Поэтому для конечных рядов существует риск получить

весьма приблизительный прогноз, тем более что в большинстве

случаев в реальной практике встречаются ряды, содержащие не

более 20 – 30 точек.

− Проблемы и недостатки метода Бокса – Дженкинса (модели ав-

торегрессии – скользящего среднего). Проблемы связанны, пре-

жде всего, с неоднородностью временных рядов и практической

реализации метода из-за своей сложности.

− Проблемы и недостатки методов, реализованных на базе ней-

ронных сетей. Проблемы неопределенности в выборе числа сло-

ев и количества нейронных элементов в слое, медленная сходи-

мость градиентного метода с постоянным шагом обучения,

сложность выбора оптимальной скорости обучения α, влияние

случайной инициализации весовых коэффициентов НС на поиск

минимума функции среднеквадратической ошибки. Одна из

наиболее серьезных трудностей при обучении – это явление пе-

реобучения. Кроме того, использование немасштабированных

данных может привести к «параличу» сети.

− Проблемы и недостатки методов, реализованных на базе генети-

ческих алгоритмов. Это 8b2・проблема кодировки информации со-

держащейся в модели нейронной сети, а также сложность пони-

мания и программной реализации.

При построении реальных прогнозов всегда необходимо учиты-

вать не только специфические особенности применяемых методов,

но и их ограничения и недостатки.

---

         

---

Выводы к теоретической главе 3