МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ
НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ «ЛЬВІВСЬКА ПОЛІТЕХНІКА»
Кафедра ЕОМ
/
Звіт
лабораторної роботи №4
«Прогноз. метод Хольта-вінтерса»
з дисципліни:
«Комп'ютерні системи штучного інтелекту»
Мета роботи: програмно реалізувати та дослідити методи прогнозування часових рядів.Теоретичні відомості Задачі прогнозування вирішуються в найрізноманітніших областях людської діяльності,таких як наука, економіка, виробництво та ін. Прогнозування є важливим елементоморганізації управління як окремими господарюючими суб'єктами, так і економіки вцілому.Розвиток методів прогнозування безпосередньо пов'язаний з розвитком інформаційнихтехнологій, зокрема, із зростанням об'ємів даних, що зберігаються, і ускладненнямметодів і алгоритмів прогнозування, реалізованих в інструментах Data Mining.Завдання прогнозування може вважатися одним з найбільш складних завдань Data Mining,воно вимагає ретельного дослідження початкового набору даних і методів для аналізу.Прогнозування (від грецького Prognosis), в широкому розумінні цього слова, визначаєтьсяяк випереджаюче віддзеркалення майбутнього. Метою прогнозування є прогноз майбутніхподій.Прогнозування (forecasting) є одним із завдань Data Mining і одночасно одним з ключовихмоментів при прийнятті рішень. Прогностика (prognostics) - теорія і практика прогнозування.Прогнозування направлене на визначення тенденцій динаміки конкретного об'єкту абоподії на основі ретроспективних даних, тобто аналізу його стану у минулому ітеперішньому. Таким чином, рішення задачі прогнозування вимагає деякої навчальноївибірки даних. Прогнозування - встановлення функціональної залежності між залежними і незалежнимизмінними.Приклади завдань прогнозування: прогноз руху грошових коштів, прогнозуванняврожайності агрокультури, прогнозування фінансової стійкості підприємства.Типовим у сфері маркетингу є завдання прогнозування ринків (market forecasting). Врезультаті рішення даної задачі оцінюються перспективи розвитку кон'юнктури певногоринку, зміни ринкових умов на майбутні періоди, визначаються тенденції ринку (структурні зміни, потреби покупців, зміни цін). Зазвичай в цій області вирішуються наступні практичні завдання: · прогноз продажів товарів (наприклад, з метою визначення норми товарногозапасу); · прогнозування продажів товарів; · прогноз продажу залежно від зовнішніх чинників. Окрім економічної і фінансової сфери, завдання прогнозування існують внайрізноманітніших областях: медицині, фармакології; популярним зараз стає політичнепрогнозування.У найзагальніших рисах рішення задачі прогнозування зводиться до вирішення такихпідзадач: · вибір моделі прогнозування; · аналіз адекватності і точності побудованого прогнозу.Основою для прогнозування служить історична інформація, що зберігається в базі даних увигляді часових рядів. Проте, починаючи з кінця 80-х років, у науковій літературі були опубліковані ряд статей знейромережної тематики, в яких був приведений ефективний алгоритм навчаннянейронних мереж і доведена можливість їх використання для найширшого кола завдань.Частково із-за відносної складності і недетермінованості нейронних мереж і генетичнихалгоритмів, ці технології не відразу вийшли за рамки чистого наукового застосування.Проте, з часом рівень довіри до нових технологій підвищувався і з боку бізнесу.В даний час можна з упевненістю сказати, що використання нейронних мереж припрогнозуванні дає відчутну перевагу в порівнянні з простішими статистичними методами."Наївні" моделі прогнозування При створенні "наївних" моделей передбачається, що деякий останній періодпрогнозованого часового ряду краще всього описує майбутнє цього прогнозованого ряду,тому в цих моделях прогноз, як правило, є дуже простий -- функцією від значеньпрогнозованої змінної в недалекому минулому.Найпростішою моделлю є Y(t+1)=Y(t), що відповідає припущенню -- "завтра буде як сьогодні". Поза всяким сумнівом, від такої примітивної моделі не варто чекати великої точнос...