Page 226 - Microsoft Word - Дисертація.docx

226

Існує досить велика кількість критеріїв, що застосовуються для

визначення якості побудованих моделей прогнозування, їх адекватності

та точності. Як правило вони полягають у знаходженні похибок між

реальними та прогнозованими даними та не враховують степінь

оптимальності побудованої моделі [160]. На відміну від них

запропоновані також критерії, значення яких пов’язано із кількістю

параметрів моделі. Один із часто застосовуваний критеріїв такого виду

– це інформаційний критерій Акаіке [169]. Значення критерію

обчислюються за виразом:

( 2 r 1+ )
AIC = log( MSE) + ,
n

де MSE – середньоквадратична похибка між реальними та

прогнозованими даними, r – кількість параметрів моделі, n –

розмірність даних. Відповідно чим менше значення AIC тим краща

модель. Проведені дослідження розглянутих вище стохастичних

моделей випадкових точкових процесів дозволяють стверджувати, що

згідно інформаційного критерію Акаіке модель Фіксела випадкового

точкового процесу найбільш точно відтворює реальні дані (Табл. 5.2).

Таблиця 5.2. Значення інформаційного критерію

Акаіке (AIC) для ряду моделей

Модель AIC

Пуассона -2878.413

Тверде ядро -2901.576

Штрауса -2880.319

Тверде ядро + Штрауса -2902.423

М’яке ядро -2892.582

Фіксела -2907.941