Прогнозирование рисков организации, эксплуатирующей транспортные средства на природном газе, с использованием скоринг-модели логистической регрессии при наличии экспертных ограничений
Автор: Евстифеев Андрей Александрович
Журнал: Математическая физика и компьютерное моделирование @mpcm-jvolsu
Рубрика: Моделирование, информатика и управление
Статья в выпуске: 3 т.24, 2021 года.
Бесплатный доступ
В работе предложен способ и описана математическая модель экспресс-анализа привлекательности эксплуатации транспортных средств на природном газе для автотранспортного предприятия. Предложенное решение базируется на скоринг-модели логистической регрессии, используемой банками для оценки кредитоспособности заемщика. Для повышения качества результатов модель расширена набором экспертных ограничений, сформулированных в виде правил. В процессе анализа выявлены признаки, требующие квантования, поскольку отдельные интервалы значений оказались по-разному связаны с риском. Разработанная математическая модель реализована в виде программного обеспечения на языка программирования высокого уровня, информация модели хранится в системе управления базами данных и интегрирована с информационной системой поддержки принятия управленческих решений при эксплуатации транспортных средств на природном газе. Проведена проверка разработанной математической модели на тестовой обучающей выборке. Результаты тестирования показали удовлетворительную точность предложенной модели на уровне 77 % без использования экспертных ограничений и 79 % с их использованием. При этом доля ошибок второго рода составила 2,7 %, а ошибок первого рода - 7, 2 %, что говорит о том, что модель достаточно консервативна, и относительно высокая доля соответствующих требованиям транспортных средств получила отказ.
Скоринг-модель, логистическая регрессия, эксплуатация транспортных средств, принятие решений, сложная техническая система
Короткий адрес: https://sciup.org/149139549
IDR: 149139549 | УДК: 004.4.068 | DOI: 10.15688/mpcm.jvolsu.2021.3.4
Forecasting the risks of an organization operating natural gas vehicles using a scoring model of logistic regression in the presence of expert restrictions
The paper proposes a method and describes a mathematical model for express analysis of the attractiveness of the operation of vehicles running on natural gas for a motor transport company. The proposed solution is based on a logistic regression scoring model used by banks to assess the creditworthiness of a borrower. To improve the quality of the results, the model is extended with a set of expert restrictions formulated in the form of rules. During the analysis, signs were identi ed that require quantization, since individual intervals of values turned out to be associated with risk in di erent ways. The developed mathematical model is implemented in the form of software in a high-level programming language, the information of the model is stored in a database management system and is integrated with an information system for supporting management decisions when operating vehicles on natural gas. The developed mathematical model was tested on a test training sample. The test results showed a satisfactory accuracy of the proposed model at the level of 77 % without the use of expert restrictions and 79 % with their use. At the same time, the share of Type II errors was 2.7 %, and Type I errors were 7.2 %, which indicates that the model is quite conservative, and a relatively high proportion of vehicles that meet the requirements were rejected.
Список литературы Прогнозирование рисков организации, эксплуатирующей транспортные средства на природном газе, с использованием скоринг-модели логистической регрессии при наличии экспертных ограничений
- Абричкина, А. Г. Структура скоринг-модели анализа кредитных рисков / А. Г. Аб-ричкина // ДМК Пресс. — 2003. — Т. 8. — C. 60-61.
- Васильев, Ю. Н. Газозаправка транспорта / Ю. Н. Васильев, А. И. Гриценко, К. Ю. Чириков. — М. : Недра, 1995. — 446 с.
- Вишняков, И. В. Методы и модели оценки кредитоспособности заемщиков / И. В. Вишняков. — СПб. : СПбГИЭА, 1998. — 267 с.
- Дедков, В. К. Косвенные методы прогнозирования надежности / В. К. Дедков. — М. : ВЦ им. А.А. Дородницына, 2006. — 272 с.
- Евстифеев, А. А. Основы логико-вероятностного анализа безопасности транспортных средств на газовом топливе / А. А. Евстифеев, С. В. Люгай. — М. : ООО «Газпром ВНИИГАЗ», 2017. — 206 с.
- Евстифеев, А. А. Аналитическое моделирование безопасности и отказоустойчивости сложных технических систем / А. А. Евстифеев. — М. : НИЯУ «МИФИ», 2010. — 252 с.
- Кочедыков, Д. А. Система кредитного скоринга на основе логических алгоритмов классификации / Д. А. Кочедыков // Математические методы распознавания образов. — 2005. — Т. 12. — C. 349-353.
- Куртова, Л. Н. Основы математической логики / Л. Н. Куртова. — Белгород : Изд-во НИУ «БелГУ», 2018. — 85 с.
- Льюис, Дж. Ядро Огас1е. Внутреннее устройство для администраторов и разработчиков баз данных / Дж. Льюис. — М. : ДМК Пресс, 2015. — 372 с.
- Маккинни, У. Python и анализ данных / У. Маккинни. — М. : ДМК Пресс, 2015. — 482 с.
- Ноутон, П. Java2. В подлиннике. Наиболее полное руководство / П. Ноутон. — СПб. : БХВ-Петербург, 2007. — 1067 с.
- Открытый курс машинного обучения: анализ временных рядов с помощью Python. — Электрон. текстовые дан. — Режим доступа: https://habг.com/гu/company/ods/b1og/327242/. — Загл. с экрана.
- Решение проблемы оптимального синтеза технологических процессов сложных систем / Е. Н. Малыгин, В. А. Немтинов, Ж. Е. Зимнухова, Ю. В. Немтинова // Вестн. Тамбов. ун-та. Серия: Естественные и технические науки. — 2002. — Т. 7, № 2. — C. 242-245.
- Рашка, С. Python и машинное обучение / С. Рашка. — М. : ДМК Пресс, 2017. — 418 с.
- Рыбина, Г. В. Применение интеллектуального анализа данных для построения баз знаний интегрированных экспертных систем / Г. В. Рыбина // Авиакосмическое приборостроение. — 2012. — Т. 11. — C. 36-53.
- Сравнение экономических показателей при использовании жидкого моторного и газомоторного топлив / С. В. Люгай, А. А. Евстифеев, В. В. Тимофеев, М. Л. Балашов, Ю. Н. Дрыгина // Транспорт на альтернативном топливе. — 2013. — № 5 (35). — C. 14-19.
- Шестакова, Е. С. Анкетный опрос / Е. С. Шестакова, М. И. Кулик, А. Ю. Скриган // Метод кейсов в комплексных социально-экологических исследованиях. — Псков : Изд-во Псков. гос. ун-та, 2017. — C. 77-88.
- Fan, J. Variable Selection via Nonconcave Penalized Likelihood and Its Oracle Properties / J. Fan, R. Li // Journal of the American Statistical Association. — 1996. — Vol. 6. — P. 1348-1360.