Перейти к содержанию
Форум интернет-конференций ВолНЦ РАН

Вопросы

Добрый день, Юлия Сергеевна и Андрей Михайлович.

Ознакомился с Вашими тезисами. Возникли следующие соображения.

1). Используемые в работе модели в целом идентичны друг другу и, наверно, могут использоваться в равной мере без особого страха, что какая-то из них что-то лучше или хуже описывает. Тут проблема в том, что они в большей мере носят описательный характер нежели прогностический.

Т.е. если условия содержания стада и само оно останутся неизменными, то все будет так, как в моделях. В принципе, можно просто таблички составить и посмотреть, сколько в среднем молока дает одна корова в определенный квартал, и помножить это число на количество буренок, и добавить к этому стандартное отклонение, как погрешность.

2). С моделированием оптимистичного и пессимистичного прогноза не согласен. Это погрешность в рамках оптимистичного варианта развития событий (т.е. все пойдет так, как описано в модели).

Поделиться сообщением


Ссылка на сообщение
Поделиться на другие сайты

4 ответа на этот вопрос

Recommended Posts

  • 0

Добрый день.

Попробую ответить на ваши соображения.

1) Модели временных рядов — это математические модели прогнозирования, которые стремятся найти зависимость будущего значения от прошлого внутри самого процесса и на этой зависимости вычислить прогноз. Эти модели универсальны для различных предметных областей, то есть их общий вид не меняется в зависимости от природы временного ряда. Модели временных рядов можно разделить на статистические и структурные (например, нейросетевые).

В статистических моделях зависимость будущего значения от прошлого задается в виде некоторого уравнения. К ним относятся:
- регрессионные модели (линейная регрессия, нелинейная регрессия);
- авторегрессионные модели (ARIMAX, GARCH, ARDLM);
- модель экспоненциального сглаживания;
- модель по выборке максимального подобия;
- и т.д.

Таким образом, нами использованы статистические модели прогнозирования. Широкое применение для прогнозирования временных рядов в эконометрике получила известная ARIMA-модель. Имеется достаточно научной литературы ссылающиеся на эти модели.

Модели не идентичны. Мультипликативная и аддитивная - тренд-сезонные модели, ARIMA - интегрированная модель авторегрессии — скользящего среднего. Наконец, можете обратиться к формулам.

То, что результаты расчетов схожи - это не говорит о том, что модели идентичны (обратитесь к формулам), это указывает на то, что выбраны наиболее оптимальные параметры для расчета результатов моделирования в рамках реализации данных методик.

Ваш пример не уместен (обратитесь к содержанию методов)

2) При оптимистическом варианте предполагают, что все условия планируемого периода сложатся исключительно благоприятно. Пессимистический прогноз представляет собой полную противоположность оптимистического. Он предполагает, что все условия в производстве сложатся крайне неблагополучно. То есть варианты прогноза были рассчитаны по максимальным и минимальным расчетным значениям всех трех методик, были комбинированы различные варианты прогнозов.

Если считаете, что со статьей что-то не так - удаляйте ее с форума.

Общая классификация моделей и методов прогнозирования

Изменено пользователем Андрей Михайлович Терехов

Поделиться сообщением


Ссылка на сообщение
Поделиться на другие сайты
  • 0

Я Вас обидеть не хотел, Андрей Михайлович. Всего лишь высказал некоторые моменты, которые мне показались интересными. За фундамент для дальнейших исследований у Вас как раз все огонь, но как прикладная модель - сыровато. Теперь попробую прокомментировать Вас в силу своих скромных познаний в математике:

1). Идентичность моделей в том, что Вы молоко от молока прогнозируете. 4-ым вариантом можно взять уравнение гармонического колебания и подставив в него соответствующие значения тоже получить хорошую модель с точки зрения подгона под фактические значения.

И как до этого писал, зная сколько корова дает молока в определенный сезон, я без статистических моделей Вам могу сказать сколько у нас его будет в тот или иной период времени.

2). По второму моменту тоже Вам писал, что Вы как-бы моделируете пессимистичный и оптимистичный варианты надоя молока в рамках того, что все пойдет по плану. А если коровы заболеют, а если кормовая база изменится, а если буренок не будем выгуливать на лугу? Думаю, над этим стоит подумать, если Вы и дальше хотите заниматься данной тематикой.

3). По приложенному рисунку. Ну он далек от идеала.

- Например, "Модели предметной области", где написана "Термодинамика". А что нет термодинамических моделей, описываемых через переменную времени?

- "Модели временных рядов" ищут зависимости внутри самого процесса. А что нет таких процессов на которые оказывают факторы, изменяющиеся во времени, и в соответствии с этим меняющие исследуемый объект?

- "Структурные модели" в которых фигурируют нейронные сети. Берем архитектуру многослойного персептрона и статистическую выборку. Обучаем нейронку, например, при помощи метода обратного распространения ошибки. В рамках обучения мы используем статистические данные. Тогда почему их нет в статистических моделях?

Еще раз. Не серчайте на меня, пожалуйста. Если Вам нужны овации, то к сожалению не ко мне, если поделиться опытом, то в силу своих скромных познаний вот такие нюансы подметил.

 

Поделиться сообщением


Ссылка на сообщение
Поделиться на другие сайты
  • 0

Я думаю, что для конференции статья вполне сгодится. Или вы считаете что нам нужно было разрабатывать нейросетевые модели? Посмотрите кто первый автор (студент). Все методики, которые изложены научно обоснованы. Ну а реализованные методы прогнозирования - это мнение авторов на основе графического анализа временного ряда. В научной среде есть мнения о том, что применение сложных методов не всегда способствует более точным прогнозам.

Я не обижаюсь на вас, и оваций  никаких не требую. И в этом плане не понимаю, что вы хотите от нас. Ещё раз говорю, что если статья не отвечает требованиям - смело удаляйте, мы не рассроимся. Не думаю, что нам нужно продолжать дискуссию. 

Поделиться сообщением


Ссылка на сообщение
Поделиться на другие сайты
  • 0

Я так понимаю Вам не нравится, когда Вас критикуют. Но вроде как я Вас вычитал, потратил свое время, и постарался высказать не банальные нюансы.

Также видел, что студент в соавторах и, наверно, он учился строить статистические модели. Но суть их понимать тоже здорово.

Теперь про нейросети и сложные методы. Я такого не писал. Я писал, что по честному эти модели ради моделей. Если я условно знаю, что животное летом дает 2 литра молока, а зимой 1 литр, то гипотетически я могу предположить, что в следующее лето оно снова даст 2 литра молока, а зимой - 1. Где здесь разговор про нейросети? Как видите я еще проще поступил, без моделирования статистической зависимости.

Для тезисов все здорово, никто Вас не планирует не откуда исключать и в мыслях подобного не было. Успехов Вам и всего самого лучшего.

Поделиться сообщением


Ссылка на сообщение
Поделиться на другие сайты

Пожалуйста, войдите, чтобы комментировать

Вы сможете оставить комментарий после входа в



Войти

×