ВЫБОР ОПТИМАЛЬНОГО НАБОРА ПРИЗНАКОВ ИЗ МУЛЬТИКОРРЕЛИРУЮЩЕГО МНОЖЕСТВА В ЗАДАЧЕ ПРОГНОЗИРОВАНИЯ

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.

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

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.