Modifying the method for forecasting hazardous processes with unknown dynamics in the presence of noise
Завантаження...
Дата
2022
Назва журналу
ISSN журналу
Назва тому
Видавець
Publisher: РС Technogy center
Анотація
This paper has substantiated a modified method that, within the framework of the adaptive zero-order
Brown’s model, provides forincreased accuracy in predicting processes with unknown dynamics masked by the noise of various levels. The forecasting method modification essentially involves an adaptive technique for determining the weight of the correction of the previous forecast, taking into consideration the recurrent state of the predicted process in time. To investigate the accuracy of the forecasting method, a test model of the rocess dynamics was determined in the form of a rectangular pulse with unit amplitude. In addition, a model of additive masking noise was defined in the form of a discrete Gaussian process with a zero mean and a variable value of the mean square deviation. Based on determining the exponentially smoothed values of current absolute forecasting errors, the dynamics of forecast accuracy were examined for the modified and self-adjusting methods. It was found that for the mean quadratic deviation of the masking noise equal to 0.9, the smoothed absolute prediction error for the modified method does not exceed 23 %; for the self-adjusting method – 42 %. This means that the prediction accuracy for the modified method is about twice as high. In the case of an average square deviation of masking noise of 0.1, the smoothed absolute prediction error for the modified and self-adjusting methods is approximately the same and does not exceed 10 %. That means that
at a low level of masking noise, both prediction methods provide approximately the same accuracy. However,
with an increase in the level of masking noise, the self-adjusting method significantly loses the accuracy of
the forecast to the proposed modified method. Ця стаття обґрунтовує модифікований метод, який знаходиться в межах каркасу адаптивного нульового порядку. Модель Брауна передбачає підвищену точність прогнозування процесу з невідомою динамікою маскування шумом різного рівня. Модифікація методу прогнозування по суті передбачає адаптацію методики визначення ваги корекції попереднього прогнозу, беручи до уваги повторюваний стан прогнозованого процесу вчасно. Дослідити точності методу прогнозування, тест. Модель динаміки процесу була Визначена у формі прямокутника імпульсу з одиничною амплітудою. Крім того, модель адитивного маскування шум визначалася у формі дискретного процесу гауса з нульовим середнім та змінним значенням середнє квадратичного відхилення. На основі визначення експоненції згладжені значення поточного абсолюту похибки прогнозування, динаміки перевірено точність прогнозу модифікованого та саморегулюючого методів. Встановлено, що для середньо квадратичного відхилення маскування шум рівний 0,9, згладжена абсолютна помилка передбачення для модифікованого метод не перевищує 23 %; для самоналагоджувального методу – 42 %. Це означає, що точність прогнозу для модифікованого методу є приблизно вдвічі вище. У випадку середнє квадратичного відхилення маскування шум 0,1, згладжений абсолют помилки передбачення для модифікованого методу і методу саморегулювання є приблизно так само і не перевищує 10 %. Це означає, що при низькому рівні маскуючого шуму обидва методи прогнозування забезпечують приблизно таку ж точність. однак, з підвищенням рівня маскування
шуму, метод саморегулювання значно втрачає точність прогнозу до запропонованого модифікаційного методу.
Опис
Ключові слова
modified forecasting method, unknown dynamics, masking noise, Brown’s model, forecasting errors, метод модифікованого прогнозування, невідома динаміка, маскування шуму, модель Брауна, прогнозування помилки
Цитування
Modifying the method for forecasting hazardous processes with unknown dynamics in the presence of noise / B. Pospelov, V. Andronov, O. Krainiukov, K. Karpets, Y. Bezuhl, K, Fisun, S. Manzhura, S. Hryshko, O. Mukhina, V. Ivanova // Eastern-European Journal of Enterprise Technologies. – 2022. – № 1 (4 (115)). – Pp. 29–36.