×
尤里·克拉科夫斯基;亚历克桑德·卢兹金

基于概率聚类模型的稳健区间预测算法。 （英语） Zbl 07192660号

J.统计计算。模拟 88，第12号，2309-2324（2018）.
摘要：为了证实管理决策，使用了动态指标的预测结果。因此，这些指标的预测精度必须是可以接受的。因此，不断改进预测算法以获得可接受的精度。本文考虑了二进制结果预测方法的一种变体。该方法允许预测指示器的未来值是否超过预定值。这种方法被命名为“区间预测”。本文提出了一种基于概率聚类模型的稳健区间预测算法。将该算法与基于logistic回归的算法进行了精度比较。选择了具有不同统计特性的指标。所得结果表明，在大多数情况下，这两种算法的精度大致相同。然而，当基于logistic回归的算法显示出不可接受的准确性时，与所提出的算法不同的情况已经被确定。因此，这种新算法更准确。

引用于1文件

MSC公司：

62至XX 统计学

关键词：

区间预测;预测二元结果;时间序列;动态指示器;概率聚类模型;逻辑回归

软件：

extRemes公司;瑞士航空公司;CRAN（起重机）;美国astsa;毫安;R（右）
PDF格式BibTeX公司 XML格式引用
\textit{Y.Krakovsky}和\textit{A.Luzgin}，J.统计计算。模拟88，第12期，2309--2324（2018；Zbl 07192660）
全文： 内政部

参考文献：

[1] Pinson P、Nielsen HA、Moller JK等。风力发电的非参数概率预测：所需特性和评估。风能。2017年；10(6):497-587. doi:10.1002/we.230[Crossref]，[Google学者]
[2] Elliot G，Lieli RP。预测二进制结果。《经济学杂志》。2013;174:15-26. doi:10.1016/j.jeconom.2013.01.003[Crossref]，[Web of Science®]，[Google学者]·Zbl 1277.62043号
[3] Lahiri K，Yang L.预测二元结果。Handb经济预测。2013;2:1025-1106. doi:10.1016/B978-0-444-62731-5.000019-1[Crosref]，[谷歌学者]
[4] Fenlon C、Grandy L、Doherty L等。二元和分类预测模型评估的校准技术讨论。Prev Vet Med.2018年；149:107-114。doi:10.1016/j.provetmed.2017.11.018[Crossref]，[PubMed]，[Web of Science®]，[Google学者]
[5] Kubkowski M，Mielniczuk J.一般二元模型在逻辑回归中的投影。线性代数应用。2018;536:152-173. doi:10.1016/j.laa.2017.09.013[Crossref]，[Web of Science®]，[Google学者]·Zbl 1403.62136号
[6] Shumway RH，Stoffer DS。时间序列分析及其应用（R示例）。第三版，纽约（NY）：施普林格；2011.【Crossref】，【谷歌学者】·Zbl 1276.62054号
[7] 王华，李刚，王刚，等。基于深度学习的概率风电预测集成方法。Appl Energy，2017年；88(15):56-70. doi:10.1016/j.apenergy.2016.11.111[对照]，[谷歌学者]
[8] Vernay M、Lafaysse M、Merindol L等。积雪条件和雪崩危险的综合预测。2015年《冷注册科学技术》；120:251-262. doi:10.1016/j.coldregions.2015.04.010[Crossref]，[Web of Science®]，[Google学者]
[9] Krakovsky YM，Luzgin AN。基于稳健概率聚类模型的动态指标区间预测算法。Bauman理学硕士。2016;11:113-126. [谷歌学者]·Zbl 07192660号
[10] 崔M，柯德，孙毅，等。基于随机情景生成方法的风电匝道事件预测。收件人：Bikash CP，编辑。《IEEE可持续能源交易记录》，伦敦：IEEE；2015年，第422-433页。[谷歌学者]
[11] Yoder M，Hering AS，Navidi WC，et al.利用马尔可夫链模型对风力发电的分类变化进行短期预测。风能，2014年；17:1425-1439. [Web of Science®]，[Google学者]
[12] Arbues F，Villanüa I.西班牙选择性收集电池行为的决定因素。二元Probit模型。节约回收。2016;106:1-8. doi:10.1016/j.resconrec.2051.11.004[Crosref]，[Web of Science®]，[谷歌学者]
[13] 泰勒·JW。使用自回归logit模型对风电斜坡事件进行概率预测。《欧洲运营商评论》，2016年；259:703-712. doi:10.1016/j.ejor.2016.10.041[Crossref]，[Web of Science®]，[Google学者]·兹比尔1395.62350
[14] Murata A，Fujii Y，Naitoh K。使用行为测量预测驾驶员睡意的多项式logistic回归模型。《Procedia Manuf.2015》；3:2426-2433. doi:10.1016/j.promfg.2015.07.502[交叉引用]，[谷歌学者]
[15] Kliestik T、Kocisova K、Misankova M.Logit和Probit模型用于预测公司的财务健康状况。Procedia经济金融。2015;23:850-855. doi:10.1016/S2212-5671（15）00485-2[交叉引用]，[谷歌学者]
[16] Gutierrez-Perez GL、Mesones-Tello JP、Medina-Conde BB等。关于逻辑回归应用条件。心理咨询修订版（英文版）。2017;10(4):1-216. [PubMed]、[Web of Science®]、[Google学者]
[17] Tsangaratos P，Ilia I.滑坡敏感性评估中逻辑回归和朴素贝叶斯分类器的比较：模型复杂性和训练数据集大小的影响。卡特纳。2016;145:164-179. doi:10.1016/j.catena.2016.06.004[Crossref]，[Web of Science®]，[Google学者]
[18] Villarubia G、Paz JF、Chamoso P等。优化问题中使用的人工神经网络。神经计算。2018;272:10-16. doi:10.1016/j.neucom.2017.04.075[Crossref]，[Web of Science®]，[Google学者]
[19] Mansourian S、Darbandi EI、Mohassel MH等。人工神经网络和逻辑回归作为预测伊朗库尔德斯坦省旱地鹰嘴豆和冬小麦田杂草种群的潜在方法的比较。作物保护。2017;93:43-51. doi:10.1016/j.cropro.2016.11.015[Crossref]，[Web of Science®]，[Google学者]
[20] Munoz-Mas R、Fukuda S、Portoles J等，《概率神经网络再研究：与支持向量机和伊比利亚东部鲢（Squalius valentinus）的微栖息地适宜性的比较研究》。生态信息。2018;43:24-37. doi:10.1016/j.ecoinf.2017.10.008[Crossref]，[Web of Science®]，[Google学者]
[21] Naik N，Purohit S.对二进制分类方法进行比较研究，以分析虚拟机上的海量数据集。计算机科学百科全书。2017;112:1863-1870. doi:10.1016/j.procs.2017.08.232[Crosref]，[谷歌学者]
[22] 帕纳帕基迪斯IP。基于聚类的日前和小时前公交车负荷预测模型。国际电力能源系统杂志。2016;80:171-178. doi:10.1016/j.ijepes.2016.01.035[Crossref]，[Web of Science®]，[Google学者]
[23] Jimenez-Perez PF，Mora-Lopez L.使用聚类和分类技术建模和预测每小时全球太阳辐射。Orig Res Artic Sol Energy，2016年；135:682-691. doi:10.1016/j.solener.2016.06.039[Crossref]，[Web of Science®]，[Google学者]
[24] Jousselme A，Maupin P.证据理论中的距离：综合调查和概括。国际J近似原因。2012;53(2):118-145. doi:10.1016/j.ijar.2011.07.006[Crossref]，[Web of Science®]，[Google学者]·Zbl 1280.68258号
[25] Todeschini R、Ballabio D、Consonni V等。高阶相似性的新概念以及距离/相似性度量在局部分类方法中的作用。化学计量学智能实验室系统。2016;157:50-57. doi:10.1016/j.chemolab.2016.06.013[Crossref]，[Web of Science®]，[Google学者]
[26] Yang L，Dong L，Bi X。一种改进的基于多距离位置差的最近邻搜索算法。实习生J光电子光学。2016;127(22):10838-10843. doi:10.1016/j.ijleo.2016.08.091[交叉引用]，[谷歌学者]
[27] Shevlyakov G，Oja H.稳健相关性：理论与应用。纽约：约翰·威利父子公司；2016.【Crossref】，【谷歌学者】·Zbl 1381.62007年
[28] Shevlyakov G，Smirnov P.相关系数的稳健估计：调查尝试。澳大利亚J Stat.2011；40:147-156. [谷歌学者]
[29] Smirnov PO，Shevlyakov GL.基于Qn的快速高效稳健的一步M估计量。计算统计数据分析。2014;78:153-158. doi:10.1016/j.csda.2014.04.013[Crossref]，[Web of Science®]，[Google学者]·Zbl 1506.62169号
[30] Smirnov PO、Shirokov IS、Shevlyakov GL。基于Q估计的标度参数的高效和稳健M估计。圣彼得堡理工大学J：物理数学。2017;3（3）：239-241。doi:10.1016/j.spjpm.2017.09.012[交叉引用]，[谷歌学者]
[31] Burger M，Repisky J.线性最小二乘回归问题。作者：Mokrys M，Lieskovsky A，编辑。第1届科学领域高级研究虚拟会议论文集。斯洛伐克：EDIS；2012年，第257-262页。[谷歌学者]
[32] Ohlson JA，Kim S.《不含OLS的线性估值：Theil-Sen估计方法》。2015年修订版会计科目；20(1):395-435. doi:10.1007/s11142-014-9300-0[Crossref]，[Web of Science®]，[Google学者]
[33] Wilcox RR，Clark F.当存在异方差时，比较与两个依赖组相关的稳健回归线。2014年计算统计；29(5):1175-1186. doi:10.1007/s00180-014-0485-2[Crossref]，[Web of Science®]，[Google学者]·Zbl 1306.65150号
[34] Shah SH、Rehman A、Rashid T等。在存在离群值的情况下，通过模拟对普通最小二乘回归和Theil-Sen回归进行比较研究。美国科技大学。2016;5:137-142. [谷歌学者]
[35] 巴博萨SM.2012。多元自回归分析的R函数。R包版本1.1；[引用自2017年6月15日]。可从以下位置获得：https://cran.r-project.org/web/packages/mAr[谷歌学者]
[36] Gilleland E.2016年。执行极值分析的功能。R包2.0版；[引用日期：2017年2月3日]。可从以下位置获得：https://cran.r-project.org/web/packages/extRemes网站[谷歌学者]
[37] Datamarket.com[互联网]。雷克雅未克（IC）：基础ehf；[引用日期：2016年12月9日]。可从以下位置获得：https://datamarket.com/data/[谷歌学者]
[38] Locher R.2012年。瑞士航空：瑞士一年的空气质量数据，分辨率为30分钟。R包版本1.1.4；[引用日期：2016年12月25日]。可从以下位置获得：https://cran.r-project.org/web/packages/SwissAir（瑞士航空）[谷歌学者]
[39] Merkle EC、Steyvers M、Mellers B等人。良好预测判断的一个被忽视的维度：我们选择的问题也很重要。国际J预测。2017;33（4）：817-832。doi:10.1016/j.ijforecast.2017.04.002[Crossref]，[Web of Science®]，[Google学者]
[40] Cran.r-project.org[互联网]。静脉（AT）：阿尔弗雷德·纳格尔；[引用日期：2017年9月5日]。可从以下位置获得：https://cran.r-project.org/[谷歌学者]
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。