Predicting values of a series of data

   
   

Communications data such as traffic levels in a communications network is analysed using techniques adapted from the study of chaos. Future values of a series of communications data are predicted and an attractor structure is determined from the communications data. This enables the communications processes to be monitored, controlled and analysed. Action can be taken to modify the communications process using the results from the prediction and attractor structure to reduce costs and improve performance and efficiency. These methods may also be used for product data from manufacturing processes. An algorithm bank is compiled containing prediction algorithms suitable for different types of data series, including those exhibiting deterministic behaviour and those exhibiting stochastic behaviour. Recent past values of a data series are taken and assessed or audited in order to determine which of the algorithms in the bank would provide the optimal prediction. The selected algorithm is then used to predict future values of the data series. The assessment or auditing process is carried out in real time and a prediction algorithm selected using a "smart switch" such that different algorithms are used for different stages in a given series as required. This enables good prediction of data series which change in nature over time to be obtained.

Проанализированы данные по связей such as уровни движения в сети связей использующ методы приспособленные от изучения беспорядка. Предсказаны будущие значения серии данных по связей и структура attractor обусловлена от данных по связей. Это позволяет процессы связей быть проконтролированным, проконтролированным и проанализированным. Действие можно принять для того чтобы доработать сообщения отростчатые использующ результаты от структуры прогноза и attractor для уменьшения цен и для того чтобы улучшить представление и эффективность. Эти методы могут также быть использованы для данных по продукта от процесса производства. Составлен крен алгоритма содержа алгоритма прогнозирования целесообразные для по-разному типов серий данных, включая те exhibiting детерминистское поведение и те exhibiting стохастическое поведение. Недавние прошлые значения серии данных приняты и определены или ревизованы для того чтобы обусловить из алгоритмы в крене обеспечило бы оптимальный прогноз. Выбранный алгоритм после этого использован для того чтобы предсказать будущие значения серии данных. Оценка или процесс ревизовать снесены вне в реальное время и выбранный алгоритма прогнозирования использующ "франтовской переключатель" такие что по-разному алгоритмы использованы для по-разному этапов в, котор дали серии как необходимы. Это включает хороший прогноз серий данных изменяют по сути над временем быть полученным.

 
Web www.patentalert.com

< Content addressable information encapsulation, representation, and transfer

< Fuzzy-neuro method for discriminating optical disk type

> System for printing information on a mailing medium

> Method and apparatus for building communication between agent desktop scripting applications and an outbound call software suite within a telecommunications center

~ 00111