مدل‌های پیش بینی بر مبنای سرعت سیارات
در نسخه جدید این نرم افزار راهکار بهتری برای کار کردن با سرعت سیارات پیدا کردیم. در واقع در نسخه قبلی، با استفاده از حالت ULE شما می توانستید با سرعت سیارات کار کنید:
به عنوان مثال، این تصویر نمودار سرعت عطارد است.
به هرحال استفاده از این نوع پدیده‌ها برای پیش بینی، ایده خوبی نمی‌باشد. لذا بهتر است با استفاده از سرعت سیارات پیش بینی را انجام دهیم. به جای استفاده تنها از سرعت، ما با پدیده‌ای مانند این نمونه کار می کنیم: "عطارد بصورت مستقیم و با بیشترین سرعت حرکت می کند" یا " عطارد بصورت راجعه و با سرعت متوسط حرکت می کند". برای ایجاد چنین پدیده‌ای در مدل شبکه عصبی، این مراحل را اجرا کنید:
در اینجا این گزینه را انتخاب کنید:
ببینید که برنامه چه حالت‌هایی را برای ماه ایجاد می‌کند (به عنوان مثال):
- در 20% از زمان کل ("20" به این دلیل است که به 5 گروه تقسیم شده) سرعت ماه کمتر از 12°2’52” می باشد.
- در 20% بعدی از زمان کل، سرعت ماه بین 12°2’52” و 12°44’45” است.
- محدوده سرعت بعدی بین 12°44’45” و 13°34’24”
- 13°34’24” و 14°13’02”
- و در 20% پایانی، سرعت ماه بیشتر از 14°13’02” می‌باشد.
مهمترین موضوع در ارتباط با روش تفکیک کردن سرعت‌های مختلف ماه این است که بازه زمانی همه دسته‌ها یکسان می‌باشد. در اینجا مشاهده می‌کنید که تقسیم بندی سرعت‌های مختلف ماه در قالب زمان چگونه دیده می‌شوند:
با اجرای این بخش شما می توانید با استفاده از همه سیارات در زودیاک Geo و Helio خط پیش‌بینی بر مبنای شبکه عصبی ایجاد کنید:
اینها خطوط پیش‌بینی بصورت رندوم بر اساس سرعت سیارات می باشند:
در اینجا از سرعت سیارات در زودیاک Geo و Helio استفاده کردیم. Interval = 1000 bars Training
با توجه به جزئیات بک تست انجام شده برای این مدل، بهترین Training Interval برای پیش‌بینی در دوره‌های کوتاه مدت/میان مدت با 500 کندل (معادل 2 سال) می‌باشد. در جدول زیر بصورت آماری نشان داده شده که این مدلها با X% کندل چگونه آینده را پیش بینی می‌کند:
همچنین این مدل برای پیش‌بینی یک سال آینده (250 کندل) مناسب است. برای پیش‌بینی بلند مدت، بازه آموزشی را روی 2000 کندل (8 سال) تنظیم کنید. جدول زیر نتیجه آماری برای این مدل را نشان می‌دهد.
