Дальше К следующему разделу Назад К предыдующему разделу Начало К началу разделу Конец К концу разделу Список К оглавлению

4.2.3. Коллективы многомеpных экологических моделей

В главе 3 была описана идея и общая постановка задачи комплексации как pезеpва повышения надежности экологического пpогнози- pования. Совеpшенно аналогично пpоцессу объединения в коллектив pазнотипных моделей одномеpных вpеменных pядов может быть осуществлена комплексация моделей многомеpных вpеменных pядов.

Вычислим значения выбранных нами ранее критериев качества пpедиктоpов-индивидуумов для 5 пpедставленных в настоящей главе моделей временного ряда NCAL. Использованные в нижеследующей таблице номера соответствуют следующим моделям:

модели

Средне-квадрати-ческая ошибка

Cредний модуль

ошибки

Макси-мальный модуль ошибки

Критерий регуляр-ности

Коэффици-ент корреляции

Критерий Дарбина – Уотсона

M1

2.38

1.58

13.5

0.872

0.49

1.71

M2

2.39

1.61

13.5

0.873

0.487

1.74

M3

2.37

1.32

14.5

0.868

0.573

1.55

M4

2.41

1.6

13.6

0.882

0.471

1.67

M5

2.13

1.26

13.3

0.778

0.628

1.88

Анализ таблицы критериев дает однозначный вывод о полном преимуществе многорядной модели МГУА (М5), в то время как в отношении остальных четырех индивидуальных моделей четкого ранжирования не просматривается.

На основании полученных независимых автопрогнозов проведем построение коллективов предикторов, выполним формирование комплексного прогноза и оценим его качество.

Первый коллектив получим с использованием алгоритма Дикинсона-Ершова, основанного на минимизации дисперсии ошибки коллективного предиктора и дающего в результате вектор пронормированных весовых коэффициентов:

MG1 = 0.11043 - 0.2278 M1 - 0.2747 M2 + 0.2223 M3 + 0.3088 M4 + 0.9714 M5.

Отметим втрое больший вес, придаваемый в коллективе индивидуальному прогнозу M5, полученному по многорядному алгоритму МГУА.

Второй комплексный прогноз получим в классе регрессионных моделей по методу включений-исключений Эфроимсона:

MG2 = -0.4661 + 0.794 M5 + 0.43721 M3.

Частные критерии Фишера при включении в модель индивидуальных прогнозов составили для М5 - 12.74, для М3 - 1.21. "Вогнать" в модель остальные индивидуальные прогнозы оказалось невозможным, несмотря на беспрецедентно низкое пороговое значение критерия Фишера Fо = 1.1.

И, наконец, третий коллективный прогноз получим по методу, названному "модельным штурмом" (Брусиловский, Розенберг, 1983) который использует все тот же многорядный алгоритм МГУА. Наилучшая модель по максимуму коэффициента коppеляции на пpовеpочной последовательности, полученная на 4-м pяду селекции (Kкор = 0.8609), имела следующий вид:

MG3 = 0.91247 + 18.45777 z3 - 3.3107 z32;

z3 = 0.00011 - 0.11164 y3 - 1.11065 y4;

y3 = 0.00506 - 0.90930 x3 + 0.22309 x32;

y4 = 0.00938 + 0.47 x4 + 0.39318 x3 + 2.38727 x3 × x4 - 2.09184 x42;

x3 = 0.5195 - 0.5491 M3 - 0.74014 M5 + 0.86617 M3× M5 - 0.0595 M32 - 0.01341 M52;

x4 = - 0.11941 - 0.01586 M4 + 0.11442 M3.

В коллективный предиктор по "модельному штурму" включены опять те же индивидуальные прогнозы по моделям М3, М4 и М5. Однако, в отличие от алгоритма Дикинсона-Ершова, установить конкретный весовой коэффициент значимости каждого из них по уравнениям частных описаний МГУА крайне затруднительно. График прогноза значений численности каляноид по этому методу представлен на рис. 4.8.

Оценим качество каждого коллектива по традиционному для нас набору критериев :

модели

Средне-квадрати-ческая ошибка

Cредний модуль ошибки

Макси-мальный модуль ошибки

Критерий регуляр-ности

Коэффици-ент корреляции

Критерий Дарбина – Уотсона

MG1

2.12

1.23

13.4

0.775

0.633

1.85

MG2

2.11

1.24

13.2

0.774

0.633

1.9

MG3

2.07

1.23

13.1

0.758

0.653

1.92

Нетрудно заметить, что бесспорным лидером среди комплексных моделей прогнозирования по любому из используемых критериев качества является многорядная модель МГУА - "модельный штурм" (MG3). Также уместно отметить, что любой из полученных коллективных прогнозов, по крайней мере, не хуже любого индивидуального прогноза, какой бы критерий качества при этом не использовался.

 

Дальше К следующему разделу Назад К предыдующему разделу Начало К началу разделу Конец К концу разделу Список К оглавлению