Писал для диплома модель, решающую задачу прогнозирования на 1 шаг.
Коротко от задаче:
-наблюдается множество параметров в системе: х1, х2, х3...хn, Y
-предполагаем что параметр Y в будущем: Y(t+1) зависит от текущих значений параметров xi(t)
-модель ищет зависимость Y(t+1)=F(xi(t)) и получает новые значения Y по мере поступления новых значений X

модель строится на принципах МГУА (Методы группового учета аргументов)
базовыми функциями модели являются полиномы 1го-2го порядков

Хотелось бы проверить работу модели при решении реальных задач

Может ли кто подкинуть данных потестировать работу модели?

mail: sis12qw@inbox.ru

Asm64DpirovindosY = random();
МГУА не работает на рандомных данных, и не работает на сильно исправленных (скорректированых) данных, когда я делал реализацию МГУА, то долгое время не мог понять почему он великолепно строить прогноз по урожайности пшеницы и в полной ж""е когда речь идет о рисе, знакомый в возрасте поведал что в свое время рис на Кубани вырастал весьма плохо, и партийные работники выдумывали большую урожайность, посему многие годы урожайность риса на Кубани = random();
Это кстати и тонкий намек где взять данные для тестирования. Кстати алгоритм меня весьма поразил, средняя ошибка прогнозирования у меня была 3%, максимальная 7%, - считаю его одним из самых лучших.
Кстати если ТС сам запрогал этот алгоритм - то ему моя уважуха, у меня на это ушло 3 бессонных ночи и километры отладки, эх были времена...

Благодарю за похвалы :) не помню сколько кодил. Вроде от того момента, когда впервые увидел термин, до появления работающего модуля прошло более полугода :)

Может у Вас сохранились данные по которым, вы делали прогноз? Тем более можно будет сравнить результаты работы моделей. (Коэффициенты и\или структура модели не нужны). Погрешность прогноза в 3-7% - это сильно.

Какие базовые функции использовали? Только полиномы? Видел в литературе предлагались в качесве базовых тригонометрические и степенные функции.

Кстати, реализовать полиномы в общем виде не смог :(, оставил только частные случаи для 1й и 2й степени.

pirovindosDASTADМодель строится на принципах МГУА (Методы группового учета аргументов)
базовыми функциями модели являются полиномы 1го-2го порядков
Хотелось бы проверить работу модели при решении реальных задач
Может ли кто подкинуть данных потестировать работу модели?

Вы просите данных из реальной задачи, в которой (по смыслу задачи) зависимость может выражаться только через полиномы 1го-2го порядков?

Да.
Только структура итоговой модели многослойная, полином это лишь базовый элемент.
1 слой - полином 2 степени
2 слоя - уже 2^2 степени
3 слоя - 2^2^2 степень
и тд...

pirovindosDASTAD,
То есть степень полинома - любая.
Тогда ваша проблема с данными понятна. Найти реальные данные, где точно известны и измерены все факторы, а еще и зависимость от всех факторов непрерывная - не так просто.

Кстати, а как ведет себя модель на примитивных функциях, типа exp(x1*x1+x2*x2+...)?
Примерно так
Взял функцию Y = exp(x1*x1+x2*x2+x3*x3+x4*x4)
Значения хi задавал рандомно,Y вычислял по формуле 110 значений Xi
Модель генерировалась/обучалась на 100 значениях, по остальным 10 значения вычислялись без обучения
Результат на диаграмме
Линии в верхней части
Красная - эталонные значения Y ()
Зеленая - Yмодельное, вычисленные на данных участвующих в генерировании(обучении) модели
Синяя - Y модельное, на данных не участвующих в обучении
В нижней части зеленые и синие бары - относительная погнешность Yмодельного к Yэталонному (в %)

pirovindosDASTAD,

Спасибо за подробный и иллюстрированный ответ. А какой степени были полиномы (сколько слоев) для которых графики приведены?

Достаточно оказалось 5 слоев
Без ограничения на количество слоев, генерирование остановилось на 11 (дальше точность не повышается)

Ушел в дебри долгосрочного прогноза

Пока реализовал гармонический алгоритм, для прогнозирования тренда временного ряда
Общий вид модели: сумма гармоник с некратными частотами
F(T) = A0 + SUM (Ai*sin(O*T) + Bi*cos(O*T))

Пример прогноза солнечной активности (по данным до 2008 года)

На картинке
Красная линия - значения временного ряда
Разноцветная линия - результат работы модели
Зеленая часть - данные по которым модель генерировалась
Синяя - данные на которых тестировались коэффициенты
Фиолетовая - прогноз на новых значениях (которые не использовались при генерировании и тестировании модели)

Период колебаний (1 гребень) - примерно 11 лет

Золото. гармонический тренд