Анализ качества оценок прогнозов с использованием метода комплексирования

Abstract

Используя оценки краткосрочных прогнозов, полученных различными методами, выполнено комплексирование оценок прогнозов на один шаг. При этом по вычисленным СКО для каждого метода (экспоненциальное сглаживание, четкий и нечеткий МГУА, фильтр Калмана) реализуется схема объединения оценок прогнозов, обеспечивающая увеличение качества прогнозирования в условиях правильного выбора весовых коэффициентов. Полученные экспериментальные результаты с применением вышеуказанных методов свидетельствуют о возможности повышения качества оценок прогнозов благодаря использованию предложенной схемы комбинирования в условиях, когда дисперсии ошибок оценок индивидуальных прогнозов близки между собой. Для сравнения результатов прогнозирования использовано множество статистических параметров качества прогноза.

Використовуючи оцінки короткострокових прогнозів, отриманих різними методами, виконано комплексування оцінок прогнозів на один крок. При цьому за обчисленими СКП похибками для кожного методу (експоненціальне згладжування, чіткий та нечіткий МГУА, фільтр Калмана) реалізовано схему об’єднання оцінок прогнозів, яка забезпечує підвищення якості прогнозування в умовах правильного вибору вагових коефіцієнтів. Отримані експериментальні результати з використанням згаданих вище методів свідчать про можливість підвищення якості оцінок прогнозів завдяки використанню запропонованої схеми комбінування в умовах, коли дисперсії похибок оцінок індивідуальних прогнозів близькі між собою. Для порівняння результатів прогнозування використано множину статистичних параметрів якості прогнозу.

Using estimates of short-term forecasts, obtained by different methods, complexation of forecasts estimates is done for one step. While on calculated RMS errors for each method (exponential smoothing, crisp and fuzzy MGAA, Kalman filter) scheme of association of forecasts estimates, which increases the quality of forecasting in conditions of correct choice of the weight factors is realized. The obtained experimental results using the above mentioned methods suggest opportunities to improve the quality of forecasts estimates through the use of the proposed scheme of combining in conditions when the dispersion errors of the estimates of individual forecasts are close to each other. To compare the results of forecasting a set of statistical parameters of the forecast quality is used.