Sunteți pe pagina 1din 8

Revista Informatica Economica, nr.

1 (13) / 2000 59

Modelarea comportamentului producatorului bazata pe tehnici fuzzy

Conf.dr. Vasile GEORGESCU


vgeo@central.ucv.ro, Universitatea din Craiova

Problema modelarii proceselor neliniare cu structura complexa si un numar mare de


variabile continua sa reprezinte o provocare, chiar si în raport cu cele mai evoluate tehnici
econometrice de estimare. Metodele traditionale, bazate în special pe regresia neliniara, nu
ofera de regula o solutie adecvata la aceasta problema, mai cu seama atunci când forma
functionala a modelului este necunoscuta si trebuie selectata intuitiv dintr-o paleta potential
foarte larga de posibilitati. Lucrarea propune o metoda de estimare flexibila a modelelor
econometrice, bazata pe logica fuzzy. Testarea acuratetei estimatiilor s-a facut pe exemplul
unor dependente functionale complexe, care descriu comportamentul producatorului. Am
comparat apoi acuratetea obtinuta cu cea rezultata în cazul aplicarii modelului parametric
bazat pe functia translog (recunoscuta pentru flexibilitatea sa).
Cuvinte cheie: modelare, econometrie, logica fuzzy, optimizare.

M odelarea flexibila, prin metode


traditionale si tehnici fuzzy
Potrivit acceptiunii traditionale a termenu-
functionale, definita parametric (fie aceasta
o functie de productie, o functie de profit
sau o functie de cost) de a aproxima com-
lui, estimarea unui model nu poate fi reali- portamente diverse, dar teoretic consis-
zata fara ca forma functionala a acestuia sa tente, printr-o alegere adecvata a parame-
fi fost specificata ex ante. De regula însa, trilor. Una dintre cele mai populare forme
cunostiintele cerute de o asemenea specifi- functionale care au fost propuse pentru
care nu sunt disponibile, motiv pentru care modelarea comportamentului producatoru-
se face apel doar la experienta sau intuitie. lui si a carei flexibilitate a fost justificata
Noutatea esentiala a acestei lucrari consta teoretic si dovedita practic, este functia
în faptul ca ofera o modalitate comoda si translog (transcendental logarithmic func-
eficienta pentru a depasi problema dificila tion).
ridicata de specificarea a priori a formei Mai recent, unii cercetatori au studiat me-
modelului econometric, înlocuind-o printr- tode de estimatie neparametrice, proiec-
o tehnica de modelare locala, deosebit de tate pentru a obtine ajustari ale unor functii
flexibila. de regresie supuse la restrictii structurale
Econometricienii au considerat câteva cri- de monotonie si concavitate (P.A. Ruud,
terii relevante pentru selectia formelor 1995).
functionale: consistenta teoretica, domeni- Spre deosebire de abordarile si directiile
ul de aplicabilitate, flexibilitatea, facilita- mentionate, lucrarea se concentreaza asu-
tile calculatorii si conformitatea cu fap- pra unei modalitati diferite de a raspunde
tele. În particular, definirea conceptului de cerintei de flexibilitate: modelarea bazata
“flexibilitate” a concentrat un mare efort pe logica fuzzy, care se dovedeste a fi una
de cercetare. dintre cele mai elastice tehnici de esti-
Maniera clasica de a raspunde acestei pro- matie.
vocari a fost aceea de a rafina metodele de
estimare parametrica si de a furniza apriori 1. Descriere sumara a metodei
specificatii suficient de elastice ale for- 1.1. Estimarea modelului în logica fuzzy
melor functionale. În acesti termeni, flexi- Modelarea în logica fuzzy se sprijina pe
bilitatea reprezinta capacitatea formei ideea ca un model neliniar cu forma
60 Revista Informatica Economica, nr. 1 (13) / 2000

functionala necunoscuta poate fi aproximat reprezinta o ecuatie parametrizata în raport


prin mai multe relatii matematice simple, cu variabilele de intrare ale modelului.
fiecare dintre ele fiind valabila doar într-o Astfel, pentru implicatia de rang i avem:
(
mica regiune a domeniului pe care sunt R i : Dac a f i ( x1 este A1 ∧ K ∧ x k este A k )
definite variabilele. Pentru aplicarea aces-
atunci y i = P i ( x1 , K, x k ) (1)
tor relatii nu este nevoie decât sa se speci-
fice structura modelului, adica sa se aleaga unde A′ este o multime fuzzy cu functia de
un anumit numar de multimi fuzzy care apartenenta asociata µ Ai ( x i ) .
acopera acest domeniu (ierarhizate dupa Pentru un vector de intrare dat, x ∈ ℜ k , pot
magnitudine, conform unei scheme de sa existe mai multe relatii y i = Pi ( x) , de-
progresie) împreuna cu functiile de aparte- pinzând de gradul concordantei dintre pre-
nenta asociate. Faza urmatoare consta din misa fuzzy compusa a regulii si vectorul de
integrarea acestor relatii locale într- un mo- intrare. În scopul încorporarii acestor solu-
del global, care poate fi apoi utilizat pentru tii locale într-o solutie globala, putem uti-
optimizarea procesului. liza o schema de defuzzificare. Astfel, uti-
Definitia fiecarei relatii locale este data în lizând defuzzificarea bazata pe media pon-
termenii unei versiuni modificate a struc- derata, iesirea estimata a sistemului fuzzy
turii logice numita ″modus ponens gene- devine:
ralizat″, în care premiza fiecarei reguli

∑ op[µ1i (x1 ), K , µ ik (x k )] ⋅ P i (x1 , K , x k )


ŷ =
∑w i ⋅ y i
= (2)
∑ wi [ ]
∑ op µ i1 (x1 ), K , µik (x k )
unde ″op″ denota o operatie fuzzy (uzual, o îmbunatatire suplimentara a acuratetei
operatorul ″minimum″, sau operatorul estimatiei. Este utila o partitionare a esanti-
″produs″), iar onului, adica împartirea datelor disponibile
P i (x1 , K , x k ) = a i0 + a i1 ⋅ x 1 + K + a ik ⋅ x k (3) în doua subesantioane: un esantion de lu-
cru, utilizat pentru a identifica parametrii
Estimarea parametrilor modelului bazat pe
relatiilor locale si un esantion martor, utili-
logica fuzzy revine la rezolvarea problemei
zat pentru testarea acuratetei modelului în
celor mai mici patrate neliniare utilizând o
puncte diferite de acelea folosite la esti-
procedura de optimizare parametrica. Al-
marea parametrilor modelului. Modelul ca-
goritmii cu cele mai bune performante nu-
re ajusteaza cel mai bine ambele seturi de
merice adaptati acestui scop sunt Leven-
date este considerat a avea cea mai buna
berg-Marquardt, respectiv Gauss-Newton.
structura.
Odata partitionat esantionul, se poate trece
1.2. Schema de identificare a structurii
la estimarea celui mai simplu model cu
modelului
putinta (cel cu structura descrisa prin
O cautare exhaustiva, constând din evalu-
area tuturor structurilor posibile pentru un 1×1×...×1), pe baza datelor furnizate de
model dat, pentru a determina care dintre esantionul de lucru. Parametrii estimati
ele este mai buna, nu este desigur realista. sunt apoi utilizati la calculul coeficientului
Procedura cea potrivita de identificare a de determinatie R 2 pentru ambele seturi de
structurii pare sa constea atunci în cres- date (adica R 2lucru si R 2prob(a ). În continuare,
terea progresiva, dupa o regula predefinita, crestem complexitatea în raport cu struc-
a complexitatii structurii modelelui pâna tura initiala si un nou nivel de structuri va
când cresterea complexitatii nu mai induce fi generat. Pentru un model cu k variabile
Revista Informatica Economica, nr. 1 (13) / 2000 61

de intrare obtinem k noi structuri În cazul unei structuri 4×4, parametrii


2×1×...×1, 1×2×...×1, ... , 1×1×...×2. Odata estimati ai celor 16 relatii locale de tipul
estimati, parametrii celor k modele (utili- y i = a i0 + a1i ⋅ x 1 + a i2 ⋅ x 2 , i=1,...,16, ale mode-
zând numai datele din esantionul de lucru), lului în logica fuzzy sunt:
se calculeaza coeficientii de determinatie
R 2lucru si R 2prob(a , fiind apoi utilizati pentru a 10 = 1.2384 a 11 = 0.3155 a 12 = 0.3077
ierarhizarea structurilor în ordine descen- a 20 = 0.6494 a 12 = 0.2207 a 22 = 0.2910
denta. Structurile cu R 2prob(a minim vor fi a 30 = 0.2356 a 13 = 0.2207 a 32 = 0.3297
selectate pentru a relua generarea unui nou a 40 = -0.0030 a 14 = 0.3155 a 42 = 0.3130
nivel de structuri, cu un grad mai mare de
complexitate, pâna când îmbunatatirea co- a 50 = 0.8753 a 15 = 0.2793 a 52 = 0.3429
eficientului de determinatie nu va mai fi a 60 = 0.9400 a 16 = 0.4056 a 62 = 0.5441
posibila. În final, parametrii modelului a 70 = 0.5262 a 17 = 0.4056 a 72 = 0.0766
sunt estimati utilizând structura optima si
toate datele disponibile. a 80 = -0.3660 a 18 = 0.2793 a 82 = 0.2777
a 90 = 0.3660 a 19 = 0.2793 a 92 = 0.2777
1 = 0.4056 2 = 0.0766
2. Optimizare bazata pe modele în logica 0 = -0.5262
a 10 a 10 a 10
fuzzy
0 = -0.9400 1 = 0.4056
a 11 a 2 = 0.5441
11
a 11
Modelul estimat în logica fuzzy poate fi
utilizat în scopul optimizarii procesului e- 0 = -0.8753
a 12 1 = 0.2793
a 12 2 = 0.3429
a 12
1 = 0.3155 2 = 0.3130
conomic neliniar considerat. Fie o functie 0 = 0.0030
a 13 a 13 a 13
f : [−2, 2]× [− 2, 2] → ℜ ,
0 = -0.2356 1 = 0.2207
a 14 a 2 = 0.3297
14
a 14
f (x 1, x 2 ) = e − x 12 −x 22
⋅ sin (x 1 − 2 ⋅ x 2 )
0 = -0.6494
a 15 1 = 0.2207
a 15 2 = 0.2910
a 15
ce furnizeaza un exemplu de suprafata
0 = -1.2384 1 = 0.3155
a 16 a 2 = 0.3077
16
complexa. a 16
O reprezentare tridimensionala a acestei
functii este data în partea stânga a figurii 1.

Fig. 1. Graficul functiei f(x1 , x2 )


62 Revista Informatica Economica, nr. 1 (13) / 2000

Calitatea ajustarii este data de coeficientul max FLM ( x1 , x 2 )


x1 , x2
de determinatie: R 2 = 0.89385539. Repre- cu restritiile: −2 ≤ x1 ≤ 2 ; − 2 ≤ x 2 ≤ 2
zentarea grafica a modelului în logica
fuzzy este ilustrata în partea dreapta a figu- Utilizând o procedura de optimizare nelini-
rii 1. ara, gasim:
Sa consideram în continuare ur matoarele x min = (0. 66667 , 0) ; x max = (− 0.66667 , 0)
doua probleme de optimizare neliniare: Solutiile grafice sunt ilustrate în figura 2.
min FLM ( x1 , x 2 )
x1 , x2

cu restrictiile: −2 ≤ x 1 ≤ 2 ; − 2 ≤ x 2 ≤ 2

Fig. 2. Linii de contur. Puncte extreme: xmin=(0.6667, 0); xmax=(-0.6667, 0)

3. Analiza comparativa a acuratetii esti- LOG. Fie C costul total, adica suma chel-
matiei functiei de cost tuielilor pentru toate imputurile:
În scopul aprecierii mai complete a capa- C = ∑ pj ⋅ xj
citatii metodei de modelare bazate pe logi- Ponderea cheltuielilor cu fiecare input în
ca fuzzy de a estima cu acuratete anumite costul total este definita de:
dependente neliniare, am realizat o analiza pj ⋅x j
comparativa a acesteia cu estimarea para- vj =
C
metrica ce utilizeaza forma functionala Tinând cont de teoria dualitatii, stim ca
TRANSLOG. Datele numerice pentru e- pentru un output fixat din punctul de ve-
fectuarea testului au fost furnizate de o dere al unitatii producatoare si în ipoteza
aplicatie clasica privind estimarea functiei unor piete concurentiale pentru toate in-
de cost, implementata de Christensen si puturile, conditiile necesare pentru reali-
Greene (1976) pentru industria de energie zarea echilibrului producatorului pot fi de-
electrica din Statele Unite. Acelasi set de duse din minimizarea costului. Mai precis,
date, constând din cele 99 observatii ale ele se obtin egalând ponderile fiecarui in-
aplicatiei originale, au fost utilizate în ca- put în costul total cu raportul dintre elasti-
drul ambelor metode. citatea outputului în functie de inputul res-
Pentru început, exemplificam estimarea pectiv si suma tuturor acestor elasticitati:
parametrica a formei functionale TRANS-
Revista Informatica Economica, nr. 1 (13) / 2000 63

∂ ln q / ∂ ln x  pk   vk  α 
v= p =  pf  ; v =  v f  ; α = α k  ;
i ′ ⋅ ∂ ln q / ∂ ln x p  v  p  f 
 l  l  αl 
unde i este vectorul cu toate elementele
 b kk b kl   β kq 
egale cu 1, iar v = (v1, K , vn )′ este vectorul
b kf  
B pp =  b fk b ff 
b fl  ; β pq =  β fq 
ponderilor asociate factorilor. b b ll   β fq 
 lk b lf
 
Date fiind definitia costului total si conditi-
Parametrii trebuie sa satisfaca restrictiile:
ile necesare pentru echilibrul producato-
α ′p ⋅ i = 1 ; B pp ⋅ i = 0 ; β ′pq ⋅ i = 0 ;
rului, putem exprima costul total C ca o

functie de preturile tuturor inputurilor si de Bpp βpq   Bpp β pq 
nivelul iesirii: C = c(p, q) . Functia de cost c β′ = 
 pq βqq   β′pq β qq 
este duala functiei de productie si furni- unde i este un vector cu toate elementele
zeaza o descriere alternativa si echivalenta egale cu 1.
a tehnologiei unitatii productive. Ea este În concordanta cu proprietatile presupuse a
presupusa pozitiva pentru factori pozitivi, fi îndeplinite de functia de cost, este mai
omogena de gradul întâi în raport cu pre- convenabil sa recurgem la transformarea
turile inputurilor, crescatoare atât în raport datele initiale în urmatorul mod:
cu preturile inputurilor cât si cu nivelul • Se transforma valorile ponderilor în
outputului si concava în raport cu preturile cantitati: v i = C ⋅ v i / pi
inputurilor. • Se standardizeaza datele (tinând cont de
Data fiind diferentiabilitatea functiei de deferentele de scala, nivelurile factorilor
cost, putem exprima ponderile inputurilor sunt scalate cu ajutorul abaterilor standard
în costul total ca elasticitati ale functiei de empirice ale acestora) :
cost în raport cu preturile inputurilor.
• Scale i = std(v i ) ; vi = v i / Scale i ;
∂ ln c( p, q)
v= p i = p i ⋅ Scale i ;
∂ ln p
În modelul Christensen - Greene, costul • Se normalizeaza datele în expresie va-
total al producerii energiei este definit ca o lorica prin împartire la pretul fortei de
functie de nivelul outputului (q) si de munca (Pl ): C=C/pl ; pi=pi/pl. Astfel, costul
preturile a trei factori: pretul capitalului total este exprimat ca functie de preturile
(Pk ), al combustibilului (Pf) si al fortei de relative ale inputurilor si de output.
munca (Pl). Numarul parametrilor de estimat pot fi ast-
O specificare stochastica a modelului fel redusi, datorita restrictiilor privind coe-
econometric dual cost-productie, corespun- ficientii si datorita normalizarii. În final,
zând functiei de cost TRANSLOG, este putem estima trei ecuatii, corespunzând
data de un sistem cu doua ecuatii simul- ponderii celor doi factori neeliminati prin
tane: cea a ponderii factorilor în costul normalizare si functiei de cost. În total ra-
total si cea a functiei de cost: mân de estimat 10 parametri: α 0 , α q, αk ,
v = α p + B pp ⋅ ln p + β pq ⋅ ln q + ε v α f, β qq, βkq, βfq, bkk , bkf, bff . Estimatiile
1 celorlalti parametri ai modelului sunt cal-
ln C = α 0 + α q ⋅ ln p + α ′p ⋅ ln p + ⋅ ln p ′ ⋅ B pp ⋅ ln p + culate folosindu-se restrictiile derivate din
2
proprietatile costului, precum omogenita-
ln p ′ ⋅ β pq ⋅ ln q + ⋅ β qq ⋅ (ln q ) + ε c
1 2
2 tea, simetria, etc. Astfel:
unde: α l = 1 − α k − α f ; βlq = −βkq − β f q ;
bkl = −b kk − bkf b f l = −b f f − bkf ;
bll = bkk + 2 ⋅ bkf + b f f ;
64 Revista Informatica Economica, nr. 1 (13) / 2000

Pentru a realiza estimarile am implementat α f = 0.149006


o versiune numeric stabila si eficienta a β qq = 0.0531872; β qk = -0.00886005;
metodei celor mai mici patrate generali- β ql = -0.0208712; β qf = 0.0297313;
zate. Valorile estimate ale parametrilor bkk = 0.127167; bll = 0.0847628;
sunt (figura 3): bff = 0.18923; bkl = -0.01135;
α0 = -5.02117; α q = 0.403859; bkf = -0.115818; blf = -0.0734129.
αp = 0.417775; α l = 0.43322;

Fig. 3.

O masura a acuratetii estimarii este data ta structura, modelul în logica fuzzy con-
de coeficientul de determinatie. În cazul tine 2x2x2=8 relatii locale de forma :
nostru : P i (q, p k , p f ) = a i0 + a 1i ⋅ q + a i2 ⋅ p k + a i3 ⋅ p f
SSE 13 .799
R2 =1 − =1− = 0.8279 Fiecare dintre ele este definita de 4 para-
SST 80 .1652
metri : a i0 , a i1 , a i2 , a i3 . Astfel, au fost estimati
Pentru a finaliza analiza comparativa, în
în total 32 de parametri:
continuare vom aplica aceluiasi set de date
(cu transformarile facute anterior) metoda
modelarii bazata pe logica fuzzy; în a i0 a 1i a i2 a i3
consecinta, costul total va fi exprimat ca o 1 -0.2514 0.0009 -2.4573 0.6738
functie de trei variabile: preturile relative 2 1.0301 -0.0006 1.8231 -0.4484
pk / pl si pf / pl , respectiv outputul q. 3 -0.2185 0.0007 0.0772 0.1981
În vederea specificarii modelului în logica 4 0.9484 0.0011 0.0294 -0.1471
fuzzy, nu trebuie decât sa alegem structura 5 1.0103 -0.0008 30.5718 -10.9379
acestuia, adica numarul functiilor de apar- 6 0.9948 0.0027 -17.0891 12.9653
tenenta care definesc fiecare variabila. 7 1.0036 0.0006 -28.5606 6.7794
Începem cu o structura relativ simpla, de- 8 1.0032 0.0002 19.0765 -4.7356
scrisa prin (2,2,2) si dupa aceea vom creste
treptat complexitatea modelului. Cu aceas-
Revista Informatica Economica, nr. 1 (13) / 2000 65

Acuratetea ajustarii atinsa la acest nivel de Bineînteles, putem spera sa îmbunatatim


complexitate este: exactitatea modelului prin cresterea com-
R2 =1 −
SSE
=1−
92552
= 0.8845
plexitatii structurii. Astfel, pentru o struc-
SST 80 .1652 tura (3,2,2), obtinem: R 2 = 0. 9227 .
Desprindem concluzia ca modelul în logica Din nou, daca alegem o structura mai com-
fuzzy este, chiar si în aceasta faza, mai plexa, spre exemplu (4,2,2), obtinem
exact decât TRANSLOG, în ciuda struc- R 2 = 0. 9455 , iar cei (4×2×2)×4=64 parame-
turii lui foarte simple. tri estimati sunt:
i a i0 a 1i a i2 a i3
1 -8.4067e+000 -8.4067e+000 5.1476e+000 9.3237e-001
2 -1.0316e+000 -1.0316e+000 -5.3549e-001 4.8281e-001
3 4.5916e+000 4.5916e+000 1.0307e+000 -3.1407e+000
4 -1.4869e-001 -1.4869e-001 5.7480e+000 -1.6050e+000
5 4.7077e+002 4.7077e+002 -1.5331e+002 -9.4332e+001
6 -9.1663e+001 -9.1663e+001 6.7384e+001 -1.0350e+002
7 -2.3468e+002 -2.3468e+002 -1.2097e+002 8.6261e+001
8 5.6972e+001 5.6972e+001 1.1701e+001 8.8652e+001
9 -2.3282e+002 -2.3282e+002 -1.5385e+003 -8.7832e+002
10 4.8463e+001 4.8463e+001 1.3516e+003 9.8242e+002
11 1.1869e+002 1.1869e+002 1.6785e+003 2.6473e+001
12 -2.6874e+001 -2.6874e+001 -1.3886e+003 -1.1146e+002
13 9.9910e-001 9.9910e-001 9.9879e-001 9.9578e-001
14 9.9932e-001 9.9932e-001 9.9911e-001 9.9689e-00
15 9.9968e-001 9.9968e-001 9.9961e-001 9.9859e-001
16 9.9981e-001 9.9981e-001 9.9981e-001 9.9925e-001

Calitatea ajustarii este considerabil mai metrilor functiei de cost, atât în varianta
mare decât cea rezultata pentru modelul modelarii bazata pe forma functionala
TRANSLOG, iar aceasta concluzie poate fi TRANSLOG, cât si în cea bazata pe logica
confirmata grafic (figura 4). fuzzy, au fost implementati în limbajul
Algoritmii care au permis estimarea para- MATLAB.

Fig. 4.
66 Revista Informatica Economica, nr. 1 (13) / 2000

Bibliografie ling, with economic applications", Procee-


[1] Christensen L.R & Greene W.H. dings of the Third Congress of SIGEF,
(1976) - “Economies of scale in U.S. elec- Lausanne
tric power generation”. Journal of Political [6] Georgescu V. (1995) - Proiectarea sis-
Economy 84(4), 655-676 temelor expert în logica fuzzy si teoria
[2] Georgescu V. (1998) - "Flexible posibilitatilor, Ed. Intarf, Craiova
estimation of cost functions based on fuzzy [7] Ruud P.A. (1995). “Restricted Least
logic modeling approach", Fuzzy Economic Squares Subject to Monotonocity and Con-
Review, No. 2, Vol.III, p. 49-68. cavity Constraints”. Invited symposium
[3] Georgescu V. (1998) - “New esti- Computationally Intensive Methods in
mation methods in fuzzy regression ana- Econometrics, Tokyo, August 22-29
lysis, based on projection theorem and de- [8] Sugeno M., Tanaka K. (1991) – Suc-
coupling principle”, Fuzzy Economic Re- cessive identification of a fuzzy model and
view, No.1, Vol III, p. 21-38 its applications to predictions of a complex
[4] Georgescu V. (1996) - "A fuzzy ge- system. Fuzzy Sets and Systems, 42:315-
neralization of principal components ana- 334
lysis and automatic classification, based on [9] Takagi T., Sugeno M. (1985) - Fuzzy
a new metric concept: the dissimilarity bet- identification of systems and its appli-
ween fuzzy sets", Proceedings of the Third cations to modeling and control. IEEE
Congress of SIGEF, Buenos Aires, Paper Transactions on Systems, Man and Cy-
2.25 bernetics, SMC-15(1):116-132
[6] Georgescu V. (1996) - "Flexible esti-
mation procedures for fuzzy logic mode-