Выводы по разделу

Для построения прикладной прогностической модели предпочтительнее применение рекуррентной схемы метода наименьших квадратов, которая исключает ненужные повторы в проводимых расчетах и фактически является основой для построения адаптивного механизма регрессионной прогностической модели.

Предложена формула, которая совместно с рекуррентной формулой обращения матриц позволяет по мере поступления новых данных ввести корректировку коэффициентов регрессии, не прибегая к повторению всего объема вычислений, и по существу выполняет функции адаптивного механизма регрессионной модели.

Предложен подход, в котором структура адаптивного механизма заранее не фиксируется, а автоматически выбирается из некоторого множества вариантов в процессе настройки параметров адаптации по критерию минимизации прогнозных ошибок. Реализация такого подхода обеспечивает построение адаптивных моделей с оптимальной для рассматриваемого набора данных рекуррентной формулой пересчета их коэффициентов.

Предложен набор из шести вариантов модификации базовой модели, каждая из которых обладает определенными преимуществами перед базовой моделью, так как в процессе настройки параметров, в зависимости от их оптимальной комбинации, может либо принимать форму базовой модели, либо приобретать дополнительные свойства, повышающие надежность прогнозных расчетов.

Основное отличие прогнозных моделей с настраиваемой структурой адаптивного механизма от моделей, имеющих неизменную его структуру, в том, что первые в процессе решения прогнозной задачи позволяют для каждого набора данных автоматически подбирать из некоторого множества алгоритмов наиболее приемлемый для корректировки коэффициентов. Модели с жесткой структурой такой возможности не имеют, так как алгоритм их адаптивного механизма определен заранее и не может изменять свою структуру в процессе подгонки модели к исходным данным.