СИНТЕЗ ПАРАМЕТРІВ НЕЛІНІЙНОЇ ПРОГНОЗНОЇ МОДЕЛІ ЗА ДОПОМОГОЮ ГЕНЕТИЧНОГО АЛГОРИТМУ
DOI:
https://doi.org/10.34185/1562-9945-2-145-2023-07Ключові слова:
Генетичний алгоритм, метод найменших квадратів, нелінійна модель, функція Річард-са, параметри моделіАнотація
В статті розглядається визначення та оцінка параметрів нелінійної регресійної мо-делі за допомогою генетичного алгоритму. Оцінка параметрів, є різновидом задачі оптимізації, що дає змогу її розв’язувати за допомогою стохастичних алгоритмів, це представляє можливість використання таких алгоритмів, щоб відповідати моделям нелінійної регресії. Було досліджено набір даних trees, який відображає нелінійну за-лежність між ознаками. В наборі міститься 1200 спостережень і три змінних: ID дерева; вік дерева; об’єм деревини. Була проаналізована залежність об’єму деревини (Vol) від віку дерева (Age). Увага на локації дерев дозволило підібрати логістичну фун-кцію Річардса в якості функціональної залежності, нелінійною як за параметрами, так і за змінною. Для оцінки параметрів функції Річардса було використано генетич-ний алгоритм. Були обчислені коефіцієнти нелінійних моделей для випадково обраних локацій дерев. Для оцінки якості моделей використано коефіцієнт детермінації R2.
Посилання
Бідюк П.І., Гожий О.П. Ймовірнісно-статистичні методи моделювання і про-гнозування: [монографія] . – Миколаїв: Вид-во ЧДУ ім. Петра Могили, 2014. – 440 с.
De Gooijer J.G. Elements of Nonlinear Time Series Analysis and Forecasting. Springer Series in Statistics. Library of Congress Control Number: 2017935720. 2017, 620 p. DOI 10.1007/978-3-319-43252-6/
Bidyuk P., Gozhyj A., Kalinina I., Vysotska V. (2020) Methods for Forecasting Nonline-ar Non-stationary Processes in Machine Learning. Communications in Computer and Information Science. – Volume 1158. – Springer, Cham, 2020. – pp. 470-485. - Print ISBN978-3-030-61655-7, Online ISBN978-3-030-61656-4. DOI: https://doi.org/10.1007/ 978-3-030-61656-4_32.
Gen M., Cheng R. (2000), Genetic Algorithms and Engineering Optimization (New York: John Wiley &Sons Inc).
Kapanoglu M., Koc I.O., Erdogmus S., Genetic algorithms in parameter estimation for nonlinear regression models: an experimental approach, Journal of Statistical Computation and Simulation, 77(10):851-867, (2007).
Haj Seyed Hadi M.R., Gonzalez-Andujar J.L. Comparison of Fitting Weed Seedling Emergence Models with Nonlinear Regression and Genetic Algorithm. Comput. Electron. Agric. 2009, 65, pp. 19–25.
Mitra S., Mitra A., Kundu D. Genetic algorithm and M-estimator based robust se-quential estimation of parameters of nonlinear sinusoidal signals. Communications in Nonlinear Science and Numerical Simulation. Vol. 16, Issue 7, 2011, pp. 2796-2809. https://doi.org/10.1016/j.cnsns. 2010.10.005.
Paterakis E., Petridis V., Kehagias A. Genetic algorithm in parameter estimation of nonlinear dynamic systems. International Conference on Parallel Problem Solving from Nature, 2006, 171 Accesses, 2 Citations, pp. 1008–1017.
DOI: 10.1007/BFb0056942.
Monti C.A.U., Oliveira R.M., Roise J.P., Scolforo H.F., Gomide L.R. Hybrid Method for Fitting Nonlinear Height–Diameter Functions. Journals “Forests”, Vol. 13, Issue 11, 2022. https://doi.org/10.3390/f13111783.
Leehter, Y., Sethares, W.A. Nonlinear Parameter Estimation via the Genetic Al-gorithm. IEEE Trans. Signal Process. 1994, 42, pp. 927–935.
Chatterjee, S., Laudato M., Lynch, L.A. Genetic Algorithms and Their Statistical Applications: An Introduction. Comput. Stat. Data Anal. 1996, 22, pp. 633–651.
Jin Y.-F., Yin Z.-Y., Shen S.-L., Hicher, P.-Y. Selection of Sand Models and Iden-tification of Parameters Using an Enhanced Genetic Algorithm. Int. J. Numer. Anal. Methods Geomech. 2016, 40, pp. 1219–1240.
VanderNoot T.J. Abrahams I. The Use of Genetic Algorithms in the Non-Linear Regression of Immittance Data. J. Electroanal. Chem. 1998, 448, pp. 17–23.
Lacerda T.H.S., Miranda E.N., E Lopes I.L., Fonseca G.R., França L.C., de Jesus França L.C., Gomide L.R. Feature Selection by Genetic Algorithm in Nonlinear Taper Model. Can. J. For. Res. 2022, 52, pp. 769–779.
Zhou X., Wang J., (2005) A genetic method of LAD estimation for models with censored data. Computational Statistics and Data Analysis,48(3), pp. 451–466.
Опубліковано
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
