Применение адаптивной системы нейро-нечеткого вывода ANFIS для решения задач прогнозирования

Федеральное государственное автономное

образовательное учреждение

высшего образования

«СИБИРСКИЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ»

Институт Космических и информационных технологий

Кафедра систем автоматики, автоматизированного управления и проектирования

ОТЧЕТ ПО ЛАБОРАТОРНОЙ РАБОТЕ № 2

Применение адаптивной системы нейро-нечеткого вывода ANFIS для решения задач прогнозирования

Преподаватель                                                     _________        В. И. Иванчура

                                                                           подпись, дата      

Студент        КИ17-05Б, 031722721                                               А. В. Яковлева

                                                                                          подпись, дата      

Красноярск 2021

СОДЕРЖАНИЕ

Цель работы        3

Задание        3

Ход выполнения работы        4

ЗАКЛЮЧЕНИЕ        12

Цель работы

Целью лабораторной работы является решение задачи прогнозирования курса валюты.

Задание

Зная динамику изменения курсовой стоимости продажи некоторой валюты за фиксированный интервал времени, предсказать значение ее курсовой стоимости на определенный момент времени в будущем.

В качестве исходных данных взять информацию о динамике курса ЦБ РФ по валюте – ЕВРО.

.

Ход выполнения работы

Возьмем изменение курса евро за 30 дней. В период с 1.01.21 по 20.02.21 включительно:

[pic 1]

[pic 2]

Рисунок 1 – Курс валюты «Евро» ЦБ РФ

[pic 3]

Рисунок 2 – Обучающие данные

Обучающие данные составляются следующим образом: от исходных данных отнимаем планируемое количество входов. Например, в нашем случае, взято 4 входа и 1 выход, тогда от исходных данных отнимаем 4 значения сверху. Пятое значение по списку записывается в 1 строку первого столбца, затем строка заполняется теми значениями, которые мы отняли ранее. Получается строка с пятью столбцами. Затем вторая строка первого столбца заполняется из исходных данных по списку (таким образом, первый столбец будет соответствовать исходным данным без первых 4 значений). Второй, третий, четвертый и пятый столбец второй строки заполняется значениями первого, второго, третьего и четвертого столбца первой строки и т.д. Так мы создаем связь следующих значений с предыдущими.

У нас получилась выборка объемом 130.

Запускаем ANFIS и загружаем нашу выборку:

[pic 4]

Рисунок 3 – Выборка в ANFIS

Затем запускаем генерацию. Открывается окно, где нам нужно выбрать количество термов для каждого входа и тип функций принадлежности. Мы выберем Гауссовскую (gaussmf), так как она подходит для нормального распределения случайно величины, для выхода возьмем тип – constant.

[pic 5]

Рисунок 4 – Выбор типа функций принадлежности

Далее запускаем Train Fis предварительно скорректировав параметры. Выбираем метод оптимизации – hybrid – метод наименьших квадратов. Количество итераций берем 50, при увеличении количества итераций ошибка уменьшается.