|
|
|
|
|
В данном случае модели усложняются не только за счет увеличения числа учитываемых аргументов, но и за счет роста степени описания. В алгоритмах с последовательным выделением трендов в качестве таковых рассматриваются уравнения регрессии по одному аргументу, включая время:
Для построения моделей используются частные описания вида
Алгоритм работает таким образом, что вначале выделяется первый тренд и рассчитывается соответствующее отклонение (первый остаток) истинных значений функции от тренда. После чего это отклонение аппроксимируется вторым трендом и определяется второй остаток и т. д. На практике выделяют до пяти-шести трендов. Среди основных алгоритмов МГУА наибольший интерес представляет обобщенный алгоритм, обеспечивающий получение наиболее точных моделей благодаря использованию в качестве опорной функции аддитивной и мультипликативной моделей трендов [51]. С целью сокращения числа входных аргументов в обобщенном алгоритме используется рассмотренный выше алгоритм последовательного выделения трендов для выбора оптимальной опорной Функции аддитивной и мультипликативной моделей трендов [51]. С целью сокращения числа входных аргументов в обобщенном алгоритме используется рассмотренный выше алгоритм последовательного выделения трендов для выбора оптимальной опорной функции, после чего осуществляется перебор всех возможных комбинаций выделенных трендов, либо в классе сумм, либо в классе произведений. Пусть, например, выбрана зависимость
Обобщенный алгоритм МГУА предусматривает перебор двенадцати комбинаций [51] |
Метод группового учета аргументов 2 |
