Учытывая колебательный характер газопотребления, выберем в качестве базисных функций периодические составляющие sincoj^, coscoj^, тогда прогнозируемый процесс представится в виде:
х (t) = V Ct (cos a>it + sin ©,Q. (V. 12)
t=0
Применив к (V.12) группу трансляций Тх, легко получить 1 ... О 0 ... О О О ... coso)aT sin<oaT ... О О
0 . |
. . —sin coaT |
COS00aT . . |
0 |
0 |
0 . |
. . 0 |
0 . . |
COS 0)яТ |
sin cortT |
0 . |
. . 0 |
0 . . |
. — sin о)_т |
COS 0) T |
(V.13)
Из (V.13) видно, что Da.T представляет собой суперматрицу, т. е. дает неприводимое представление группы. Уместно здесь поставить обратную задачу. По найденной суперматрице неприводимого представления Da,x найти ту группу преобразований, которую эта матрица представляет.
Как следует из представлений
— Sin COaT COS GOaT
характеристикой является группа вращений. Таким образом, при использовании в качестве базисов периодических составляющих экстраполяционные преобразования группы трансляций Та превращаются в группу вращения RT. Группу вращения можно рассматривать как полупростую группу Ли с инфини-тезимальным оператором вида
т д д
Ь = У-------- х—
дх ду
По инфинитезимальным операторам (V.13) можно легко построить инварианты (функции, остающиеся неизменными при действии данной группы преобразований). Так, для группы вращения имеем
Знание инвариантов дает нам метод обоснованного выбора базисных функций для построения модели экстраполяции. Так,
148
авторы, основываясь на данных работы [17], для графика газо-потребления рассчитали на различных интервалах наблюдений Xi = aicos<jiit и yi=bism<Dit путем разложения процесса газопотребления в ряд Фурье по схеме Рунге для 24 ординат. Анализ величины J=^x?i+г/2г- показал ее значительную устойчивость, что еще раз подтвердило правильность выбора в качестве базисных функций периодических составляющих. Несмотря на то что (V.15) использована в работе для частного случая — процесса газопотребления, указанную идею можно рекомендовать в качестве общего приема обоснованного выбора базисных функций для произвольного случайного процесса, подлежащего экстраполяции.
Для получения вычислительного алгоритма прогнозирования процесса газопотребления представим (V.12) в векторной форме:
*(*)== £?(*)). ' (V.16)
где с, ф — элементы эвклидова пространства; (с, y(t)) —операция скалярного произведения.
Для оценки вектора коэффициентов с будем использовать обучающую выборку путем экстраполяции «назад» по методу обобщенного экспоненциального сглаживания [16]. В качестве критерия обучения выбран средний квадратический функционал:
Д= \\Wx~ ??||2, где
x = {x(t— 1), x(t — 2), . . .,x(t — a)};
? —2),
. . .
а — интервал предыстории обучающейся выборки.
Будем решать задачу минимизации (V.17) методом обоб- \
щенного наискорейшего спуска. Для этого вычислим градиент |
функционала (V.17) |
У#(с)=Л?"—g. (V.I 8) I
Значение градиента в начальной точке принимается за на- 1
правление наискорейшего спуска:
?= Fww'f'; g=xww'Ff. (V.I 9)
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.