التنبؤ عن طريق تنعيم تقنيات

التنبؤ عن طريق تنعيم تقنيات هذا الموقع هو جزء من جافا سكريبت E-مختبرات الأشياء لاتخاذ القرارات التعلم. وتصنف جافا سكريبت آخرين في هذه السلسلة تحت مناطق مختلفة من التطبيقات في قسم MENU على هذه الصفحة. A السلاسل الزمنية هي سلسلة من الملاحظات التي تنظم في الوقت المناسب. المتأصلة في جمع البيانات التي أخذت مع مرور الوقت هو شكل من أشكال الاختلاف عشوائية. وتوجد أساليب للحد من إلغاء أثر نظرا لاختلاف عشوائي. التقنيات المستخدمة على نطاق واسع هي "تنعيم". هذه التقنيات، عند تطبيقها بشكل صحيح، يكشف بوضوح أكثر الاتجاهات الأساسية. أدخل السلاسل الزمنية صف الحكمة في التسلسل، بدءا من الزاوية اليسرى العليا، والمعلمة (الصورة)، ثم انقر على زر حساب للحصول على تنبؤ فترة متقدما بنقطة واحدة. لا يتم تضمين صناديق فارغة في الحسابات ولكن الأصفار و. في إدخال البيانات الخاصة بك للانتقال من خلية إلى أخرى في مصفوفة بيانات استخدام المفتاح TAB لا السهم أو إدخال مفاتيح. ملامح السلاسل الزمنية، والتي قد يتم الكشف عن طريق فحص الرسم البياني لها. مع القيم المتوقعة، وسلوك المخلفات، والنمذجة حالة التنبؤ. المتوسطات المتحركة: المتوسطات المتحركة مرتبة بين التقنيات الأكثر شعبية لتجهيزها من السلاسل الزمنية. يتم استخدامها لتصفية عشوائية "الضوضاء البيضاء" من البيانات، لجعل سلسلة زمنية أكثر سلاسة أو حتى التأكيد على بعض العناصر الإعلامية الواردة في السلسلة الزمنية. الأسي الصقل: هذا هو مخطط بشعبية كبيرة لإنتاج السلاسل الزمنية ممهدة. في حين أنه في المتوسطات المتحركة هي المرجحة الملاحظات السابقة على حد سواء، الأسي تجانس يعين تناقص بشكل كبير الأوزان كما الملاحظة تكبر. وبعبارة أخرى، يتم إعطاء الملاحظات الأخيرة المزيد من الوزن نسبيا في التنبؤ من الملاحظات القديمة. ضعف الأسي تجانس أفضل في اتجاهات التعامل معها. الثلاثي الأسي تجانس أفضل في التعامل مع الاتجاهات القطع المكافئ. والمتوسط ​​المتحرك الموزون exponenentially مع تجانس ثابت. يتوافق تقريبا مع متوسط ​​المتحرك البسيط لمدة (أي الفترة) n، حيث ترتبط لون من قبل: و= 2 / (ن + 1) أو N = (2 - أ) / أ. وهكذا، على سبيل المثال، وهو المتوسط ​​المتحرك الموزون exponenentially مع تجانس أن ثابت يساوي 0.1 تتوافق تقريبا مع المتوسط ​​المتحرك 19 يوم. و40 يوما المتوسط ​​المتحرك البسيط تتطابق تقريبا مع المتوسط ​​المتحرك الموزون أضعافا مضاعفة مع تجانس ثابت يساوي 0.04878. هولت الخطي الأسي تجانس: لنفترض أن السلسلة الزمنية غير الموسمية لكن هل عرض الاتجاه. ويقدر طريقة هولت كل من المستوى الحالي والاتجاه الحالي. لاحظ أن المتوسط ​​المتحرك البسيط هو حالة خاصة من تجانس الأسي من خلال تحديد الفترة من المتوسط ​​المتحرك إلى جانب عدد صحيح من (2-ألفا) / ألفا. بالنسبة لمعظم بيانات الأعمال معلمة ألفا أصغر من 0.40 في كثير من الأحيان فعالة. ومع ذلك، يمكن للمرء أن إجراء بحث شبكة من الفضاء المعلمة، مع = 0.1 إلى 0.9 =، مع زيادات من 0.1. ثم أفضل ألفا لديه أصغر خطأ المطلق يعني (خطأ MA). كيفية مقارنة عدة طرق تمهيد: على الرغم من أن هناك مؤشرات رقمية لتقييم دقة تقنية التنبؤ، والنهج الأكثر على نطاق واسع في استخدام المقارنة البصرية العديد من التوقعات لتقييم دقتها وتختار من بين طرق التنبؤ المختلفة. في هذا النهج، لا بد من رسم (باستخدام مثل اكسل) على نفس الرسم البياني القيم الأصلية متغير السلاسل الزمنية والقيم المتوقعة من عدة طرق التنبؤ مختلفة، وبالتالي تسهيل المقارنة البصرية. قد ترغب باستخدام التوقعات السابقة التي تنعيم تقنيات جافا سكريبت للحصول على القيم المتوقعة الماضية استنادا إلى تقنيات التي تستخدم معلمة واحدة فقط تجانس. هولت، والشتاء طرق استخدام اثنين وثلاثة المعلمات، على التوالي، وبالتالي فإنه ليست مهمة سهلة لاختيار الأمثل، أو حتى بالقرب القيم المثلى عن طريق التجربة و-errors للمعلمات. يؤكد تجانس الأسي واحد وجهة نظر قصيرة المدى. أنه يحدد مستوى على الملاحظة الأخيرة، ويستند على شرط أنه لا يوجد أي اتجاه. الانحدار الخطي، والذي يناسب خط المربعات الصغرى للبيانات التاريخية (أو البيانات التاريخية تحولت)، يمثل بعيدة المدى، والتي يشترط على الاتجاه الأساسي. تجانس الأسي الخطي هولت يلتقط المعلومات حول الاتجاه الأخير. المعلمات في نموذج هولت هي مستويات المعلمة التي ينبغي أن انخفضت عندما كمية من التباين البيانات كبيرة، وينبغي زيادة اتجاهات المعلمة إذا كانت مدعومة الاتجاه الاتجاه الأخير من قبل بعض العوامل السببية. التنبؤ على المدى القصير: لاحظ أن كل جافا سكريبت في هذه الصفحة يوفر توقعات خطوة للأمام واحدة. للحصول على توقعات يومين خطوة إلى الأمام. ببساطة إضافة القيمة المتوقعة لنهاية بيانات السلاسل الزمنية لك، ثم انقر على زر حساب نفسه. تستطيع تكرار هذه العملية لعدة مرات من أجل الحصول على توقعات اللازمة على المدى القصير.