Системы анализа и обработки данных

СИСТЕМЫ АНАЛИЗА И ОБРАБОТКИ ДАННЫХ

ISSN (печатн.): 2782-2001          ISSN (онлайн): 2782-215X
English | Русский

Последний выпуск
№3(103) Июль-Сентябрь 2026

Алгоритмы построения дискретных A-оптимальных планов эксперимента при активной идентификации регрессионных моделей многофакторных систем

Выпуск № 2 (86) Апрель - Июнь 2022
Авторы:

Попов Александр Александрович ,
DOI: http://dx.doi.org/10.17212/2782-2001-2022-2-39-54
Аннотация

Для решения задачи эффективной идентификации регрессионных моделей многофакторных систем, как правило, прибегают к использованию концепции оптимального планирования эксперимента. Синтез планов эксперимента предполагает использование априори выбранного критерия оптимальности. Их предложено достаточно много. Чаще всего находят применение критерии, которые связаны с точностью оценивания параметров регрессионных моделей. Можно назвать такие известные критерии, как критерий D-оптимальности, критерий A-оптимальности и критерий E-оптимальности. Следует отметить, что бльшая часть теоретических и прикладных исследований связана с использованием критерия D-оптимальности. В работе отмечается, что часто планы, построенные по критерию A-оптимальности, показывают хорошие характеристики и по ряду других критериев оптимальности. При этом сам критерий характеризует собой среднюю дисперсию оценок параметров регрессионной модели и для A-оптимальных планов эллипсоид рассеивания имеет наименьшие габаритные размеры. Использование критерия D-оптимальности позволяет получать эллипсоид рассеивания оценок параметров наименьшего объема, что не исключает вероятность получения эллипсоида вытянутого по одной или нескольким главным осям. В работе предлагаются и описываются два алгоритма синтеза дискретных A-оптимальных планов. Первый из них базируется на развиваемой автором концепции последовательного достраивания плана эксперимента до необходимого объема. Он может с успехом применяться в ситуации, когда исследователю необходимо наращивать объем экспериментов для достижения необходимой точности результирующей модели. Второй алгоритм, позволяющий строить планы для заданного числа наблюдений, состоит из итераций, на которых производится добавление и удаление точек плана по определенным правилам.


Ключевые слова: регрессионная модель, активная идентификация, план эксперимента, робастные планы, критерии оптимальности, A-оптимальные планы, алгоритм достраивания, алгоритм добавления-удаления
Попов Александр Александрович
630073, РФ, г. Новосибирск, пр. Карла Маркса, 20, Новосибирский государственный технический университет,
a.popov@corp.nstu.ru
Orcid: 0000-0002-7822-1554

Список литературы

1. Налимов В.В., Голикова Т.И. Логические основания планирования эксперимента. - М.: Металлургия, 1981. – 151 с.



2. Голикова Т.И., Панченко Л.А., Фридман М.З. Каталог планов второго порядка. Ч. 2. – М.: Изд-во МГУ, 1974. – 384 с.



3. Голикова Т.И., Панченко Л.А. Систематизация планов для оценки полиномиальных моделей второго порядка // Планирование оптимальных экспериментов. – М.: Изд-во МГУ, 1975. – С. 106–149.



4. Kiefer J. Optimal design: variation in structure and performance under change of criterion / // Biomertrica. – 1975. – Vol. 62, N 2. – P. 277–288.



5. Дубова И.С. Федоров В.В. Таблицы оптимальных планов II (Насыщенные D-оптимальные планы на кубе). – М.: Изд-во МГУ, 1972. – 42 c. – (Препринт / Межфакультетская лаборатория статистических методов; № 40).



6. Федоров В.В. Теория оптимального планирования эксперимента. – М.: Наука, 1971. – 312 с.



7. Денисов В.И., Попов А.А. A-, Е-оптимальные и ортогональные планы регрессионных экспериментов для полиномиальных моделей / Академия наук СССР, Научный совет по комплексной проблеме «Кибернетика». – Препринт. – М., 1976. – 44 с.



8. Попов А.А. Оптимальное планирование эксперимента в задачах структурной и параметрической идентификации моделей многофакторных систем: монография. – Новосибирск: Изд-во НГТУ, 2013. – 296 с.



9. Уилкинсон Дж.Х. Алгебраическая проблема собственных значений. – М.: Наука, 1970. – 564 с.



10. Попов А.А. Последовательные схемы построения оптимальных планов эксперимента // Сборник научных трудов НГТУ. – 1995. – № 1. – С. 39–44.



11. Попов А.А. Последовательные схемы синтеза оптимальных планов эксперимента // Доклады Академии наук высшей школы Российской Федерации. – 2008. – № 1 (10). – С. 45–55.



12. Беллман Р. Введение в теорию матриц. – М.: Наука, 1969. – 367 с.



13. Рао С.Р. Линейные статистические методы и их применения. – М.: Наука, 1968. – 548 с.



14. Searle S.R. Matrix algebra useful for statistics. – 2nd ed. – Hoboken, NJ: Wiley, 2017. – 479 p.



15. Mitchell T.J. An algorithm for the construction of D-optimal experimental designs // Technometrics. - 1974. – Vol. 16, N 2. – P. 203–210.

Просмотров аннотации: 703
Скачиваний полного текста: 523
Просмотров интерактивной версии: 0
Для цитирования:

Попов А.А. Алгоритмы построения дискретных A-оптимальных планов эксперимента при активной идентификации регрессионных моделей многофакторных систем // Системы анализа и обработки данных. – 2022. – № 2 (86). – С. 39–54. – DOI: 10.17212/2782-2001-2022-2-39-54.

For citation:

Popov A.A. Algoritmy postroeniya diskretnykh A-optimal'nykh planov eksperimentov pri aktivnoi identifikatsii regressionnykh modelei mnogofaktornykh sistem [Algorithms for constructing discrete A-optimal experiment designs in active identification of regression models of multifactor systems]. Sistemy analiza i obrabotki dannykh = Analysis and Data Processing Systems, 2022, no. 2 (86), pp. 39–54. DOI: 10.17212/2782-2001-2022-2-39-54.

 

Обработка персональных данных

Мы используем сервис веб-аналитики Яндекс Метрика, который использует cookie.

Собранная при помощи cookie информация не может идентифицировать вас, однако может помочь нам улучшить работу нашего сайта. Вы можете отказаться от использования cookies, выбрав соответствующие настройки в браузере. Также Вы можете запретить сбор данных с помощью расширения для браузера «Блокировщик Яндекс Метрики». Используя этот сайт, вы соглашаетесь на обработку персональных данных.