Zusammenfassung
Zur Prognose zukünftiger Werte von Zeitreihen nehmen wir an, dass die Zeitreihe durch einen (möglicherweise verrauschten) deterministischen Prozess erzeugt wurde. Solche Prozesse können mit Mealy- oder Moore-Maschinen modelliert werden, wodurch sich rekurrente oder auto-regressive Modelle entwickeln lassen. Die Bestimmung der eigentlichen Prognosemodelle ist eine Regressionsaufgabe, bei der die Trainingsdaten durch endliche Entfaltung der Zeitreihe zusammengestellt werden. Zu den wichtigsten linearen Prognosemodellen gehören autoregressive Modelle (AR), generalisierte AR-Modelle mit gleitendem Mittelwert (ARMA) oder mit lokaler Regression (ARMAX). Zu den wichtigsten nichtlinearen Prognosemodellen gehören rekurrente neuronale Netze.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Literatur
G. E. P. Box, G. M. Jenkins, and G. C. Reinsel. Time Series Analysis: Forecasting and Control. Prentice Hall, 4th edition, 2008.
J. E. Hopcroft, R. Motwani, and J. D. Ullman. Introduction to Automata Theory, Languages, and Computation. Addison Wesley, 3rd edition, 2006.
G. H. Mealy. A method for synthesizing sequential circuits. Bell System Technology Journal, 34:1045–1079, September 1955.
E. F. Moore. Gedankenexperiments on sequential machines. In W. R. Ashby, C. E. Shannon, and J. McCarthy, editors, Automata studies, pages 129–156. Princeton University Press, 1956.
H. G. Zimmermann and R. Neuneier. Modeling dynamical systems by recurrent neural networks. In International Conference on Data Mining, pages 557–566, Cambridge, 2000.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2015 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Runkler, T. (2015). Prognose. In: Data Mining. Computational Intelligence. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-8348-2171-3_7
Download citation
DOI: https://doi.org/10.1007/978-3-8348-2171-3_7
Published:
Publisher Name: Springer Vieweg, Wiesbaden
Print ISBN: 978-3-8348-1694-8
Online ISBN: 978-3-8348-2171-3
eBook Packages: Computer Science and Engineering (German Language)