Технологическое прогнозирование

Скачать в pdf «Технологическое прогнозирование»


Метод    среднего наклона.Пусть исходная случайная реализацияи(У)имеет вид


_    (    Tr


u(t)= и +а If —    I + x(f),0    <^Т,гдеи-выборочное среднее значение функциии(Она интер-


u V 2 )


вале (0,Tr), параметр аи означает средний наклон функции u(f) относительно f, x(f) — исправлен-ная реализация с нулевым средним значением и с нулевым средним наклоном. Интегрируя и(0 в пределах от нуля до T/3 и от 2T/3 до Tr и вычитая первый интеграл из второго, находим значение


аи в виде


а =


и



1










где v — наибольшее целое число, меньшее или равное N/3.


Метод наименьших квадратов.В данном случае рассмотрим применение метода наименьших квадратов в наиболее простом варианте. Пусть для тренда, содержащегося в анализируемых


данных, требуется найти приближение в виде полинома степени^:    n=^bk(nh) ,n=,2,…,N.



Q(b)=T(un- Unf=Ej    U n -Z    bk(nhf | .


n=l L    к=0    J


Это эквивалентно требованию равенства нулю частных производных от указанного выражения по соответствующему коэффициенту:


3Q N Г к    1


=Z2 Un-Zbk (nh) |[- (nK)~.


Оbl n=1 L    к =0    J


В    результате    получается    система    А+1    уравнений    вида

Скачать в pdf «Технологическое прогнозирование»