Развитие методов сверхдолгосрочного прогноза 
251
т
ля
где &, — вектор остатков (ошибок), которые не описывается уравнение
регрессии; т — число независимых переменных.
Отбор наиболее значимых уравнений регрессии осуществлялся по
схеме
(МАН)нм 
=Со +а; : (),В)), + а, 
(8.11)
где (;АН),, ,, 
— накопленная сумма годовых приращений УКМ на
момент прогноза; ( Ъ В, ), — накопленная сумма коэффициентов разло-
жения за интервал времени, предшествующий моменту составления
прогноза; С — свободный член; а, — коэффициенты регрессии; 
@а 
—
ошибка прогноза.
Прогноз по данному уравнению может осуществляться в режиме
скользящего оценивания параметров уравнения регрессии. Прогноз
УКМ при этом приобретает адаптивный характер, учитывающий про-
исходящие и уточняющие перспективные изменения факторов, форми-
рующих уровенный режим Каспийского моря. Такой подход особенно
эффективен, когда приходится иметь дело с относительно ограничен-
ными выборками. Предикторы, отобранные для построения регресси-
онной прогностической модели, остаются неизменными до того момен-
та, пока ежегодная их оценка показывает достаточную эффективность
прогнозирования. Иными словами, если исходные накопленные суммы
коэффициентов разложения брались за 1991-1996, 1992—1997 годы и
т. д., то среднегодовые приращения УКМ рассчитывались за 1997-—
2002, 1998—2003 годы и т. д..
Было исследовано множество вариантов связей, которые в боль-
шинстве оказались значимыми. Задача состояла в том, чтобы среди них
выбрать наиболее оптимальные. Построению уравнений регрессии
предшествовала процедура отбора наиболее информативных предикто-
ров В; из числа первоначально закрепленных с тем, чтобы отобрать
группу предикторов, имеющих наиболее высокую корреляцию с пре-
диктантом. При этом исключались дублирующие и неэффективные
предикторы.
Практическая реализация методики прогноза
В экспериментальном порядке было реализовано три модели апри-
орной оценки прогноза УКМ на 5 и 6 лет. В первой модели в качестве
предикторов использовались интегральные значения коэффициентов