Оценивание интервальной оценки на основе лингвистического резюмирования тенденции

При оценивании поведения системы, представленное изменениями показателей свойств, их обычно рассматривают в виде временных рядов, для которых идентифицируют модели, представленные в аналитической форме.

где Tr ∈ {стабильность, рост, падение, регулярные колебания, хаотические колебания}.

Алгоритм, позволяющий по числовому временному ряду получить качественную оценку его основной тенденции в виде лингвистического терма, называется лингвистическим резюмированием.

Рассмотрим эвристический алгоритм лингвистического резюмирования временного ряда X = x_t,t = 1,2, ...,n с использованием его NLX- преобразования. Представим модель числового временного ряда в виде трех компонент:

где x_tr(t)определяет трендовую, x_se(t)- сезонную (с регулярными колебаниями), Pι(t)- случайную (стационарную и нестационарную) компоненты.

Алгоритм лингвистического резюмирования включает следующие шаги:

Шаг 1. Построить лингвистическую переменную по x(t) с множеством лингвистических терминов

Шаг 2.

Шаг 3. Выполнить NLX-преобразование для ряда %1(t) и получить лингвистический ряд:

і

Тогда значения двух соседних значений , X_t~₁могут быть представлены

следующим образом для t = 2,3, ...,п:

где s(t — 1)и v(t)обозначают номера нечетких термов лингвистической переменной, связанных с моментами времени (t — 1) и tсоответственно.

Шаг 4. Так как в лингвистической переменной нечеткие термы упорядочены по номерам (см. раздел 3.1. предположение (Б)), определим значения интенсивности роста ST_pocτи падения ST_nageHueв виде:

Шаг 5. Еслито считать тип тенденции

Tr=«Стабильность», иначе шаг 6.

Шаг 6. На основе сравнительного анализа значений

определить тип основной тенденции

еслииначе для временного ряда %1(t)

выполнить Шаг 7.

Шаг 7. Если значенияпримерно одинаковы

считать, что тип основной тенденции Tr =«Регулярные Колебания», иначе Tr = «Хаотические Колебания».

Шаг 8. Выполнить Шаги 3-6 для временного ряда x2(t)

Шаг 9. Объединить полученные значения типов основной тенденции для x1(t) и x2(t).

Рассмотренный алгоритм позволяет определять поведение временного ряда в виде комбинации термов, например, «Рост» и «Регулярные колебания».

5.2.4.