Помощь в учёбе, очень быстро...
Работаем вместе до победы

Автоматизация принятия решений в задачах управляемого выбора моделей аппроксимации временных рядов

Диссертация: Автоматизация принятия решений в задачах управляемого выбора моделей аппроксимации временных рядов
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Сформирована библиотека моделей аппроксимации и прогнозирования для информационной системы выбора оптимальных (квазиоптимальных) моделей и принятия решений с рекомендациями о преобразовании нелинейных и трансцендентных моделей, а также разработан алгоритм «сшивания» математических моделей поинтервапьного описания «удлиненных» временных периодов процессов с обоснованием математических условий… Читать ещё >

Содержание

  • Глава I. Процессы принятия решений в задачах контроля и управления
    • 1. 1. Системы принятия решений при управлении производственными объектами
    • 1. 2. Процессы принятия решений в условиях неопределенности
    • 1. 3. Система принятия решений при оценивании технического состояния контролируемых объектов
  • Основные результаты
  • Глава II. Модели и алгоритмы аппроксимации временных рядов случайных процессов
    • 2. 1. Модели аппроксимации и прогнозирования, как элементы библиотеки моделей информационной системы
    • 2. 2. Механизм кусочно-интервального описания временных процессов
    • 2. 3. Процедура «сшивания» моделей при формальном представлении «удлиненного» процесса
  • Основные результаты
  • Глава III. Применение информационных систем экспертного типа для управляемого выбора моделей
    • 3. 1. Структурная схема управляемого выбора моделей аппроксимации
    • 3. 2. Элементы информационной системы экспертного типа и граф-модель предметной области
    • 3. 3. Продукционные модели выбора
  • Основные результаты
  • Глава IV. Программное обеспечение алгоритмов автоматизированного выбора и принятия решений
    • 4. 1. Структурные решения информационной системы выбора и принятия решений (ИСВПР)
    • 4. 2. Пользовательский интерфейс ИСВПР
    • 4. 3. Программное обеспечение информационной системы
  • Основные результаты

Автоматизация принятия решений в задачах управляемого выбора моделей аппроксимации временных рядов (реферат, курсовая, диплом, контрольная)

Основой решения большинства задач контроля, управления и принятия решений является имеющаяся база данных. Как правило, на* практике база данных информационных систем создается на основе наблюдений над объектами или процессами в самых различных предметных областях. При этом зачастую данные поступают в виде временных рядов, как результат наблюдения за состоянием динамических объектов (процессов). Для автоматизированного контроля и управления за состоянием динамических систем требуются формализованные методы построения, идентификации, подготовки и проверки моделей временных рядов. Эти методы будут удобны для дискретных систем с выборкой данных, т. е. таких систем, в которых возможность произвести наблюдение и предпринять регулирующие действия возникает через равные интервалы времени.

Модели временных рядов распространены в трех важных предметных областях:

— прогнозирование будущих значений временного ряда по его текущим и прошлым значениям;

— определение передаточной функции системы, в смысле определения динамической модели вход-выход;

— проектирование простых регулирующих схем с прямой и обратной связями, при помощи которых можно в максимально допустимых пределах компенсировать потенциальные отклонения выхода системы от желаемого номинала.

Применение параметрических моделей для решения этого класса задач является более эффективными по сравнению с непараметрическими. Поэтому построение разнообразных параметрических моделей как для решения задач прогнозирования, так и для идентификации динамических процессов является актуальной задачей.

В связи с этим целью диссертационной работы является разработка структурных решений в построении информационной системы, организации 'библиотеки моделей, алгоритмов и создании программного комплекса в решении задач управляемого выбора моделей аппроксимации временных рядов, описывающих изменение технического состояния судовых устройств.

В рамках сформулированной цели необходимо было решить следующие задачи:

— проанализировать и обобщить процессы принятия решений (ПР) в системах контроля и управления с исследованием сценариев формирования вариантов ПР, в частности, в условиях неопределенности, а также схем обработки информации в системе ПР;

— создать необходимую и достаточную совокупность моделей аппроксимации и отобрать механизм построения аппроксимирующей модели;

— разработать алгоритмы механизмов «сшивания» поинтервальных математических моделей для описания «удлиненных» временных периодов с обоснованием математических условий сшивания;

— обосновать алгоритмическую схему управляемого выбора моделей и логическую основу механизма управляемого выбора;

— разработать структуру информационной системы, пользовательский интерфейс и программное обеспечение для решения задач управляемого выбора и принятия решений.

Объект исследования — автоматизированная информационная система управляемого выбора моделей аппроксимации и принятия решений.

Предмет исследования — основные теоретические аспекты, алгоритмические механизмы и программный продукт, обеспечивающих управляемый выбор моделей аппроксимации.

Методы исследований. При разработке основных положений диссертационной работы использовались методы теории случайных процессов, теории стохастической аппроксимации, теории временных рядов, теории информационных систем, теории экспертных систем, дискретной математики, алгебры логики, теории системного анализа, теории принятия решений, теории программирования вычислительных процессов.

Научная новизна исследования.

1. Выявлены механизмы принятия решений при решении задачи управляемого выбора модели аппроксимации из библиотечного множества.

2. Создана необходимая и достаточная совокупность моделей аппроксимации (библиотека моделей) с алгоритмами их построения.

3. Разработан математический механизм «сшивания» поинтервальных моделей для описания «удлиненных» временных периодов контролируемых процессов.

4. Обоснована алгоритмическая схема и логическая основа механизма управляемого выбора.

5. Разработана структура, пользовательский интерфейс и программный продукт информационной системы выбора моделей аппроксимации.

Практическая ценность диссертационного исследования заключается в том, что созданные библиотека моделей аппроксимации, обобщенные механизмы принятия решений, теория «сшивания» поинтервальных моделей, алгоритм управляемого выбора алгоритмов (а также продукционных моделей), пользовательский интерфейс и программы могут использоваться в профессиональной деятельности при разработке и создании информационных систем в исследуемой предметной области и смежных областях.

Основные результаты.

1. Разработаны структуры информационной системы управляемого выбора и принятия решений для выполнения задачи определения наилучшей модели для формального описания процесса и решения задачи прогнозирования, для определения количества участков на контролируемом интервале процесса, для определения объема данных на каждом из выбранных участков объекта и др.

2. Построен дружественный пользовательский интерфейс для автоматизированной системы как элемент экспертной структуры с множеством продукционных моделей для решения задачи управляемого выбора наилучшей модели аппроксимации и прогнозирования.

3. Разработано программное обеспечение информационной системы в интегрированной среде Delphi, содержащее программы построения моделей в. коротких интервалах, программы «сшивания» моделей для описания процессов в Удлиненных" интервалах.

Заключение

.

В процессе диссертационного исследования были получены следующие научно-практические результаты.

1. Обобщены процессы принятия решений (ПР) в задачах контроля и управления для наиболее динамично развивающихся направлений — это прежде всего ПР в распределенных производственных системахПР в условиях неопределенностей, выраженной нечеткими множествамиПР при оценивании состояний ситуации или процесса, или объекта, а также исследован сценарий анализа формирования варианта принятия оперативного решения для судового объекта или отраслевого производственного предприятия, содержащего семь этапов (прогнозирование спроса, оценивание возможностей предприятия, анализ ресурсов, выявление ограничений, формирование предприятий, построение графика, сбалансированная программа обеспечения).

2. Рассмотрены формы описания факторов неопределенности и критерии сравнения нечетких величин при принятии решений, приведена модель системы предпочтений ЛПР с решающими правилами выбора и архитектура информационной системы поддержки принятия организационных решений, описано структурное решение схемы обработки информации в системе принятия решений с изложением алгоритма функционирования и автоматической классификации законов распределения по контролируемой выборке.

3. Создана необходимая и достаточная совокупность моделей аппроксимации случайного процесса, позволяющих осуществить формальное описание практического большинства процессов изменение технического состояния объектов для целей управления и прогнозирования, приведен механизм построения аппроксимирующей модели для контролируемого процесса, представляемого в виде временного ряда.

4. Сформирована библиотека моделей аппроксимации и прогнозирования для информационной системы выбора оптимальных (квазиоптимальных) моделей и принятия решений с рекомендациями о преобразовании нелинейных и трансцендентных моделей, а также разработан алгоритм «сшивания» математических моделей поинтервапьного описания «удлиненных» временных периодов процессов с обоснованием математических условий «сшивания» по критерию минимума среднеквадратического отклонения.

5. Выбрана структурная схема управляемого выбора моделей и алгоритмов аппроксимации, зависящего от пяти категорий сущностей предметной области задачи аппроксимации, восемнадцати факторов и сорок одного подфактора.

6. Рекомендована для решения задачи управления выбора алгоритмов и моделей аппроксимации информационная система экспертного типа, функционирующая с учетом используемой граф-модели предметной области, с рассмотрением структурно-функциональной организации и режимов работы ИСЭТ.

7. Предаожёш^для автЬматюйрбванного решеншГзадачи управляемого выбора алгоритмов аппроксимации использовать логические модели продукционного типа, множество которых составляется с учетом граф-модели предметной области и хранится в виде библиотеки в памяти ИСЭТ.

8. Разработаны структуры информационной системы управляемого выбора и принятия решений для выполнения задачи определения наилучшей модели для формального описания процесса и решения задачи прогнозирования, для определения количества участков на контролируемом интервале процесса, для определения объема данных на каждом из выбранных участков объекта и др.

9. Построен дружественный пользовательский интерфейс для автоматизированной системы как элемент экспертной структуры с множеством продукционных моделей для решения задачи управляемого выбора наилучшей модели аппроксимации и прогнозирования.

10. Разработано программное обеспечение информационной системы в интегрированной среде Delphi, содержащее программы построения моделей в коротких интервалах, программы «сшивания» моделей для описания процессов в «удлиненных» интервалах.

Показать весь текст

Список литературы

  1. Т. Стратегический анализ временных рядов. М.: Мир, 1976.
  2. Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. Вып. 1 и 2.-М.: Мир, 1974. -406с., 197с.
  3. Г. С., Френкель А. А. Анализ временных рядов и прогнозирование.-М.: Статистика, 1973
  4. О.В., Розенбаум А. Н. Прогнозирование состояния технических систем. М.: Наука, 1990. -126с.
  5. С. А., Кутанов А. Г. Технология проектирования архитектуры информационно-управляющих систем. М.: ИПУ РАН, 1993.
  6. А.С. Методы системного анализа: многокритериальная и нечеткая оптимизация, моделирование и экспертные оценки. М.: НПО «Издательство „Экономика“, 1999. — 191с.
  7. С.А. Стратегические методы прогнозирования в АСУ. -М.: Энергия, 1981. 180с.
  8. Р.М., Заболотский В. П. Научно-методологические основы информации. Спб.: Наука, 2000. -455с.
  9. Е.С. Модели индивидуального прогнозирования и классификации состояний в системах компьютерного мониторинга. -Воронеж: Изд-во ВГТУ, 1998. 127с.
  10. Система прогнозирования, основанная на методах получения и обработки знаний./Загоруйко Н.Г. и др7/Вычислительные системы, 1994, № 150.-с. 17−31.
  11. B.JI. Моделирование сложных процессов для целей пронозирования.//Математические методы в технике и технологиях. Сборник трудов 12 Международной научной конференции. Том 3. Великий Новгород: НГУ, 1999. — с.4−5.
  12. Wold H. A study in the analysis of stationary time series. Stockholm? 1954.
  13. JI.И., Ломако Е. И., Морозова А. В. и др. под ред. Ломако Е. И., Макетирование, проектирование и реализация диалоговых информационных систем. М.: Финансы и статистика, 1993. — 320с.
  14. Information System Desing Metodologies: A Comparative Review//01e T.W. et al (ed.) CRISI. — North-Holland, 1982. — 645p.
  15. B.H. Дедукция и обобщение в системах принятия решений. -М.: Наука, 198 $. -384с.
  16. В.В. Автоматизация логического моделирования программного обеспечения с применением формального аппарата семиотических систем. СПб.: Энергоатомиздат, Санкт-Петербургское отделение, 2000. — 250с.
  17. И.В., Черных Д. В. „Галактика“ это барометр российской экономики // Computer World России, № 9, март 1997.
  18. Д.В., Фомин В. В. Автоматизация конструирования логических структур на базе семиотического моделирования. Наукоемкие технологии. М., № 6,2002.
  19. Д., Херш Э. PSL/PSA: автоматизированная методика структурированного документирования и анализа систем обработки и анализа информации//Требования и спецификации в разработке программ. -М.: Мир, 1984.-с. 7−27.
  20. Черных Д. В. Расширяющаяся „Галактика“ CPN, № 6, март 1999
  21. Д., Лоховски Ф. Модели данных. М.: Финансы и статистика. 1985.-344с.
  22. Computer-Aided Database Desing. The DATAID Project. Ed. Albano Antonio e.a. Amsterdam e.a.: North-Holland, 1985. — 221p.
  23. Н.И. Системы принятия решений при управлении судоремонтными предприятиями.
  24. .М., Шифрин М. Б. Классификационный анализ как инструмент экономического прогнозирования. // Тезисы докл. VI С.-Петербургской междунар. конф. „Региональная информатика-98“. Ч. 1. -СПб.: СПОИСУ, 1998. с. 94−95.
  25. О.И., Шифрин Б. М. Метод классификации на основе нечетных множеств. // Изв. СПбГЭТУ (ЛЭТИ): Серия „Управление, информатика и вычислительная техника“: Сб. науч. тр. Вып.1. СПб., 1998. -с. 68−71.
  26. А.В., Андрейчикова О. Н. Компьютерная поддержка изобретательства (методы, системы, примеры применения). М.: Машиностроение, 1998.-476с.
  27. О.Н. Принятие решений в условиях взаимной зависимости критериев и альтернатив.// „Информационные технологии“, 2001, № 11,-с. 14−19.
  28. Г. Д., Сирота И. М. Автоматизация проектирования прикладных систем//"Автоматизация и управление в машиностроении», «7, 1999.
  29. Д.В., Ростомянц Ю. А. Процессы принятия решений в условиях неопределенности.
  30. А.Ю. Работа с временными рядами при помощи Informix Time Series DataBlade.// „Технология клиент-сервис“, № 2, Москва, 2000.
  31. А.Ю. Использование ОРСУБД для хранения и анализа временных рядов//"Компьютер Пресс», № 6, № 7, Москва, 2001.
  32. Г. П. Имитация случайных процессов. Иркутск: Изд-во Иркутского университета, 1983. — 184с.
  33. С.Д., Левенец И. А., Ратманова И .Д., Старых В. А., Щавелев JI.B. Решение проблемы комплексного оперативного анализа информации хранилищ данных. СУБД, 1997, № 5−6. с. 47−51.
  34. Л.В., Коровкин С. Д., Левенец И. А. Агрегация и интеллектуальный анализ информации хранилищ данных//Новые информационные технологии. Материалы науч.-трак. Семинара/Моск. гос. ин-т электропики и математики. — М.: 1998. с. 108−118.
  35. А.Л., Малыгин Л Л. Современные методы и технологии прогнозирования в бизнесе и социальных процессах.//Информационные технологии в производственных, социальных и экономических процессах. Материалы конференции. Череповец: 1999. — с.209.
  36. Л.Р., Низамутдинов М. М. Анализ процессов управления в критических ситуациях на основе классификации с использованием нейронных сетей//Нейрокомпыотеры: разработка и применение. № 4−5,2001. с.73−76.
  37. О.Н., Кормашева В. М., Агарков Г. А. Применение вероятностно-статистических методов в бухгалтерском учете//Советникбухгалтера в сфере образования и науки. М.: Нефть и газ, № 1, 1999. — с, 18−20.
  38. Араксян В. В Модель реализации диалоговых процедур в интерактивных системах. Изв. АН СССР «Техническая кибернетика», 1987, № 5.-с. 19−28.
  39. Ю.А. Случайные процессы. М.: Наука, 1979
  40. Ю.В. Метод наименьших квадратов и основы теории обработки наблюдений. М.: Физматтиз, 1962.
  41. Н., Смит Г. Прикладной регрессионный анализ. М.: Статистика, 1973
  42. Ю.В., Розанов Ю. А. Теория вероятностей. М.: 'Наука, 1973.
  43. .В. Курс теория вероятностей. — М.: Наука, 1969.
  44. А.А. Прикладные методы теории случайных функций. -Л.: Судпромгиз, 161.
  45. С.Б., Берри Р. Я., Жабин И. А. и др. Элементы вычислительной математики. М.: Высшая школа. 1963.212 с.
  46. В.В. Инструментальные средства реализации графов диалоговых процедур в интерактивных системах. УсиМ. 1986. — № 4. — с15−18.
  47. .А. Машинное распознавание и линейное программирование. — М.: Советское радио, 1973. — 99с.
  48. Г. Г., Богатырев В. И. Автоматизированные информационные системы / Под ред. К.В. Тараканова— М.: «Сов. радио», 1973. —328 с.
  49. В.В., Савинков В. М. Проектирование баз данных информационных систем. — М.: Финансы и статистика, 1989. — 351 с.
  50. Н.Н. Автоматизированные информационные системы для принятия решений. — Киев: Об-во «Знание», 1982. — 16 с.
  51. Д.В., Шаповалов В. И. Малая выборка. — М.: Статистика, 1978. —248 с.
  52. Т., Финн В. К. Об интеллектуальных системах ii Экспертные системы: состояние и перспективы. Сб. науч. тр. — М.: Наука, 1989. — С. 920.
  53. А.Б. Параметрическая и структурная адаптация решающих правил в задачах распознавания. — Рига: Зинатне, 1988. — 167 с.
  54. Д.В., Голинкевич Т. А., Мозгалевский А. В. Прогнозирование технического состояния и надежности радиоэлектронной аппаратуры / Под. ред. Т. А. Голинкевича. — М.: Сов. Радио, 1974. — 224 с.
  55. В.Д., Строганов В. М., Францев И. Р. Системы прогнозирования на экспертной основе. СПб.: Энергоиздат, Санкт-Петербургское отделение, 2002, 218 с.
  56. Г. Д., Киселев А. Н., Назаров Т. К. Распределенные информационные системы на водном транспорте: учебное пособие. СПб: СПГУВК, 2002. 112 с.
  57. Научные основы организации управления и построения АСУ. Под ред. проф. В Л. Бройдо, B.C. Крылова. М: Высшая школа, 1990. 192с.
  58. Н.И. Задача индивидуального прогнозирования долговечности ЮТ в автоматизированной системе управления технологическими процессами. Электронная техника. Сер. 8, Управление качеством и, стандартизация, 1975, вып. 4.- с.21−28.
  59. Е.А. Численные методы. М.: Наука, 1987.- 248с.
  60. В.М. Некоторые алгоритмы таксонометрии и их применение, при прогнозировании надежности изделий электронной- техники. Электронная техника. Сер. 8, Управление качеством и стандартизация, 1975, вып. 4. — с.10−14.
  61. А.И. Направленное обучение при прогнозировании срока службы изделий электронной техники с помощью алгоритма обучения распознаванию образов. Электронная техника. Сер. 8, Управление качеством и стандартизация, 1974, вып. 8.-е. 47−53.
  62. Ю.С., Квасов В. Л., Мирошниченко В. Л. Методе сплайн-функций. М.: Наука, 1980. — 352с.
  63. Г. С. Алгоритм индивидуального прогнозирования надежности изделий. Электронная техника. Сер. 8, Управление качеством и стандартизация, 1976, вып. 10.-с. 13−19.
  64. Д.В. и др. О прогнозировании сохраняемости газоразрядных приборов. Электронная техника. Сер. 4, Электровакуумные и газоразрядные приборы, 1975, вып. 6. с. 37−41.
  65. А.В., Волынский В. И., Гаскаров Д. В. Техническая диагностика судовой автоматики. JL: Судостроение, 1972. — 138с.
  66. Д.В. Вопросы прогнозирования изменения состояния технических объектов. Л.: ЛДНТП, изд-во «Знание», 1968. — 36с.
  67. В.А. и др. Прогнозирование надежности электронных изделий. Труды МИЭТ, 1970, вып. 5. — с.45−49.
  68. В.М. и др. Системы управления качеством изделий электротехники. М.: Советское радио, 1976. — 296с.
  69. пя., Степанова М. Д. Основы теории ускоренных испытаний. Минск: Наука и техника, 1972. — 167с.
  70. Г. Математические методы статистики. М.: Мир, 1975. -648с.
  71. В.Д. Параллельные информационные технологии в прогнозировании. СПб.: Политехника, 2003. — 370с.
  72. Г. В. Надежность автоматизированных систем.' М.: Энергия, 1977.-536с.
  73. Д. Анализ процессов статистическими методами. -М.: Мир, 1973.-957с.
  74. В.Б., Заковряшин А. И. Автоматическое прогнозирование состояния аппаратуры управления и наблюдения. М.: Энергия, 1973. — 336с.
  75. Г. К. и др. Планирование эксперимента в задачах идентификации и экстраполяции. М.: Наука, 1977. — 208с.
  76. Кристаллинский JI. J1., Сосновская М. П. Построение математических моделей временных процессов в монолитных керамических конденсаторах. Электронная техника. Сер. 8, Управление качеством и стандартизация, 1974, вып. 8, — с.49−53.
  77. А.В., Гакаров Д. В. Диагностика судовой автоматики методами планирования эксперимента. Л.: Судостроение, 1977. — 96с.
  78. Г. В. Проектирование систем, основанных на знаниях. Учебное пособие. М.: МИФИ, 2000. — 104с.
  79. Э.В. Экспертные системы, М.: Наука, 1987.
  80. Хейес-Рот Ф., Уотерман Д., Ленат Д. Построение экспертных систем. -М.: Мир, 1987.
  81. Д. Руководство по экспертным система. М.: Мир, 1989.
  82. В.Л. Некоторые аспекты теории экспертных систем//Известия АН СССР. Техническая кибернетика, 1987, № 2, с.85−91.
  83. Р. Экспертные системы. Принцип работы и примеры. М.: Радио и связь, 1987.
  84. Д.А. Ситуационное управление: Теория и практика. М.: Наука, 1986.
  85. Дж., Кумбс Н. Экспертные системы: концепции и примеры. -М.: Финансы и статистика, 1987.
  86. Искусственный интеллект: Справочник. В 3-х томах. М.: Радио и связь, 1990.
  87. Экспертные системы для персональных компьютеров: Справочное пособие. Минск: Высшая школа, 1990.
  88. К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ. М.: Финансы и статистика, 1990.
  89. Искусственный интеллект. Применение в интегрированных производственных системах/Под ред. Э. Кьюсиака. М.: Машиностроение, 1991.
  90. Приобретение знаний/Под ред. С. Осуги, Ю. Саэки. М.: Мир, 1990.
  91. Readings in Knowledge acquisition and learning Edited by B. G, Buchanan & D.C. Wilkins. Morgan Kaufmann Publishers, Inc. San Mateo, California, 1993.
  92. Д.А. Логический вывод в системах обработки знаний/Под ред. Д. В. Пузанкова. Спб.: СПбГЭТУ, 1998. — 164с.
  93. Н.Г., Бернштейн JI.C., Боженюк А. В. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат, 1991. — 136с.
  94. Л.С., Боженюк А. В. Нечеткие модели принятия решений: дедукция, индукция, аналогия. Таганрог: Изд-во ТРТУ, 2001. -.110с.
  95. В.М. Методика определения функции компетентности эксперта на основе математической модели./Автоматика и информационные технологии. Екатеринбург: УГТУ, 1999. — с.237−242.
  96. С.Д., Гурвич Ф. Г. Математико-статистические методы экспертных оценок. М.: Статистика, 1980. — 263с.
  97. Д.В., Гринберг Я. З. Регрессионно-временные модели для диагностики и прогнозирования. В кн.: Ш Всесоюзное совещание по технической диагностике: Тезисы докладов. — М.: Наука. 1975. — с.232−234.
Заполнить форму текущей работой

Пора сдавать?