СОЗДАНИЕ МОДЕЛИ ПРОГНОЗИРОВАНИЯ ЭНЕРГОПОТРЕБЛЕНИЯ НА ОСНОВЕ АДАПТИВНОЙ НЕЙРО-НЕЧЕТКОЙ СИСТЕМЫ ВЫВОДА В MATLAB
DOI:
https://doi.org/10.52167/1609-1817-2021-116-1-331-338Ключевые слова:
прогнозирование, моделирование, нечеткая логика, нейронные сети, машинное обучение, экспертная система, краткосрочное планированиеАннотация
Данная статья посвящена разработке нейро-нечеткой модели для прогнозирования временных рядов в MatLab. Показана архитектура модели, связи и подробная инструкция по настройке нейро-нечеткой системы ввода-вывода. В качестве исходных данных взяты сведения об энергопотреблении металлургического производства за 1 и 2 декабря 2019 года с получением прогноза на 3 декабря года. За оценку точности прогнозирования взят параметр среднего абсолютного процентного отклонения. В дополнение приводится график ошибки обучения модели и обоснование адекватности модели. Полученные оценки, а также сравнение с нейросетевой моделью показали эффективность нейронечеткой модели и ее пригодность для решения поставленной задачи.
Библиографические ссылки
[1] Леоненков А. В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. – СПб.: БХВ-Петербург, 2005. – c.356-360.
[2] Катасёва Д.В., Катасёв А.С., Кирпичников А.П., Абянов Б.Э. Нейро-нечеткая модель анализа и прогнозирования временных рядов. Вестник технологического университета, Том 19, №13, 2016, c.127-131.
[3] Тимшина Д.В., Работа Ю.Ю. Нечеткая логика и анализ эффективности инвестиционных проектов в среде MatLab, Fuzzy Logic Toolbox. Вестник Академии знаний, №1 (8), 2014, с.50-60.
[4] Кацко И.А., Паклин Н.Б. Практикум по анализу данных на компьютере. – М.: Изд-во КолосС, 2009. – с.278-280.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2021 Иосиф Вульфович Брейдо, Василий Герасимович Хомченко, Юлия Феликсовна Булатбаева, Гульнара Даметжановна Оразгалеева
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
