У моделюванні часових рядів неліні́йна авторегресі́йна екзоге́нна моде́ль () — це нелінійна авторегресійна модель, яка має екзогенні входи. Це означає, що така модель ставить поточне значення часового ряду у відповідність до:
минулих значень того самого ряду, та поточних та минулих значень приводного (екзогенного) ряду — тобто, зовнішньо визначеного ряду, який впливає на цільовий ряд.
Крім того, ця модель включає:
член «похибки»
який відповідає тому фактові, що знання інших членів не дає можливості передбачувати поточне значення часового ряду точно.
Таку модель може бути сформульовано алгебрично як
Тут y є цільовою змінною, а u є змінною, що визначається ззовні. У цій схемі інформація про u допомагає передбачувати y, як це роблять і попередні значення самої y. ε тут є членом похибки (який іноді називають шумом). Наприклад, y може бути температурою повітря опівдні, а u може бути днем року (номером дня в межах року).
Функція F — це деяка нелінійна функція, наприклад, поліномна. F може бути нейронною мережею, , тощо. Для перевірки нелінійності в часовому ряді може застосовуватися (), розроблений для економетрії.
Джерела
S. A. Billings. "Nonlinear System Identification: NARMAX Methods in the Time, Frequency, and Spatio-Temporal Domains, Wiley, , 2013. I.J. Leontaritis and S.A. Billings. "Input-output parametric models for non-linear systems. Part I: deterministic non-linear systems". Int'l J of Control 41:303-328, 1985. I.J. Leontaritis and S.A. Billings. "Input-output parametric models for non-linear systems. Part II: stochastic non-linear systems". Int'l J of Control 41:329-344, 1985. O. Nelles. "Nonlinear System Identification". Springer Berlin, , 2000. W.A. Brock, J.A. Scheinkman, W.D. Dechert and B. LeBaron. "A Test for Independence based on the Correlation Dimension". Econometric Reviews 15:197-235, 1996.
Посилання Відкрита реалізація моделі NARX із застосуванням нейронних мереж