1 / 13

Aurelijus Lapė Vilnius, 2007

STATISTINIŲ MODELIŲ GLOBALAUS ATŠILIMO DUOMENIMS PARINKIMAS, JŲ TYRIMAI SIEKIANT MINIMIZUOTI PROGNOZĖS PAKLAIDAS. Aurelijus Lapė Vilnius, 2007. Tyrimo objektas:. 1900-2005 m. globalinių temperatūrų anomalijų duomen y s. Tikslas:.

lahela
Download Presentation

Aurelijus Lapė Vilnius, 2007

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. STATISTINIŲ MODELIŲ GLOBALAUS ATŠILIMO DUOMENIMS PARINKIMAS, JŲ TYRIMAI SIEKIANT MINIMIZUOTI PROGNOZĖS PAKLAIDAS Aurelijus LapėVilnius, 2007

  2. Tyrimo objektas: • 1900-2005 m. globalinių temperatūrų anomalijų duomenys Tikslas: • Ištirti duomenis ir jiems parinkti tokį statistinį ARMA modelį, kurio prognozė būtų tiksliausia Priemonės: • ITSM programinis paketas

  3. Vienmačių duomenų tyrimas Pradinių šiaurės pusrutulio temperatūrų duomenų grafikas

  4. Modelio ir jo eilės parinkimas Transformuotų šiaurės pusrutulio duomenų autokoreliacinių f-jų (ACF/PACF) grafikai Parinkti modeliai: AR(3) ir MA(3)

  5. Parametrų vertinimas • Parametrų vertinimo metodai: • Autoregresijos (AR) – Yule-Walker ir Burg • Slenkamojo vidurkio (MA) – Hannan-Rissanen ir inovacijų Parinkti modeliai ir jų parametrų įverčiai: AR(3): X(t) = - 0,5369 Xt-1 – 0,3749 Xt-2 – 0,4341 Xt-3+ Z(t) MA(3): X(t) = Zt – 0,6311 Zt-1 – 0,07865 Zt-2 – 0,04649 Zt-3

  6. Liekanų tyrimas: Liekanų reikšmių skaičiavimas: Modelio AR(3) liekanų ACF/PACF grafikai

  7. Geriausio modelio parinkimas Parenkamas min AICC kriterijaus reikšmę turintis modelis AICC kriterijus skaičiuojamas: , kur AICC kriterijaus reikšmių palyginimas:

  8. Geriausio modelio (AR(4)) prognozė AR(4) 6-erių metų prognozės grafikas Prognozės rezultatų palyginimas su realiais stebėjimais

  9. Daugiamačių duomenų tyrimas Pagal transformuotų duomenų kryžminių koreliacijų grafikus nustatoma, ar duomenys tarpusavyje priklausomi

  10. Modelio parinkimas • Pasitelkus ITSM programos paketo ARVEC modulį, Yule-Walker metodu randamas mažiausią AICC kriterijų turintis VAR(4) statistinis modelis VAR(4) modelio koeficientai Koeficientas Reikšmės -0,174206*10-17 -0,249012*10-17 -0,146327*10-16 -0,395112 0,103032 -0,035699 -0,042331 -0,284663 -0,114750 0,553340 0,216102 -0,722563 -0,119281 0,057903 -0,011849 0,471916 -0,651698 -0,115205 0,287096 0,241441 -0,504316 -0,346916 0,079416 -0,084010 0,241285 -0,152445 -0,181818 -0,075607 0,214670 -0,560861 -0,185585 0,132526 -0,043071 0,019834 -0,126430 -0,139224 0,009866 0,302544 -0,176406

  11. Prognozė Pietinės pasaulio dalies temperatūrų prognozės ir stebėjimų grafikai Pusiaujo temperatūrų prognozės ir stebėjimų grafikai

  12. Prognozė Šiaurinės pasaulio dalies temperatūrų prognozės ir stebėjimų grafikai

  13. Išvados • Pradinių duomenų1900-2005 m.– globalinio atšilimo metinių temperatūrų laiko eilutės – nestacionarios sekos, jos transformuotos. • Sukurti ARMA modeliai pradinėms ir transformuotoms 1900-1999 sekoms. Jų reikšmės, prognozuotos iki 2005 m., lygintos su stebėtomis. • Nagrinėjant Šiaurės, Pietų ir pusiaujo duomenis pasitvirtino hipotezė, kad sekos yra koreliuotos. • Palyginus vienmačių ir daugiamačių duomenų modelių prognozių paklaidas, daugiamatės autoregresijos modeliu VAR(4) atliktos prognozės rezultatai buvo tiksliausi.

More Related