PostDoc Latvia logo

Pētnieciskais projekts 1.1.1.2/VIAA/1/16/075 “Netradicionālie regresijas modeļi transporta modelēšanā” Izpētes atskaite

Izpētes atskaite
2019.gada oktobris – 2020.gada marts
Dr.sc.ing. Nadežda Spiridovska
Pētnieciskais projekts 1.1.1.2/VIAA/1/16/075
“Netradicionālie regresijas modeļi transporta modelēšanā”

Tika pabeigts darbs pie Markova-modulējamo procesu pārskata, kura rezultāti tika prezentēti starptautiskajā konferencē The 19th International Multi-Conference Reliability and Statistics in Transportation and Communication (Relstat19) (Konferences programma ir atrodama pēc saites http://relstat2019.tsi.lv/wp-content/uploads/sites/9/2017/12/RealStat_programme_20191011.pdf.)

Kāpēc radās nepieciešamība tādā pārskatā? Pirmkārt, Markova-modulējamo procesu saimē ir grūti orientēties, jo šāda tipa procesi ir vairojušies un prasīja kādu sistematizāciju. Otrkārt, Markova-modulējamā lineārā regresija (MMLR), kas ir šī pētījuma kodols, arī prasīja iedalīt savu vietu modeļu pasaulē. Pārskats iekļāva sevī Markova-modulējamos procesus, kas ir divslāņu procesi, kur viens no komponentiem ir Markova.  Šajos procesos ietilpst Markova aditīvie procesi (Markov-modulated Brownian motion (MMBM), Markov subordinators, Markov random walk (MRW), Markov renewal processes (MRP), Markov-modulated linear regression (MMLR)) un ierašanās Markova aditīvie procesi  (Markov-modulated Poisson process (MMPP) un citi), Markova-modulējamie dzimšanas un nāves procesi. Kā atsevišķa klase ir aprakstīti slēptie Markova procesi (Hidden Markov processes), kā arī ir parādīta šo modeļu saistība ar Markova-modulējamiem procesiem. Doti arī daži šo modeļu pielietošanas piemēri lielo datu problēmu risināšanai. Pārskats tika publicēts Springer Lecture Notes in Networks and Systems un ir atrodams pēc saites: https://link.springer.com/chapter/10.1007/978-3-030-44610-9_11

Tika pabeigts darbs pie R pakotnes MMLR uzlabošanas. Otrā versija MMLR 0.2.0. tika veiksmīgi ievietota publiskajā repozitorijā CRAN. Pakotne ar aprakstu ir atrodama pēc saites:

https://cran.r-project.org/web/packages/MMLR/index.html

Versijā 0.2.0 modeļa parametru novērtēšana var būt realizēta bez ierobežojumiem (iepriekšējā versijā bija ierobežots modeļa parametru skaits). Arī ir realizētas papildfunkcijas, ar kuru palīdzību var veikt ieejas datu simulāciju (pētnieciskiem un akadēmiskiem nolūkiem). Vēl viena papildus funkcija iekļauj sevī atkarīgā mainīgā dispersijas novērtēšanu, kas ir nepieciešams prognozei.

Novembrī tika veikta dalībā starptautiskā konferencē Summit. Women in IT & TECH, kas notika Varšavā, Polijā. Šajā grandiozā pasākumā piedalījās vairāk nekā 3000 dalībnieki no dažādām valstīm. Sievietes zinātnē kļūst arvien aktīvākas un šāda veida pasākumi dod iespēju iegūt iedvesmu, dalīties ar savām idejām, meklēt sadarbības partnerus un popularizēt savu projektu. Konferences programma ir atrodama pēc saites https://womenintechsummit.pl/program-2019

Uzsākts darbs pie jauna pētījuma/raksta “Big Data-driven Approach to Validate Properties of Markov-Modulated Linear Regression Model’s Estimator Empirically”. Iepriekšējie Markova-modulējamās lineārās regresijas modeļa pielietojumi (tematiskais pētījums 1 un 2) parādīja, ka MMLR piemērošanai reālajā pasaulē ir svarīgi nodrošināt modeļa novērtējumu īpašību empīrisku validāciju, kas balstītas uz lieliem datiem un simulāciju. Šajā sakarā šī pētījuma novitāte ir saistīta ar izlases parametru ietekmes (piemēram, izlases apjoma un izejas datu sadalījuma), kā arī novērtēšanas metodes detaļu (piemēram, dažādu svara matricu OLS ietekmes) ņemšanu vērā.

contact us