Экстраполяция — метод аппроксимации данных¶

Экстраполяция (от лат. extra — вне, за пределами и polio — выравниваю, разглаживаю) — метод научного познания и математической обработки данных, заключающийся в переносе результатов, полученных для известного участка (интервала), за его пределы. Экстраполяция широко применяется в математике, статистике, экономике, инженерии и естественных науках для прогнозирования значений функции, построения моделей и заполнения пробелов в данных.

¶Суть метода

При экстраполяции исследователь располагает набором данных, полученных в некотором интервале аргумента [a, b], и стремится оценить поведение функции за пределами этого интервала — на участках x < a или x > b. Это отличает экстраполяцию от интерполяции, при которой значения функции определяются внутри исходного интервала.

Теоретической основой метода служит идея непрерывности и гладкости функции: если известно поведение объекта в некоторой области, можно попытаться распространить закономерность и на соседние области. Однако, в отличие от интерполяции, экстраполяция не гарантирует точности результата — за пределами исходных данных поведение функции может существенно меняться.

¶Виды экстраполяции

По характеру используемых моделей различают:

• Алгебраическую экстраполяцию — продолжение функции по её значениям в узлах интерполяции с помощью полинома. Наиболее простой случай — линейная экстраполяция, когда предполагается, что функция за пределами интервала сохраняет постоянную скорость изменения.
• Аддитивную экстраполяцию — построение модели в виде суммы функций (например, показательных, степенных, логарифмических), каждая из которых описывает отдельный компонент процесса.
• Статистическую экстраполяцию — применение методов математической статистики (регрессионный анализ, метод наименьших квадратов) для оценки параметров модели по зашумлённым данным с последующим продолжением тренда.
• Экстраполяцию по аналогии — перенос закономерностей, установленных для одного объекта, на другой объект со сходными свойствами.

По области применения выделяют также экстраполяцию временных рядов (прогнозирование будущих значений по историческим данным) и пространственную экстраполяцию (оценка значений вне области измерений).

¶Математические методы

Классической задачей экстраполяции является продолжение алгебраического многочлена, интерполирующего функцию в заданных точках. Однако известно, что полиномиальная экстраполяция высокого порядка часто приводит к резким колебаниям за пределами интервала (явление, связанное с интерполяционными полиномами Лежандра и Чебышёва). Поэтому на практике предпочитают использовать низко порядковые модели или специальные семейства полиномов, устойчивые к экстраполяции.

Среди численных методов выделяют:

• Метод наименьших квадратов — подбор параметров модели, минимизирующий сумму квадратов отклонений расчётных значений от фактических.
• Экспоненциальное сглаживание — итеративное усреднение ряда с весовыми коэффициентами, что позволяет выделять тренд и прогнозировать его продолжение.
• Сплайн-экстраполяция — использование кусочных гладких функций (сплайнов) с осторожным продолжением последнего фрагмента.
• Метод главных компонент — сжатие многомерных данных до нескольких факторов и экстраполяция их динамики.

¶Применение

Экстраполяция применяется в широком спектре областей:

• Экономика и финансы — прогнозирование ВВП, инфляции, курсов валют, объёмов продаж. Методы экстраполяции тренда лежат в основе большинства эконометрических моделей.
• Демография — оценка будущей численности населения по данным переписей.
• Метеорология — построение прогностических карт давления, температуры и осадков на основе данных наблюдений.
• Инженерия — расчёт несущей способности конструкций при нагрузках, превышающих испытательные, прогнозирование износа оборудования.
• Физика и астрономия — оценка параметров частиц и небесных тел по измерениям в доступном диапазоне энергий или расстояний.
• Информатика и машинное обучение — предсказание значений временных рядов, заполнение пропусков в данных (imputation).

¶Ограничения

Главный методологический риск экстраполяции — предположение о сохранении наблюдаемой закономерности за пределами исходного интервала. Если в области экстраполяции действуют иные факторы или механизм процесса меняется, результат может оказаться грубой ошибкой. Известны случаи, когда линейная экстраполяция приводила к фантастическим прогнозам: например, в 1960-е годы по темпам роста числа публикаций в кибернетике прогнозировалось, что к 1980-м годам весь научный персонал США будет занят только рецензированием статей (так называемый парадокс Логан).

Поэтому на практике экстраполяцию принято сочетать с экспертными оценками, сценарным анализом и методами, учитывающими физические ограничения моделируемого процесса.

¶Историческая справка

Термин «экстраполяция» ввёл в научный оборот английский математик и астроном Джордж Биддель Эри (1821—1892), предложивший в 1860-х годах методы аппроксимации и продолжения функций для обработки астрономических наблюдений. Развитие теории экстраполяции связано с работами Ч. Мерсея, Д. Бернштейна, Л.С. Понтрягина и других математиков.

¶Источники

• Камынин В.И. Математическая обработка экспериментальных данных. — М.: Высшая школа.
• Ханке Э. Эконометрические методы и модели. — М.: Финансы и статистика.
• Болтянский В.Г. Введение в геометрию. — М.: Наука.
• Справочник по численным методам. — М.: Наука.