Издательство СО РАН

Издательство СО РАН

Адрес Издательства СО РАН: Россия, 630090, а/я 187
Новосибирск, Морской пр., 2

soran2.gif

Baner_Nauka_Sibiri.jpg


Яндекс.Метрика

Array
(
    [SESS_AUTH] => Array
        (
            [POLICY] => Array
                (
                    [SESSION_TIMEOUT] => 24
                    [SESSION_IP_MASK] => 0.0.0.0
                    [MAX_STORE_NUM] => 10
                    [STORE_IP_MASK] => 0.0.0.0
                    [STORE_TIMEOUT] => 525600
                    [CHECKWORD_TIMEOUT] => 525600
                    [PASSWORD_LENGTH] => 6
                    [PASSWORD_UPPERCASE] => N
                    [PASSWORD_LOWERCASE] => N
                    [PASSWORD_DIGITS] => N
                    [PASSWORD_PUNCTUATION] => N
                    [LOGIN_ATTEMPTS] => 0
                    [PASSWORD_REQUIREMENTS] => Пароль должен быть не менее 6 символов длиной.
                )

        )

    [SESS_IP] => 3.23.101.60
    [SESS_TIME] => 1732199015
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => afc1ebccfd5aa7a60d3bfb11037bcf6f
    [UNIQUE_KEY] => 2b33b98db8077e54b4aa33307f74853c
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

)

Поиск по журналу

Автометрия

2008 год, номер 4

ИСПОЛЬЗОВАНИЕ НЕСТАЦИОНАРНЫХ СЕЗОННЫХ МОДЕЛЕЙ АВТОРЕГРЕССИИ И ПРОИНТЕГРИРОВАННОГО СКОЛЬЗЯЩЕГО СРЕДНЕГО В ЗАДАЧАХ РЕСУРСОСБЕРЕЖЕНИЯ.

Р. Р. Ахметьянов, Л. А. Делегодина, Н. П. Копылова, Б. Н. Луценко, Г. М. Собстель, Г. П. Чейдо
Конструкторско-технологический институт вычислительной техники СО РАН, г. Новосибирск
E-mail: lad@kti.nsc.ru
Страницы: 28-41

Аннотация

Рассмотрен способ идентификации и оценки параметров мультипликативной модели авторегрессии и проинтегрированного скользящего среднего, описывающей однородные нестационарные процессы с сезонными колебаниями, основанный на выборочном зондировании пространства ее параметров. Предложенный способ идентификации отличен от способа, обычно использующего корреляционные и частные корреляционные функции. Он позволяет работать с моделями большей размерности с несколькими интервалами сезонности. Приведен пример прогноза потребления энергоресурса.