Множина даних для багатопараметричної задачі

Входи
x(t₁)	x(t₂)	x(t_m)	y(t₁)	y(t₂)	y(t_m)	z(t₁)	z(t₂)	z(t_m)
x(t₂)	x(t₃)	x(t_m+1)	y(t₂)	y(t₃)	y(t_m+1)	z(t₂)	z(t₃)	z(t_m+1)
x(t₃)	x(t₄)	x(t_m+2)	y(t₃)	y(t₄)	y(t_m+2)	z(t₃)	z(t₄)	z(t_m+2)
x(t_i)	x(t_i₊₁)	x(t_i_+m-1)	y(t_i)	y(t_i₊₁)	y(t_i_+m-1)	z(t_i)	z(t_i₊₁)	z(t_i_+m-1)

Виходи
x(t_m+1)	y(t_m+1)	z(t_m+1)
x(t_m+2)	y(t_m+2)	z(t_m+2)
x(t_m+3)	y(t_m+3)	z(t_m+3)
x(t_i_+m-1)	y(t_i_+m-1)	z(t_i_+m-1)

Функціонування нейромережі здійснюється у відповідності з показаним методом часових вікон, зберігаючи значення ширини вікон та кроку зсуву.

Конкретизація підходів до реалізації прогнозування в значній мірі залежить також від особливостей явища, що досліджується.

Однокрокове прогнозування (передбачення)

Задача однокрокового прогнозування зводиться до задачі відображення, коли один вхідний вектор відображається у вихідний (рис. 11).

Рис. 11. Послідовність використання нейромереж для задач передбачення

У випадку однопараметричної задачі передбачення навчальна множина до моменту n, за умови m=3, p=1, s=1, матиме вигляд наведений в таблиці 3.

Таблиця 3

Входи	Вихід
x(t₁)	x(t₂)	x(t₃)	x(t₄)
x(t₂)	x(t₃)	x(t₄)	x(t₅)
...	...	...	...
x(t_n_-3)	x(t_n_-2)	x(t_n_-1)	x(t_n)

В режимі навчання встановлюються коефіцієнти ваг зв'язків, після чого стає можливим перехід до режиму функціонування. Для передбачення на входи нейромережі надходять значення останньої реалізації навчальної множини x(t_n_-2), x(t_n_-1), x(t_n). На виході формується прогнозована величина x*(t_n₊₁).

Для багатопараметричної задачі передбачення на входи навченої нейромережі подаються вектори x(t_n_-2), y(t_n_-2), z(t_n_-2), x(t_n_-1), y(t_n_-1), z(t_n_-1), x(t_n), y(t_n), z(t_n). На виходи нейромережі надходять передбачені величини x*(t_n₊₁), y*(t_n₊₁), z*(t_n₊₁), які відкладаються у вихідний вектор передбачених даних.

Показаний режим є однокроковим, який працює в режимі відображення (реальний вхід®прогнозований вихід). Передбачення застосовують також для моделювання дискретних послідовностей, що не пов'язані з часом. Враховуючи специфіку часових рядів, такий тип прогнозу не завжди є доцільним, але для певних випадків короткотермінових прогнозів ним можливо скористатись.

Читайте також:

<== попередня сторінка	\|	наступна сторінка ==>
Історія держави і права США в ХХ ст.	\|	Багатокрокове прогнозування

Не знайшли потрібну інформацію? Скористайтесь пошуком google:

Генерація сторінки за: 0.006 сек.