Тренд

ВЫДЕЛЕНИЕ ТРЕНДА. Под выделением тренда понимают отыскание аналитической зависимости, наиболее точно соответствующей детерминированной составляющей временного ряда, т.е. построение функции регрессии членов ряда на время. [c.11]

Тренд - тенденция в характере контролируемых процессов Управление версиями - функция систем PDM, заключающаяся в объявлении новой версии проекта после внесения в проект изменений и сохранении предыдущих версий [c.315]

В книге приводятся блок-схемы программ, реализующих на ЭВМ построение экстраполяционных моделей полиномиального и экспоненциального уравнения тренда, модели с насыщением, содержащей экспоненциальную составляющую рассмотрен алгоритм программы экспоненциального сглаживания с автоматическим поиском постоянной сглаживания. [c.6]

Для определения значений коэффициентов уравнения прямолинейного и параболического тренда [c.28]

Блок-схема программы, реализующая на ЭВМ построение полиномиального уравнения тренда, приведена на рис. I. [c.29]

Приведенные данные показывают, что переход от линейного уравнения к квадратичному вызывает уменьшение остаточной дисперсии почти в 5 раз, переход к кубической параболе оставляет остаточную дисперсию практически без изменения. Дальнейшее увеличение степени полинома не имеет смысла, так как оно приводит к росту остаточной дисперсии. Таким образом, исходя из минимума остаточной дисперсии, можно считать, что тренд общего выпуска литья удовлетворительно описывается квадратичной параболой. Это уравнение адекватно для уровня доверительной вероятности а = = 0,999. [c.29]

Доля объясненной вариации характеризует долю общего разброса у относительно среднего значения, объясняемую направленным трендом, т. е. тенденцией Изменения параметра у во времени. Необходимо отметить, что, чем ближе R к 100%, тем лучше построенная модель. Кроме того, с целью дополнительной проверки 2 л. с. Ерохина и др. 33 [c.33]

Необходимо отметить, что при изучении динамики развития параметров объекта прогнозирования желательно построение нескольких экстраполяционных моделей с последующим логическим анализом каждой из них. Так, при прогнозировании развития конструкционных материалов изучалось изменение во времени их прочностных характеристик. Хотя период ретроспекции составил 35 лет, малый объем опорных значений, относящихся к базовому периоду, не позволил с достаточной степенью убежденности выбрать вид экстраполяционной кривой. В связи с этим было построено описание тренда четырьмя уравнениями. Характеристики этих трендовых кривых и результаты прогнозирования по ним приведены в табл. 4, а графики — на рис. 7. [c.40]

Разработка прогноза методом прямой экстраполяции основана на допущении неизменности значений коэффициентов уравнения, описывающего тренд параметра как на участке ретроспекции, так и на участке прогнозирования. При этом предполагается, что все точки, по которым изучается тренд, имеют одинаковую ценность и используются в вычислениях с одинаковым весом. Однако в ряде ситуаций в течение анализируемого периода коэффициенты уравнения могут меняться во времени, а последним значениям динамического ряда следует придать больший вес по сравнению с более ранними наблюдениями. В этом случае целесообразно использовать тот математический аппарат, который дает возможность автоматически распознать изменение модели. Этой цели служат адаптивные методы экстраполяции. [c.41]

Метод скользящей средней имеет ряд недостатков. При малом числе наблюдений он часто приводит к искажению тенденции выбор интервала сглаживания часто трудно обосновать. При определении скользящей средней для дальнейших расчетов теряются начальные и конечные уровни ряда. Кроме того, тренд, полученный с помощью скользящих средних, не имеет количественного выражения, т. е. скорость изменения ряда неизвестна. [c.43]

Тренд параметра объекта А 2 — тренд параметра объекта Б 3 — огибающая кривая у — параметр объекта [c.55]

Составление списка факторов, определяющих тренд прогнозируемых параметров [c.183]

Определение основных факторов, определяющих тренд объекта [c.183]

Анализ априорной информации об объекте. Составление списка факторов, которые могут определять тренд прогнозируемых параметров. [c.184]

Нормальные уравнения для оценок коэффициентов тригонометрического тренда имеют вид [2] [c.96]

Вычитая из реализации t/, на каждом i-u шаге значение тригонометрического тренда, получим ряд остатков Z. , для которых вычислим автокорреляции при задержках h [c.96]

Пусть / (<) — параметр движения исполнительного механизма (в дальнейшем — параметр движения). В частности, это может быть перемещение, скорость или ускорение. Его можно рассматривать как композицию, в простейшем случае сумму двух составляющих детерминированной (как правило, периодической), или тренда g (t), и случайной h (t) с нулевым средним М [h (i)] = 0), [c.193]

ЦП - число интервалов, Кц.щ значение ординаты тренда. На рис. 2 - 3 представлены грэ ики, полученные после. обработки по программе "Обработка осциллограмм". [c.181]

Рис. 3. Приведенный тренд N - число новых ординат

Анализ многочисленных точечных диаграмм, полученных в результате-эксперимента, показывает, что в общем, хаотичном на первый взгляд скоплении точек, отчетливо выделяется прямолинейный тренд. Исходя из этого качественного вывода и из предыдущих соображений о структуре погрешности, имеем [c.515]

Нахождением оптимального г тем не менее все возможности повышения точности не исчерпаны. Имеется, по крайней мере, еще одна такая возможность, состоящая в оптимальном выборе моментов смены рабочего инструмента. Обычно смена инструмента производится, когда его износ достигает критической стадии (т. е. в момент заметного увеличения разброса размеров изделий и значительного отклонения тренда от линейного закона). Вообще говоря, слишком частые замены ведут к большим потерям времени,а слишком редкие к росту погрешностей, поэтому фиксируется некоторая их [c.522]

S ADA-системы в АСУТП различаются типами поддерживаемых контроллеров и способами связи с ними, операционной средой, типами алармов (оповещений), числом трендов (тенденций в состоянии контролируемого процесса) и способом их вьшода, особенностями человеко-машинного интерфейса и др. [c.154]

Число одновременно вьшодимых трендов может быть различным, их визуализация возможна в реальном времени или с предварительной буферизацией. Предусматриваются возможности интерактивной работы операторов. [c.154]

Если для заданного уровня доверительной вероятности и числа степеней свободы [г = N — 1, /2 = Л/ — — к — 1 расчетное значение критерия Р превосходит табличное Ртабл. то модель, описывающая тренд параметра у, признается адекватной. [c.29]

В качестве меры точности описания тренда прогнозируемого параметра выбранным уравнением рассматривалась остаточная дисперсия. Все построенные кривые адекватны. Данные таблицы показывают, что хотя прямая, парабола и кривая Джонсена (№4 в табл. 4) практически с одинаковой точностью описы-40 [c.40]

Кроме того, проводя поэтапное сравнение остаточ ных дисперсий, можно еще раз дополнительно подтвер дить существенность влияния г-го фактора на прогно зируемый показатель объекта. Поэтому наряду с построением математического описания тренда объекта можно оценить влияние каждого рассматриваемогс параметра и провести отсеивание незначимых. [c.182]

На втором и третьем этапе с помощью ЭВМ про-одится поиск адекватной математической модели тренда араметров и прогнозирование на ее основе интервала удущих значений параметров здесь же определяется ля конкретного будущего момента времени среднее рифметическое значение и среднеквадратичное откло-ение каждого параметра. [c.189]

Наряду с подавлением помех медиапиая фильтрация применяется и в других случаях, напрнмер при обнаружении трендов. Действительно, текущая медиана с достаточно большой апертурой L>2K где Д ч—число отсчетов между двумя соседними наиболее отдаленными нсреиадами, представляет собой кривую тренда. Устранить тренд можно вычитанием нз последовательности отсчетов текущей медианы. [c.74]

При экспериментальном исследовании случайного процесса необходимо также задаться длиной выборочных функций, которую при цифровых методах анализа обычно выбирают из условия максимально возможного числа ординат N каждой реализации. Длина реализации во времени Т должна быть больше, чем период самой низкочастотной составляющей процесса, в противном случае процесс будет нестационарным и содержащим нелинейный тренд. Поскольку проверка стационарности требует сравнения независимых оценок процесса в разные моменты времени, то для ансамбля с нулевого момента времени строится корреляционная функция (К i)y, интервал корреляции [4] которой определяет временную границу с практически независимыми значениями нро-цасса. Далее ансамбль по длине Т разбивается на N равных интервалов N Т 1 . Для получения достаточной выборки желательно, чтобы N 10-1-20, поэтому, если интервал корреляции т 7 /(10- -20), то необходимо увеличить длину реализации Т. [c.54]

Из последних выражений следует, что интеграл от стационарной случайной функции на интервале [О, Л не будет стационарной функцией. Действительно, интегрирование сигнала, в частности, приводит к перераспределению энергии сигнала в область низких частот и к появлению низкочастотного тренда, что обусловливает возможную пестационарность процесса после интегрирования. Таким образом, если измеряемый процесс (виброперемещение) является стационарным, то его производные (виброскорость или виброускорение) могут приниматься также стационарными без дополнительных проверок. Чтобы судить о стационарности интегрально преобразованного сигнала, необходимо располагать его значениями на интервале [О, Г], причем Т t. [c.57]

Предлагается метод, основанный на выделении из сигнала мощных периодических составляющих, рассматриваемых как тригонометрический тренд временного ряда с последующим представлением остатков в виде модели авторегрессии — скользящего среднего (APG ). Такой подход основывается на результатах применения моделей АРСС для диагностики износа резцов в методе СОНД [1]. [c.95]

Известно [3], что после удаления нестационарного тренда данные наблюдаемых процессов всегда могут быть представлены моделью AP G. Однако в случае окрашенного шума внутренних воз-муш ений параметры этой модели, используемые в качестве информативных признаков, в отличие от параметров ФДМ, рассмотренных выше, несут в себе, кроме информации о динамических характеристиках системы, информацию о характеристиках внутренних возмущений. Это обстоятельство не дает возможности даже в случае R [q (i)]=0 использовать трехэтапный метод наименьших квадратов. Однако задачу можно решить, применяя диагностический под ход аналогично методу тестовой вибродиагностики. Отличие в том, что на этапе обучения в случе линейной МС обрабатывается массив данных и., у,. (i = i,.. ., iV) в соответствии с процедурой трехэтапного метода наименьших квадратов, а в случае нелинейной МС — массив данных и., = N) в соответствии [c.136]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...