Gerçek Zamanlı Tahmin Sistemlerinin Test Edilmesi

Denis Timoshin 2009.11.24 15:11 #761

mpeugep писал(а) >>

Daha önce ona danışmanlar yazdım, iyi, ona alıştım ..

tahmin yönteminizin etkinliğini belirlemek mi istiyorsunuz?

Дима 2009.11.24 15:20 #762

evet - test ederek, yaptığım şey bu ..

Сергей 2009.11.24 22:17 #763

Tahminin ikinci günü sona eriyor. Size hatırlatmama izin verin, temel "çekiciler" (yani, aşağıdaki "ortalama" yörüngeleri oluşturan 200 yörünge)

Test edilen tanımlama bloğu, "ideal yörünge" yerine, Cumartesi günü eşdeğer olan aşağıdakileri seçti (seçim anlamında her şey onlarla o kadar zor değil, genellikle ilk okumaları bekliyorum ...):

İzlemeyi bıraktım.

Not: İyiyim, MT'ye başka bir özellik ekledim, "ölçeklendirme göstergesi", uh, doğru çalıştığından tam olarak emin değilim

 double getScaleParametr ( double signal [ ] )
{
   int i ;
   int n ;
   int m ;
   
   double h ;

   // +------------------------------------------------------+
   // |                       Интегрирование временного ряда |
   // +------------------------------------------------------+
   
   int N ;
   int Nsignal ;
   
   double delta [ ] ;
   
   Nsignal = ArraySize ( signal ) ;
   N = Nsignal - 1 ;
   
   ArrayResize ( delta , N ) ;
   ArrayInitialize ( delta , 0.0 ) ;
   
   i = 0 ;
   
   for ( n = 0 ; n < = Nsignal - 1 ; n + + )
   {
       if ( n > 0 )
       {
         delta [ i ] = MathAbs ( signal [ n ] - signal [ n - 1 ] ) ;
         i = i + 1 ;
       }
   }
   
   // +------------------------------------------------------+
   // |                       Расчет накопленного отклонения |
   // +------------------------------------------------------+
   
   double Mu ;
   double SUM ;
   double accumulateDeviation [ ] ;

   ArrayResize ( accumulateDeviation , N ) ;
   ArrayInitialize ( accumulateDeviation , 0.0 ) ;
   
   Mu = getMu ( delta ) ;
   SUM = 0.0 ;
   
   for ( n = 0 ; n < = N - 1 ; n + + )
   {
      SUM = SUM + ( delta [ n ] - Mu ) ;
      accumulateDeviation [ n ] = SUM ;
   }
   
   // +------------------------------------------------------+
   // |                          Итерационный расчет матрицы |
   // +------------------------------------------------------+   
   
   int window ;
   int s ;
   int k ;
   int M ;
   int zone ;
   
   double a ;
   double b ;
   
   double x [ ] ;
   double y [ ] ;
   
   double T [ ] ;
   double F [ ] ;
   
   double trend [ ] ;
   double regress [ ] ;
   
   zone = 5 ;

   ArrayResize ( T , N - zone ) ;
   ArrayInitialize ( T , 0.0 ) ;    

   ArrayResize ( F , N - zone ) ;
   ArrayInitialize ( F , 0.0 ) ;    
   
   i = 0 ;
   
   for ( window = zone ; window < = N ; window + + )
   {
      s = MathFloor ( N / window ) ;

       ArrayResize ( trend , s * window ) ;       
       ArrayInitialize ( trend , 0.0 ) ;
      
       for ( n = 0 ; n < = s - 1 ; n + + )
       {
         ArrayResize ( x , window ) ;
         ArrayInitialize ( x , 0.0 ) ;

         ArrayResize ( y , window ) ;
         ArrayInitialize ( y , 0.0 ) ;
         
         for ( m = 0 ; m < = window - 1 ; m + + )
         {
            x [ m ] = m ;
            y [ m ] = accumulateDeviation [ m + n * window ] ;
         }

         ArrayResize ( regress , 2 ) ;
         ArrayInitialize ( regress , 0.0 ) ;
         
         getLineRegression ( regress , x , y ) ;
         
         a = regress [ 0 ] ;
         b = regress [ 1 ] ;

         for ( m = 0 ; m < = window - 1 ; m + + )
         {
            trend [ m + n * window ] = a + b * x [ m ] ;
         }
       }

      SUM = 0.0 ;
      
      M = ArraySize ( trend ) ;
      
       for ( k = 0 ; k < = M - 1 ; k + + )
       {
         SUM = SUM + MathPow ( ( accumulateDeviation [ k ] - trend [ k ] ) , 2 ) ;
       }
      
      T [ i ] = MathLog ( window ) ;
      F [ i ] = MathLog ( MathSqrt ( ( 1.0 / M ) * SUM ) ) ;

      i = i + 1 ;
   }

   ArrayResize ( regress , 2 ) ;
   ArrayInitialize ( regress , 0.0 ) ;
   
   getLineRegression ( regress , T , F ) ;
   h = regress [ 1 ] ;
   
   return ( h ) ;
}