Метод - експоненційне згладжування - Велика Енциклопедія Нафти та Газа
Метод – експоненційне згладжування
Альтернативний підхід до усунення коливань у низці значень полягає у використанні методу експоненційного згладжування. Кожне значення згладжування розраховується шляхом поєднання попереднього згладженого значення і поточного значення часового ряду. [16]
Якщо порівняти розглянуті методи чутливості до маневру, то найкращим може бути метод експоненційного згладжування. [17]
У таблиці нижче порівнюються фактичний обсяг продажів і прогнозований обсяг, отриманий за допомогою методу експоненційного згладжування . [18]
Для оцінки параметрів функції широко використовують такі методи, як метод найменших квадратів та його модифікації, метод експоненційного згладжування, метод моделювання імовірнісного і метод адаптивного згладжування. [19]
Розроблено модель прогнозу вібраційного стану газоперекачувальних агрегатів у міжремонтний період на основі аналізу часових рядів СКЗ віброшвидкості методом експоненційного згладжування. Для кількісної характеристики вихлопних газів запропоновано комплексний показник Кр, що дозволяє визначати динаміку зміни вмісту оксидів азоту та вуглецю у вихлопних газах газоперекачувального агрегату на змінних режимах його роботи. Це дає можливість встановити взаємозв'язок між технічним станом газоперекачувального агрегату та рівнем викидів оксидів азоту та вуглецю, а також визначати динаміку зміни складу вихлопних газів у процесі експлуатації ДПА. [20]
На рис. 6.6 показані вихідні значення обсягу продажів, а також експонентно згладжені значення при а 0.1. Як видно із графіка на рис. 6.6, метод експоненційного згладжування дійсно суттєво згладжуєряд значень. І цілком логічно використовувати ці значення для оцінки тренда у наступні роки. Однак, деякі складності виникають при використанні таких малих значень, як 0.1, наприклад. Так, бачимо, що аналізовані дані демонструють висхідний тренд обсягу продажів. Однак середні ковзаючі повільно позначають цей тренд. Зверніть увагу, що на графіці (рис. 6.6) усі згладжені значення протягом останніх п'яти років перебувають під фактичними значеннями обсягу продажу. Загалом, що менше значення а, то менш воно чутливе до змін тренда у цьому часовому ряду. [21]
З інших найбільш поширених і легко реалізованих з обчислювальної точки зору методів до одного ряду динаміки, які стали застосовуватися останнім часом, слід відзначити метод експоненційного згладжування Брауна. ЕДдея його полягає в тому, що ряд динаміки огладжується за допомогою зведеної ковзної середньої, в якій ваги підпорядковуються експоненційному закону. Тому зважена ковзна середня є характеристикою останніх значень ряду динаміки, яким надається більша вага в їхньому впливі на майбутні рівні. А оскільки економічні процеси мають деяку янерцю внаслідок якої процеси дротекаї в прогнозованому періоді приблизно в тих умовах, що і в аналізованому, використання введеної ковзної середньої цілком виправдане для складання прогнозу. [22]
Розрахунки за формулою (4.22), виконані для автокореляційної функції найпростішого виду (3.20) при різних значеннях коефіцієнта а, а також різних to і Т, показали [24], що метод експоненційного згладжування збільшує середню квадратичну методичну похибку визначення поточного середнього 1 5 3 рази порівняно з отриманим методом прямокутників. [24]
Апроксимуюча функція у всіх цих випадках вибирається за методом найменших квадратів. Там же викладено прогнозування попиту методом ковзного середнього та експоненційного згладжування, у тому числі вплив коефіцієнта згладжування на результати прогнозування за різних форм проведення попиту. [25]
Відповідно до функції збору та первинної обробки інформації забезпечуються стандартні операції обробки аналогової та дискретної інформації, що надходить з об'єкта через пристрої зв'язку з об'єктом. Система здійснює наступні операції: масштабування, фільтрацію методом експоненційного згладжування, лінеаризацію шкал датчиків, корекцію витрат газу та пари на умови вимірювання, обчислення середніх значень технологічних змінних за задані інтервали часу, перевірку змінних на технологічну достовірність, порівняння значень змінних з режимами -Імпульсних сигналів. [26]
Система здійснює такі види обробки: масштабування; фільтрацію методом експоненційного згладжування; лінеаризацію шкал датчиків; корекцію витрат газу та пари на умови вимірювання; обчислення середніх значень параметрів за задані проміжки часу; перевірку параметрів на технологічну достовірність; порівняння параметрів з режимними уставками; підсумовування число-імпульсних сигналів. [27]
У роботі англійського вченого викладаються статистичні методи короткострокового та середньострокового прогнозування часових рядів. Основним інструментом короткострокового прогнозування, розглянутого у книзі, є метод експоненційного згладжування, середньострокового – метод криволінійних трендів. Може служити довідковим посібником на тему. [28]
Методи другої групи, засновані на припущеннях про імовірніснехарактер електроспоживання, об'єднують у своєму складі найрізноманітніші способи прогнозування, які базуються на принципах і законах теорії ймовірностей та математичної статистики. До подібних методів можна віднести методи прогнозування за допомогою ковзної середньої, метод експонентного згладжування, метод адаптивної фільтрації, метод з використанням ланцюгів Маркова та деякі інші. [29]
Фаза Прогнозування призначена для обчислення статистичних характеристик потреби у предметі на підставі тимчасового ряду потреб за минулі періоди та статистичного прогнозування потреб на майбутні періоди. Тут розраховуються такі статистичні характеристики, як середнє, тренд, середнє абсолютне відхилення та ін. Прогнозування виконується методом експоненційного згладжування. [30]