Презентация «Экспоненциальные методы для анализа временных рядов»

Смотреть слайды в полном размере
Презентация «Экспоненциальные методы для анализа временных рядов»

Вы можете ознакомиться с презентацией онлайн, просмотреть текст и слайды к ней, а также, в случае, если она вам подходит - скачать файл для редактирования или печати. Документ содержит 38 слайдов и доступен в формате ppt. Размер файла: 1.47 MB

Просмотреть и скачать

Pic.1
Использование экспоненциальных методов для анализа временных рядов Графеева Н. Г. 2016
Использование экспоненциальных методов для анализа временных рядов Графеева Н. Г. 2016
Pic.2
Какие задачи могут решаться экспоненциальными методами? сглаживание временных рядов (smoothing); раз
Какие задачи могут решаться экспоненциальными методами? сглаживание временных рядов (smoothing); разметка временных рядов (labeling); краткосрочное и долгосрочное прогнозирование (forecasting); И др.
Pic.3
Популярные экспоненциальные методы Одинарный (учитывает предыдущие значения с коэффициентами); Двойн
Популярные экспоненциальные методы Одинарный (учитывает предыдущие значения с коэффициентами); Двойной (добавляется учет трендов); Тройной (добавляется учет циклов).
Pic.4
Одинарное экспоненциальное сглаживание (smoothing)
Одинарное экспоненциальное сглаживание (smoothing)
Pic.5
Пример. Одинарное экспоненциальное сглаживание (α =0. 1)
Пример. Одинарное экспоненциальное сглаживание (α =0. 1)
Pic.6
Пример. Одинарное экспоненциальное сглаживание (α =0. 01)
Пример. Одинарное экспоненциальное сглаживание (α =0. 01)
Pic.7
Разметка трендов с помощью одинарного экспоненциального сглаживания
Разметка трендов с помощью одинарного экспоненциального сглаживания
Pic.8
Пример. Разметка трендов (α = 0. 05)
Пример. Разметка трендов (α = 0. 05)
Pic.9
Как формально определить тренды?
Как формально определить тренды?
Pic.10
Прогнозирование на один шаг вперед с помощью одинарного сглаживания (Single Smoothing Forecast)
Прогнозирование на один шаг вперед с помощью одинарного сглаживания (Single Smoothing Forecast)
Pic.11
Прогнозирование на несколько шагов вперед (Bootstrap Forecast)
Прогнозирование на несколько шагов вперед (Bootstrap Forecast)
Pic.12
Пример. Сглаживание на несколько шагов вперед
Пример. Сглаживание на несколько шагов вперед
Pic.13
Сравнение прогнозирования на один шаг и на несколько шагов
Сравнение прогнозирования на один шаг и на несколько шагов
Pic.14
Одинарное экспоненциальное сглаживание и тренды
Одинарное экспоненциальное сглаживание и тренды
Pic.15
Пример одинарного экспоненциального сглаживания
Пример одинарного экспоненциального сглаживания
Pic.16
Двойное экспоненциальное сглаживание (Double Exponential Smoothing)
Двойное экспоненциальное сглаживание (Double Exponential Smoothing)
Pic.17
Начальные значения для трендовой компоненты
Начальные значения для трендовой компоненты
Pic.18
Как подобрать подходящие параметры? Оптимальные значения для α и γ могут быть получены с помощью нел
Как подобрать подходящие параметры? Оптимальные значения для α и γ могут быть получены с помощью нелинейной оптимизационной технологии известной под названием Marquardt Algorithm (или Алгоритм …
Pic.19
Прогнозирование с двойным экспоненциальным сглаживанием
Прогнозирование с двойным экспоненциальным сглаживанием
Pic.20
Пример
Пример
Pic.21
Результаты сглаживания (и прогнозирования на один шаг)
Результаты сглаживания (и прогнозирования на один шаг)
Pic.22
Сравнение результатов прогнозирования двойным и одинарным экспоненциальными методами
Сравнение результатов прогнозирования двойным и одинарным экспоненциальными методами
Pic.23
Сравнение результатов прогнозирования двойным и одинарным экспоненциальными методами
Сравнение результатов прогнозирования двойным и одинарным экспоненциальными методами
Pic.24
Тройное экспоненциальное сглаживание и прогнозирование
Тройное экспоненциальное сглаживание и прогнозирование
Pic.25
Периодичность L – длина периода (должна быть определена заранее). Исходные данные должны содержать к
Периодичность L – длина периода (должна быть определена заранее). Исходные данные должны содержать как минимум – два периода.
Pic.26
Параметры Все параметры (α, β, ϒ) – это значения в интервале (0,1). Подбор параметров можно осуществ
Параметры Все параметры (α, β, ϒ) – это значения в интервале (0,1). Подбор параметров можно осуществлять все тем же методом Левенберга — Марквардта либо перебором по сетке куба [0-1,0-1,0-1].
Pic.27
Начальное значение для трендового компонента
Начальное значение для трендового компонента
Pic.28
Начальные значения для индексов сезонности Самая существенная деталь – среднее значение всех сезонны
Начальные значения для индексов сезонности Самая существенная деталь – среднее значение всех сезонных индексов должно быть равно 1. Этот параметр отражает влияние наблюдений внутри периода. …
Pic.29
Начальные значения для индексов сезонности
Начальные значения для индексов сезонности
Pic.30
Пример. Возможный вариант расчета индексов сезонности
Пример. Возможный вариант расчета индексов сезонности
Pic.31
«Экспоненциальные методы для анализа временных рядов», слайд 31
Pic.32
«Экспоненциальные методы для анализа временных рядов», слайд 32
Pic.33
Пример (исходные данные)
Пример (исходные данные)
Pic.34
Пример (тройное экспоненциальное прогнозирование)
Пример (тройное экспоненциальное прогнозирование)
Pic.35
Пример (три вида экспоненциального прогнозирования)
Пример (три вида экспоненциального прогнозирования)
Pic.36
Методы экспоненциального сглаживания и прогнозирования доказали на протяжении многих лет, что являют
Методы экспоненциального сглаживания и прогнозирования доказали на протяжении многих лет, что являются очень полезным во многих приложениях, связанных с прогнозированием. Метод впервые был предложен …
Pic.37
А что же на эту тему есть в аналитических пакетах СУБД? Как ни странно, в аналитических пакетах на с
А что же на эту тему есть в аналитических пакетах СУБД? Как ни странно, в аналитических пакетах на сегодняшний день экспоненциальные методы отсутствуют. Они есть только в статистических или data …
Pic.38
Задание 2 Создать приложение, позволяющее: Делать ежедневные прогнозы потребления творога на основе
Задание 2 Создать приложение, позволяющее: Делать ежедневные прогнозы потребления творога на основе метода Holt-Winter в разрезе всей сети ресторанов; Подобрать оптимальные параметры для метода; для …


Скачать презентацию

Если вам понравился сайт и размещенные на нем материалы, пожалуйста, не забывайте поделиться этой страничкой в социальных сетях и с друзьями! Спасибо!