) аналізуємо, наскільки далекий результат, отриманий за моделлю, від фактичного значення ряду. Помилка прогнозування через зворотній зв'язок надходить на вхід системи і використовується моделлю відповідно до її логікою переходу з одного стану в інший з метою більшого узгодження своєї поведінки з динамікою ряду. На зміни ряду модель повинна відповідати «компенсуючими» змінами. Потім робиться прогноз на наступний момент часу і весь процес продовжується до вичерпання фактичних рівнів ряду.
Таким чином, модель постійно «вбирає» нову інформацію, пристосовується до неї і до кінця періоду навчання відображає тенденцію розвитку процесу, існуючу на даний момент.
Що стосується правил переходу системи від одного стану до іншого, то цей процес вирішується кожним дослідником інтуїтивно.
Швидкість реакції адаптивної моделі на зміни в динаміці ряду характеризує так званий параметр адаптації. Процес «навчання» моделі по ретроспективному матеріалу відбувається у два етапи. На першому етапі визначається найкраща (оптимальна) величина параметра адаптації, а на другому, використовуючи її за описаною вище схемою, визначаються коефіцієнти моделі.
Якщо оптимальну величину параметра адаптації скрутно визначити емпірично або вивести аналітичним способом, то використовують метод проб і помилок. Завдання полягає в знаходженні такого значення параметра, яке забезпечувало б відображення тенденції процесу при одночасній фільтрації випадкових відхилень від неї.
Адаптивні моделі досить гнучкі, але не універсальні. Тому при побудові конкретних моделей необхідно враховувати найбільш ймовірні закономірності розвитку реального процесу, динамічні властивості ряду співвідносити з можливостями моделі. Дослідник повинен закладати в модель ті адаптивні властивості, яких, на його думку, вистачить для стеження моделі за реальним процесом із заданою похибкою. Разом з тим не можна сподіватися на успішну самоадаптації моделі, більш загальної по відношенню до тієї, яка необхідна для відображення реального процесу, так як збільшення числа параметрів моделі неминуче призводить до погіршення одержуваних по ній прогнозів.
Таким чином, при побудові адаптивної моделі доводиться вибирати між загальної та приватної моделлю, і, враховуючи їх достоїнства і недоліки, віддавати перевагу тій, від якої можна чекати найменшою помилки прогнозування. Тільки за такої умови можна сподіватися, що послідовність проб і помилок поступово призведе до найбільш ефективної прогнозної моделі.
Для порівняння можливих альтернатив необхідний критерій корисності моделі. У разі короткострокового прогнозування визнаним критерієм є середній квадрат помилки прогнозування. Про якість моделі судять по наявності автокореляції в помилках. У більш розвинених системах процес проб і помилок здійснюється в результаті аналізу як послідовних у часі, так і паралельних (конкуруючих) модифікацій моделі. Тут використовується принцип конкуренції або автоматичного відбору (селекції) прогнозної моделі по заданому критерію.
Час в адаптивної моделі не є чинником, причинно що визначає розвиток досліджуваного процесу. Воно є умовним «представником» всієї сукупності причинних факторів і виражає еволюцію всього комплексу умов протікання процесу. За рахунок спрощеного уявлення досліджуваної величини, яка пов'язана з о...