
- •5. Временные динамические ряды.
- •Временные ряды
- •Сглаживание
- •Временное прогнозирование результативных показателей эффективности функционирования оао «icl – кпо вс»
- •5.1. Статистические методы прогнозирования
- •5.2. Сглаживание и прогнозирование методом скользящего среднего
- •Сводная таблица ошибок прогноза при изменении параметра m
- •Результаты прогнозирования методом скользящего среднего с минимальными значениями ошибок прогнозирования
- •5.3. Экспоненциальное сглаживание и прогнозирование
- •Наилучшие результаты прогнозирования методом экспоненциального сглаживания
- •5.4. Прогнозирование методом авторегрессии и проинтегрированного скользящего среднего
- •Сводная таблица ошибок прогноза при изменении параметра Seasonal Lag
- •Наилучшие результаты прогнозирования методом арпсс
- •5.5. Прогнозирование на нейронных сетях
- •Сводная таблица ошибок прогнозирования на нейронных сетях при изменении количества входов
- •Наилучшие результаты прогнозирования на нейронных сетях
- •5.6. Предварительная оценка результатов прогнозирования в системе координат
- •Вычисленные значения и
5.2. Сглаживание и прогнозирование методом скользящего среднего
Метод скользящего среднего (СС) является наиболее простым из известных методов, он позволяет сгладить периодические и случайные колебания в ВДР и тем самым выявить наличие имеющейся тенденции его изменения. В центрированном сглаживании данные усредняются слева и справа от выбранной точки. Такой вид сглаживания имеет существенный недостаток: сигнал об изменении тенденции существенно запаздывает во времени. Однако необходимо как можно раньше определить момент изменения тенденции, чему способствует использование нецентрированного СС. В существующих ППП [5,13] для сглаживания и прогнозирования применяется нецентрированное СС.
В нецентрированном СС усредненная величина заменяет не центральный член интервала усреднения, а его последний член
, (5.2.1),
где yi – фактическое значение переменной на i-ом интервале времени;
- сглаженное, или
спрогнозированное значение переменной
на j-ом
интервале времени;
m – интервал усреднения.
Для прогнозирования, начиная со значения n+1 и по r, спрогнозированные значения вычисляются по формуле
. (5.2.2)
Сводные результаты сглаживания и прогнозирования методом скользящего среднего при изменении интервала сглаживания m приведены в таблице 5.2.1.
По результатам таблицы 5.2.1 были сделаны следующие выводы:
Изменение фактора сглаживания m: 3, 5, 7, 9 с целью выявления наилучшего значения, обеспечивающего минимальную ошибку прогнозирования, существенных результатов по улучшению достоверности не дало. Для каждого показателя деятельности предприятия наилучшие спрогнозированные значения были получены при различных значениях интервала усреднения.
Наименьшая ошибка прогнозирования методом скользящего среднего составила 0,235388066, наибольшее значение ошибки прогнозирования – 68,36838773.
Лучшие результаты прогнозирования методом скользящего среднего приведены в таблице 5.2.2.
Таблица 5.2.1
Сводная таблица ошибок прогноза при изменении параметра m
Код |
Ошибка прогноза |
Среднее значение |
Отношение стандартной ошибки к среднему значению | ||||||
m=3 |
m=5 |
m=7 |
m=9 |
m=3 |
m=5 |
m=7 |
m=9 | ||
y1 |
60777,52327 |
78801,4937 |
100870,9 |
84564,5 |
142797,6667 |
0,425619863 |
0,551840205 |
0,706390539 |
0,592198062 |
y2 |
105234,0577 |
66755,5734 |
79183,36 |
65346,28 |
112090,6667 |
0,938829796 |
0,595549793 |
0,706422444 |
0,582976972 |
y3 |
3158,40561 |
1647,33399 |
1989,803 |
1468,194 |
6237,333333 |
0,506371143 |
0,264108698 |
0,319015081 |
0,235388066 |
y4 |
15439,08137 |
10759,2706 |
14191,6 |
12037,04 |
21675,66667 |
0,712277118 |
0,496375532 |
0,654725148 |
0,555324792 |
y5 |
1546,507894 |
1601,37733 |
5763,453 |
6631,376 |
3645,333333 |
0,424243204 |
0,43929517 |
1,581049762 |
1,81914113 |
y6 |
1615,945016 |
693,359003 |
1366,403 |
898,5244 |
2608,666667 |
0,619452472 |
0,265790571 |
0,523793483 |
0,344438177 |
y7 |
955,030715 |
509,144498 |
517,6526 |
373,48 |
705,6666667 |
1,35337371 |
0,7215085 |
0,73356538 |
0,529258772 |
y8 |
186,9580068 |
166,191616 |
159,3092 |
235,1568 |
612,67 |
0,305154527 |
0,271259439 |
0,260025866 |
0,383825069 |
y9 |
19408,54989 |
17416,9543 |
18885,03 |
19457,92 |
36853 |
0,52664776 |
0,472606146 |
0,512442125 |
0,527987279 |
y10 |
20178,76 |
18861,773 |
20389,55 |
20910,41 |
37726 |
0,534876848 |
0,499967477 |
0,540464231 |
0,554270455 |
y11 |
16180,51843 |
21135,1669 |
20422,66 |
18790,70 |
236,6666667 |
68,36838773 |
89,30352225 |
86,29291756 |
79,39731151 |
y12 |
13634,32043 |
19178,1621 |
22971,09 |
24010,34 |
665 |
20,50273748 |
28,83934148 |
34,54298844 |
36,10576784 |
y13 |
214,8190544 |
139,875658 |
181,888 |
156,4402 |
237,8227432 |
0,903273806 |
0,588150888 |
0,764805069 |
0,657801759 |
y14 |
2,576856041 |
2,60473278 |
10,55362 |
12,48477 |
6,072491704 |
0,424349043 |
0,428939701 |
1,737938657 |
2,055954619 |
Таблица 5.2.2