Статья 2219

Название статьи

ПРОГНОЗИРОВАНИЕ СОСТОЯНИЯ ОБЪЕКТА НА ОСНОВЕ АВТОРЕГРЕССИОННОЙ МОДЕЛИ 

Авторы

Макарычев Петр Петрович, доктор технических наук, профессор, заведующий кафедрой математического обеспечения и применения ЭВМ, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40), E-mail: makpp@yandex.ru
Афонин Александр Юрьевич, кандидат технических наук, доцент, кафедра математического обеспечения и применения ЭВМ, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40), E-mail: afonin@pnzgu.ru
Шибанов Сергей Владимирович, кандидат технических наук, доцент, кафедра математического обеспечения и применения ЭВМ, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40), E-mail: serega@pnzgu.ru 

Индекс УДК

004.94 

DOI

10.21685/2072-3059-2019-2-2 

Аннотация

Актуальность и цели. Выявление и прогнозирование состояния технических средств, социально-экономических систем является актуальной задачей.
Рассматривается метод построения моделей идентификации и прогнозирования на основе теоретических допущений регрессионного анализа и динамических систем. Отличительной особенностью методики является представление объекта в виде динамической системы с выделенной обратной связью, элементами нелинейности и запаздывания. Для оценки качества моделей использовались теоретические положения факторного и корреляционного анализа.
Результаты. Выполнено обоснование структуры и параметров моделей для решения задач идентификации и прогнозирования состояния технических объектов и социально-экономических систем.
Выводы. Предложенная авторегрессионная модель является эффективным инструментом при решении задач идентификации и прогнозирования поведения динамических объектов и социально-экономических систем. 

Ключевые слова

авторегрессионная модель, множественная регрессия, авторегрессия, идентификация параметров, факторный и корреляционный анализ 

 

 Скачать статью в формате PDF

Список литературы

1. Радченко, С. Г. Основные концепции множественного регрессионного анализа / С. Г. Радченко // Математические машины и системы. – 2013. – № 1. – С. 150–155.
2. Дилигенская, А. Н. Идентификация объектов управления / А. Н. Дилигенская. – Самара : СамГТУ, 2009. – 136 с.
3. Isermann, R. Identification of Dynamic Systems. An Introduction with Applications / Rolf Isermann, Marco Műnchhof. – Darmstadt, Germany : Springer, 2010. – 710 p.
4. Cу воров, Н. В. Метод построения регрессионных моделей с динамическими структурными параметрами / Н. В. Cуворов // Проблемы прогнозирования. – 2005. – № 4. – С. 143–155.
5. Макарычев, П. П. Моделирование многокомпонентных систем на основе маркированных графов / П. П. Макарычев, М. А. Волгина. – Пенза : Изд-во ПГУ, 2011. – 156 с.
6. Чокой, В. М. Инструменты регрессионного анализа и прогнозирования процессов в авиационно-технических системах / В. М. Чокой // Crede Experto: транспорт, общество, образование, язык. – 2016. – № 4 (11). – С. 1–11.
7. Краковский, Ю. М. Алгоритм интервального прогнозирования динамических показателей на основе робастной вероятностной кластерной модели / Ю. М. Краковский, А. Н. Лузгин // Наука и образование. – 2016. – № 11. – С. 113–126.
8. A Simple Regression Model for Electrical Energy Forecasting / J. Kumaran @ Kumar, G. Ravi // International Journal of Advanced Research in Electrical, Electronics and Instrumentation Engineering. – 2014. – Vol. 3, iss. 8. – P. 11331–11335.
9. Bates D. M. Nonlinear Regression Analysis and Its Applications / D. M. Bates, D. G. Watts. – New York : Wiley, 2007. – 392 p. [DjVu, ENG]
10. Montgomery, D. C. Introduction to Linear Regression Analysis / Douglas C. Montgomery, Elizabeth A. Peck, G. Geoffrey Vining. – 5th Edition. – New York : John Wiley & Sons, 2012. – 672 p.
11. Mangan, N. M. Model selection for dynamical systems via sparse regression and information criteria / N. M. Mangan, J. N. Kutz, S. L. Brunton, J. L. Proctor // Proceedings of the royal society a. Mathematical, physical and engineering sciences. – 2017. – № 8. – С. 1–16. 

 

Дата создания: 20.05.2019 10:21
Дата обновления: 16.09.2019 08:40