным направлением в развитии моделей прогнозирования временных рядов. Воспользуемся одной из методик построения комбинированных моделей, и осуществим оценку прогноза моделей.

Общий вид комбинированной модели прогноза разработанной для данного исследования, имеет следующий вид:

(5)

Где - прогнозируемый параметр; набор комбинируемых индивидуальных прогнозов, - индекс соответствующий номеру комбинируемого индивидуального прогноза; - остатки комбинированной модели; весовые коэффициенты комбинированной модели.

Подбор коэффициентов комбинированной модели осуществляется методом наименьших квадратов (МНК). Подбор коэффициентов МНК для панельной комбинированной модели выглядит следующим образом:

Где - весовые коэффициенты.

Дополнительно к каждой скомбинированной модели обозначим четыре вида расчета весовых коэффициентов, в зависимости от года который влияет на прогонозные показатели, как правило, большой ряд исторических данных оказывает непредсказуемое влияние на прогноз, следовательно в зависимости от расположения лет ближе или дальше от начала периода будут присваиваться веса с соответствующим коэффициентом.

Обозначим четыре схемы взвешивания категорий:

А. без использования весовых коэффициентов;

В. частное от деления единицы на временной показатель (год);

С. квадратный корень с временного показателя (год);

D. возведение временного показателя (год) в квадрат.

Выбор отдельных моделей для построения комбинированного прогноза производится на основе анализа матрицы корреляций ошибок прогнозов отдельных моделей. Предполагается, что чем ниже корреляция между моделями, тем в большей степени произойдет снижение ошибки прогноза при комбинировании данных моделей, путем взаимного сглаживания результатов прогноза [9]. Стоит учесть тот момент, что в качестве нейросетевых моделей будут использоваться только те модели, которые использовались в разделах ранее, для дальнейшего анализа методов прогнозирования.

Оценка и анализ всех видов моделей разработанных в исследовании, а так же подтверждение и опровержения выдвинутых в исследовании гипотез осуществляется в следующем разделе.

Похожие статьи




Комбинирование прогнозов для увеличения точности прогнозирования - Прогнозирование региональной динамики с учетом пространственной взаимосвязи на основе нейронных сетей

Предыдущая | Следующая