ИСПОЛЬЗОВАНИЕ БАЗЫ ДАННЫХ В СИСТЕМЕ ПРОГНОЗИРОВАНИЯ

В данной работе будет предложена система прогноза значений параметров на основе уже известных значений этого параметра. В данной работе будет рассмотрено прогнозирование значений веса ребер в ориентированном взвешенном графе, в котором предполагается зависимость веса от времени.

Основные определения

Определение 1 Прогноз — обоснованное суждение о возможном состоянии объекта в будущем или альтернативных путях и сроках достижения этих состояний.

Определение 2 Прогнозирование — процесс разработки прогноза.

Определение 3 Прием прогнозирования – совокупность математических и логических операций, направленных на получение конкретного результата в процессе разработки прогноза. В качестве приема могут выступать экстраполяция методом скользящего среднего, определение компетентности эксперта, построение регрессионной модели и т. д.

Определение 4 Метод прогнозирования – способ исследования объекта прогнозирования, представляющий собой совокупность приемов прогнозирования.

Определение 5 Метод наименьших квадратов (МНК) – математический метод, применяемый для решения различных задач, основанный на минимизации суммы квадратов отклонений некоторых функций от искомых переменных. Он может использоваться для решения переопределенных систем уравнений (когда количество уравнений превышает количество неизвестных), для поиска решения обычных систем уравнений, для приближенного вычисления точечных значений некоторой функции, аналитический вид которой неизвестен. МНК – один из основных методов регрессионного анализа, применяемый для оценки параметров регрессионных моделей по данным выборки.

Определение 6 База данных (БД) – совокупность взаимосвязанных, хранящихся вместе, в виде, который допускает их использование оптимальным образом для одного или нескольких приложений.

Определение 7 Система управления базами данных (СУБД) – это набор программных и языковых средств, необходимых для создания баз данных, поддержания их в актуальном состоянии и организации поиска в них необходимой информации.

Введение

Задача прогноза значений каких-либо величин одна из основных задач, встречаемы людьми. Ведь возможность предсказать с определенной долей вероятности то или иной событие, или изменение фактора, дает преимущество. Например, возможность предугадать пробки в городе, на момент составления маршрута, позволяет сэкономить время. Поэтому создание инструмента прогнозирования – задача, не теряющая актуальности.

Постановка проблемы

Необходимо ознакомиться с методами прогнозирования и выбрать подходящий. Создать базу данных обеспечивающую хранение известных фактов, на основании которых осуществляется прогноз и программное средство для осуществления этого прогноза. В качестве величины, значение которое необходимо спрогнозировать будет выступать вес ребра в ориентированном графе.

Методы прогнозирования

Существует большое количество методов прогнозирования. Выделим основные классы методов:

1.  Методы экспертных оценок.

2.  Фактографические методы прогнозирования – методы, базирующийся на фактографической информации.

Большую часть методов можно каким-то образом классифицировать по этой схеме.

В данной работе используется метод наименьших квадратов, по нескольким причинам.

1.  МНК дает приемлемые результаты в большом количестве задач.

2.  При использовании МНК достаточно легко подсчитать значение ошибки прогнозирования.

3.  МНК прост в реализации.

Метод наименьших квадратов

Пусть функция задана таблицей своих значений.  Требуется найти аналитический вид этой функции, для которой  минимально. Где  – обобщенный полином, где  . Задача минимизации состоит в следующем: из уравнения производной получаем  Получается система линейных алгебраических уравнений. Решая её, мы находим набор коэффициентов α. Набор коэффициентов однозначно характеризует обобщенный полином. Существует множество способов задать способ определения ошибки. В данной работе в качестве ошибки будет использоваться само среднеквадратическое отклонение.

Описание графа

В данной работе используются ориентированные взвешенные графы. Пусть вес ребра зависит от времени, каким-то неизвестным нам образом, но можно измерить значение веса в конкретный момент времени. Момент времени определяется днем недели и временем. Такой граф может служить моделью, например, города. В качестве веса ребра будет выступать ожидаемое время в пути. Поскольку в городе имеется некий трафик очевидно, что время в пути по ребру зависит не только от расстояния между вершинами, да и вообще непостоянно ввиду того, что движение может остановится из-за пробок.

Рисунок 1. Пример графа в фиксированный момент времени t1

Рисунок 2. Пример графа в фиксированный момент времени t2

Рисунок 3. Используемая ER-модель

Пояснения по модели

В данной модели используются суррогатные первичные ключи, чтобы обеспечить их уникальность.

В использованной модели граф – именованная группа вершин. Поэтому сущности Graph описывающей граф, необходим лишь 1 атрибут – название графа.

От вершины требуется иметь свое название и «знать», какому графу она принадлежит.

Поэтому сущность Edge хранит лишь свое название и ссылку на граф, которому принадлежит.

Ребро хранит вершины причем порядок вершин важен. Edge – сущность описывающая ребро. Внутри себя хранит постоянную веса и ссылки на вершины, которые оно связывает.

Информация о событиях, хранится в сущности Event. Событие хранит информацию о дне недели и времени события, ссылку на ребро, для которого это измерение было сделано, и величину «дополнительного веса».

И день недели хранит только свое название.

Описание решения прогнозирования

Программное решение представляет собой трехзвенную архитектуру. Первое звено – сама БД. Второе звено – сервер приложений. Третье звено – пользовательский клиент. В качестве БД используется СУБД Oracle 11g express edition. Сервер представляет собой консольное приложение, написанное на языке C#. Сервер сообщается с БД с помощью Oracle data provider. Сообщение с клиентом происходит по TCP. Передача сообщений происходит в виде текста. Сервер может переопределить запрос другому приложению. Клиент способен только посылать и получать сообщения по TCP. На данный момент клиент выдает результаты только в виде текста предназначенном для дальнейшей обработки человеком.

Заключение

В данной работе были рассмотрены методы прогнозирования, была создана база данных, для хранения и программное решение для выполнения прогноза. В дальнейшем необходимо создать графический интерфейс и улучшить работу серверной части.

Список литературы:

1. Волков И.К., Зуев С.М., Цветкова Г.М. Случайные процессы. Москва, издательство МГТУ, 1999

2. Дворец Н. Н., Шевелев А. Ю. Исследование зависимости курса рубля по отношению к доллару от цены на нефть // Международный журнал прикладных и фундаментальных исследований. 2015. №6-2. URL: http://cyberleninka.ru/article/n/issledovanie-zavisimosti-kursa-rublya-po-otnosheniyu-k-dollaru-ot-tseny-na-neft (дата обращения: 20.12.2016).