public double? Forecast(TimeSeries source, int horizon, ForecastSettings settings)
{
var i = source.timeseries.Count - 1; //это означает, что хотим получить прогноз для последнего значения в ряду
var counter = i % timestampNumber;
List<double> inputVector = createInputVector(i, source, settings, maxValues[counter], minValues[counter], timestampNumber);
if (inputVector == null) return null; //не получилось
if (networkSet.Count <= counter) return null;
networkSet[counter].propagate(inputVector);
var output = networkSet[counter].Outputs.First();
output = output*(maxValues[counter] - minValues[counter]) + minValues[counter];
return output;
}
public onNeuralPredictionFilter(FilterParameters parameters, DateTime trainTill, DataExchange exchange = null)
{
this.exchange = exchange;
this.waitUntil = trainTill;
this.timeSeries = new TimeSeries(0);
settings = new ForecastSettings();
for (int i = 0; i < 5; i++)
{
settings.energyLags.Add(i + 1);
}
model = new MultipleNeuralNetworksModel();
this.parameters = parameters;
parameters.Values["model"] = model;
}
/// <summary>
/// Извлечь выходные данные для обучения.
/// </summary>
/// <param name="counter"></param>
/// <param name="_ts"></param>
/// <param name="_fs"></param>
/// <param name="_maxValue"></param>
/// <param name="_minValue"></param>
/// <returns></returns>
private List<double> createOutputVector(int counter, TimeSeries source, double maxValue, double minValue)
{
List<double> OutputVector = new List<double>();
var energyValue = source.timeseries[counter];
var normalizedValue = maxValue != minValue ? (energyValue - minValue) / (maxValue - minValue) : 0.5;
OutputVector.Add(normalizedValue);
return OutputVector;
}
/// <summary>
/// Извлечь входной вектор для обучения
/// </summary>
/// <param name="counter">Порядковый номер значения во временном ряду, которое будет прогнозироваться.</param>
/// <param name="source">Временной ряд, из которого брать значения.</param>
/// <param name="settings">Настройки прогнозирования.</param>
/// <param name="_maxValue">Максимальное значение для данного времени суток.</param>
/// <param name="_minValue">Минимальное значение для данного времени суток.</param>
/// <param name="timestampNumber">Количество отсчетов в день.</param>
/// <returns></returns>
private List<double> createInputVector(int counter, TimeSeries source, ForecastSettings settings, double _maxValue, double _minValue, int timestampNumber)
{
//вычисляем нижнюю границу, т.е. минимальное количество ретроспективных значений,
//необходимое для осуществления прогноза
var minLength = settings.energyLags.Max() * timestampNumber;
//если доступно значений меньше, чем нужно, то ничего не получится
if (counter < minLength) return null;
List<double> InputVector = new List<double>();
InputVector.Add(1.0); //это вот точно здесь нужно? зачем?
for (int j = 0; j < settings.energyLags.Count; j++)
{
var energyValue = source.timeseries[counter - (settings.energyLags[j] * timestampNumber)];
var normalizedValue = _maxValue != _minValue ? (energyValue - _minValue)/(_maxValue - _minValue) : 0.5;
InputVector.Add(normalizedValue);
}
return InputVector;
}
