Слободенюк Олександр Володимирович. Система підтримки прийняття рішень при моделюванні та прогнозуванні нестаціонарних стохастичних процесів

Краткое описание

Слободенюк Олександр Володимирович. Система підтримки прийняття рішень при моделюванні та прогнозуванні нестаціонарних стохастичних процесів : Дис... канд. техн. наук: 05.13.06 / Херсонський національний технічний ун-т. — Херсон, 2006. — 241арк. : рис., табл. — Бібліогр.: арк. 160-169

Слободенюк О.В. Система підтримки прийняття рішень при моделюванні та прогнозуванні нестаціонарних стохастичних процесів. Рукопис.
Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.06 автоматизовані системи управління та прогресивні інформаційні технології Херсонський національний технічний університет, м.Херсон, 2006 р.
Дисертацію присвячено проблемі побудови систем підтримки прийняття рішень при моделюванні та прогнозуванні нелінійних нестаціонарних процесів, що описуються часовими рядами. Досліджено різні підходи до автоматизації вибору класу і структури моделей, які описують дані ряди. Запропоновано узагальнену технологію побудови регресійних моделей на основі часових рядів, яка дозволяє користувачу оперативно визначати структуру моделей-кандидатів та вибирати кращу модель з множини оцінених. В роботі запропоновано методи моделювання та прогнозування на основі регресійних дерев, нейронних мереж та генетичних алгоритмів і модифікованого фільтра Калмана. Запропоновано технологію побудови моделей нестаціонарних гетероскедастичних процесів, яка забезпечує отримання моделі, адекватної за множиною статистичних параметрів та вибір кращого прогнозу за множиною статистичних критеріїв якості. Побудовано математичні моделі ряду технологічних та фінансово-економічних процесів, які використано для короткострокового прогнозування. Проведено порівняльний аналіз декількох методів прогнозування на основі збудованих моделей.Розроблено архітектуру та створено СППР при моделюванні та прогнозуванні нестаціонарних стохастичних процесів, яка відрізняється гнучкою архітектурою, простим зручним інтерфейсом та широкими можливостями графічного представлення результатів.

Виконано аналіз проблем, пов’язаних з математичним моделюванням стаціонарних та нелінійних відносно змінних нестаціонарних процесів різної природи, представлених часовими рядами. Встановлено, що існує необхідність модифікації класичних підходів до моделювання та прогнозування, розробки нових методів на основі м’яких обчислень, а також інтегрування розроблених методів в інформаційну систему підтримки прийняття рішень.
Розроблено узагальнену технологію побудови математичних моделей нелінійних нестаціонарних процесів на основі застосування регресійних дерев та виконано апробацію цієї технології на модельних та реальних процесах, представлених часовими рядами, що описують технічні, технологічні та фінансово-економічні процеси.
Створено методику та алгоритм моделювання і прогнозування нелінійних нестаціонарних процесів на основі застосування узагальненої регресійної нейронної мережі та генетичних алгоритмів для оптимізації процесу навчання. Досліджено можливість використання розробленого алгоритму до прогнозування реальних процесів. Встановлено, що застосування запропонованої методики дає можливість суттєво підвищити якість прогнозів без значного підвищення обчислювальних витрат.
Розроблено алгоритм оцінювання та прогнозування стану нестаціонарних процесів на основі модифікованого фільтра Калмана. Алгоритм апробовано як на модельних синтетичних даних, так і на фактичних даних протікання металургійних та фінансово-економічних процесів. В результаті виконання ряду комп’ютерних експериментів встановлено, що запропонований алгоритм забезпечує отримання прийнятних оцінок прогнозів в умовах наявності випадкових змін параметрів процесів.
Виконано комп’ютерне моделювання запропонованих методів та алгоритмів моделювання і прогнозування з метою визначення їх адекватності та точності прогнозу. Встановлено, що їх інтегроване застосування дає можливість описувати та прогнозувати з високою точністю нестаціонарні процеси з нелінійностями відносно змінних. Для досліджених процесів різного рівня складності значення абсолютних похибок прогнозування в відсотках знаходились в межах 0,1 15,0 %.
Встановлено, що для автоматизованого вибору структури математичної моделі процесу, що досліджується, доцільно застосовувати множину критеріїв адекватності моделі та критеріїв якості прогнозів. При цьому можливе застосування інтегрованих критеріїв, що включають в себе у вигляді складових частин часткові статистичні критерії якості.
Розроблено комп’ютерну інформаційну систему підтримки прийняття рішень при моделюванні та прогнозуванні нелінійних нестаціонарних процесів, зокрема ризиків досягнення поставленої мети, які описуються моделями гетероскедастичних процесів. СППР відрізняється високою гнучкістю архітектури, розвинутим але простим в користуванні дружнім інтерфейсом, широкими можливостями обробки даних та графічного представлення остаточних результатів.