Предвидение, предсказание; вероятностное суждение о будущем на основе специальных научных исследований

скрещивания метода одношагового прогноза и имитационного моделирования. Указание на несколько возможных альтернатив будущего и локализация конкретного момента времени, когда эти альтернативы возникают из некоторого единого предшествующего сценария, позволяет более целенаправленно управлять будущим по сравнению с ситуацией рассмотрения только единственного варианта прогноза, и искать те показатели или внешние воздействия, к которым в эти спрогнозированные моменты зарождения альтернатив будет чувствительна ситуация.[ NeuroPro]

Прежде чем заняться прогнозированием объекта, необходимо определиться какой тип прогноза наиболее целесообразно использовать.

Типология прогнозов: 

Все стационарные процессы можно разделить на 3 группы: детерминированные, случайные и хаотические детерминированные, занимающие промежуточное положение между первыми двумя.  Показатель Херста позволяет разделить эти процессы. Если значение показателя Херста меньше 0.5 , то процесс считается хаотическим, если равно 0.5, то случайным, а если больше 0.5, то детерминированным. Лучше всего подаются прогнозированию процессы с показателем Херста больше 0.5.

Вычисление показателя Херста:

1. Сначала вычисляются отклонения от среднего значения:

где  – длина периода, меняющаяся от 2 до <длины временного ряда>; – переменная, меняющая своё значение от 1 до ;  – среднее  элементов; – конкретный элемент временного ряда.

2. На каждой итерации мы получаем  значений , которые мы используем в следующей формуле:

где  – размах отклонения .

3. Далее мы нормируем размах делением на стандартное отклонение , которое вычисляется по значениям.

4. Логарифмируем  и  и строим на основании полученных данных график.

5. По графику функции от находим наклон путём линейной аппроксимации.

Тангенс угла этого наклона и является показателем Хёрста.

Также важно из всего многообразия методов прогнозирования выбрать наиболее подходящие для нашего объекта. Так как каждый метод имеет свои недостатки и достоинства, необходимо скомбинировать их таким образом, чтобы минимизировать ошибку прогнозирования объекта.

Методы прогнозирования: [ Э.Е. Тихонов. Методы прогнозирования в условиях рынка: учебное пособие. - Невинномысск, 2006. - 221 с. ]

1.  Интуитивные

1.1.  Индивидуальные экспертные оценки

1.1.1.  Метод «интервью»

1.1.2.  Аналитические докладные записки

1.1.3.  Метод сценариев

1.2.  Коллективные экспертные оценки

1.2.1.  Метод анкетирования

1.2.2.  Метод «комиссии»

1.2.3.  Метод «мозговых атак»

1.2.4.  Метод программного прогнозирования

1.2.5.  Метод эвристического прогнозирования

1.2.6.  Коллективная генерация идей

2.  Формализованные

2.1.  Экстраполяционные методы

2.1.1.  Метод наименьших квадратов

2.1.2.  Экспоненциальное сглаживание

2.1.3.  Вероятностное моделирование адаптационное сглаживание

2.2.  Системно-структурные методы

2.2.1.  Функционально иерархический

2.2.2.  Метод морфологического анализа

2.2.3.  Матричный метод

2.2.4.  Сетевое моделирование

2.2.5.  Методы структурной аналогии

2.2.6.  Граф и дерево целей

2.2.7.  Прогнозный сценарий

2.3.  Ассоциативные

2.3.1.  Метод имитационного моделирования

2.3.2.  Историко – логический анализ

2.3.3.  Методы теории распознавания образов

2.3.4.  Нейросетевое прогнозирование

2.3.5.  Интеллектуальный анализ данных

2.4.  Методы опережающей информации

2.4.1.  Анализ потока публикаций

2.4.2.  Оценка значимости изобретений

2.4.3.  Анализ патентной информации

3.  Математические

3.1.  Корреляционный и регрессионный анализ

3.2.  МГУА (Метод группового учета аргументов)

3.3.  Факторный анализ

3.4.  Цепи Маркова

3.5.  Математическая логика

3.6.  Моделирование стационарных временных рядов

3.7.  Моделирование нестационарных временных рядов

3.8.  Распознавание образов

3.9.  Вариационные методы

3.10. Спектральный анализ

В последнее время широкую популярность приобретает вейвлет-анализ, для представления нестационарных сигналов, чьи свойства меняются во времени или пространстве. Вейвлет-преобразование эффективно используется в техническом анализе. С его помощью проводят мультимасштабный анализ временных  рядов, определяют шум, объективно определяется долгосрочный тренд, а также вейвлеты можно эффективно использовать в качестве входных данных для нейронных сетей и других методов прогнозирования и распознавания.

Основные направления в прогнозировании:

Прогнозный фон-совокупность  внешних по отношению к объекту прогнозирования условий, существенных для задачи прогноза.( [1])

Прогнозирование временных рядов является важной задачей в области управления.

. [NeuroPro]

В системах, которые хорошо формализованы, иногда проявляются некоторые недостатки, такие как  человеческий фактор.

Для того чтобы учесть влияние внешних факторов, необходимо изучить систему, процессы в которой мы собираемся прогнозировать, с целью выявить, как и с какой силой повлияет изменение внешних факторов на систему в целом.

Не все факторы влияющие на работу КИС могут быть представлены в виде количественных соотношений и могут быть представлены только лингвистически.

Кис:

Для КИС прогнозный фон составляют: день недели, время, наличие сетевой атаки, праздники, выходные, время года, оборудовании, материальные