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

Авторы

  • С.И. Носков Иркутский государственный университет путей и сообщения
  • С.В. Беляев Иркутский государственный университет путей и сообщения

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.

Скачивания

Опубликовано:

2025-10-01

Номер:

Раздел:

РАЗДЕЛ II. АНАЛИЗ ДАННЫХ, МОДЕЛИРОВАНИЕ И УПРАВЛЕНИЕ

Ключевые слова:

Комбинированная кусочно-линейная регрессионная модель, группировка предикторов, задача линейно-булева программирования, индексное множество, мощность множества, горно-металлургическая компания

Для цитирования:

С.И. Носков , С.В. Беляев ГРУППИРОВКА ПРЕДИКТОРОВ В КОМБИНИРОВАННОЙ КУСОЧНО-ЛИНЕЙНОЙ РЕГРЕССИИ. Известия ЮФУ. Технические науки. – 2025. - № 4. – С. 120-127.