Регрессионная метода

Cтраница 1

Регрессионные методы широко применяются при построении эмпирических моделей технологического оборудования, при этом модель F ( z) аппроксимирует существующую зависимость на множестве заданных функций г. В случаях решения задач классификации или распознавания образов модель F позволяет построить оптимальную дискриминантную поверхность, отделяющую один класс от всех остальных классов или явлений. Кроме того, указанные методы позволяют решать специфические задачи при построении поля параметров пласта, например, задачу отыскания коэффициентов связи между скважинами как действующего, так и проектируемого фонда. [1]

Регрессионные методы оказываются применимыми и для построения моделей, учитывающих динамику технологических процессов. В этом случае находится дискретная модель процесса в пространстве состояний или его дискретная передаточная функция. [2]

Все регрессионные методы чувствительны к корреляции между характеристиками, поэтому в модели не должно быть сильно коррелированных независимых переменных. [3]

Традиционными и наиболее распространенными являются регрессионные методы, прежде всего линейная многофакторная регрессия. [4]

Вероятно, многие будут удивлены, узнав, что наши модели основаны на линейных регрессионных методах. [5]

Если имеется возможность получить в обучающей выборке данные не только о принадлежности объекта к тому или иному классу, но и о количественном значении параметра, по которому производится разбиение, то может оказаться более целесообразным применить регрессионные методы. В рассмотренном выше примере оценки индивидуального качества изделий это значит, что нужно сначала восстановить количественную зависимость, связывающую прочность изделия или его срок службы с теми косвенными параметрами, которые доступны при испытании, а уже затем использовать значение этой функции для отнесения объекта к классу годных или бракованных. [6]

Бывают, однако, случаи, когда имеются экспериментальные данные по давлению паров в широком интервале температур и желательно иметь средства хранения этой информации в аналитической форме. Применяя стандартные регрессионные методы, можно определить наилучшие значения констант, которые используются в любом из уравнений, представленных ранее в этой главе. [7]

Тем не менее понижение продажных цен на внешнем рынке на национальные продукты ведет к росту экспорта. Для учета экспортных возможностей при ценовом анализе часто используют регрессионные методы, которые достаточно эффективны для определения коэффициентов прямой ценовой эластичности Э ( р) объемов экспорта от экспортных цен, а также для целей прогнозирования объемов производства конкурентоспособной продукции. [8]

Хеннана - подробное и весьма полное изложение теории и методов статистического анализа временных рядов. В ней излагаются вероятностные основы, включающие корреляционную и спектральную теорию, а также теорию прогнозирования и фильтрации многомерных стационарных процессов, рассматриваются спектральное оценивание, статистические процедуры для рациональных спектров и регрессионные методы. Высокий математический уровень сочетается с наглядностью и доступностью изложения. [9]

Типичный суточный график потребления газа. [10]

Из графика видно, что в зависимости от температуры окружающей среды потребление газа изменяется. Данный график используется для оценки потребления газа в зависимости от температуры окружающего воздуха. Для ее построения используют регрессионные методы. [11]

В отличие от формальной модели САРМ, модель APT позволяет строить интуитивную стратегию управления риском от дохода по индексу путем выбора такой совокупности факторов, что несистематический риск для каждой ценной бумаги становится некоррелированным с несистематическим риском по любой другой бумаге. Нейронные сети имеют преимущество перед более традиционными методами в случаях, когда мы не можем точно описать все имеющиеся взаимосвязи, но можем выделить некоторый набор показателей, характеризующий исследуемое явление. В отсутствие четкой концептуальной модели регрессионные методы неприменимы. [12]

Как правило, для технологических процессов в редких случаях удается построить модель процесса на основе аналитических методов, хотя, если имеется возможность построить не основе этих методов лишь структуру модели, этой возможностью не следует пренебрегать. Поэтому методы идентификации, используемые для целей адаптивного управления, являются в основном экспериментальными. Среди них большое значение имеют регрессионные методы, которые широко используются для идентификации статических и динамических характеристик технологических объектов. Их преимущества связаны с возможностью идентификации не только линейных, но и нелинейных объектов, удовлетворительной устойчивостью к помехам измерений, возможностью улучшения оценок в процессе накопления данных. Достоинством рекуррентного метода МНК является то, что использование новых данных не приводит к необходимости пересчета информационной матрицы, а также то, что этот метод лучше приспособлен для работы с плохо обусловленными информационными матрицами. [13]

Применение динамических моделей, характеристики которых подстраиваются под объект в процессе функционирования, имеет ряд преимуществ по сравнению с жесткими статическими моделями. При оптимизации непрерывных технологических процессов уравнения динамики получают на основании анализа работы объектов; вид уравнений задается из теоретических соображений. В процессе работы после каждого цикла опроса датчиков, установленных на объекте, уравнения модели корректируются регрессионными методами. Затем оценивается влияние изменения настроек системы регулирования и ожидаемая величина критерия оптимизации. Оптимальные настройки системы регулирования определяются поиском на модели, а затем переносятся на объект до следующего цикла опроса датчиков. Описанная система предназначена для объектов химической и других отраслей промышленности. [14]

Доктор Паккард любезно предоставил некоторую информацию в частном письме. Prediction Company поставила целью предсказание больших ликвидных рынков, таких, как рынки валют, товаров, обыкновенных акций, а также прогнозирование процентных ставок. Инструментами этих стратегий часто выступают фьючерсы. Моделирование осуществляется посредством целого ряда различных методов. По сообщению доктора Паккарда, они включают генетические алгоритмы, деревья решений, нейронные сети и другие нелинейные Регрессионные методы. Судя по опубликованным интервью, Prediction Company верит, что рыночные прибыли подвержены периодам случайных изменений, за которыми следуют пакеты предсказуемости. Это значит, что существует вре-мя, когда мы можем получить прибыль на рынке, и другое вРемя - когда это не так. В некотором смысле это похоже на гипотезу когерентного рынка, хотя и не имеет с ней пря-м й связи. [15]

Страницы: 1