Development of a combined method for predicting discrete time series with non-stability for forecasting military goods demand

Autor: Kubiv, Stepan, Balanyuk, Yuriy
Jazyk: angličtina
Rok vydání: 2019
Předmět:
Zdroj: Technology audit and production reserves; Том 6, № 4(50) (2019): Economics of enterprises. Macroeconomics; 30-32
Technology audit and production reserves; Том 6, № 4(50) (2019): Економіка підприємств. Макроекономіка; 30-32
Technology audit and production reserves; Том 6, № 4(50) (2019): Экономика предприятий. Макроэкономика; 30-32
ISSN: 2664-9969
2706-5448
Popis: The object of research is a model of the production system of military goods with non-stationary processes. In the study of the time series of the characteristics of the production system, various competing models, as a rule, are obtained under production conditions with stochastic data on the output of products due to bottleneck problems. So, the choice of the best model that describes the production system becomes difficult and critical, because some models that most closely correspond to the observed data may not foresee future values in accordance with the complexity of the model. This study seeks to demonstrate the procedure for selecting a model in a random data system using adjusted weights. This paper presents a method for combining two sets of forecasts. The obtained measurements serve as input with an autocorrelation function and a partial autocorrelation function to obtain the order of predictive models. The model parameters are evaluated and used for forecasting and compared with the original and converted data to obtain the sum of squared errors in (SSE). Models are evaluated for adequacy and subsequently tested against Akaike and Schwarz criteria. Two separate sets of forecasts of time series data are combined to form a combined set of forecasts. It should be noted that when each set of forecasts contains some independent information, combined forecasts can provide an improvement. The proposed method for combining forecasts allows to change weights, can lead to better forecasts. The main conclusion is that a set of forecasts can lead to a lower standard error than any of the initial forecasts. Past errors of each of the initial forecasts are used to determine the weight for joining two original forecasts in the formation of combined forecasts. However, the effectiveness of the forecast may change over time.
Объектом исследования является модель производственной системы товаров военного назначения с нестационарными процессами. В исследовании временных рядов характеристик производственной системы различные конкурирующие модели, как правило, получаются в производственных условиях со стохастическими данными по выходу продукции, что объясняется проблемами узких мест. Итак, выбор лучшей модели, описывающей производственную систему, становится сложным и критическим, поскольку некоторые модели, которые наиболее точно соответствуют наблюдаемым данным, могут не предусмотреть будущие значения в соответствии со сложностью модели. Это исследование стремится продемонстрировать процедуру выбора модели в системе со случайными данными с помощью скорректированных весовых коэффициентов. В данной работе представлен метод сочетания двух наборов прогнозов. Полученные измерения служат входными данными с функцией автокорреляции и частичной функцией автокорреляции для получения порядка прогнозирующих моделей. Параметры модели оценивали и использовали для прогнозирования и сравнивали с исходными и преобразованными данными для получения суммы квадратов ошибок в (SSE). Затем модели были подвергнуты оценке адекватности и впоследствии были протестированы по критериям Akaike и Schwarz. Два раздельных набора прогнозов данных временного ряда объединены для формирования комбинированного набора прогнозов. Следует отметить, что, когда каждый набор прогнозов содержит некоторую независимую информацию, комбинированные прогнозы могут дать улучшение. Предложенный метод комбинирования прогнозов позволяет изменять весовые коэффициенты, что может привести к улучшению прогнозов. Основной вывод заключается в том, что набор прогнозов может привести к меньшей среднеквадратичной ошибке, чем любой из начальных прогнозов. Прошлые ошибки каждого из начальных прогнозов используются для определения веса для присоединения двух оригинальных прогнозов при формировании комбинированных прогнозов. Однако результативность прогноза может меняться со временем.
Об’єктом дослідження є модель виробничої системи товарів військового призначення з нестаціонарними процесами. У дослідженні часових рядів характеристик виробничої системи різні конкуруючі моделі, як правило, отримуються у виробничих умовах із стохастичними даними стосовно виходу продукції, що пояснюється проблемами вузьких місць. Отже, вибір найкращої моделі, що описує виробничу систему, стає складним та критичним, оскільки деякі моделі, які найбільш точно відповідають спостережуваним даним, можуть не передбачити майбутні значення відповідно до складності моделі. Це дослідження прагне продемонструвати процедуру вибору моделі у системі з випадковими даними за допомогою скоригованих вагових коефіцієнтів. У даній роботі представлено метод поєднання двох наборів прогнозів. Отримані вимірювання служать вхідними даними до функції автокореляції та часткової функції автокореляції для отримання порядку прогнозуючих моделей. Параметри моделі оцінювали та використовували для прогнозування та порівнювали з вихідними та перетвореними даними для отримання суми квадратів помилок у (SSE). Потім моделі були піддані оцінці адекватності та згодом були протестовані за критеріями Akaike та Schwarz. Два окремі набори прогнозів даних часового ряду об'єднані для формування комбінованого набору прогнозів. Слід зазначити, що, коли кожен набір прогнозів містить деяку незалежну інформацію, комбіновані прогнози можуть дати покращення. Запропонований метод комбінування прогнозів дозволяє змінювати вагові коефіцієнти, що може призвести до кращих прогнозів. Основний висновок полягає в тому, що набір прогнозів може призвести до меншої середньоквадратичної помилки, ніж будь-який з початкових прогнозів. Минулі помилки кожного з початкових прогнозів використовуються для визначення ваги для приєднання цих двох оригінальних прогнозів при формуванні комбінованих прогнозів. Однак результативність прогнозу може змінюватися з часом.
Databáze: OpenAIRE
Externí odkaz: