Другие журналы
|
научное издание МГТУ им. Н.Э. БауманаНАУКА и ОБРАЗОВАНИЕИздатель ФГБОУ ВПО "МГТУ им. Н.Э. Баумана". Эл № ФС 77 - 48211. ISSN 1994-0408
Экстраполяция псевдослучайных процессов по максимуму подобия
# 07, июль 2009
Файл статьи:
Article...ess).pdf
(378.29Кб)
Развитие информационных систем и, как следствие, накопление огромного количества информации поставило на новый уровень задачи анализа данных. Среди прочих задач одной из актуальных является задача экстраполяции экономических и физических процессов, объединенных во множество псевдослучайных процессов. В силу того, что задача экстраполяции псевдослучайных процессов не является новой, то до текущего момента была проделана серьезная работа в данной сфере. В соответствии с [1, 2, 3] все алгоритмы можно разделить на несколько групп: регрессионные модели [4,5,6] (линейная регрессия, АРПСС [3]); вероятностные модели [1,2]; метод группового учета аргументов [1]; нейронные сети [1]; классификационно-регрессионные деревья [8]; базовая авторегрессия с условной гетероскедастичностью [7]. Большинство приведенных методов предполагают не только поиск закономерностей внутри процессов, но и учет влияния внешних факторов [3,4,5,6,7,8]. В представленной научной работе в отличие от классических регрессионных методов анализ псевдослучайных процессов основан на предположении того, что существует множество факторов, оказывающих влияние на значения процесса, однако определить степень влияния каждого фактора невозможно по причине объема, конфиденциальности, трудностей в измерении информации. Авторами вводится предположение, что если общее влияние всего множества факторов в какой-то период времени привело к тому, что процесс имел определенный профиль, то существует или когда-то случится такой период времени, когда суперпозиция влияния всего множества факторов приведет к тому, что процесс будет иметь профиль подобный исходному. Данное предположение вводится на базе принципа Дирихле для псевдослучайного процесса с конечным числом внутренних состояний, значение которого рано или поздно повторится.
Пусть существует псевдослучайная последовательность длиной T. Тогда введем обозначение Далее введем предположение о том, что если и имеют высокое подобие, то есть модуль линейного коэффициента корреляции Пирсона близок к 1, то вектора и будут также иметь высокое подобие. Данное предположение назовем предположением о подобии. На основании предположения о подобии решается задача экстраполяции вектора в точках по максимуму подобия.
В связи с тем, что в качестве меры подобия был использован коэффициент линейной корреляции, то экстраполированные значения будут определяться следующим образом:
В общем случае при необходимости экстраполяции P точек для определения матрицы A, возьмем вектор и найдем его максимум подобия. В соответствии с предположением о подобии в качестве берем вектор , то есть вектор, лежащий на оси времени сразу за вектором максимума подобия. Положения векторов наглядно представлены на рис 1.
По предложенному алгоритму решается задача экстраполяции псевдослучайной последовательности в точках по максимуму подобия.
Отметим также, что в основе экстраполяции лежит линейная регрессия (6), а, следовательно, возможен учет влияния внешних факторов на исследуемый процесс в случаях, когда данный учет необходим. Тогда , где
В заключение статьи приводим примеры реализации экстраполяции псевдослучайных кривых. В статье рассмотрен метод экстраполяции псевдослучайных процессов на основании максимума подобия, а также продемонстрированы некоторые результаты, которые позволяют говорить о состоятельности данного подхода. В дальнейших статьях планируется представить подробный анализ результатов экстраполяции различных псевдослучайных процессов.
Публикации с ключевыми словами: информационные технологии, псевдослучайные процессы Публикации со словами: информационные технологии, псевдослучайные процессы Смотри также: Тематические рубрики: Поделиться:
|
|
||||||||||||||||||||||||||||||||||
|