МОДИФИКАЦИЯ АЛГОРИТМА БРЕНДОНА ДЛЯ ПОСТРОЕНИЯ НЕЛИНЕЙНЫХ РЕГРЕССИОННЫХ МОДЕЛЕЙ

Научная статья
DOI:
https://doi.org/10.18454/IRJ.2016.49.019
Выпуск: № 7 (49), 2016
Опубликована:
2016/07/18
PDF

Настенко Е.А.1, Носовец Е.К.2, Григорьевский Е.C.3

1ORCID: 0000-0002-1076-9337, Доктор биологических наук, старший научный сотрудник; 2ORCID: 0000-0003-1288-3528, Кандидат технических наук; 3ORCID: 0000-0001-5274-2944, Магистр, Национальный технический университет Украины «Киевский политехнический институт»

МОДИФИКАЦИЯ АЛГОРИТМА БРЕНДОНА ДЛЯ ПОСТРОЕНИЯ НЕЛИНЕЙНЫХ РЕГРЕССИОННЫХ МОДЕЛЕЙ

Аннотация

В статье рассмотрено – возможность модификации алгоритма Брендона для построения нелинейных регрессионных моделей за счет повторного поиска нового множителя из сформированной выборки данной, вариации использования логарифмических функций для снижения влияния шума исходных данных и тригонометрических функций для описания циклических процессов. Данный метод реализовано в виде программного продукта. Его работоспособность проверена на тестовой выборке. Полученные результаты свидетельствуют о повышении точности моделирования по сравнению со стандартными методами нелинейного регрессионного анализа.

Ключевые слова: моделирование, регрессия, нелинейность.

 Nastenko E.A.1, Nosovets E.K.2, Hryhorevskyi E.S.3

1ORCID: 0000-0002-1076-9337, PhD in Biology, 2ORCID: 0000-0002-1825-0023, PhD in Engineering, 3ORCID: 0000-0001-5274-2944, Master degree student, National Technical University of Ukraine “KPI”

DEVELOPMENT AND IMPLEMENTATION OF THE METAL DETERGENT PRODUCTION PROJECT

Abstract

The article considers introduction of the ability to modify Brandon algorithm for constructing non-linear regression models by re-find a new factor of the formed sample of this, variations in the use of logarithmic functions to reduce the impact of noise source data and the trigonometric functions for description of cyclic processes. This method is implemented as a program product. Its efficiency is tested on a test sample. The results show an increase in accuracy of modeling as compared with the standard methods of nonlinear regression analysis.

Keywords: modeling, regression, non-linearity.

17-06-2016 14-39-18

17-06-2016 14-40-23

17-06-2016 14-41-01

17-06-2016 14-41-52

17-06-2016 14-42-32

17-06-2016 14-43-14

17-06-2016 14-43-57

Литература

  1. Farlow. S. J. Self-Organizing Methods in Modelling: GMDH Type Algorithms / S. J. Farlow. – New-York: Marcel Decker Inc., 1984. – 350 p.
  2. Sen A. Regression Analysis — Theory, Methods, and Applications / A. Sen, M. Srivastava. – Berlin: Springer-Verlag, 2011. – 348 p.
  3. Brandon D. D. New approach to modelling / D. D. Brandon. // AGI Journal. – 1964. – №7. – С. 36–42.