Ноябрь 3rd, 2014
Для получения полинома (1.8) кроме внутреннего критерия (минимума среднеквадратического отклонения реального и рассчитанного по модели значений) применяется и внешний критерий, что повышает точность идентификации. Методом группового учета аргументов (МГУА) получают модели даже в случаях, когда мощность обучающей выборки данных является меньшей, чем количество экзогенных факторов (111). Структура модели (1.8) известна, но с точностью до количества слагаемых в полиноме, поскольку по МГУА расчеты могут прекратиться при любом их количестве при выполнении внешнего критерия. Метод является сложным в реализации, но точность полученных результатов зачастую компенсирует затраты на его алгоритмизацию и программирование. Необходимо также многократно использовать МНК и, сопровождающие его адекватное применение, процедуры.
Нейросетевые технологии
В этом случае структура моделей, которыми являются искусственные нейронные сети, чаще всего известна, но в большинстве случаев она слишком сложна для аналитической записи и интерпретации. Нейронные сети являются «черными ящиками» с неизвестными параметрами, осуществляющих преобразование входных факторов в выходные характеристики. При строительстве часто нужна автовышка, а найти ее можно тут — Услуги по аренде автовышки.
Преимуществами НС минимальные требования к структуре исходной информации и идентификации зависимости. Недостатком НС является почти полная не- интерпретируемость их результатов, а также невозможность осуществить анализ полученной модели, аналитическое определение ее чувствительности к изменениям значений факторов и т.д. В то же время применение НС является рациональным в случае предварительного анализа и невозможности построения других моделей.
