ГРУППИРОВКА ПРЕДИКТОРОВ В КОМБИНИРОВАННОЙ КУСОЧНО-ЛИНЕЙНОЙ РЕГРЕССИИ
Аннотация
Дан краткий обзор публикаций по применению при математическом моделировании сложных систем комбинированных конструкций, содержащих в качестве составных элементов известные модельные формы. В частности, рассмотрены: алгоритм оценки параметров для создания математических моделей динамических систем; структурированные математические модели кислородного электрода и биологической очистки сточных вод; комбинированная модель, включающая ионный обмен между кальцием и медью; объединение нестандартных конечно-разностных схем и метода экстраполяции Ричардсона для получения численных решений двух моделей биологических систем; математическая формулировка задачи и эвристический подход к оптимальному планирования маршрутов доставки в мультимодальной системе; математическая модель оптимизации стратегических и тактических решений во всех видах цепочек поставок на основе биомассы; метод разработки моделей различных типов для элементов химико-технологических систем с учетом различных видов имеющейся информации и объединении этих моделей в единый комплекс. Сформулированы два варианта постановки задачи вычисления оценок параметров комбинированной кусочно-линейной регрессии – при непустом и пустом пересечении индексных множеств, задающих состав независимых переменных в линейной и кусочно-линейной компонентах модели. Показано, что в обоих случаях при выборе в качестве функции потерь суммы абсолютных отклонений ошибок аппроксимации эти варианты сводятся к задачам линейно-булева программирования. Построены две версии комбинированной кусочно-линейной регрессионной модели выручки горно-металлургической компании «Северсталь». В качестве независимых переменных модели использованы объемы производства: горячекатанного, холоднокатанного и оцинкованого листа, листа с другим металлическим покрытием, листа с полимерным покрытием, сортового проката, метизной продукции
Список литературы
1. Feng Ding. Combined state and least squares parameter estimation algorithms for dynamic systems, Applied Mathematical Modelling, 2014, Vol. 38, No. 1, pp. 403-412. DOI: 10.1016/j.apm.2013.06.007.
2. Mario Novak, Predrag Horvat. Mathematical modelling and optimisation of a waste water treatment plant by combined oxygen electrode and biological waste water treatment model, Applied Mathematical Modelling, 2012, Vol. 36, No. 8, pp. 3813-3825. DOI: 10.1016/j.apm.2011.11.028.
3. Soh-Fong Lim, Yu-Ming Zheng, Shuai-Wen Zou, J. Paul Chen. Characterization of Copper Adsorption onto an Alginate Encapsulated Magnetic Sorbent by a Combined FT-IR, XPS, and Mathematical Model-ing Study, Environmental Science & Technology, 2008, Vol. 42, No. 7, pp. 2551-2556. DOI: 10.1021/es7021889.
4. Gilberto González-Parra, Abraham J. Arenas, Benito M. Chen-Charpentier. Combination of nonstand-ard schemes and Richardson’s extrapolation to improve the numerical solution of population models, Mathematical and Computer Modelling, 2010, Vol. 52, No. 7–8, pp. 1030-1036. DOI: 10.1016/j.mcm.2010.03.015.
5. S.G. Psakhie, E.V. Shilko, A.S. Grigoriev, S.V. Astafurov, A.V. Dimaki, A.Yu. Smolin. A mathematical model of particle–particle interaction for discrete element based modeling of deformation and fracture of heterogeneous elastic–plastic materials, Engineering Fracture Mechanics, 2014, Vol. 130, pp. 96-115. DOI: 10.1016/j.engfracmech.2014.04.034.
6. Mohammad Moshref-Javadi, Ahmad Hemmati, Matthias Winkenbach. A truck and drones model for last-mile delivery: A mathematical model and heuristic approach, Applied Mathematical Modelling, 2020, Vol. 80, pp. 290-318. DOI: 10.1016/j.apm.2019.11.020.
7. Annelies De Meyer, Dirk Cattrysse, Jos Van Orshoven. A generic mathematical model to optimise stra-tegic and tactical decisions in biomass-based supply chains (OPTIMASS), European Journal of Opera-tional Research, 2015, Vol. 245, No. 1, pp. 247-264. DOI: 10.1016/j.apm.2019.11.020.
8. Bowen Wei, Liangjie Chen, Huokun Li, Dongyang Yuan, Gang Wang. Optimized prediction model for concrete dam displacement based on signal residual amendment, Applied Mathematical Modelling, 2020, Vol. 78, pp. 20-36. DOI: 10.1016/j.apm.2019.09.046.
9. Orazbayev B.B., Orazbayeva K.N., Utenova B.E. Development of mathematical models and modeling of chemical engineering systems under uncertainty, Theoretical Foundations of Chemical Engineering, 2014, Vol. 48, pp. 138-147. DOI: 10.1134/S0040579514020092.
10. Serge Sutulo, C. Guedes Soares. An algorithm for offline identification of ship manoeuvring mathemati-cal models from free-running tests, Ocean Engineering, 2014, Vol. 79, pp. 10-25. DOI: 10.1016/j.oceaneng.2014.01.007.
11. Saenko I.B., Malikov A.V., Avramenko V.S., Yasinskiy S.A. Neyrosetevaya model' diagnostirovaniya komp'yuternykh intsidentov na ob"ektakh kriticheskoy informatsionnoy infrastruktury [Neural network model for diagnosing computer incidents at critical information infrastructure facilities], Informatsiya i kosmos [Information and Space], 2019, No. 3, pp. 77-84.
12. Kropotov Yu.A., Proskuryakov A.Yu., Belov A.A., Kolpakov A.A. Modeli, algoritmy sistemy avtoma-tizirovannogo monitoringa i upravleniya ekologicheskoy bezopasnosti promyshlennykh proizvodstv [Models, algorithms for an automated monitoring and management system for environmental safety of industrial production], Sistemy upravleniya, svyazi i bezopasnosti [Control, Communication and Security Systems], 2015, No. 2, pp. 184-197.
13. Volkov I.A., Igumnov L.A., Volkov A.I., Yudintseva A.I. Raschet resursnykh kharakteristik kon-struktsionnykh splavov pri vzaimnom vliyanii ustalosti i dlitel'noy prochnosti materiala [Calculation of resource characteristics of structural alloys under the mutual influence of fatigue and long-term strength of the material], Izvestiya Rossiyskoy akademii nauk. Mekhanika tverdogo tela [Bulletin of the Russian Academy of Sciences. Solid State Mechanics], 2023, No. 4, pp. 64-82.
14. Semenov V.A., Morozov S.V., Il'in D.V. Kombinirovannyy metod verifikatsii masshtabnykh modeley dannykh [Combined method for verification of large-scale data models], Trudy Instituta sistemnogo programmirovaniya RAN [Transactions of the Institute for System Programming of the Russian Acad-emy of Sciences], 2014, Vol. 26, No. 2, pp. 197-230.
15. Baranovskiy A.M., Belozerov V.A., Opryshko D.I. Kombinirovannaya model' protsessa otsenivaniya dostovernosti kontrolya tekhnicheskogo sostoyaniya kosmicheskikh apparatov v usloviyakh neopre-delennosti [Combined model of the process of assessing the reliability of monitoring the technical condi-tion of spacecraft under uncertainty], Izvestiya vysshikh uchebnykh zavedeniy. Priborostroenie [News of higher educational institutions. Instrument engineering], 2009, Vol. 52, No. 4, pp. 56-61.
16. Mikhalevich I.F. Strukturnyy analiz elementov mul'tiservisnykh setey svyazi [Structural analysis of ele-ments of multiservice communication networks], Telekommunikatsii [Telecommunications], 2007, No. 2, pp. 2-9.
17. Noskov S.I. Identifikatsiya parametrov kombinirovannoy kusochno-lineynoy regressionnoy modeli [Identification of parameters of a combined piecewise linear regression model], Vestnik YUgorskogo gosudarstvennogo universiteta [Bulletin of Yugra State University], 2022, No. 4 (67), pp. 115-119.
18. Noskov S.I., Lonshakov R.V. Identifikatsiya parametrov kusochno-lineynoy regressii [Identification of parameters of piecewise linear regression], Informatsionnye tekhnologii i problemy matematicheskogo modelirovaniya slozhnykh system [Information technologies and problems of mathematical modeling of complex systems], 2008, No. 6, pp. 63-64.
19. Noskov S.I., Khonyakov A.A. Kusochno-lineynye regressionnye modeli ob"emov perevozki passazhirov zheleznodorozhnym transportom [Piecewise linear regression models of passenger transportation vol-umes by rail], Modeli, sistemy, seti v ekonomike, tekhnike, prirode i obshchestve [Models, systems, net-works in economics, technology, nature and society], 2021, No. 4 (40), pp. 80-89.
20. Noskov S.I. Kusochno-lineynaya proizvodstvennaya funktsiya pogruzki na zheleznodorozhnom trans-porte [Piecewise linear production function of loading on rail transport], Elektronnyy setevoy poli-tematicheskiy zhurnal "Nauchnye trudy KubGTU" [Electronic online polythematic journal "Scientific Works of KubSTU"], 2022, No. 4, pp. 72-79.
21. Noskov S.I., Zhukova M.S., Kirillova T.K., Kupitman Yu.O., Khonyakov A.A. Utochnenie sposobov identifikatsii parametrov nekotorykh kusochno-lineynykh regressiy [Refinement of methods for identify-ing parameters of some piecewise linear regressions], Elektronnyy setevoy politematicheskiy zhurnal "Nauchnye trudy KubGTU" [Electronic online polythematic journal "Scientific Works of KubSTU"], 2023, No. 2, pp. 75-81.
22. Noskov S.I., Afonin M.V., Bychkov Yu.A., Medvedev A.P., Toropov V.D. Nelineynaya regressionnaya model' funktsionirovaniya gorno-metallurgicheskoy kompanii [Nonlinear regression model of function-ing of a mining and metallurgical company], Inzhenernyy vestnik Dona [Engineering Bulletin of the Don], 2024, No. 4 (112), pp. 59-68.








