Международная Академия исследований будущего (IFRA)
Российское отделение — Академия прогнозирования
Рус | Eng
 
Об академии|Наука и искусство прогнозирования|Книги и публикации|Контактная информация
Главная страница    Наука и искусство прогнозирования

Термины

А | Б | В | Г | Д | Е | Ж | З | И | К | Л | М | Н | О | П | Р | С | Т | У | Ф | Ц | Э | Ю | Я


Фильтр —

инструмент устранения помех и выделения из временного ряда информативной составляющей, прогноз которой обычно и требуется. Операция линейной фильтрации заключается в последовательном вычислении взвешенных сумм наблюдений этого ряда: St = ∑ωI xi , где St — взвешенная средняя; wi — вес, приписываемый наблюдению i; xi — значение уровня ряда в момент i; p — число наблюдений, используемых при подсчете St ; t — текущий момент времени. Выражение подобного типа называется линейным фильтром, переменная xt — входом фильтра, а St — выходом фильтра. Простым примером фильтра является скользящая средняя, в которой p наблюдений имеют одинаковый вес ω = 1/p, а более ранние и более поздние данные имеют нулевой вес. К фильтру относится также экспоненциально-взвешенная скользящая средняя St = axt + (1–a) St-1, где 0< а <1, которая может быть записана в виде фильтра таким образом: St = axt + a (1–a) xt-1 + a (1–a)2xt-2 ... Здесь наибольший вес имеет текущее значение xt, а для более старых наблюдений веса убывают геометрически. В адаптивном фильтре используются переменные веса, корректировка которых проводится на каждом шаге продвижения вдоль временного ряда.


© Международная Академия исследований будущего, 2007 - 2012
© Создание сайта: Goodsign™, 2007