Презентация Экспоненциальные методы для анализа временных рядов онлайн
На нашем сайте вы можете скачать и просмотреть онлайн доклад-презентацию на тему Экспоненциальные методы для анализа временных рядов абсолютно бесплатно. Урок-презентация на эту тему содержит всего 38 слайдов. Все материалы созданы в программе PowerPoint и имеют формат ppt или же pptx. Материалы и темы для презентаций взяты из открытых источников и загружены их авторами, за качество и достоверность информации в них администрация сайта не отвечает, все права принадлежат их создателям. Если вы нашли то, что искали, отблагодарите авторов - поделитесь ссылкой в социальных сетях, а наш сайт добавьте в закладки.
Оцените презентацию от 1 до 5 баллов!
- Тип файла:ppt / pptx (powerpoint)
- Всего слайдов:38 слайдов
- Для класса:1,2,3,4,5,6,7,8,9,10,11
- Размер файла:1.47 MB
- Просмотров:83
- Скачиваний:1
- Автор:неизвестен
Слайды и текст к этой презентации:
№1 слайд
Содержание слайда: Использование экспоненциальных методов для анализа временных рядов
Графеева Н.Г.
2016
№2 слайд
Содержание слайда: Какие задачи могут решаться экспоненциальными методами?
сглаживание временных рядов (smoothing);
разметка временных рядов (labeling);
краткосрочное и долгосрочное прогнозирование (forecasting);
И др.
№3 слайд
Содержание слайда: Популярные экспоненциальные методы
Одинарный (учитывает предыдущие значения с коэффициентами);
Двойной (добавляется учет трендов);
Тройной (добавляется учет циклов).
№4 слайд
Содержание слайда: Одинарное экспоненциальное сглаживание (smoothing)
№5 слайд
Содержание слайда: Пример. Одинарное экспоненциальное сглаживание (α =0.1)
№6 слайд
Содержание слайда: Пример. Одинарное экспоненциальное сглаживание (α =0.01)
№7 слайд
Содержание слайда: Разметка трендов с помощью одинарного экспоненциального сглаживания
№8 слайд
Содержание слайда: Пример. Разметка трендов (α = 0.05)
№9 слайд
Содержание слайда: Как формально определить тренды?
№10 слайд
Содержание слайда: Прогнозирование на один шаг вперед с помощью одинарного сглаживания (Single Smoothing Forecast)
№11 слайд
Содержание слайда: Прогнозирование на несколько шагов вперед (Bootstrap Forecast)
№12 слайд
Содержание слайда: Пример. Сглаживание на несколько шагов вперед
№13 слайд
Содержание слайда: Сравнение прогнозирования на один шаг и на несколько шагов
№14 слайд
Содержание слайда: Одинарное экспоненциальное сглаживание и тренды
№15 слайд
Содержание слайда: Пример одинарного экспоненциального сглаживания
№16 слайд
Содержание слайда: Двойное экспоненциальное сглаживание (Double Exponential Smoothing)
№17 слайд
Содержание слайда: Начальные значения для трендовой компоненты
№18 слайд
Содержание слайда: 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 Левенберга — Марквардта) либо с использованием самого примитивного перебора c равномерным шагом по сетке в диапазоне [0-1,0-1].
№19 слайд
Содержание слайда: Прогнозирование с двойным экспоненциальным сглаживанием
№20 слайд
Содержание слайда: Пример
№21 слайд
Содержание слайда: Результаты сглаживания (и прогнозирования на один шаг)
№22 слайд
Содержание слайда: Сравнение результатов прогнозирования двойным и одинарным экспоненциальными методами
№23 слайд
Содержание слайда: Сравнение результатов прогнозирования двойным и одинарным экспоненциальными методами
№24 слайд
Содержание слайда: Тройное экспоненциальное сглаживание и прогнозирование
№25 слайд
Содержание слайда: Периодичность
L – длина периода (должна быть определена заранее). Исходные данные должны содержать как минимум – два периода.
№26 слайд
Содержание слайда: 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].
№27 слайд
Содержание слайда: Начальное значение для трендового компонента
№28 слайд
Содержание слайда: Начальные значения для индексов сезонности
Самая существенная деталь – среднее значение всех сезонных индексов должно быть равно 1. Этот параметр отражает влияние наблюдений внутри периода. Простейший способ расчета начальных значений для сезонных индексов:
№29 слайд
Содержание слайда: Начальные значения для индексов сезонности
№30 слайд
Содержание слайда: Пример. Возможный вариант расчета индексов сезонности
№31 слайд
Содержание слайда:
№32 слайд
Содержание слайда:
№33 слайд
Содержание слайда: Пример (исходные данные)
№34 слайд
Содержание слайда: Пример (тройное экспоненциальное прогнозирование)
№35 слайд
Содержание слайда: Пример (три вида экспоненциального прогнозирования)
№36 слайд
Содержание слайда: Методы экспоненциального сглаживания и прогнозирования доказали на протяжении многих лет, что являются очень полезным во многих приложениях, связанных с прогнозированием. Метод впервые был предложен C.Holt в 1957 году и использовался для не сезонных и не трендовых рядов. Позднее (в 1958) C.Holt предложил модификацию с учетом трендов. А затем Winter (1965) обобщил идею с учетом сезонности. Так и появилось название метода Хольта-Винтера…
№37 слайд
Содержание слайда: 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 mining – библиотеках.
№38 слайд
Содержание слайда: 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 выбранного интервала определять точность прогноза;
Выводить результаты прогнозирования в виде графика и таблицы.
Ссылку на приложение, логин и пароль для входа отправлять по адресу: N.Grafeeva@spbu.ru
Тема - Data_Mining_2016_job2
Скачать все slide презентации Экспоненциальные методы для анализа временных рядов одним архивом:
