User:
Period forecast
Storyboard
Once the similar segment has been determined, the data that follows it can be obtained.
With the way the magnitude varies, it can be estimated how the climatic parameter should continue after the current segment.
If the analysis is carried out with a reference segment from the recent past, in which actual posterior data exists, these can be compared with the forecast.
In this way, the forecast error can be estimated.
ID:(1914, 0)
Forecast chart
Description
Si se grafica la función calculada en los 36 meses posteriores al tiempo en que se calcularon los modos se obtiene un pronostico para el parametro:
ID:(14358, 0)
Forecast error
Description
Si se reserva el ultimo año para evaluar el error y se calculan los modos con las 12 años anteriores. Con dichos modos se puede realizar un pronostico para los 12 meses que se reservaron y compararlo con los datos reales. De esta forma se puede estimar la calidad del pronostico para datos ya ocurridos que no se empelaron para el proceso de modelar.
ID:(14360, 0)
Period forecast
Description
Once the similar segment has been determined, the data that follows it can be obtained.\n\nWith the way the magnitude varies, it can be estimated how the climatic parameter should continue after the current segment.\n\nIf the analysis is carried out with a reference segment from the recent past, in which actual posterior data exists, these can be compared with the forecast.\n\nIn this way, the forecast error can be estimated.\n
Variables
Calculations
to 
,
then, select the variable: 
to 
Calculations
Variable
Given
Calculate
Target :
Equation
To be used
Equations
Examples
Fourier transform
| $ x(t) = \displaystyle\sum_{k=-\infty}^{\infty}( a_k \cos 2 \pi \nu_k t + b_k \sin 2 \pi \nu_k t )$ |
you can with Euler\'s relation
| $ x(t) = \displaystyle\sum_{k=-\infty}^{\infty}( a_k \cos 2 \pi \nu_k t + b_k \sin 2 \pi \nu_k t )$ |
the definition
| $ X_k = a_k - i b_k $ |
and the decreticization of time
| $ t_n = n \Delta t $ |
redefine as the discrete transforms on the complex space of the time series
| $ x_n = \displaystyle\sum_{k=0}^{N-1} X_k e^{ i 2 \pi \nu_k n \Delta t }$ |
(ID 14351)
Si se grafica la funci n calculada en los 36 meses posteriores al tiempo en que se calcularon los modos se obtiene un pronostico para el parametro:
(ID 14358)
La eliminaci n de las fluctuaciones conlleva a un error inherente al m todo. Para estimarlo se puede directamente comparar el valor real con el estimado sin la fluctuaci n. Para ello se puede obtener el promedio de la diferencia dividido por el valor medio:
| $\epsilon = 2 \displaystyle\sum_n\displaystyle\frac{\mid x_n - \bar{x}_n\mid}{\mid x_n + \bar{x}_n\mid}$ |
Esto se puede calcular con el c digo
cnt0 = 0
err0 = 0
for i in range(len(x)):
if Xm[i] + x[i] != 0:
err0 = err0 + 2*abs(Xm[i] - x[i])/(Xm[i] + x[i])
cnt0 = cnt0 + 1
err0 = err0/cnt0donde x es el valor real y Xm aquel en que no se incluye la fluctuaci n.
(ID 14359)
Si se reserva el ultimo a o para evaluar el error y se calculan los modos con las 12 a os anteriores. Con dichos modos se puede realizar un pronostico para los 12 meses que se reservaron y compararlo con los datos reales. De esta forma se puede estimar la calidad del pronostico para datos ya ocurridos que no se empelaron para el proceso de modelar.
(ID 14360)
ID:(1914, 0)