Методы имитационного и интеллектуального моделирования

69 степень их взаимной зависимости падает , что приводит к уменьше - нию коэффициента корреляции при сдвиге более чем на пять от - счетов . При сдвиге более чем на семь отсчетов коэффициент авто - корреляции устремляется к нулю , что говорит о резком уменьше - нии взаимной зависимости точек , отстоящих друг от друга более чем на семь отсчетов . Из таблицы следует , что наблюдается высокая степень зави - симости между соседними значениями . Это согласуется с видом кривой : присутствует небольшой линейный тренд , отсутствует се - зонная компонента , достаточно высокая гладкость говорит о малой величине случайной составляющей . Прогнозирование значений временного ряда Рассмотрим прогнозирование методом скользящего средне - го , который использует T предыдущих значений ряда и предпола - гает следующую формулу для вычисления прогнозного значения : ( ( ) ( 1) ( 2) ( )) ( 1) 1 y t y t y t ... y t T y t T + − + − + + − + = + . Недостаток метода заключается в отсутствии рекомендаций по выбору T . А прогнозирование методом экспоненциального сглажива - ния наиболее эффективно при разработке среднесрочных прогно - зов . Он приемлем при прогнозировании только на один период вперед . Формула метода экспоненциального сглаживания имеет вид : 1 (1 ) * * t t t y y y + = α + − α , где t y – текущее наблюдаемое значение ; * t y – прогнозное значение текущего значения , как экспоненциально взвешенная средняя за период , предшествующий времени t ; 1 * t y + – прогнозное значение в момент времени 1 t + ; α – параметр сглаживания ( 0 1 ≤ α ≤ ).