CALCULATING PARAMETERS OF A SIMPLE NESTED PIECEWISE LINEAR REGRESSION USING MIXED ESTIMATION
https://doi.org/10.35266/1999-7604-2024-1-7
Abstract
The article describes an algorithm for calculating numerical estimates of the parameters of a simple nested piecewise linear regression using mixed estimation. The algorithm aims at simultaneous identifi cation using methods of least modules and antirobust estimation, both of which operate on certain subsamplings from the initial sampling. The approach comes to solving the problem of linear Boolean programming. A numerical problem has been solved.
About the Authors
S. I. Noskov
Irkutsk State Transport University, Irkutsk
Russian Federation
Russian Federation
Doctor of Sciences (Engineering), Professor
A. N. Znaidyuk
Irkutsk State Transport University, Irkutsk
Russian Federation
Russian Federation
Student
References
1. Shi S., Li Y., Wan C. Robust continuous piecewise linear regression model with multiple change points. J Supercomput. 2020;76:3623–3645.
2. Martinez N., Anahideh H., Rosenberger J. M. et al. Global optimization of non-convex piecewise linear regression splines. J Glob Optim. 2017;68:563–586.
3. Gascón A., Sánchez-Úbeda E. F. Automatic specifi - cation of piecewise linear additive models: Application to forecasting natural gas demand. Stat Comput. 2017;28:201–217.
4. Yu J. R., Tseng F.-M. Fuzzy piecewise logistic growth model for innovation diffusion: A case study of the TV Industry. Int J Fuzzy Syst. 2015;18:511–522.
5. Moriyama T., Kuwano M., Nakayama M. A statistical method for estimating piecewise linear sales trends. J Market Anal. 2023. URL: https://link.springer.com/article/10.1057/s41270-023-00207-9 (дата обращения: 04.01.2024).
6. Bemporad A. A piecewise linear regression and classifi cation algorithm with application to learning and model predictive control of hybrid systems. IEEE Transactions on Automatic Control. 2023;68:3194–3209.
7. Qingguo T., Wenyu C. Estimation for partially linear additive regression with spatial data. Stat Papers. 2022;63:2041–2063.
8. Neocleous T., Portnoy S. Partially linear censored quantile regression. Lifetime Data Anal. 2009;15:357–378.
9. Demarqui F. N., Loschi R. H., Colosimo E. A. Estimating the grid of time-points for the piecewise exponential model. Lifetime Data Anal. 2008;14:333–356.
10. Жижин К. С., Благородова Н. В. Использование кусочно-линейной регрессии в прогнозировании чрезвычайных ситуаций // Международный журнал экспериментального образования. 2016. № 5–3. С. 337–338.
11. Клячкин В. Н., Бубырь Д. С. Прогнозирование состояния технического объекта на основе кусочно-линейных регрессий // Радиотехника. 2014. № 7. С. 137–140.
12. Изюмов Б. Д. Кусочно-линейный нечеткий регрессионный анализ данных испытаний скважин // Автоматизация, телемеханизация и связь в нефтяной промышленности. 2013. № 11. С. 22–29.
13. Носков С. И. Подход к формализации вложенной кусочно-линейной регрессии // Международный журнал гуманитарных и естественных наук. 2023. № 1–2. С. 218–220.
14. Носков С. И. Некоторые формы вложенной кусочно-линейной регрессии // Известия Тульского государственного университета. Технические науки. 2023. № 3. С. 467–469.
15. Носков С. И. Идентификация параметров простой формы вложенной кусочно-линейной регрессии // Ученые записки Комсомольского-на-Амуре государственного технического университета. 2023. № 3. С. 57–61.
16. Носков С. И., Перфильева К. С. Эмпирический анализ некоторых свойств метода смешанного оценивания параметров линейного регрессионного уравнения // Наука и бизнес: пути развития. 2020. № 6. С. 62–66.
Review
For citations:
Noskov S.I., Znaidyuk A.N. CALCULATING PARAMETERS OF A SIMPLE NESTED PIECEWISE LINEAR REGRESSION USING MIXED ESTIMATION. Proceedings in Cybernetics. 2024;23(1):54-59. (In Russ.) https://doi.org/10.35266/1999-7604-2024-1-7
Views:
158
Email this article 