На ее основе делается прогноз, который сравнивается с фактическими наблюдениями. Далее модель корректируется в соответствии с величиной

ошибки прогноза и вновь используется для прогнозирования сле-

дующего уровня, вплоть до исчерпания всех наблюдений. Таким

образом, она постоянно «впитывает» новую информацию, приспо-

сабливается к ней, и к концу периода наблюдения отображает тен-

денцию, сложившуюся на текущий момент. Прогноз получается как

экстраполяция последней тенденции. В различных методах прогно-

зирования процесс настройки (адаптации) модели осуществляется

по-разному. Базовыми адаптивными моделями являются:

- модель Брауна;

- модель Хольта;

- модель авторегрессии.

Первые две модели относятся к схеме скользящего среднего, по-

следняя – к схеме авторегрессии. Многочисленные адаптивные ме-

тоды, базирующиеся на этих моделях, различаются между собой

способом числовой оценки параметров, определения параметров

адаптации и компоновкой.

Согласно схеме скользящего среднего, оценкой текущего уров-

ня являетсявзвешенное среднее всех предшествующих уровней причем веса при наблюдениях убывают по мере удаления от по-

следнего (текущего) уровня, т. е. информационная ценность наблю-

дений тем больше, чем ближе они к концу периода наблюдений.

Согласно схеме авторегрессии, оценкой текущего уровня явля-

ется взвешенная сумма порядков моделей «р» предшествующих

уровней. Информационная ценность наблюдений определяется не их

близостью к моделируемому уровню, а теснотой связи между ними.

Обе эти схемы имеют механизм отображения колебательного

(сезонного или циклического) развития исследуемого процесса.

Общие положения 2