Разработка процедур прогнозирования показателей работы железных дорог
Дипломная работа - Компьютеры, программирование
Другие дипломы по предмету Компьютеры, программирование
?иПрогнозный коэф.Значение измерителяФактические расходыПрогнозные расходыОшибка прогноза613,3533,495601,67113,41511,876632,647287,33794,93492,3812,5737,71119529248,92703,1920,9751,8912533,415702,73169,41017,1945,5714184,916204,12019,2Сумма--51559,2-12895,7
Средняя ошибка составила 2579, а относительное отклонение - 25,1%.
При прогнозировании коэффициента измерителя методом скользящего среднего, процедура также подбирает такое количество точек для прогноза, чтобы ошибка прогноза была бы наименьшей. Наименьшая ошибка оказалась при расчете по пяти точкам. Результаты вычисления средней ошибки находятся в таблице 2.4.
Таблица 2.4
Номер точкиПрогнозный коэф.Значение измерителяФактические расходыПрогнозные расходыОшибка прогноза613,97533,495601,67452,7941851,194713,97632,647287,38838,1161550,816813,97737,711195210305,771646,234913,97751,8912533,410503,892029,5111013,97945,5714184,913209,6975,3004Сумма--51559,28053,055
Средняя ошибка составила 1608, а относительное отклонение - 15,6 %.
При прогнозировании коэффициента измерителя взвешенным методом, процедура подбирает параметр алгоритма, чтобы ошибка прогноза была бы наименьшей. Наименьшая ошибка оказалась при параметре алгоритма 0,9. Результаты вычисления средней ошибки находятся в таблице 2.5.
Таблица 2.5
Номер точкиПрогнозный коэф.Значение измерителяФактические расходыПрогнозные расходыОшибка прогноза615,1533,495601,68057,82456,17711,7632,647287,37375,488,13811,3737,71119528506,53445,5915,9751,8912533,411919,7613,71016,6945,5714184,915688,91503,9Сумма--51559,2-8107,48
Средняя ошибка составила 1621,5, а относительное отклонение - 15,8 %.
Сравним результаты, полученные для каждого метода.
МетодСредняя ошибкаОтнос. отклонениеСуществующий метод1685,916,40%Метод линейной экстраполяции2579,225,10%Метод скользящего среднего1608,615,60%Взвешенным методом1621,515,80%
Графически результаты представлены на рисунке 2.9.
Рис.2.9
На графике видно, что метод прогноза по предыдущей точки, метод линейной экстраполяции и взвешенный методом дали приблизительно одинаковые средние ошибки - 16,4 %, 15,6 % и 15,8 % соответственно. Средняя ошибка по методу линейной экстраполяции оказалась наибольшей из представленных и составляет 25,1 %.
2.6 Результаты проведенного исследования
В данной дипломной работе рассматривалась задача прогнозирования эксплуатационных расходов железной дороги. Были предложены следующие адаптивные методы прогнозирования:
-метод линейной экстраполяции;
-метод скользящего среднего;
-взвешенный метод.
Для оценки методов использовалась средняя ошибка прогноза. Расчеты проводились на данных из ИХ ПЭП по статье 231 Подготовка цистерн под налив.
Существующая процедура прогноза по предыдущей точке дает среднюю ошибку прогноза 16,4 %. В двух из трех адаптивных методов эта оценка была уменьшена.
Метод скользящего среднего дал наилучший результат, средняя ошибка прогноза составила 15,6 %. С небольшой разницей в 0,2 % находится взвешенный метод, его средняя ошибка 15,8 %. Результат, полученный с помощью метод линейной экстраполяции, не улучшил существующий прогноз. Его средняя ошибка оказалась 25,1 %.
Таким образом, оценку прогноза удалось улучшить, но не на много (на 0,8 %). Т.к. расчет проводился по ограниченной выборке, то результаты могут быть улучшены, при увеличении количества точек, используемых для прогноза.
Глава 3. Расчет времени реакции системы ЕИР ЦСУ для прогноза расходов с помощью адаптивной процедуры
Вопросы оценки временных характеристик процедур обработки данных имеют важное значение при проектировании информационных систем. Если система предназначена для работы с пользователем в режиме on-line, то требования к временным характеристикам следует рассмотреть более жестко.
Одним из важных временных показателей, который рассматривается при проектировании информационных систем, является время реакции системы. Под этим показателем понимают время от поступления запроса в систему на выполнение операций до получения результатов работы системы.
Рассмотрим следующий пример работы системы ЕИР ЦСУ. Исполняемый программный модуль находится на сервере приложений в Главном Вычислительном Центре ГВЦ МПС. ИХ ПЭП, данные из которого используются для прогноза, также находится в ГВЦ, причем к нему обращаются и другие пользователи ГВЦ с интенсивностью Lдр. Средняя интенсивность обработки запроса в ИХ ПЭП обозначим mИХ. Пользователи ЕИР ЦСУ посылают свои заявки в систему. Заявка попадает в очередь, если система в данный момент занята обработкой другой заявки. Все заявки имеют одинаковый приоритет и обрабатываются системой без перерыва. Интенсивность потока на входе системы назовем lвх.
Графически описанную систему можно представить в виде систем массового обслуживания (рисунок 3.1).
Рис. 3.1
Пребывание заявки в системе складывается из следующих этапов:
-формирование запроса к ИХ ПЭП (СМО1);
-получение данных из ИХ ПЭП (СМО2);
-расчет прогнозных расходов (СМО3).
Для расчета введем следующие допущения:
-поток заявок - простейший;
-время обработки одной заявки - случайная величина;
-времена обработки заявок распределены по экспоненциальному закону;
-- очередь не ограничена;
-- интенсивности поступления заявок постоянны.
Время реакции системы рассчитывается по формуле (3.1)
(3.1)
Преобразуем полученную схему. Если заявка обрабатывается в системе без перерыва, то представим СМО1 и СМО3 с интенсивностью mсист, рассчитанное как среднее двух интенсивностей m1 и m2. Полученная схема п