Моделирование тенденций временных рядов со структурными изменениями с помощью многослойных модульных регрессий: Modeling Time Series Trends with Structural Changes using Multilayer Modular Regressions
Uloženo v:
| Název: | Моделирование тенденций временных рядов со структурными изменениями с помощью многослойных модульных регрессий: Modeling Time Series Trends with Structural Changes using Multilayer Modular Regressions |
|---|---|
| Zdroj: | Успехи кибернетики / Russian Journal of Cybernetics. 5:34-41 |
| Informace o vydavateli: | Scientific Research Institute of System Analysis, 2024. |
| Rok vydání: | 2024 |
| Popis: | статья посвящена проблеме моделирования технических и социальноэкономических систем, динамика которых трансформируется за счет структурных изменений, что приводит к модификации параметров описывающих эту динамику трендов. Сформулирована трендовая модель многослойной модульной регрессии. Задача ее идентификации с помощью метода наименьших модулей формализована в виде задачи частично-булевого линейного программирования. С помощью предложенных моделей решено 3 задачи моделирования по временным рядам, содержащим тенденцию со структурными изменениями. Первая задача решена по данным о численности населения в Иркутской области, вторая и третья — по данным о грузовых и пассажирских железнодорожных перевозках. Построенные многослойные модульные регрессии, в отличие от линейных трендов, успешно выявили абсолютно все скрытые структурные изменения. Графически проиллюстрировано, как улучшается качество аппроксимации трендовых регрессий с ростом количества их слоев. Наиболее адекватные модели для каждой задачи были представлены в виде кусочно-заданных функций, что позволило дать им содержательную интерпретацию. Достоинство трендовых многослойных модульных регрессий в том, что на этапе оценивания автоматически определяются моменты времени, в которых меняется направление трендов. this study addresses the challenge of modeling technical and socio-economic systems whose dynamics evolve due to structural changes, resulting in shifts in the parameters of the trends that describe these dynamics. A trend model based on multilayer modular regression is proposed. The identification problem is formalized as a mixed 0-1 integer linear programming problem, solved using the least absolute deviations method. The efficacy of the proposed models is demonstrated through three case studies using time series that exhibit structural changes in their trends. The first case study focuses on population data from the Irkutsk region, while the second and third analyze freight and passenger rail transportation data. Unlike linear trend models, the multilayer modular regressions successfully identified all latent structural changes. Graphical illustrations demonstrate how increasing the number of regression layers enhances the quality of trend approximation. The most appropriate models for each case are presented as piecewise functions, enabling a meaningful interpretation of the results. The primary advantage of multilayer modular trend regressions is their ability to automatically detect time points at which trend directions change during the estimation process. |
| Druh dokumentu: | Article |
| Jazyk: | Russian |
| ISSN: | 2712-9942 |
| DOI: | 10.51790/2712-9942-2024-5-3-04 |
| Přístupové číslo: | edsair.doi...........a6e5a8a619f47d03f408bc5e7bd08add |
| Databáze: | OpenAIRE |
Full Text Finder 
Nájsť tento článok vo Web of Science | Abstrakt: | статья посвящена проблеме моделирования технических и социальноэкономических систем, динамика которых трансформируется за счет структурных изменений, что приводит к модификации параметров описывающих эту динамику трендов. Сформулирована трендовая модель многослойной модульной регрессии. Задача ее идентификации с помощью метода наименьших модулей формализована в виде задачи частично-булевого линейного программирования. С помощью предложенных моделей решено 3 задачи моделирования по временным рядам, содержащим тенденцию со структурными изменениями. Первая задача решена по данным о численности населения в Иркутской области, вторая и третья — по данным о грузовых и пассажирских железнодорожных перевозках. Построенные многослойные модульные регрессии, в отличие от линейных трендов, успешно выявили абсолютно все скрытые структурные изменения. Графически проиллюстрировано, как улучшается качество аппроксимации трендовых регрессий с ростом количества их слоев. Наиболее адекватные модели для каждой задачи были представлены в виде кусочно-заданных функций, что позволило дать им содержательную интерпретацию. Достоинство трендовых многослойных модульных регрессий в том, что на этапе оценивания автоматически определяются моменты времени, в которых меняется направление трендов. this study addresses the challenge of modeling technical and socio-economic systems whose dynamics evolve due to structural changes, resulting in shifts in the parameters of the trends that describe these dynamics. A trend model based on multilayer modular regression is proposed. The identification problem is formalized as a mixed 0-1 integer linear programming problem, solved using the least absolute deviations method. The efficacy of the proposed models is demonstrated through three case studies using time series that exhibit structural changes in their trends. The first case study focuses on population data from the Irkutsk region, while the second and third analyze freight and passenger rail transportation data. Unlike linear trend models, the multilayer modular regressions successfully identified all latent structural changes. Graphical illustrations demonstrate how increasing the number of regression layers enhances the quality of trend approximation. The most appropriate models for each case are presented as piecewise functions, enabling a meaningful interpretation of the results. The primary advantage of multilayer modular trend regressions is their ability to automatically detect time points at which trend directions change during the estimation process. |
|---|---|
| ISSN: | 27129942 |
| DOI: | 10.51790/2712-9942-2024-5-3-04 |