Page 84 - 4268

Критерій зміщенності показників в часі - допомагає
оцінити рівень взаємозв'язку змінних. Окремі показники можуть
мати різну післядію, тому розділене прогнозування кожного з них
може забезпечити кращий результат. Відповідно, при наявності
тісного взаємозв'язку між показниками, прогнозування їх
сукупності покращує результати прогнозу кожного з них.
Можливе також включення нового параметра, який може бути
або додатковою ознакою або лінійною комбінацією вже
включених ознак. Застосування цього критерію допомагає в
оптимальному підборі таких ознак явища, які можуть
забезпечити вищу точність прогнозування.
Критерій фізичної достовірності - вимагає виключення
моделей, які під час проведення експерименту, можуть
продукувати нереальні результати (великі викиди для множини,
що прогнозується).
Оцінювання точності прогнозів
Як правило, після навчання нейромережі здійснюють
контрольне відтворення даних, які складали навчальну множину.
Якщо точність відтворення задовільна і відхилення знаходяться в
допустимих межах, вважають, що побудовано задовільну модель
і слід очікувати достатню якість відображення. Якщо при
відтворенні мережею даних навчальної множини спостерігаються
великі розбіжності, можна припустити що це викликано:
 наявністю неточних даних з великою випадковою
складовою. Для усунення цього явища підвищують вимоги до
точності вимірювань; у випадку часового ряду, можливе

зменшення кроку дискретизації, наприклад використання
щомісячних значень замість річних;
 неврахуванням суттєвих ознак, які в значній мірі

визначають закономірність; ця проблема може бути вирішена
розширенням набору ознак, які приймаються до уваги;
Після отримання передбачених значень при наявності
правильних можливо отримати абсолютні та відносні відхилення
на всій контрольній множині, для кожного кроку прогнозування.
При наявності задовільних результатів прогнозування на
контрольній множині, можна вважати, що налаштована мережа
для даної задачі має оптимальну складність і готова до
відтворення даних, для яких немає відповідних відомих відгуків.
Однокрокове прогнозування (передбачення)
Задача однокрокового прогнозування зводиться до задачі
відображення, коли один вхідний вектор відображається у
вихідний (рис. 39).

84