Декомпозиция цели в задачи-этапы решения проблемы

Реализуем намеченную программу преобразования исходных данных в информацию, а ее в знания и на основе полученных системно-когнитивных моделей (моделей знаний) предложим решение поставленной проблемы. Для этого в работе [2] предложены следующие этапы СК-анализа:

• 1. Когнитивная структуризация предметной области, при которой определяется, что мы хотим прогнозировать и на основе чего (конструирование классификационных и описательных шкал).
• 2. Формализация предметной области: разработка градаций классификационных и описательных шкал (номинального, порядкового и числового типа); использование разработанных на предыдущих этапах классификационных и описательных шкал и градаций для формального описания (кодирования) исходных данных (исследуемой выборки).
• 3. Синтез и верификация (оценка степени адекватности) модели.
• 4. Если модель адекватна, то ее использование для решения задач идентификации, прогнозирования и принятия решений, а также для исследования моделируемой предметной области.

Выводы

В данной работе в общем виде сформулирована проблема создания научно-обоснованного и эффективного инструмента прогнозирования динамики урожайности подсолнечника по районам Краснодарского края и краю в целом.

Предложена и обоснована возможность прогнозирования сценария изменения урожайности подсолнечника путем применения технологий искусственного интеллекта, в частности метода системно-когнитивного анализа, отличающаяся от традиционных тем, что обеспечивается построение и адаптация модели сложного динамичного территориально распределенного нелинейного объекта прогнозирования непосредственно на основе фрагментированной и зашумленной эмпирической информации о нем. На основе этой модели могут решаться задачи идентификации, прогнозирования, поддержки принятия управляющих решений и исследования объекта моделирования путем исследования его модели [1−12].