Математическое бюро
Прогнозирование на ОРЭМ

Отметки времени, для который необходимо определить будущие значения временного ряда, называются горизонтом прогнозирования. В старой литературе иногда использовали термин время упреждения, однако он не прижился. В зависимости от горизонта прогнозирования задача прогнозирования временного ряда, как правило, делится на следующие категории срочности:

  1. долгосрочный прогноз
  2. среднесрочный прогноз
  3. краткосрочный прогноз

Важно отметить, что для каждого временного ряда приведенная классификация имеет собственные диапазоны. Например, для временного ряда уровня сахара крови классификация срочности задачи прогнозирования обуславливается типами инсулина:

  1. ультракраткосрочный прогноз: до 3 – 4 часа
  2. краткосрочный прогноз: до 5 – 8 часов
  3. среднесрочный прогноз: до 16 – 24 часов

Для задачи прогнозирования энергопотребления и цен РСВ классификация следующая:

  1. ультракраткосрочный прогноз: до одного дня
  2. краткосрочный прогноз: от одного дня до недели
  3. среднесрочный прогноз: от одной недели до года
  4. долгосрочный прогноз: более чем на год вперед

Необходимо четко понимать, что для различных временных рядов, с различным временным разрешением классификация срочности задач прогнозирования индивидуальна.

Комментарии

Аватар пользователя andreybs
Андрей Борисов
Аватар пользователя chuchueva
Ирина Чучуева

Андрей, добрый день!

На мой взгляд не совсем корректно сформулирован вопрос. Горизонт прогнозирования следует из постановки задачи, например: мне нужно иметь 24 почасовых значения энергопотребления на завтра. Тут горизонт P = 24 и он не зависит от характеристики моего временного ряда.

У вас же вопрос касается не горизонта, а «срока действия модели»: если она подогнана на значениях n, то насколько значений вперед N ей можно доверять? Ваш вопрос: «Можем ли мы как-то оценить N?» Вопрос хороший, интересный! Первое, что приходит в голову — оценить эмпирически, то есть перебрать на реальных данных отклонения на некотором количестве значений, например, N = [1:100] и посмотреть есть ли какая-то стабильная зависимость роста отклонений при увеличении N. Если ее нет, то не факт, что это возможно сделать...

Но тут стоит еще подумать, может, что-то в голову придет интересное.

Аватар пользователя andreybs
Андрей Борисов
Аватар пользователя chuchueva
Ирина Чучуева

Картинку хорошо бы поглядеть, так сообразить сложно! В форум ее разместите, в комментариях, по-моему, нельзя.

Аватар пользователя andreybs
Андрей Борисов
Аватар пользователя chuchueva
Ирина Чучуева

Андрей, посмотрите вот эту книгу: Draper N., Smith H. Applied regression analysis. New York: Wiley, In press, 1981. 693 p. — это лучшая книга о линейной (и не только) регрессии. Если там нет, то даже не знаю, чего посоветовать.

Аватар пользователя andreybs
Андрей Борисов
Аватар пользователя Сергей Пилецкий
Сергей Пилецкий
Аватар пользователя chuchueva
Ирина Чучуева

Добрый день!

Честно говоря, я не понимаю, что означает глубина прогноза.

Аватар пользователя Сергей Пилецкий
Сергей Пилецкий
Аватар пользователя chuchueva
Ирина Чучуева
Наверное, можно зайти с теоретической точки зрения и проверять показатель Ляпунова и/или критерий Колмогорова, но на практике прогноз нужен вопреки всему. Поэтому я в своей работе ни разу такими показателями/критериями не пользовалась. Для меня вопрос переобучения моделей упирается в мой опыт, я понимаю, когда и что стоит или не стоит переобучать. Если имели опыт проверки показателя/критерия для временных рядов, можете поделиться. Я с удовольствием почитаю.