Aplikace pokročilých regresních modelů

Abstract

Tato práce shrnuje nejnovější poznatky z oblasti modelování produkce komunálního odpadu (KO). Tyto používá k řešení vícerozměrného analogu úlohy inverzní predikce. Jedná se o problém, který nelze řešit analyticky, proto byl navržen heuristický postup využívající regresních modelů a modelů vyrovnávání dat. Jako vedlejší produkt vznikly modely produkce KO využívající PCA (Principal Component Analysis) a LM (Linear Model). Tyto modely byly srovnány s heuristickým modelem RF (Random Forest). Oba modely byly použity i pro modelování množství odpadů na osobu. V práci jsou také zahrnuty nezbytné teoretické partie týkající se zobecněných lineárních modelů, vyrovnávání dat a nelineární optimalizace.

This thesis summarizes latest findings about municipal solid waste (MSW) modelling. These are used to solve multivariable version of inverse prediction problem. It is not possible to solve such problem analytically, so heuristic framework using regression models and data reconciliation was developed. As a side product, models for MSW modelling using PCA (Principal Component Analysis) and LM (Linear Model) were created. These were compared with heuristic model called RF (Random Forest). Both of these models were also used for per capita MSW modelling. Theoretical parts about generalized linear models, data reconciliation and nonlinear programming are also included.