Краткосрочное прогнозирование почасовых цен на электроэнергию (пример)
Материал из MachineLearning.
Ilyafadeev (Обсуждение | вклад)
(Новая: В работе описывается и производится сравнение эффективности ряда алгоритмов для краткосрочного про...)
К следующему изменению →
Версия 20:29, 7 декабря 2010
В работе описывается и производится сравнение эффективности ряда алгоритмов для краткосрочного прогнозирования цен на электроэнергию: SSA, авторегрессии, гребневой регрессии, метода наименьших углов, метода построения локальных регрессионных моделей. В вычислительном эксперименте приводятся результаты работы перечисленных алгоритмов, сравнивается точность из прогнозов.
Содержание | 
Постановка задачи
Временным рядом называется последовательность измерений некоторой величины через фиксированные промежутки времени:  Требуется предсказать следующие 
 значений последовательности: 
Рассматриваемый временной ряд имеет периодическую составляющую с периодом 
, на который и будет производиться прогноз: 
Для контроля качества алгоритма прогноза будем выделять во временном ряде 
 последовательных значений (контрольную выборку), которые алгоритм будет прогнозировать по всем предыдущим значениям. В качестве критерия качества прогноза будем использовать следующий функционал: 
, где 
 - прогнозируемое значение 
, 
 --- фактическое значение.
Пути решения задачи
Не более 1/2 стр.
Смотри также
- [ Ссылка на текст статьи]
 - [ Ссылка на код]
 
Литература
|   |  Данная статья является непроверенным учебным заданием.
 До указанного срока статья не должна редактироваться другими участниками проекта MachineLearning.ru. По его окончании любой участник вправе исправить данную статью по своему усмотрению и удалить данное предупреждение, выводимое с помощью шаблона {{Задание}}. См. также методические указания по использованию Ресурса MachineLearning.ru в учебном процессе.  | 

