Кп (с)= — 
:0 ю 
(3
Вп
где 0% — 
главный минор определителя порядка л из значени
функций К (%), т=1, 2, 3,..,п; 0%° — 
миноры этого определи
теля. 
_
Таким образом, экстраполяционная функция производна о
корреляционной & (т), которая является основой метода. Вычисля
ется корреляционная функция по формуле
Н(т)— і=21 
9; 9; +-х 
‚ 
(4)
(т — ’С) 01 52
где т — число членов в ряду.
Естественные процессы, даже крупномасштабные и однород
ные, как правило, нестационарны в смысле изменения их корре
ляционных функций при изменении длины рядов. Однако изме
нение длины ряда, состоящего из / членов, всего на один чле
в большинстве случаев мало сказывается на функции & (т), что 
определяет возможность прогнозирования по зависимости (2), н
лишь на один шаг — (т+1). В дальнейшем, когда для спрогно
зированного ранее года будем иметь фактическую величину яв
ления, вся изложенная выше работа по выпуску прогноза на сле
дующий (т-+2)-й год должна быть вновь повторена.
Основные этапы разработки прогнозов динамико-статистиче
ским методом практически осуществимы лишь на ЭВМ. Последо
вательность операций при расчетах заключается в следующем
1. По полученным расчетным рядам вычисляются корреляци
онные функции В (х) для всех целых значений т от 
1 до 30 п
равенству (4). 
|
2. По корреляционной функции каждого ряда рассчитывают
ся функции обратной связи К,„(т) при числе членов функции о
1 до 30. Вычисление производится по равенству (3).
3. По результатам 
расчета К,(т) для 
различных л даетс
прогноз исследуемой величины и выбираются оптимальные коэф
фициенты обратной связи 
при оптимальном 
периоде обратно
СВЯЗИ — Попт'
Прогнозирование производилось по всем рекам, имеющим до
статочно длительный ряд наблюдений. Большое значение имее
непрерывность и однородность рядов. Для прогнозирования был
отобрано 12 рядов наблюдений за стоком на реках Иртыш, Или
Каратал. Прогнозировались величины среднего годового и сред
6