IMsNonLinearRegressionTransform.OptimizationMethod

Синтаксис

OptimizationMethod: NLSOptimizationMethod;

Описание

Свойство OptimizationMethod определяет используемый метод оптимизации.

Комментарии

По умолчанию используется метод Левенберга-Марквардта, то есть OptimizationMethod = NLSOptimizationMethod.LevenbergMarquardt.

Пример

Для выполнения примера в репозитории предполагается наличие контейнера моделирования с идентификатором «MS», содержащего модель с идентификатором «MODEL_NONLINEAR», рассчитываемую методом «Нелинейная регрессия (оценка нелинейным МНК)».

Добавьте ссылки на системные сборки: Metabase, Ms, Stat.

Sub UserProc;
Var
    mb: IMetabase;
    MsKey: Integer;
    Model: IMsModel;
    Transform: IMsFormulaTransform;
    NonLinear: IMsNonLinearRegressionTransform;
    InitAprox: Array Of Double;
    i: Double;
    Calc: IMsModelCalculation;
    OutputVar: IMsFormulaTransformVariable;
    Coord: IMsFormulaTransformCoord;
    CoefData: Array Of Double;
    Coef: Array Of String;
    j: Integer;
    ConstCoeff: ISlConstCoefficients;
    MCalc: IMsMethodCalculation;
    Result: IMsFormulaTerm;
    ResultData: Array Of Double;

Begin
    // Получаем текущий репозиторий
    mb := MetabaseClass.Active;
    // Получаем ключ контейнера моделирования
    MsKey := mb.GetObjectKeyById("MS");
    // Получаем модель
    Model := mb.ItemByIdNamespace("MODEL_NONLINEAR", MsKey).Edit As IMsModel;
    // Получаем параметры модели
    Transform := Model.Transform;
    // Получаем параметры метода расчета
    NonLinear := Transform.FormulaItem(0).Method As IMsNonLinearRegressionTransform;
    // Задаем значимость доверительных границ
    NonLinear.ConfidenceLevel := 0.90;
    // Добавляем новый коэффициент в уравнение модели
    NonLinear.Expression.AsString := "(" + NonLinear.Expression.AsString + ") * A1";
    // Получаем массив начальных приближений
    InitAprox := NonLinear.InitApproximation;
    // Задаем новые значения начальных приближений
    For Each i In InitAprox Do
        i := i + 0.01;
    End For;
    // Не используем начальные значения по умолчанию
    NonLinear.UseDefaultInitValues := False;
    // Задаем максимальное число итераций,
    // за которое будет производиться расчет оптимальных значений коэффициентов
    NonLinear.MaxIteration := 600;
    // Задаем метод обработки пропусков
    NonLinear.MissingData.Method := MissingDataMethod.LinTrend;
    // Задаем метод оптимизации
    NonLinear.OptimizationMethod := NLSOptimizationMethod.QuasiNewton;
    // Задаем точность расчета
    NonLinear.Tolerance := 0.0002;
    // Используем аналитические производные
    NonLinear.UseDerivatives := True;
    // Создаем настройки для расчета модели
    Calc := Model.CreateCalculation;
    // Задаем периоды расчета
    Calc.Period.IdentificationStartDate := DateTime.Parse("01.01.1990");
    Calc.Period.IdentificationEndDate := DateTime.Parse("01.01.2010");
    Calc.Period.ForecastStartDate := DateTime.Parse("01.01.2011");
    Calc.Period.ForecastEndDate := DateTime.Parse("01.01.2017");
    // Получаем моделируемую переменную
    OutputVar := Transform.Outputs.Item(0);

    // Получаем параметры моделируемой переменной, необходимые для расчёта модели
    Coord := Transform.CreateCoord(OutputVar);
    // Идентифицируем коэффициенты модели   
    NonLinear.Identify(Calc As IMsMethodCalculation, Coord);
    // Получаем идентифицированные коэффициенты 
    CoefData := NonLinear.CoefficientsData(Coord);
    // Если коэффициенты не сохранены, то сохраняем их
    If Not NonLinear.IsCoefficientsSaved(Coord) Then
        NonLinear.CoefficientsData(Coord) := CoefData;
    End If;
    // Получаем наименования коэффициентов
    Coef := NonLinear.Coefficients;
    // Выводим наименования, значения и статистические характеристики коэффициентов в окно консоли  
    Debug.WriteLine("Значения и стандартная ошибка коэффициентов");
    For j := 0 To CoefData.Length - 1 Do
        // Выводим наименование, значение коэффициента
        Debug.Write("    " + Coef[j] + ": " + CoefData[j].ToString);
        // Получаем статистические характеристики коэффициента
        ConstCoeff := NonLinear.StatCoefficients(Coord, Coef[j]);
        // Выводим стандартную ошибку коэффициента
        Debug.WriteLine("; " + ConstCoeff.StandardError.ToString);
    End For;
    // Получаем моделируемый ряд

    Result := NonLinear.Result;
    // Создаем параметры расчета метода
    MCalc := Transform.CreateCalculation;
    // Задаем периоды расчета   
    MCalc.Period.IdentificationStartDate := DateTime.Parse("01.01.1990");
    MCalc.Period.IdentificationEndDate := DateTime.Parse("01.01.2010");
    MCalc.Period.ForecastStartDate := DateTime.Parse("01.01.2011");
    MCalc.Period.ForecastEndDate := DateTime.Parse("01.01.2017");
    // Получаем значения моделируемого ряда
    ResultData := Result.Serie(MCalc);
    // Выводим значения моделируемого ряда в окно консоли
    Debug.WriteLine("Значения моделируемого ряда");
    For Each i In ResultData Do
        Debug.WriteLine("    " + i.ToString);
    End For;
    // Сохраняем изменения в модели
    (Model As IMetabaseObject).Save;
End Sub UserProc;

В результате выполнения примера будут изменены параметры модели, в окно консоли будут выведены: значения и стандартная ошибка коэффициентов модели, а также моделируемый ряд.

См. также:

IMsNonLinearRegressionTransform