Background Image
Table of Contents Table of Contents
Previous Page  205 / 320 Next Page
Information
Show Menu
Previous Page 205 / 320 Next Page
Page Background

203

связанный с предварительным «прогревом» ИНС. Данные среднегодовых

чисел Вольфа W, потока SF и коронального индекса CI подвергались

нормированию на максимальное значение за рассматриваемый интервал,

поскольку в этом случае нормировки ИНС даёт лучший прогноз.

Задача разносрочного прогнозирования индексов решалась на основе

постановки численных экспериментов по моделированию сначала

прямого, а затем итерационного прогнозирования. Изменение архитектуры

ИНС и последовательного увеличения числа входных величин в этих

экспериментах проводилось с целью достижения наилучшего результата.

Вначале проведено исследование возможности прямого прогнозирования

числа Вольфа по данным за предыдущий период. Под таким

прогнозированием понимается получение последовательностей значений

индекса за определённые интервалы путём последовательного обучения

ИНС прогнозированию на 1 год вперёд, на 2, на 3 и т.д. При этом каждый

раз сеть обучается заново, а входные индексы для прогнозируемого

периода берутся на одном и том же временном интервале.

В первой серии численных экспериментов осуществлялось

предварительное обучение ИНС за интервал 1700-1985 гг. и прямое

прогнозирование среднегодовых чисел Вольфа, т.е. на один год вперед,

в интервале с 1987 по 1999 г. Имеющаяся последовательность данных

была разделена на обучающую (286 лет) и тестовую (14 лет). Обучение

ИНС проводилось здесь методом, изложенным в [

Бархатов и др., 2000

].

Результаты этих численных экспериментов представлены на рисунке 7.5.

Здесь количество скрытых величин равнялось 10, задержка – 6 годам,

обратная связь была включена. Такая архитектура была экспериментально

определена для этой серии как оптимальная. Сопоставление поведения

среднегодовых чисел Вольфа, полученных с помощью ИНС на год вперед,

и реальных значений дает для прогнозирования чисел Вольфа

эффективность PE=86%. Введение в число проверяемых значений уже

ранее использованных при обучении значений за 18 лет, предшествующих

началу прогнозирования, ведет к заметному улучшению прогнозирования

(PE=92%) за выбранный выше интервал. Такая операция способствует

предварительному «прогреву», т.е. загрузке нелинейной памяти ИНС,

которая реализуется в виде петли обратной связи. Величина

дополнительного интервала для «прогрева» ИНС выбиралась

экспериментально.