ВЫБОР ОПТИМАЛЬНОГО НАБОРА ПРИЗНАКОВ ИЗ МУЛЬТИКОРРЕЛИРУЮЩЕГО МНОЖЕСТВА В ЗАДАЧЕ ПРОГНОЗИРОВАНИЯ
Аннотация
Рассмотрена проблема прогнозирования временных рядов. Для получения устойчивого прогноза предложено рассматривать входные временные ряды как матрицу объект-признак и использовать отбор признаков. В условиях мультиколлинеарности признаков необходим критерий для ее обнаружения. Для этого применяли подход, основанный на методе Белсли. Исключение коррелирующих признаков при отборе позволяет сократить размерность задачи и получить устойчивые оценки параметров модели. Для отбора признаков предложен метод добавления и удаления признаков. В качестве практической проверки данного метода в ходе вычислительного эксперимента решена задача прогнозирования почасовых значений цен на электроэнергию. Эксперименты проведены на реальных данных о ценах на электроэнергию в Германии.
Ключевые слова
устойчивость модели,
выбор признаков,
метод Белсли,
почасовое прогнозирование цен,
прогнозирование временных рядов,
метод добавления-удаления признаков,
линейная регрессия,
stability (sustainability) of the model,
feature selection,
Belsley method,
hourly forecasting of prices,
forecasting of time series,
method of adding-removing of signs,
linear regression
Об авторах
Р. Г. Нейчев
Московский физико-технический институт
Россия
Россия
А. М. Катруца
Московский физико-технический институт
Россия
Россия
В. В. Стрижов
Вычислительный центр РАН им. Дородницына
Россия
Россия
Список литературы
1. Zinovyev A. Y., Gorban A. N., Sumner N. R. Topological grammars for data approximation / Appl. Math. Lett. 2007. Vol. 20. N 4. P. 382-386.
2. Chi-Hyuck Jun, Il-Gyo Chong. Performance of some variable selection methods when multicollinearity is present / Chemometrics and Intelligent Laboratory Systems. 2005. Vol. 78. N 1, 2. P. 103 - 112.
3. Jiang Guohua, Wang Hansheng, Li Guodong. Robust regression shrinkage and consistent variable selection through the LAD-lasso / J. Business Econ. Stat. 2008. Vol. 25. P. 347 - 355.
4. Herzog F., Hildmann M. Robust calculation and parameter estimation of the hourly price forward curve / 17th Power Systems Computation Conference. Stockholm. 2011. P. 1-7.
5. Efron B., Hastie T., Johnstone I., Tibshirani R. Least angle regression / The Annals of Statistics. 2004. Vol. 32. N 3. P. 407 - 499.
6. Степашко В. С., Ивахненко А. Г. Помехоустойчивость моделирования. - Киев: Наукова думка, 1985. - 216 с.
7. Smith H., Draper N. R. Appied regression analysis. - New York: John Wihley and Sons, 1998. - 736 p.
8. Grant P. M., Chen S., Cowan S. F. N. Orthogonal least squares learning algorithm for radial basis function network / Neural Networks. 1991. Vol. 2. N 2. P. 302 - 309.
9. Belsley A. D. Conditioning Diagnostics: Collinearity and Weak Data in Regression. - New York: John Wiley and Sons, 1991. - 396 p.
10. Abdolkhalig A. Optimized calculation of hourly price forward curve (HPFC) / Int. J. Electr. Comp. Electronics Comm. Eng. 2008. Vol. 2. N 9. P. 840 - 850.
11. Caro G., Hildmann M. What makes a good hourly price forward curve? / European Energy Market, IEEE 10th International Conference, 2013. Stockholm. P. 1 - 7.
12. Kachapova F., Kachapov I. Orthogonal projection in teaching regression and financial mathematics / J. Stat. Education. 2010. Vol. 18. N 1. P. 1 - 18.
13. Временной ряд цен на электроэнергию: https://svn.code.sf.net/p/ dmba/code/data/germanspotprice.csv
14. Леонтьева Л. Н. Выбор моделей прогнозирования цен на электроэнергию / JMLDA. 2011. Т. 1. № 2. С. 127 - 137.
15. Стрижов В. В., Крымова Е. А. Алгоритм выбора признаков линейных регрессионных моделей из конечного и счетного множеств / Заводская лаборатория. Диагностика материалов. 2011. Т. 77. №5. С. 63 - 68.
16. Tsonis A. A., Elsner J. B. Singular Spectrum Analysis. A New Tool in Time Series Analysis. - Springer US. 1996. - 164 p.
Рецензия
Для цитирования:
Нейчев Р.Г., Катруца А.М., Стрижов В.В. ВЫБОР ОПТИМАЛЬНОГО НАБОРА ПРИЗНАКОВ ИЗ МУЛЬТИКОРРЕЛИРУЮЩЕГО МНОЖЕСТВА В ЗАДАЧЕ ПРОГНОЗИРОВАНИЯ. Заводская лаборатория. Диагностика материалов. 2016;82(3):68-74.
For citation:
Neichev R.G., Katrutsa A.M., Strizhov V.V. Robust Selection of Multicollinear Features in Forecasting. Industrial laboratory. Diagnostics of materials. 2016;82(3):68-74. (In Russ.)
Просмотров: 269
Послать статью по эл. почте 