Details
| Title | Проектирование архитектуры экспертной системы с использованием копул для комплексного анализа данных = Designing the architecture of an expert system using copulas for complex data analysis // Современные подходы в системном инжиниринге и цифровом моделировании сложных производственных систем: сборник трудов Всероссийской научно-практической конференции, 27–28 февраля 2025 года |
|---|---|
| Creators | Бурнашев Рустам Арифович |
| Organization | Казанский (Приволжский) федеральный университет |
| Imprint | Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2025 |
| Collection | Общая коллекция |
| Subjects | Экспертные оценки ; Корреляционный анализ ; Базы данных ; теория копул ; анализ данных ; экономическое прогнозирование ; copula theory ; data analysis ; economic forecasting |
| UDC | 004.891; 519.237.5; 519.233.5; 004.65 |
| Document type | Article, report |
| Language | Russian |
| DOI | 10.18720/SPBPU/2/id25-236 |
| Rights | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
| Additionally | New arrival |
| Record key | RU\SPSTU\edoc\79511 |
| Record create date | 7/15/2026 |
Allowed Actions
–
Action 'Прочитать' will be available if you login or access site from another network
Action 'Download' will be available if you login or access site from another network
| Group | Anonymous |
|---|---|
| Network | Internet |
В статье предложена архитектура экспертной системы, использующей методы копулярного анализа для исследования взаимосвязей между климатическими (среднемесячная температура) и экономическими (индекс потребительских цен) показателями. Основное внимание уделено: (1) выбору оптимальной модели копулы с применением информационных критериев AIC/BIC, (2) разработке методов предобработки данных, и (3) созданию программного модуля анализа зависимостей между случайными величинами. Экспериментальные исследования на данных по Республике Татарстан показали, что Гауссова копула демонстрирует наилучшие результаты (Log-Likelihood = 17.33, AIC = -32.65) и выявили статистически значимую отрицательную корреляцию между температурой и индексом потребительских цен (𝜏𝜏 Кендалла = -0.23, 𝑝𝑝 < 0.05). Разработанная система представляет собой программный инструмент для анализа сложных нелинейных зависимостей в экономико-климатических исследованиях. Анализ взаимосвязи проводился с использованием языка Python и специализированной библиотеки Copulae.
The article proposes an architecture of an expert system that employs copula analysis methods to study the relationships between climatic (monthly average temperature) and economic (consumer price index) indicators. The main focus is on: (1) selecting the optimal copula model using AIC/BIC information criteria, (2) developing data preprocessing methods, and (3) creating a software module for analyzing dependencies between random variables. Experimental studies on data from the Republic of Tatarstan showed that the Gaussian copula delivers the best results (Log-Likelihood = 17.33, AIC = -32.65) and revealed a statistically significant negative correlation between temperature and the consumer price index (Kendall’s τ = -0.23, p < 0.05). The developed system serves as a software tool for analyzing complex nonlinear dependencies in economic-climatic research. The analysis of the relationship was conducted using the Python programming language and the specialized library Copulae.
| Network | User group | Action |
|---|---|---|
| ILC SPbPU Local Network | All |
|
| Internet | Authorized users SPbPU |
|
| Internet | Anonymous |
|
