




版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
1、Micha KowalczykiewiczTime series forecasting using a hybrid ARIMA and neural network model(na podstawie pracy z Neurocomputing 50 (2003) 159 175, autorstwa G. Peter Zhang) 1Szereg czasowySzereg czasowy to proces stochastyczny, ktrego dziedzin jest czas; to zbir informacji uporzdkowanych w czasie, kt
2、rych pomiary wykonywane s z pewnym krokiem czasowymAnaliza szeregw czasowych ma dwa gwne cele: wykrywanie natury zjawiska reprezentowanego przez sekwencj obserwacji prognozowanie (przewidywanie przyszych wartoci szeregu czasowego)2Analiza szeregwModele pure autoregressive (AR) pure moving avarage (M
3、A) autoregressive integrated moving average (ARIMA) bilinear model threshold autoregressive (TAR) autoregressive conditional heteroscedastic (ARCH) artificial neural network (ANN)3Analiza szeregwModele pure autoregressive (AR) pure moving avarage (MA) autoregressive integrated moving average (ARIMA)
4、 bilinear model threshold autoregressive (TAR) autoregressive conditional heteroscedastic (ARCH) artificial neural network (ANN)4ARIMAJest metod statystyczn suc do analizowania szeregw czasowych, o liniowych zalenociach midzy danymi.Autorzy Box i Jenkins, 19765ARIMAModel:yt = 0 + 1yt-1 + 2yt-2 . . .
5、 + pyt-p + t - 1t-1 - 2t-2 - . . . - qt-qyt - warto w czasie tt - losowy bd w czasie ti (i = 1, 2, . . ., p), i (j = 0, 1, . . ., q) - parametry modelup, q - porzdek modelu t - niezalene, ze redni zero i sta wariancj 26ARIMABudowanie modelu za pomoc metody Boy - Jenkinsa (1976)AlgorytmFAZA 1 : ident
6、yfikacja modeluFAZA 2 : estymacja parametrwFAZA 3 : walidacja 7ARIMA - identyfikacja modelu W tej fazie naley ustali (zidentyfikowa) liczb i typ parametrw modelu ARIMA, czyli okreli wartoci parametrw p i q. 8ARIMA - identyfikacja modelu W tej fazie naley ustali (zidentyfikowa) liczb i typ parametrw
7、modelu ARIMA, czyli okreli wartoci parametrw p i q. Korzysta si z:autokorelogramu (ACF)autokorelogramu czstkowego (PACF)9ARIMA - uwagiWymaga si, by wejciowy szereg dla tej fazy by stacjonarny, to znaczy, powinien on mie sta w czasie redni, wariancj i autokorelacj. Dlatego zazwyczaj szereg wymaga rni
8、cowania a do osignicia stacjonarnocirnicowanie: yt = yt - yt-110ARIMA - estymacja parametrwPolega na wyznaczeniu wartoci parametrw i (i = 1, 2, . . ., p), i (j = 0, 1, . . ., q) dla ktrych otrzymujemy maksymaln wiarygodno (prawdopodobiestwo) otrzymania wanie obserwowanego szeregu. Aby mierzony bd by
9、 minimalny11ARIMA - estymacja parametrwPolega na wyznaczeniu wartoci parametrw i (i = 1, 2, . . ., p), i (j = 0, 1, . . ., q) dla ktrych otrzymujemy maksymaln wiarygodno (prawdopodobiestwo) otrzymania wanie obserwowanego szeregu. Aby mierzony bd by minimalny W praktyce wymaga to obliczenia (warunkow
10、ych) sum kwadratw reszt przy zadanych parametrach12ARIMA - walidacja W ostatniej fazie oceniamy trafno naszego modelu. Jeli model zawiera wiele parametrw ilub wyniki nas nie zadowalaj 13ARIMA - walidacja W ostatniej fazie oceniamy trafno naszego modelu. Jeli model zawiera wiele parametrw ilub wyniki
11、 nas nie zadowalaj moemy prbowa powtrnie z innymi wartociami pocztkowymi parametrw (czyli wracamy do FAZA 1).14ANNJest oglnym modelem potraficym wykrywa nieliniowe zalenociach midzy danymi, w szeregw czasowych15ANNNajczciej uywan sieci w tym zagadnieniu jest a sie GLM zaleno midzy wyjciem yt , a wej
12、ciam (yt-1, yt-2, . . ., yt-p), jest nastpujca: yt = 0 + j=q jg( i=p ijyt-i) + t j (j = 0, 1, . . ., q), ij (i = 0, 1, . . ., p; j = 1, 2, . . ., q) - wagip - liczba wejq - liczba neuronw w warstwie ukrytej16ANNJako funkcj aktywacji rodkowej warstwy przyjmuj si funkcje logistic:g(x) = 1 / (1 + exp(-
13、x)liczba wej sieci (p) i liczba neuronw wewntrznych (q) s dobierane eksperymentalnie.17HybridDla danych o ktrych nie wiemy, czy s zwizki w nich wystpujce s liniowe czy, te nie adna z wymienionych metoda nie jest odpowiednia.Metoda ARIMA nie wykrywa nieliniowoci w danychSieci neuronowe daj rednie wyn
14、iki dla danych w ktrych wystpuj zarwno liniowe jak i nieliniowe zwizki18HybridDla danych o ktrych nie wiemy, czy s zwizki w nich wystpujce s liniowe czy, te nie adna z wymienionych metoda nie jest odpowiednia.Metoda ARIMA nie wykrywa nieliniowoci w danychSieci neuronowe daj rednie wyniki dla danych
15、w ktrych wystpuj zarwno liniowe jak i nieliniowe zwizkiPotrzebujemy uniwersalnego modelu, odpowiedniego dla wszystkich rodzajw danych19HybridModel: yt = Lt + NtLt - liniowy komponentNt - nieliniowy komponentTe dwa parametry musz zosta wyznaczone z danych20Hybrid - Liniowy komponentLiniowy komponentW
16、pierw metod ARIMA modelujemy liniowy komponent ().Jeli tylko L (czyli zawiera wszystkie liniowe relacje w danych) to residua powstae z liniowego modelu bd zawieray tylko nieliniowe zwizki.21Hybrid - Nieliniowy komponentNieliniowy komponentNiech et bdzie reszt z dopasowanego liniowego modelu w czasie t.Wtedy: et = yt - tTe wartoci moemy zamodelowa za pomoc si
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 2025年中级银行从业资格之中级个人贷款过关检测试卷B卷附答案
- 浙江省金华市金东区2025年七年级上学期自主招生科学试卷(教师版)
- 2025年人文与社会试题及答案
- 2025年商业经济行业技能考试-经营师职业资格考试历年参考题库含答案解析(5卷100题合集单选)
- 2025年二级建造师-公路工程管理与实务(官方)-公路工程项目施工管理历年参考试题库答案解析(5卷100道合辑-单选题)
- 高中历史 单元检测试卷(一)课件 北师大版必修3-北师大版高二必修3历史课件
- 湖南省益阳市桃江县2026届中考英语全真模拟试卷含答案
- 高中历史 第二单元 中国古代文艺长廊 第10课 梨园春秋课件 岳麓版必修3-岳麓版高二必修3历史课件
- 安徽省合肥市肥西县重点名校2026届中考英语模拟预测题含答案
- 从战略规划到战略分解
- 中国大唐集团公司提高火电厂主设备热工保护及自动装置可靠性指导意见
- 某房屋受损维修报告
- 部编版语文九年级下册-第三单元古诗文默写-理解性默写(排版-附答案)
- 高中历史教学中如何渗透爱国主义教育
- 生产计划自动排程
- 诺丁山-Notting-Hill-中英文剧本
- 社区网格员笔试考试模拟试题
- 中国古代文学史PPT完整PPT完整全套教学课件
- 职工食堂菜谱及营养搭配方案
- 颅脑损伤护理观察
- 新疆阜康市面向社会公开招考56名社区工作者、到村工作大学生模拟预测(共500题)笔试参考题库+答案详解
评论
0/150
提交评论