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

Вероятностно-статистическое прогнозирование случайных процессов в измерительно-вычислительных системах

Диссертация: Вероятностно-статистическое прогнозирование случайных процессов в измерительно-вычислительных системах
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В настоящее время в отечественной и зарубежной литературе имеется большое количество работ, посвященных различным частным аспектам проблемы прогнозирования. Так теория прогнозирования характеристик случайных процессов достаточно широко представлена работами А. Н. Колмогорова, Н. Винера, B.C. Пугачева, Ю. В. Чуева, Е. М. Четыркина и других авторов. Имеются работы, посвященные некоторым вопросам… Читать ещё >

Содержание

  • ГЛАВА 1. ОПРЕДЕЛЕНИЕ ВЕРОЯТНОСТНЫХ ХАРАКТЕРИСТИК СЛУЧАЙНЫХ ПРОЦЕССОВ ДЛЯ СТАТИСТИЧЕСКОГО ПРОГНОЗИРОВАНИЯ
    • 1. 1. Постановка задачи вероятностно-статистического прогнозирования
    • 1. 2. Определение вероятностных характеристик для статистического прогнозирования случайных процессов
    • 1. 2. Л Аналитическое определение вероятностных характеристик непрерывных случайных процессов
      • 1. 2. 2. Аналитическое определение вероятностных характеристик решетчатых случайных процессов
      • 1. 2. 3. Аналитическое определение вероятностных характеристик системы непрерывных случайных процессов
      • 1. 2. 4. Аналитическое определение вероятностных характеристик системы решетчатых случайных процессов
    • 1. 3. Цифровое моделирование случайных процессов с заданными вероятностными характеристиками
    • 1. 4. Выводы по главе
  • ГЛАВА 2. ЭКСТРАПОЛЯЦИЯ ДЕТЕРМИНИРОВАННОЙ СОСТАВЛЯЮЩЕЙ СЛУЧАЙНОГО ПРОЦЕССА
    • 2. 1. Предварительный анализ случайных процессов по экспериментальным данным
    • 2. 2. Экстраполяция тренда
    • 2. 3. Прогнозирование периодического математического ожидания
    • 2. 4. Выводы по главе
  • ГЛАВА 3. МЕТОДЫ ПРОГНОЗИРОВАНИЯ РЕАЛИЗАЦИЙ СТАЦИОНАРНЫХ СЛУЧАЙНЫХ ПРОЦЕССОВ С ИЗВЕСТНЫМИ КОРРЕЛЯЦИОННЫМИ ФУНКЦИЯМИ
    • 3. 1. Прогнозирование реализаций случайных процессов по корреляционному уравнению
    • 3. 2. Прогнозирование реализаций случайных процессов по оптимальной передаточной функции
    • 3. 3. Прогнозирование реализаций случайных процессов по оптимальному полиному
    • 3. 4. Прогнозирование реализаций случайных процессов по модифицированному фильтру Калмана
    • 3. 5. Выводы по главе
  • ГЛАВА 4. ПРОГНОЗИРОВАНИЕ РЕАЛИЗАЦИЙ СЛУЧАЙНЫХ ПРОЦЕССОВ С ИСПОЛЬЗОВАНИЕМ ЗАКОНОВ РАСПРЕДЕЛЕНИЯ
    • 4. 1. Прогнозирование с помощью законов распределения крайних членов выборки
    • 4. 2. Прогнозирование с помощью нормализованного одномерного закона распределения
    • 4. 3. Выводы по главе
  • ГЛАВА 5. ПРОГНОЗИРОВАНИЕ СЛУЧАЙНЫХ ПРОЦЕССОВ В УСЛОВИЯХ НЕДОСТАТОЧНОЙ ИСХОДНОЙ ИНФОРМАЦИИ
    • 5. 1. Элементы теории нечетких множеств
    • 5. 2. Методы прогнозирования случайных процессов в условиях нечеткой исходной информации
    • 5. 3. Выводы по главе
  • ГЛАВА 6. МЕТРОЛОГИЧЕСКИЙ АНАЛИЗ МЕТОДОВ ВЕРОЯТНОСТНОСТНО-СТАТИСТИЧЕСКОГО ПРОГНОЗИРОВАНИЯ СЛУЧАЙНЫХ ПРОЦЕССОВ И ПРИМЕНЕНИЕ ИХ ПРИ ЦИФРОВОМ МОДЕЛИРОВАНИИ ИВС
    • 6. 1. Классификация и анализ погрешностей прогнозирования случайных процессов
    • 6. 2. Вопросы цифрового моделирования ИВС среди комплекса задач которой предусматривается прогнозирование случайных процессов
    • 6. 3. Выводы по главе

Вероятностно-статистическое прогнозирование случайных процессов в измерительно-вычислительных системах (реферат, курсовая, диплом, контрольная)

Прогнозирование — это процесс формирования прогноза. Прогноз — это научно предсказанное состояние, поведение, развитие, функционирование некоторого объекта, основанное на знании его предыстории (т. е. знания состояния, поведения, развития, функционирования объекта в настоящем и прошлом) и соответствующих объективных закономерностях [1].

В настоящее время в отечественной и зарубежной литературе имеется большое количество работ, посвященных различным частным аспектам проблемы прогнозирования. Так теория прогнозирования характеристик случайных процессов достаточно широко представлена работами А. Н. Колмогорова [2], Н. Винера [3], B.C. Пугачева [4], Ю. В. Чуева [5], Е. М. Четыркина [6] и других авторов. Имеются работы, посвященные некоторым вопросам прогнозирования нестационарных случайных процессов (B.C. Пугачев [4], Р. Калман, Р. Бьюси [7] и др. [8]). В книге А. Т. Ивахненко и В. Т. Лапы [9] основное внимание уделяется использованию кибернетических систем распознавания образов для решения задач прогнозирования. Имеются работы, посвященные усовершенствованию существующих методов прогнозирования. Сюда прежде всего можно отнести монографию Р. Брауна [10], посвященную вопросам экспоненциального сглаживания, и последующие за ней работы по этому вопросу [11,12]. В последнее время вышло в свет большое количество работ, посвященных вопросам прогнозирования научно-технического прогресса (С.М. Ямпольский, Ф. М. Хилюк [13], В. А. Лисичкин [14, 15], М. Л. Башин [16], Э. Янч [17]и др. [18−26]). Однако они имеют скорее философскую, а не математическую направленность.

В ряде областей имеются отработанные частные методики прогнозирования. По оценкам [27] в настоящее время имеется порядка 20 апробированных методик. В большинстве своем они относятся к отдельным прогнозным задачам или основаны на частных подходах, например, используют определенную группу методов, количественную или качественную информацию, охватывают отдельные этапы процесса прогнозирования.

В целом большинство методик прогнозирования основано на применении математических методов, экспертных оценок и процедур принятия решений при сравнении прогнозных вариантов и рассчитаны на использование ЭВМ. Из сравнительно общих, надежно апробированных методик следует выделить: PATTERN (США) — помощь в планировании посредством количественной оценки техники [28, 29]- PROFILE (США) — программированные функциональные показатели для оценки лабораторий [30,31]- QUEST (США) — количественная оценка полезности для науки и техники [19, 32]- методика FORECAST (США) [33]- методика ЦПО (Франция) — центр перспектив и оценок [34]- методика Hindsight (США) [18, 31].

К методикам более частного характера относятся методики типа SRDR (выбор программ исследования и разработок) [32, 35], методика SEER (обзор и анализ событий) [36], методика SIA (оценка взаимовлияния и вероятности наступления событий) [35, 37, 38].

Из отечественных общих методик следует отметить методику программного прогнозирования развития науки и техники (Россия). Методика позволяет строить структуру прогноза и оценивать вероятности и время достижения целей. Также следует отметить методику параметрического прогнозирования [38]. Сравнительно недавно разработана методика прогнозирования предельных значений параметров [39].

Прогнозирование в технике чаще всего сводится к предсказанию значений случайных процессов — режимов работы технических устройств, либо воздействий на них со стороны среды.

В настоящее время существует огромное количество методов и способов прогнозирования [5,40,41], однако все они основаны на двух крайних подходах: эвристическом и математическом. Эвристические методы основаны на использовании мнения специалистов в данной области знания и, как правило, используются для прогнозирования процессов, формализацию которых нельзя провести к моменту прогнозирования.

Математические методы прогнозирования в зависимости от вида математического описания объектов прогнозирования и способов определения неизвестных параметров модели часто в литературе разделяют на методы моделирования процессов движения (развития) и экстраполяции (статистические методы). К первой группе относятся методы, использующие в качестве модели прогнозируемого объекта его дифференциальные уравнения с заданными начальными условиями. Ко второй группе относятся методы, определяющие на основании статистических данных о прогнозируемом объекте (процессе) его детерминированную основу и вычисляющие ее значения для заданного момента времени.

Большой интерес представляет и большое значение имеет при прогнозировании случайных процессов определение их вероятностных характеристик. Задача определения вероятностных характеристик возникает в случаях преобразования одних случайных процессов в другие. При этом вероятностные характеристики (математические ожидания, дисперсии, корреляционные функции и спектральные плотности), преобразованных случайных процессов приходится определять по характеристикам преобразуемых случайных процессов. Особенно сложным решение этой задачи оказывается для переходного режима функционирования соответствующих преобразователей.

Что касается методов прогнозирования случайных процессов, то они все относятся к математическим методам и могут быть временными или невременными [5], но в большинстве случаев используются временные методы. Практически все математические методы прогнозирования можно классифицировать на методы прогнозирования случайных процессов с детерминированным математическим ожиданием или постоянным во-первых, и, во-вторых, содержащих чисто случайную составляющую. Последнюю группу методов можно разделить на прогнозирование реализаций с заданными вероятностными характеристиками и с использованием законов распределения. Перечисленные методы могут быть использованы при прогнозировании случайных процессов в условиях недостаточной априорной информации. Все указанные согласно классификации методы рассматриваются в диссертационной работе. В известных методах предлагаются разработанные рациональные методики. К новым методам можно отнести методы прогнозирования по оптимальному полиному (новый вид полинома), по модифицированному фильтру Калмана, по нормированному одномерному закону распределения и применение всех методов в условиях недостаточной исходной информации.

Задача экстраполяции, реализующая случайные процессы за пределы временного интервала, их наблюдение и фиксацию встречается во всех областях знаний, науки, техники, народного хозяйства и т. д.

В их числе прогнозирование погодных условий (в области метеорологии [42−48]), прогнозирование речных стоков и уровней подводных вод (в области гидрологии [49−53]), прогнозирование реакций динамических систем с целью компенсации запаздывания (в области автоматического управления [54−64]), прогнозирование урожайности (в области сельского хозяйства [65−69]), прогнозирование спроса на медикаменты (в области здравоохранения [70]), прогнозирование состояния окружающей среды (в области экологии [71−74]), прогнозирование в экономике [75−79], прогнозирование развития науки и техники [80−83].

Актуальность. Прогнозирование случайных процессов может быть высоко эффективно использовано, во-первых, при создании информационно-измерительных систем (ИИС) и измерительно-вычислительных средств (ИБС), способных экстраполировать изменения условий функционирования соответствующих объектов и, обеспечивающих адаптацию к этим изменениям [84, 85], во-вторых, для качественного проектирования измерительных приборов при прогнозировании их метрологических свойств [86, 87].

Состояние проблемы. К настоящему времени в области определения вероятностных характеристик случайных процессов известны только методы прогнозирования математических ожиданий (в переходных и установившихся режимах). В области прогнозирования реализаций случайных процессов известны некоторые способы получения прогноза, требующие знания математических ожиданий и корреляционных функций, а также способы приближения функций, пригодные для определения периодических и непериодических математических ожиданий и их прогнозирования. Совершенно отсутствуют работы по прогнозированию реализаций случайных процессов в условиях неопределенности, при недостаточной информации, исходной для осуществления прогнозирования.

Цель работы. Критическое исследование известных статистических методов и на их базе разработка новых машинно-ориентированных методов прогнозирования случайных процессов с заданными корреляционными функциями, с использованием законов распределения, прогнозирование в условиях недостаточной исходной информации, а также метрологический анализ вероятностно-статистического прогнозирования.

Основные задачи диссертационной работы:

— разработка методов определения корреляционных функций и дисперсий выходных случайных процессов дискретных систем в переходном режиме функционирования системы при воздействии входных систем случайных процессов;

— разработка методики предварительного анализа случайных процессов на стационарность и экстраполяция прогнозирования полиномиальных и периодических математических ожиданий;

— разработка методики прогнозирования центрированных реализаций систем случайных процессов по корреляционным уравнениям, по оптимальным и разностным уравнениям, по оптимальному полиному;

— разработка новых методов экстраполяции реализаций систем случайных процессов;

— экстраполяция случайных процессов методами теории нечетких множеств в условиях недостаточной исходной информации;

— метрологический анализ методов вероятностно-статистического прогнозирования случайных процессов.

Методы и методика исследования. Включаемые в диссертацию результаты основаны на системном подходе, к рассматриваемой проблеме, и получены методами научной эвристики, путем аналитических выкладок, теоретических и машинных расчетов, цифрового моделирования с привлечением теории вероятностей и математической статистики, теории непрерывных и цифровых систем автоматического управления, теории идентификации, теории цифровой фильтрации, методов и средств измерительной и вычислительной техники, теории нечетких множеств.

Научная новизна. Научная новизна диссертационной работы заключается в том, что автором дано обобщение и получены новые теоретические и практические результаты в области прогнозирования случайных процессов, используя данные динамических и статистических измерений. Разработаны аналитический и машинный методы определения вероятностных характеристик случайных процессов на выходе линейных систем в переходном режиме.

Разработаны методики прогнозирования случайных процессов по корреляционным уравнениям, по оптимальному полиному и прогнозирование с использованием законов распределения крайних членов выборки. Предложен и разработан метод прогнозирования по одномерному закону распределения для оценивания достоверности прогноза. Предлагается разработанный модифицированный фильтр Калмана и его применение для прогнозирования систем случайных процессов. Разработан новый метод прогнозирования систем случайных процессов, основанный на теории нечетких множеств. Проведен метрологический анализ вероятностно-статистических методов прогнозирования.

Совокупность полученных результатов, представляющих научно обоснованные теоретические решения в задачах вероятностностатистического прогнозирования случайных процессов, вносит значительный вклад в развитие и ускорение научно-технического прогресса.

Научные результаты:

— исходя из системного подхода, предложен и разработан метод аналитического определения вероятностных характеристик дискретных случайных процессов и их систем, основанный на двухстороннем z-преобразовании;

— проведено теоретическое обобщение и разработаны новые методы цифрового моделирования случайных процессов и систем на основе моделей случайных величин;

— на основе предварительного анализа усовершенствованы методы экстраполяции полиномиальных и периодических случайных процессов;

— на основе обобщения методов, основанных на измерении корреляционной функции, предлагается метод прогнозирования реализаций случайных процессов по модифицированному фильтру Калмана;

— на основе разработки фундаментальных вопросов теории нечетких множеств предлагается метод экстраполяции случайных процессов в условиях недостаточной априорной информации;

— на основе метрологического анализа методов предлагается процедура определения полной группы составляющих погрешностей прогнозирования.

Практическая ценность результатов работы заключается в том, что:

— результаты теоретических исследований могут быть положены в основу конкретных программных разработок;

— предложенные методы прогноза позволяют осуществить создание, разработку, проектирование более совершенных ИВК и ИИС с адаптацией к изменяющимся условиям;

— в целях повышения достоверности результатов моделирования поведения ИВК и ИИС, под действием случайных воздействий, предлагается разработанный метод цифрового моделирования, основанный на аппроксимации случайных процессов системами случайных величин, обеспечивающий высокую точность машинных исследований;

— результаты исследования в области теории нечетких множеств позволяют прогнозировать случайные процессы, когда реализация процесса зафиксирована в равноотстоящих точках, число которых менее пяти;

— разработанный метрологический анализ методов позволяет повысить качество проектирования измерительных приборов;

— разработанные методы прогнозирования случайных процессов нашли практическое применение в исследовательских и проектных работах различных предприятий страны.

Реализация результатов заключается во внедрении их при непосредственном участии автора:

— при создании информационной структуры поддержки системы экологического мониторинга и решении проблем экологического прогнозирования в рамках программы «Экологическая безопасность России»;

— при испытаниях тренажера самолета ТУ-204, при прогнозирования вертикальной перегрузки, действующей на конструкцию системы;

— при создании блоков импульсной разгрузки турбин энергетических газотурбинных установок;

— при создании аппаратно-программных средств для синтеза и применения измерительных информационных систем.

Апробация работы. Материалы диссертации докладывались и обсуждались на международных симпозиумах и конференциях:

— Европейском конгрессе по моделированию (IMCO), г. Прага (ЧССР, 1987 г.);

— III международном симпозиуме по системному анализу и моделированию, г. Берлин (ГДР, 1988 г.);

— IX Международном координационном совещании «Автоматизация процессов управления техническими средствами исследования и использования Мирового океана», Санкт-Петербург (Россия, 1994 г.);

— XVII — XXIII Международной конференции и школы молодых ученых и специалистов «САПР — новейшие информационные технологии в науке, образовании, медицине и бизнесе», г. Гурзуф (Крым. Украина, 1991;96 г.);

— IV Международном форуме «Стратегия здоровья: информационные технологии и интеллектуальное обеспечение медицины — 97», г. Анталья. (Турция, 1997 г.);

— Международной научно-технической конференции «Диагностика, информатика, метрология, экология, безопасность — 97», г. Санкт-Петербург (Россия) — а также на 28 всесоюзных, всероссийских и краевых конференциях, совещаниях и семинарах в университетах и институтах Кибернетики и электродинамики АН Украины, КНИГА, КПИ, ПГТУ, ВГТУ, ТГТУ, СПбГЭТУ и ряде других научных и учебных заведений.

Публикации. Основные результаты диссертации отражены в следующих публикациях: 2 монографиях- 10 депонированных монографиях общим объемом 418 с, 5 статьях в центральных журналах, 42 статьях в межвузовских сборниках, материалах и тезисах докладов международных, всероссийских, республиканских и краевых конференциях, симпозиумов, совещаний и семинаров.

Личный вклад автора. Во всех работах, опубликованных в соавторстве, автором дана постановка задачи, предложены основные идеи методов, получены аналитические выкладки и теоретические результаты.

Соавторство, в основном, относится к конкретизации и детализации теоретических результатов и идей для частных случаев.

Структура и объем работы. Диссертация состоит из введения, 6 глав, заключения, списка использованных источников (259 наименований) и.

Результаты работы были использованы для исследования точности прогнозов при выборе критериев качества статистического прогнозирования.

Зав. лабораторией.

Шенфинкель И.Ю.

1Ь9. fl г Утверждаю — > директор ОП НИКТИТ.

• • ДЭДТ^Невский завод" /•',/ М. И. Новиков //" so 1997 г.

АКТ внедрения результатов докторской диссертации Гридиной Е. Г. «Вероятностно — статистическое прогнозирование случайных процессов в измерительно — вычислительных системах» в n научном и производственном процессах ОП НИИКТИТ АООТ «Невский завод» .

Настоящий акт подтверждает использование результатов диссертационной работы при выполнении хоздоговорных работ по созданию блоков импульсной разгрузки турбин (БИРТ) энергетических газотурбинных установок (ЭГТУ).

При разработке и проектировании системы управления газовыми турбинами были использованы методы црогнозирования случайных процессов, основанные на применении оптимальных полиномов и оптимальных перрдатичных функций, а также метод, основанный на модифицированной фильтрации Калмана. Разработанные согласно перечисленным методам методики и рекомендации приняты к освоению. Они позволяют создать систему управления, способную к адаптации в реальных условиях эксплуатации при отклонении скоростей текущих изменений нагрузки, и обладающую возможностью осуществления прогноза изменения этой нагрузки. Это позволяет повысить эффективность работы автоматической системы управления для энергетическийх турбин и соответственно увеличить ресурс ЭГТУ, а также уменьшить количество ложных срабатываний (остановок ЭГТУ).

Начальник отдела fj 'сГ' кин B.H.

V V1997 r.

J'/' д L r ¦ ' ¦. '•¦

Ь ' Т ТТЙ Й Ы’КТРГ ъ-пнгтруктор

Акт внедрения результатов докторской диссертации Гридиной Е. Г. «Вероятностно — статистическое прогнозирование случайных процессов в измерительно-вычислительных системах» в научно-исследовательском и производственном.

Настоящий акт подтверждает использование результатов диссертационной работы Гридиной Е. Г., которые были получены при выполнении хоздоговорных тем «Отель-М», КТС ТУ-204.

При разработке программы испытания сложных систем были использованы методы цифрового моделирования случайных процессов, предложенные Гридиной Е. Г., методы прогнозирования вероятностных характеристик случайных процессов, при прохождении их через систему автоматического управления в различных режимах работы.

По результатам использования разработанных методов можно сделать следующие выводы: 1) использование методов моделирования и прогнозирования систем и процессов при проектировании и испытаниях сложных систем позволило значительно повысить эффективность процесса проектирования- 2) методы прогнозирования процессов, основанные на теории нечетких множеств, нашли практическое применение и являются перспективными для дальнейшего развития.

При испытаниях тренажера самолета ТУ-204 прогнозировалась вертикальная перегрузка, действующая на конструкцию системы визуальной обстановки с помощью метода, основанного на применении распределения крайних членов выборки. процессах АО ПНПП «Эра» .

Начальник НИС-4.

Дегтярев Е.А.

Показать весь текст

Список литературы

  1. Прогностика. Общие понятия. Объект прогнозирования. Аппарат прогнозирования. Терминология. — М.: Наука, 1978, вып. 92 — 32 с.
  2. А.Н. Интерполирование и экстраполирование стационарных случайных последовательностей. — «Известия АН СССР. Сер. матем.», 1941. т. 5, № 1 — 3 — 7.
  3. Winer N. Extrapolation, interpolation and smoothing of stationary time series. John Willy, N.Y., 1949.
  4. B.C. Теория случайных функций. — М.: Физматгиз, 1960. — 833 с.
  5. ЧуевЮ.В., Михайлов Ю. Б., Кузьмин В. И. Прогнозирование количественных характеристик процессов. — М.: Сов. радио, 1975. — 400 с.
  6. ЧетыркинЕ.М. Статистические методы прогнозирования. — М.: Статистика, 1975. 184 с.
  7. R.E., Вису R.S. New results in linear filtering and prediction theory. — J. of Basic. Eng. Traus. ASME., 1960, № 60 — С 75 — 88.
  8. А.Н. Предсказание случайных процессов. — М.: Знание, 1976. — 6 4 с.
  9. А.Г., ЛапаВ.Г. Предсказание случайных процессов. — Киев: Наукова думка, 1971. — 132 с.
  10. R. — G. Smoothing, Forecasting and Prediction of Discrete Time Series. — N.Y. — Prentice Hall, Englewood Elifss, 1963.
  11. Прогнозирование на основе временных рядов //Сб. статей — Минск, 1974.-14 с.
  12. Т. е., Френкель А. А. Анализ временных рядов и прогнозирование. — М.: Статистика, 1973. — 326 с.
  13. СМ., ХилюкФ.М., Лисичкин В. А. Проблемы научно- технического прогнозирования. — М.: Экономика, 1969. — 96 с.
  14. В.А. Теория и практика прогностики. — М.: Наука, 1972. — 224 с. — 2 4 7 —
  15. Д.М., Лисичкин В. А. Прогностика. — М.: Знание, 1968 — 89 с.
  16. М.Л. Прогнозирование научно-технического прогресса. — М.: Московский рабочий, 1970. — 114 с.
  17. ЯнчЭ. Прогнозирование научно-технического прогресса. — М.: Прогресс, 1974.-584 с.
  18. Научно-техническое прогнозирование для промышленности и правительственных учреждений. /Под общей ред. Т. М. Доброва. — М.: Прогресс, 1972.-270 с.
  19. ХилюкФ.М. Экономическое и научно-техническое прогнозирование за рубежом. — Киев: Знание, 1970. — 172 с.
  20. Методика программного прогнозирования науки и техники. — М.: ГКНТ, 1971.-58 с.
  21. Рабочая книга по прогнозированию /Под ред. И.В. Бестужева-Лада. -М.: Мысль, 1982.-430 с.
  22. Дж. Технологическое прогнозирование. — М.: Прогресс, 1977.-592 с.
  23. ГмощинскийВ.Г., ФлиорентГ.И. Теоретические основы инженерного прогнозирования. — М.: Наука, 1973. — 303 с.
  24. Г. М. Прогнозирование науки и техники. — М.: Наука, 1977. — 209 с.
  25. В.А. Прогнозирование развития науки и техники. — М.: Экономика, 1983. — 152 с.
  26. Романов Прогнозирование развития метрологии. — М.: Изд-во стандартов, 1989. — 176 с.
  27. М.М. Паттерн-метод планирования и прогнозирования научных работ. -М.: Сов. радио, 1971. — 145 с. — 2 4 8 —
  28. SigfordJ.V., ParvinR.H. Project PATTERN: A metodology for Determining Relevance in Complex Decision Making. //IEEE Trans, on Engineering management, 1965, vol. EM-12, № 1.
  29. CentronM.J. PROFILE — Programmed Functional Indices for 1. aboratory Evaluation. — Papes of 16-th Military Operational Research Symposium, Seattle, Wash., Oktober, 1965.
  30. Sherwin Ch. W., IsensonR.S. Le programme Hindsight. // Le progres Scientifigue, 1968, № 120.
  31. Centron M.J. QUEST States Report. //IEEE Trans, on Eng. management, 1967, vol. EM-14, № 1.
  32. Schriever A. Forecast. — Air University Review, 1963, vol. 16 № 3. 34. de L’Estoile. La Programmation de la recherche appligue. //Le progres Scientifigue, 1968, № 118.
  33. Centron M.J., Ralph Ch.A. Industrial applications of technological forecasting: its untilization in R and D management. — N.Y.- London: Wiley-Interscience, 1971.
  34. Bernstein G.B., CetronM.J. Seer: a Delphis approach applied to information processing and Social change, 1969, Vol. 1, № 1.
  35. Wood D., Fildes R. Forecasting for business: methods and applications. — 1. ondon, N.Y., 1976.
  36. Gordon T.J., Hayward H. Inital Experiments for the Cross-Impact Matrix Method of Forecasting.// Future, 1968, Vol. 1, № 2.
  37. H.M. Методика статистической обработки патентных массивовдля прогноза перспективности конкурирующих направлений исследований. — В сб.: Материалы учебно-теоретического семинара «Изучение основ прогностики». — Л.: Судостроение, 1974. — 132 с.
  38. В.А. Классификация методов прогнозирования. //В сб.: Материалы учебно-теоретического семинара «Изучение основ программирования». /Под ред. В. А. Чабровского. — Л.: Судостроение, 1974. -128 с.
  39. Теория прогнозирования и принятия решений. /Под ред. А. Саркисяна. -М.: Высш. школа, 1977. — 351 с. — 2 4 9 —
  40. Д.И. Основы теории случайных функций и её применение в гидрометеорологии. — Л.: Гидрометеоиздат, 1977. — 319 с.
  41. Е.С., Сиротенко О. Д. Методы статистического анализа в астрометеорологии. — Л.: Гидрометеоиздат, 1968. — 200 с.
  42. ГлушковаН.И. Прогноз опасных явлений погоды. — Л.: Гидрометеоиздат, 1973, вып. 116. — 39 с.
  43. Ю.П. Адаптивные методы краткосрочного прогнозирования. — М.: Статистика, 1979. — 256 с.
  44. .А., СербиновскийГ.В. Прогнозы потребления электроэнергии //Электричество. — 1967. — № 12. — 74 — 77.
  45. П.Н. Практические методы численного прогноза погоды. — Л.: Гидрометеоиздат, 1963. — 260 с.
  46. Bates A.M., Grander C.N. The combination of forecasts. — Oper. Res. Quart., 1969. V. 20. P. 451 -468.
  47. H.A. Статистическая гидрология. — Л.: Гидрометеоиздат, 1981. — 167 с.
  48. Д.М. Моделирование и предсказание речного стока. — Фрунзе.: Киргизстан, 1973. — 239 с.
  49. .А., Калинин Г. П., Комаров В. П. Гидрологические прогнозы. Л.: Гидрометеоиздат, 1960.-406 с.
  50. И.П., СмагаВ.Р., ШевнинА.Н. Динамика многолетних колебаний речного стока — М.: Наука, 1991. — 176 с.
  51. BordleyR.F. The combination of Forecasts: A Bayesian Approach. — Ope. Res. Soc. 1982, V. 33, № 2. P. 171 — 174.
  52. Применение автоматизированных систем для управления воздушным движением. /Под ред. СМ. Федорова — М.: Транспорт, 1979. -397 с.
  53. В.Б., Заковряшкин A.M. Автоматическое прогнозирование состояния аппаратуры управления и наблюдения — М.: Энергия, 1973. — 336 с.
  54. Мот Ж. Статистические предвидения и решения на предприятиях. — М.: Прогресс, 1966. — 512 с. — 2 5 0 —
  55. Прогнозирование развития сложных систем /Ю.Н. Астахов, В. А. Веников, В. В. Ершевич и др. /Под ред. В. А. Веникова. — М.: МЭИ, 1985. -228 с.
  56. Прогнозирование научно-технического и экономического развития основных звеньев народного хозяйства. /Под ред. В. А. Чабровского. — Л.: ЛДНТП, 1990. — 88 с.
  57. В.Д. Цифровое моделирование многомерных динамических систем при случайных воздействиях. //Автоматика и телемеханика. — 1980. -Х24.-С. 177−180.
  58. А.А. Прогнозирование производительности труда. Методы и модели. — М.: Статистика — 1989. 213 с.
  59. Я.А. Методы кибернетической диагностики динамических систем. — Рига: Знание, 1967. -542 с.
  60. А.Г. Долгосрочное прогнозирование и управление сложными системами. — Киев: Техника, 1975. — 311 с.
  61. ЭйресР. Научно-техническое прогнозирование и долгосрочное планирование. — М.: Мир, 1973. — 216 с.
  62. Sheares Р. Business forecasting and planning. Englewood Cliffs. (N.Y.): Prentice Hall, 1994.-184 p.
  63. B.H. Статистические методы обработки данных полевого опыта. — М.: Сельхозгиз, 1948. — 296 с.
  64. .А. Методы полевого опыта. — М.: Колос, 1968. — 336 с.
  65. Е.К. Биометрия в селекции и генетика сельскохозяйственных животных. — М.: Колос, 1970. — 424 с.
  66. Е.Г. Вычислительная техника и экономо-математические методы в землеустройстве. — М.: Недра, 1973. — 399 с.
  67. УслановаЕ.С. Методы агрометеорологических прогнозов. — Л.: Гидрометеоиздат, 1959. -280 с.
  68. В.Ф., Латоцкий В. А., Попов Ю. В., МандельА.С. Применение методов управления в аптечной службе. — М.: Медицина, 1989. -272 с. — 2 5 1 —
  69. Прогнозирование экологических процессов /Л.Я. Ащепкова, А. Е. Кузьмина и др. — Новосибирск: Наука, Сиб. отд-е., 1986. — 216 с.
  70. Е.Г. О статистическом прогнозировании в экологии //Мониторинг. Безопасность жизнедеятельности. — 1996. — № 3. — 15−16
  71. М.Е. Прогноз и регулирование заражения атмосферы. — Л.: Гидрометеоиздат, 1985. -272 с.
  72. Trigg D.W. Monitoring, а forecasting systems. Oper. Res. Quart. 1964. V. 15. № 3 — P. 271−274.
  73. Прогнозирование экономических процессов. — М.: Акад. изд-во МЭГУ, 1995.-28 с.
  74. B.C. Применение математической статистики в опытном деле. — М.-Л.: ГИТТЛ, 1947. — 247 с.
  75. А. Прогнозирование на проблемных сетях. — В кн.: Комплексное прогнозирование в экономике и международных отношениях. -М.: ИМЭКО, 1975. — 115 — 128.
  76. Batty М. Monitory and Exponential Smoothing System. Oper. Res. Quart. 1969. V. 20. № 3. — P. 319 -325
  77. Г. Экономические прогнозы и принятие решений. — М.: Статистика, 1971. -488 с.
  78. В.Р., ИшкеевА.М. Прогнозирование хладостойкости конструкций и работоспособности техники на севере. — М.: Машиностроение, 1996.-304 с.
  79. Ю.В., Михайлов Ю. Б. Прогнозирование в военном деле. — М.: Воениздат, 1975. — 279 с.
  80. ЦыркинЕ.Б. Прогнозирование новой технологии //Эко. — 1979 — № 11.-С. 13−18.
  81. Montgomery Р. С, Conterras L.E. А Note on Forecasting with Adaptive Filtering. Oper. Res. Quart. 1977. V. 28. № 1. — P. 87 — 91.
  82. E.A., Недосекин Д. Д., Алексеев B.A. Измерительно- вычислительные средства автоматизации производственных процессов. — Л.: Энергоатомиздат, Ленингр. отд-е., 1989. — 272 с. — 2 5 2 —
  83. Р.Э. Измерительно-вычислительные комплексы. — Л.: Энергоатомиздат, Ленингр. отд-е, 1988. — 185 с.
  84. Г. И. Измерительно-вычислительные комплексы //Приборы и системы управления. — 1977. — № 11 — 23 — 27.
  85. Э.И. Методические погрешности статистических измерений. — Л.: Энергоатомиздат, Ленингр. отд-ние., 1984. — 144 с.
  86. Вероятностные методы в вычислительной технике /Под ред. А. Н. Лебедева, Е. А. Чернявского. — М.: Вые. шк., 1986. — 312 с.
  87. А.Н., Стеклова Г. А. Вероятностные спектральные характеристики случайных процессов./ - Л.- Ленингр. электротехн. ин-т. -1982. — 70 с. — Деп. в ВИНИТИ 03.06.1982, № 8789.
  88. Цифровое моделирование систем стационарных случайных процессов /Е.Г. Гридина, А. Н. Лебедев, Д. Д. Недосекин, Е. А. Чернявский. -Л.: Энергоатомиздат, 1991. — 144 с.
  89. ВенцельЕ.С, Овчаров Л. А. Прикладные задачи теории вероятностей. — М.: Радио и связь, 1983. — 416 с.
  90. В.В. Импульсные функции. Функции комплексной переменной. Операционное исчисление. — Минск.: Вые. шк., 1976. — 256 с.
  91. А.Н. Решетчатые функции в автоматическом управлении и цифровом моделировании. — Л.- Ленингр. электротехн. ин-т. — 1983. — 124 с. -Деп. в ВИНИТИ 04.05.1993., № 2883.
  92. М.Л. Операционное исчисление в задачах электротехники. — Л.: Энергия, 1972. — 360 с.
  93. А.Н. Операторные методы в статистической динамике автоматических систем. — М.: Наука, 1965. — 460 с.
  94. В.Г. Методы исследования точности цифровых автоматических систем. -М.: Наука, 1973. 400 с.
  95. Методы цифрового моделирования и идентификации стационарных случайных процессов /А.Н. Лебедев, Д. Д. Недосекин, Г. А. Стеклова, Е. А. Чернявский -Л.: Энергоатомиздат, Ленингр. отд-е, 1988. — 64 с.
  96. B.C. Введение в теорию вероятностей. — М.: Наука, 1968. — 368 с. — 2 5 3 —
  97. Дж., Пирсол А. Измерение и анализ случайных процессов. — М.:Мир, 1971.-458 с.
  98. Г., Ватте Д. Спектральный анализ и его приложения. Вып. 1.-м.: Мир, 1971.-316 с.
  99. Г., Лидбеттер М. Стационарные случайные процессы. — М.: Мир, 1969.-398 с.
  100. Дж. Синтез систем автоматического регулирования. — М.: Машгиз, 1959−216 с.
  101. Е.Г. Преобразование случайных процессов линейными системами. Пенза: Изд-во Пенз. гос. техн. ун-та, 1997. — 118 с.
  102. Р.Т. Теория линейных оптимальных многосвязных систем управления. — М.: Наука, 1973. — 464 с.
  103. Д. Математическое и цифровое моделирование для инженеров и исследователей. — М.: Машиностроение, 1980. — 274 с.
  104. Е.Г. Аппроксимация случайных функций детерминированными функциями при цифровом моделировании //Цифровые модели в производстве и проектировании РЭС: — Пенза: Пенз. гос. техн. ун-т, 1995. — 124 — 127. — Межвуз. сб. научн. тр.
  105. Д.Д., Гридина Е. Г., Еид М. Статистические свойства гармонических моделей стационарных случайных форм. //Вопросы проектирования измерительных систем. — С-Пб.: 1995. — 20 — 24. — Изв. ГЭТУ- Вып. 479.
  106. В.И. Анализ точности нелинейных систем управления. — М.: Машиностроение, 1966. — 248 с.
  107. Д.Д., Гридина Е. Г., АнтонюкП.Е. Прогнозирование зависимостей случайных последовательностей //Методы и средства оценки и повышения надежности приборов, устройств и систем: тез. докл. Междунар. научно-техн. конф. — Пенза, 1995. — 59 — 60.
  108. Е.Г., Лебедев А. Н., Недосекин Д. Д. Линейный механизм формирования системы непрерывных случайных процессов и ее цифровое — 2 5 4 -применение /Ленингр. электротехн. ин-т. — Л., 1987. — 28 с. — Деп. в ВИНИТИ 02.04.87, № 2383-В87
  109. Ю.А. Стационарные случайные процессы. — М.: Физматгиз, 1963. — 284 с.
  110. Р.Ш., Ширяев А. Н. Статистика случайных процессов. — М.: Наука, 1974.-696 с.
  111. СМ., Михайлов Г. А. Статистическое моделирование. — М.: Наука, 1982.-296 с.
  112. В.М. Случайные числа и их применение. — М.: Финансы и статистика, 1984. — 111 с.
  113. А.С., Палагин Ю. И. Прикладные методы статистического моделирования. — Л.: Машиностроение, 1986. — 320 с.
  114. ГридинаЕ.Г., Лебедев А. Н., Недосекин Д. Д., ЧернявскийЕ.А. Методология цифрового моделирования многомерных случайных процессов /Труды Европейского конгресса по моделированию. Прага, 1987. — том -С. 35 -39 .
  115. ГридинаЕ.Г., Лебедев А. Н. Методы получения рекуррентных выражений для цифрового моделирования реализаций систем случайных стационарных процессов /Ленингр. электротехн. ин-т. — Л., 1986. — 23 с. — Деп. в ВИНИТИ — 25.06.86 № 4648.
  116. Д.Д., ЯнФ.В. Применение микро-ЭВМ для формирования образцовых случайных сигналов с заданными спектральными характеристиками //Тез. докл. Всесоюзн. конф. по информационно-измерительным системам, ИИС-83. — Куйбышев, 1983. — 143 — 144.
  117. БоксДж., ДженкисГ. Анализ временных рядов. Прогноз и управление. М.: Мир, 1974. -вып. 1. -400 с- вып. 2. -200 с. — 2 5 5 —
  118. .Я., Яковлев А. Моделирование систем. — М.: Высш. школа, 1985. -271 с.
  119. М.Б., Хасьминский Р. З. Стохастическая аппроксимация и рекуррентное оценивание. — М.: Наука, 1972. — 304 с.
  120. Р.Ш., Ширяев А. Н. Статистика случайных процессов. — М.: Наука, 1974. — 696 с.
  121. А.Н. Моделирование в научно-технических исследованиях. — М.: Радио и связь, 1989. — 224 с.
  122. ГридинаЕ.Г., Лебедев А. Н. Корреляционная теория случайных величин и функций /Санкт-Петербург, гос. электротехн. ун-т. — С-Пб., — 1995. — 42 с. — Деп. во ВИНИТИ 14.04.95., № 1039-В95.
  123. Э.Н. Основы теории статистических измерений. — Л.: Энергоатомиздат, Ленингр. отд-е, 1986. — 256 с.
  124. Дж. Основы теории случайных шумов и её применение. — М.: Наука, 1965.-463 с.
  125. Р.Б. Анализ результатов наблюдений. — М.: Энергопромиздат, 1986.- 144с.
  126. Дж., ПирсолА. Применение корреляционного и спектрального анализа. — М.: Мир, 1983. — 312 с.
  127. Д. Анализ процессов статистическими методами. — М.:Мир, 1973.-957 с.
  128. Дж. У. Анализ результатов наблюдений. — М.: Мир, 1981. — 693 с.
  129. В.И. Применение математическое статистики в опытном деле. — М.-Л.: ГИТЛ, 1947. — 247 с.
  130. Д. Статистика для физиков. — М.: Мир, 1970. — 296 с.
  131. A.M. Математическая статистика в технике. — М.: Советская наука, 1958.-466 с. — 2 5 6 —
  132. Е.И. Статистические методы анализа и обработки наблюдений. — М.: Наука, 1968. — 288 с.
  133. Н.В., Дунин-БарковскийИ.В. Краткий курс математической статистики. — М.: Физматгиз, 1959. — 436с.
  134. Г. Ф. Биометрия. — Высшая школа, 1980. — 293 с.
  135. В.К. Статистические методы анализа и планирования экспериментов. — М.: Изд. МГУ, 1975. — 128 с.
  136. ГридинаЕ.Г. Разведочный анализ случайных процессов по экспериментальным данным /Санкт-Петербург, гос. электротехн. ун-т. — С-Пб., — 1996. — 20 с. — Деп. в ВИНИТИ 09.04.96., № 1120-В96.
  137. Ю.М. Статистические прогнозы в геофизике. — Л.: Изд. ЛГУ, 1963.-85 с.
  138. Л.А., ЗубаковВ.Д. Выделение сигналов на фоне случайных помех. — М.: Сов. радио, 1960. — 447 с.
  139. Е.А. Численные методы. — М.: Наука, 1987. — 248 с.
  140. А.К. Техника статистических вычислений. — М.: Физматгиз, 1961. -479 с.
  141. А.А. Сборник задач по теории вероятностей. — М.: Наука. — 656 с.
  142. А. Математика для электро и радиоинженеров. — М.: Наука, 1967.-779с.
  143. В.А. Инженерная методика расчета динамических систем. -Л.: Энергия, Ленингр. отд-е., 1975. — 320с.
  144. И.Н., Семендяев К. А. Справочник по математике. — М.: ГИТП, 1956.-608с.
  145. Численные методы /Данилина Н.И., Дубровская Н. С, КвашаО.П. и др. — М.: Высшая школа, 1976. — 368 с. — 2 5 7 —
  146. А.С. Способ наименьших квадратов с основами теории вероятностей. — М.: Геодезиздат, 1958. — 606 с.
  147. П.Л. О разложении функции одной переменной. Полное собрание сочинений, т. П. — М.: АН. СССР, 1947. — 335 — 341.
  148. В.И. Выравнивание статистических рядов по методу наименьших квадратов, способ Чебышева. — М.: Госстатиздат, 1959. — 87 с.
  149. ГридинаЕ.Г. Аппроксимация тренда случайных процессов по Чебышеву //Известия ТРТУ. — Таганрог, — 1996. — № 3. — 91 — 94.
  150. MilnW.E. Numerical calculus. — New Jersey. Princeton, Princeton university press, 1949.
  151. М.Г., Первозванский А. Л. Выявление скрытых периодичностей. — М.: Наука, 1965. — 244 с.
  152. А.И., Зотов Ю. А., Шикунов Ю. А. Оперативная отработка экспериментальной информации. — М.: Энергия, 1972. — 360 с.
  153. А.И., Жовинский В. И. Инженерный экспресс-анализ случайных процессов. — М.: Энергия, 1988. — 113 с.
  154. АфифиА., Айзен Статистический анализ. Подход с использованием ЭВМ. — М.: Мир, 1982. — 488 с.
  155. Р., ЭноксонЛ. Прикладной анализ временных рядов. Основные методы. — М.: Мир, 1982. — 428 с.
  156. ГридинаЕ.Г. Определение периодических матожиданий случайных процессов по экспериментальным данным /Санкт-Петербург, гос. электротехн. ун-т. — С-Пб., — 1996. — 17 с. — Деп. в ВИНИТИ 09.04.96., № 1119-В96.
  157. БерезинИ.С, Жидков Н. П. Методы вычислений. — М.: Физматиздат, 1959. — 620 с.
  158. Д. Временные ряды. Обработка данных и теория. — М.:Мир, 1980.-536 с.
  159. Т. Статистический анализ временных рядов. — М.: Мир, 1976.-759 с. — 2 5 8 —
  160. А.А. Основные проблемы теории корреляций. — М.: Госстатиздат, 1960. — 176 с.
  161. ЛифшицИ.А., Пугачев В. Н. Вероятностный анализ систем автоматического управления. — М.: Сов. радио, 1963. — 896 с.
  162. В.И. Применение математической статистики в опытном деле. — М.-Л.: ГИТТЛ, 1947. — 247 с.
  163. А.К. Техника статистического исчисления. — М.- Л.: Сельская хозгиз, 1931. — 632 с.
  164. М.И. Операционное исчисление и процессы в электрических цепях. — М.: Сов. радио, 1975. — 320 с.
  165. А.А. Основы теории автоматического управления, — М. — Л.: Энергия, 1966.-372 с.
  166. А.А., Бутковский А. Г. Методы теории автоматического управления. — М.: Наука, 1971. — 744 с.
  167. ГридинаЕ.Г. Прогнозирование случайных стационарных процессов с помощью оптимальных линейных систем. /Санкт-Петербург, гос. электротехн. ун-т. — С-Пб., — 1995. — 37 с. — Деп. в ВИНИТИ 11.07.95., № 2701-В95.
  168. Е.С. Теория вероятностей. — М.: Наука, 1969. — 572 с.
  169. А.П., Шестопалов Е. В. Основы физического эксперимента и математическая обработка результатов измерений. — М.: Атомиздат, 1977. — 200 с.
  170. Математический энциклопедический словарь. — М.: Советская энциклопедия, 1988. — 847 с.
  171. А.П., Проскуряков И. В. Высшая алгебра. — М.: Физматгиз, 1962. — 300 с.
  172. О.П., Обычкин Ю. Г., Блохин В. Г. Статистические методы в технологии производства радио-электронной аппаратуры. — М.: Энергия, 1977.-296 с.
  173. Рао СР. Линейные статистические методы и их применения. — М.: Наука, 1968.-547 с. — 2 5 9 —
  174. Дж. Статистические оптимальные линейные оценки и управление. — М.: Энергия, 1973. — 440 с.
  175. ГридинаЕ.Г. Метод полиномиальной экстраполяции при прогнозировании случайных процессов //Синтез, передача и прием сигналов управления и связи. — Воронеж., ВГТУ. — 1994. — 168 — 172. — Межвуз. сб. научн. тр.
  176. ГридинаЕ.Г. Прогнозирование стационарных случайных процессов методом полиномиальной экстраполяции //Метрология. — 1994. -№ 12.-С. 14−25.
  177. А.В. Теория фильтрации Калмана. — М.: Мир, 1988. — 167 с.
  178. Применение автоматизированных систем для управления воздушным движением. /Под ред. СМ. Федорова. — М.: Транспорт, 1979. -379 с.
  179. ДерусоП., Рой Р., Клоуз У. Пространство состояний в теории управления. — М.: Наука, 1970. — 620 с.
  180. Современная теория систем управления /Под ред. М. Т. Леонидиса. -М.: Наука, 1970.-510 с.
  181. SorensonH.W. Kalman Filtering Techniques Advances in Control Systems. Academic Press, N.Y. — L. 1966.
  182. Э.В. Основы статистической динамики линейных систем управления. — Л.: ЛЭТИ, 1981. — 75 с.
  183. ГридинаЕ.Г., Недосекин Д. Д., Лебедев А. Н. Модифицированный фильтр Калмана //Измерительная техника. — 1995. — № 5. — 13−16.
  184. Н.В., Дунин-Барковский И.В. Краткий курс математической статистики для технических приложений. — М.: Физматгиз, 1959.-436 с. — 2 6 0 —
  185. ГридинаЕ.Г. Прогнозирование реализаций случайных функций с помощью законов распределения крайних членов выборки //Высокие технологии в технике, медицине и образовании. — Воронеж, — 1995. — ч. П., -С. 201 — 212. — Межвуз. сб. научн. тр.
  186. АбезгаузГ.Г., Тронь А. П., Коровина И. А. Справочник по вероятностным расчетам. — М.: Воениздат, 1980. — 536 с.
  187. М.Дж., СтьартА. Теория распределений. -М.: Наука, 1966.-587 с.
  188. КораблинМ.А. Об оценке плотности вероятности //Автоматика и вычислительная техника. — 1975. — № 5. — 73 — 75.
  189. А.Н. Подобие и моделирование случайных величин и процессов. /Ленингр. электротехн. ин-т. — Л.- 1980. — 43 с. — Деп. в ГОСНИТИ 20.06.1980, № 120−80.
  190. А. Введение в теорию нечетких множеств. Пер. с фр. — М.: Радио и связь, 1982. — 432 с.
  191. Л. Проблемы принятия решений при нечеткой исходной информации. -М.: Наука, 1981. — 240 с.
  192. Нечеткие множества в моделях управления и искусственного интеллекта. /Под ред. Д. А. Поспелова. -М.: Наука, 1986. — 312 с.
  193. Модели принятия решений на основе лингвистической переменной. /Под ред. А. Н. Борисова. — Рига: Зинатне, 1988. — 256 с.
  194. Д.Д., Прокопчина СВ., Чернявский Е. А. Информационные технологии интеллектуализации измерительного процесса. -С-Пб.: Энергоатомиздат, 1995. — 178 с.
  195. Д.И. Принятие решений в системах организационного управления: Использование расплывчатых категорий. — М.: Энергоатомиздат, 1982.-184 с. -261-
  196. Д., ПрадА. Теория возможностей. Приложение к представлению знаний в информатике. Пер. с фр. — М.: Радио и связь, 1990. -286 с.
  197. Р.А. Интеллектуальные работы с нечеткими базами данных. — М.: Радио и связь, 1995. -176 с.
  198. А.Н., Алексеев А. В., Крумберг О. А., Меркурьева Г. В., Попов В. А. Модели принятия решений на основе лингвистической переменной. — Рига: Зинатне, 1982. — 256 с.
  199. Zadeh L.A. Fussy sets. Information and Control, 1965, V. 8, P. 338 — 353.
  200. Terano R. Failure diagnosis by using logic //Proc. IEEE Cong. Decis. and contr. New Orleans, LA, 1977, Vol. 1. — New York (N.Y.), 1977. — С 1390 -1395.
  201. Analysis and coastal of fuzzy systems using finite discrete relations //Int. J. Man-Mach. Stud. — 1978 — 27. С 431 — 440.
  202. Dubois D., Prade H. Operations fuzzy numbers. — Int. J. Syst. Sci. 1978, V. 9, № 6, P. 613−626.
  203. Prade H. Using fuzzy set theory in scheduling problem.: a case study. — Fuzzy sets and Systems, 1979, V. 2, № 2, P. 153 — 165.
  204. ГридинаЕ.Г., Лебедев A.H. Новый метод определения функций принадлежности нечетких множеств. //Новые информационные технологии. -1997.-№ 7.-С. 3 0 — 3 3 .
  205. Д.В., Шаповалов В. И. Малая выборка. — М.: Статистика, 1978.-248 с.
  206. Нечеткие множества и теория возможностей. Последние достижения. /Под ред. P.P. Ягера. Пер. с англ. — М.: Радио и связь, 1986. -408 с.
  207. Прикладные нечеткие системы. Под ред. Т. Тэрано, К. Асаи, М. Сугэно. Пер. с яп. — М.: Мир, 1993. — 368 с.
  208. ГридинаЕ.Г., ЛебедевА.Н. Идентификация нечетких систем по нечетким множествам на входе и выходе. //Метрология. — 1997. — № 8 — 3 -- 2 6 2 —
  209. ГридинаЕ.Г., Лебедев А. Н. Нечеткие системы с нечеткими входными и выходными множествами. //Диагностика, информатика, метрология, экология, безопасность — 97 (ДИМЭБ-97): Тез. докл. Междунар. научно-техн. конф. — Санкт-Петербург, 1997. — 196 — 198.
  210. И.Г. Приложение теории нечетких множеств. //Итоги науки и техники. Сер. Теории вероятностей. Мат. стат. теор. киберн. /ВИНИТИ. — 1990. — 26. — 83 — 151.
  211. Л.Т. Основы кибернетики. Т. 2. — М.: Энергия, 1979. — 584 с.
  212. А.Н., Крумберг О. А., И.П. Федоров. Принятие решений на основе нечетких моделей.: Примеры использования. — Рига: Зинатне, 1990. -184 с.
  213. АверкинА.Н. Нечеткие множества в моделях искусственного интеллекта. — В кн.: Вопросы кибернетики. Проблемы искусственного интеллекта. Вып. 61. М.: АНСССР, 1980. — 79 — 86.
  214. Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений. — М.: Мир, 1976. — 165 с.
  215. А.В. Классификация сигналов в условиях неопределенности. — М.: Сов. радио, 1975. — 328 с.
  216. ГридинаЕ.Г., Лебедев А. Н. Основные методы обработки нечеткой числовой информации //Диагностика, информатика, метрология, экология, безопасность — 97 (ДИМЭБ-97): Тез. докл. Междунар. научно-техн. конф. -Санкт-Петербург, 1997. — 199 — 200.
  217. Fiedes R., Jalland М., Wood D. Forecasting in conditions of uncertanity. — Long Range Planning, 1978, vol. 11, № 4.
  218. ГридинаЕ.Г. Прогнозирование случайных процессов в условиях нечеткой исходной информации. //Стратегия здоровья: Информационные технологии и интеллектуальное обеспечение медицины — 97: Тез. докл. IV Междунар. форума — Турция, 1997. — 72 -74.
  219. М.П. Измерительные информационные системы: Учеб. пособие. — М.: Энергоатомиздат, 1985. — 439 с. — 2 6 3 —
  220. В.Н., Соболев B.C., Цветков Э. И. Интеллектуальные средства измерений /Под ред. Э. И. Цветкова. — М.: РИЦ «Татьянин день», 1994.-280 с.
  221. Э.И. Применение имитационного моделирования в составе метрологического обеспечения. //Проблемы метрологического обеспечения систем обработки информации. — М.: 1984. — 7 — 9
  222. Нормируемые метрологические характеристики средств измерения: Нормативно-технические документы. — М.: Изд. стандартов, 1985. -150 с.
  223. М.Н., Фридман А. Э., Кудряшова Ж. Ф. Качество измерений. Метрологическая справочная книга. — Л.: Лениздат. — 1987. -235 с.
  224. М.А. К вопросу о косвенных измерениях и метрологических методах //Измерительная техника. — 1976. — № 8. — 13−19.
  225. Р. Имитационное моделирование системы данных в реальном масштабе времени. — М.: Знание, 1972. — 138 с.
  226. ГридинаЕ.Г., Лебедев А. Н. Обеспечение заданных значений дисперсий при цифровом моделировании систем случайных процессов //Цифровые модели в проектировании и производстве РЭС — Пенза: ПГТУ, 1995. — 65 — 68. — Межвуз. сб. научн. тр.
  227. КиреевВ.А., Скобелев О. П. Имитационные модели элементов подсистем сбора и преобразования измерительной информации. //Автоматизация экспериментальных исследований.- Куйбышев: КПИ, 1982. -С. 17 -21. — Сб. научн. Трудов.
  228. Имитационное моделирование сложных систем. /П.Н.Богомолов, Ф. Гайстеров, В. А. Ермолов, И. П. Снерский. //Моделирование сложных систем. Сб. статей — Рига: Зикатне, 1975. — Вып. 4 21 — 26. — 264 —
  229. Е.А., Недосекин Д. Д., Алексеев В. В. Задачи проектирования измерительно-вычислительных систем и сетей.: Тез. докл. Всесоюзн. конф. по информационно-измерительным системам. ИИС — 83. -Куйбышев, 1983. 33−34 .
  230. Е.А., Недосекин Д. Д., Алексеев В. В. Измерительно- вычислительные средства автоматизации производственных процессов: Учеб. пособие -Л.: Энергоатомиздат, 1989. — 396 с.
  231. Ю.П. Математическое моделирование радиосистем: Учебное пособие для вузов. — М.: Сов. радио, 1976. — 296 с.
  232. B.C., Волкович В. Л. Вычислительные методы исследования и проектирования сложных систем. — М.: Наука, 1982. — 286 с.
  233. Ф. Моделирование на вычислительных машинах. — М.: Сов. радио, 1972.-288 с.
  234. ПоллякЮ.Г. Вероятностное моделирование на электронных вычислительных машинах. — М.: Сов. радио, 1971. — 400 с.
  235. ГридинаЕ.Г. Проблемы статистического прогнозирования в измерительно-вычислительных системах //Новые информационные технологии в науке, образовании и бизнесе: Тез. докл. XXIII Междунар. конф. — Гурзуф, 1996. — 255 — 258.
  236. ГридинаЕ.Г. Создание экспертной системы прогнозирования случайных процессов //Интеллектуальные САПР — Таганрог: ТГРУ, 1995. -С. 168 — 169. — Межведомст. тематический научи, сб.
  237. Н.Н. Основные проблемы автоматизации метрологического проектирования измерительных приборов. //Приборы и системы управления. — 1977. — № 2. — 17 — 19.
  238. В.Я. Введение в теорию точности измерительных систем. — М.: Сов. радио, 1975. — 304 с.
  239. Математическое обеспечение сложного эксперимента /Ю.А. Белов, В. П. Диденко, Н. Н. Козлов и др. — Киев: Наукова думка, 1982, т. 1. — 304 с. — 2 6 5 —
  240. А.Г., Коваленко В. П. Численные методы обработки информации при исследовании динамических систем. — Киев.: Наукова думка, 1971.-176 с.
  241. Э. Проверка статистических гипотез. — М.: Наука, 1979, — 408 с.
  242. Дж. Статистические методы в имитационном моделировании. — М.: Статистика, 1978, Вып. 1, — 222 с.
  243. В.А. Динамические измерения: Основы метрологического обеспечения. — Л.: Энергоатомиздат, Ленингр. отд-е, 1984. -224 с.
  244. ГридинаЕ.Г., Недосекин Д. Д. Информационное обеспечение интерактивного моделирования динамических систем. //Системный анализ и моделирование: Труды III Междунар. симпозиума. — Берлин: ГДР, 1988. -С. 78−83.
  245. Д.А., Петров В. В. Точность измерительных устройств. — М.: Машиностроение, 1976. — 310 с.
  246. П.М., ПойдаВ.Н. Методы, алгоритмы и программы статистического анализа. — Минск: Наука и техника, 1971. — 315 с.
  247. B.C., Цветков Э. И. Проблемы метрологического и алгоритмического обеспечения интеллектуальных средств измерений //Известия ЛЭТИ- вып. 403. — Л.: ЛЭТИ. — 1988. — 64 — 72.
  248. СБ. Построение рациональных методик поверхности СИ с помощью метода имитационного моделирования. — //Метрология. — 1980. — № 5 — С. 31−33. -266
Заполнить форму текущей работой

Пора сдавать?