Библиотечный каталог авторефератов Украины

Рис. 3. Інформаційні потоки при реалізації принципу конкуренції.

Рис. 4. Структурна схема СППР

       Інформаційна СППР знаходиться в стані постійного розвитку її функціональних можливостей з метою забезпечення високоякісного моделювання та прогнозування складних багатовимірних процесів з нестаціонарностями та нелінійностями різного характеру. Значна увага приділяється головній проблемі побудови математичних моделей на основі експериментальних даних – автоматизації процесу вибору структури моделей.

Висновки

1. 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. 
2. 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.
3. 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.
4. 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.
5. 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 %.
6. 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.
7. 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.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ за темою дисертації

1. Информационные технологии в моделировании экономических процессов переходного периода: Монография / Н.В.Подмогильный, П.И.Бидюк, И.И.Кова­лен­ко, А.В.Слободенюк. – Київ: Такі справи, 2000. – 232 с. (Підмогильний Н.В.– ви­ко­нав аналіз динаміки економічних процесів перехідного періоду; Бідюк П.І. – зробив коінтег­раційне моделювання виробничих процесів; Коваленко І.І.– зробив пошук і ста­тис­тичну обробку інформації; Слободенюк О.В. – зробив прогнозування вибраних процесів).

2. Коваленко И.И., Бидюк П.И., Слободенюк А.В. Адаптивный алгоритм по­вышения надежности точечных экспертных оценок // Адаптивні системи автома­тич­ного управління. – 2000. – № 3(23). – С. 132-136. (Автором запропоновано алго­ритм підвищення надійності експертних оцінок при виборі моделей динамічних процесів).

3. Рогальський Ф.Б., Слободенюк О.В. Підхід до розподілу ресурсів між альтернативними проектами //Вісник Херсонського державного технічного універ­ситету. – 2001. – № 1 (10). – С. 127-129. (Автором запропоновано використання нейронних мереж і генетичних алгоритмів при моделюванні економічних процесів).

4. Слободенюк А.В. Определение нелинейностей модели по измерениям входов и выходов процесса // Вестник Херсонского государственного технического университета. – 2001. – №3 (12). – С. 250-254.

5. Савенков О.І., Бідюк П.І., Слободенюк О.В. Алгоритм розподілу ресурсів між альтернативними проектами (ч.1) // Збірник наукових праць інституту проблем моделювання в енергетиці. – Вип. № 7. – 2001. – С. 147-155. (Автору належать розробка та реалізація алгоритму розподілу ресурсів).

6. Савенков О.І., Бідюк П.І., Слободенюк О.В. Прогнозування за допомогою різницевих рівнянь // Збірник наукових праць інституту проблем моделювання в енергетиці. – Вип. № 8. – 2001. – С. 115-121. (Диссертанту належить розробка алгоритму та проведення чисельних експериментів).

7. Савенков О.І., Бідюк П.І., Слободенюк О.В. Алгоритм розподілу ресурсів між альтернативними проектами (ч.2) // Збірник наукових праць інституту проблем моделювання в енергетиці. – Вип. № 12. – 2001. – С. 14-20. (Автору належить розробка та реалізація алгоритму розподілу ресурсів).

8. Слободенюк А.В. Постановка  и методы решения задачи реализации проектов // Віс­ник Херсонського державного технічного університету. – 2002. – № 2 (15). – С. 434-439.

9. Бідюк П.І., Литвиненко В.І., Слободенюк О.В. Моделювання і прогно­зування гетероскедастичних процесів // Комп’ютерні технології, системний аналіз, моделюв. (Наукові праці МДГУ ім. П. Могили). – 2004. – Т.35 (22). – С. 24-39. (Автором розроблено гібридний еволюційний алгоритм, здійснено його програмну реалізацію).

10. Шарко А.В., Слободенюк А.В. Алгоритм прогнозування нестаціонарних процесів  // Вісник  Херсонського  державного  технічного  університету.  – 2004..    – № 1 (19). – С. 141-146. (Дисертанту належить розробка комп’ютерної системи для прогнозування).

11. Шарко А.В., Лубяный В.З., Слободенюк А.В. Синтез и применение обоб­щенной нейронной сети для прогнозирования гетероскедастических процессов // Вісник  Херсонського  державного  технічного  університету.  – 2005.  – № 1(21).      – С. 434-439. (Автору належить розробка методу синтезу та навчання узагальненої регресійної нейронної мережі для прогнозування гетероскедастичних процесів).

12. Слободенюк А.В. Применение гибридной системы поддержки принятия решения финансово-экономических показателей // Вісник Східноукраїнського національного університету ім. В.Даля. – 2005 с. – №5(87) – С.181-186.

13. Коваленко И.И., Бидюк П.И., Слободенюк А.В. Информационные техно­ло­гии управления техническими проектами на основе эвристических методов / Меж­дунар. конф.  “Автоматика”, 2000, м.Севастополь – С. 249-252. (Диссертантом запро­по­новано використати для описання стохастичного тренду модель випадкового кроку).

14. Савенков А.И., Резниченко В.Н., Бидюк П.И., Слободенюк А.В. Оп­реде­ление структуры и адекватности модели в задаче идентификации нелинейных сис­тем по измерительным данным // Междунар. конф. “Приборостроение”,  – Симеиз,  2000. – С. 399-403. (Бідюк П.І. та Савенков А.І.  – запропоновано метод ідентифікації на основі експерементальних данних; Слободенюк О.В.– розробив алгоритм ідентифікації на основі запропоновоного методу; Резніченко В.М. – забрав експерементальні данні і пробив чисельну перевірку алгоритма).

15. Слободенюк О.В. СППР при моделюванні і прогнозуванні нестаціонарних фінансово-економічних процесів / НПК “Системний аналіз та інформаційні технології”, – К., 2003. – С. 101-102.

16. Слободенюк О.В. Прогнозування прийняття рішень в технології управлін­ня методом регресій них дерев. //Матеріали VIІ Міжнародної науково-практичної конференції “Наука і освіта - 2004”.  –Дніпропетровськ,  2004. –Т.72. – С. 51-53.

17. Слободенюк А.В. Прогнозирования нестационарных временных рядов с по­мощью нейронных сетей // Матеріали ІІІ Міжнародної науково-практичної конфе­ренції “Динаміка наукових досліджень 2004”. – Дніпропетровськ, 2004. –Т.55. – С. 38-41.

18. Бідюк П.І., Литвиненко В.І., Слободенюк О.В. Методи прогнозування ди­на­міки часових рядів //Збірник наукових праць Всеукраїнської науково-методичної конференції “Сучасні проблеми математичного моделювання, прогнозування та оптимізації ” – Київ–Камянець-Подільський, 2004. – С. 80-88 (Автором побудовано функції прогнозу дисперсії як міри ризику на основі розв’язку рівнянь при прогнозуванні реальних часових рядків).

19. Слободенюк О.В. Використання регресійних дерев для опису часового ряду / Міжнар. конф. “Інтелектуальні системи прийняття рішень та прикладні аспекти інформаційних технологій”. – Євпаторія,  2005. – С. 147-150.

20. Слободенюк А.В. Методика  обучения обобщенной регрессионной нейрон­ной сети  при помощи  генетического алгоритма // Труды пятой международной научно-практической конференции “Современные информационные и электронные технологии”. – Одесса,  2005. – С. 146.

АНОТАЦІЯ

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.

Ключові слова: система підтримки прийняття рішень, нестаціонарні процеси, комп’ютерне моделювання, методи прогнозування, регресійні моделі і дерева, нейронні мережі, умовно гетероскедастичні процеси, фільтр Калмана, оцінювання параметрів.

АННОТАЦИЯ

Слободенюк А.В. Система поддержки принятия решений при моделировании и прогнозировании нестационарных стохастических процессов. – Рукопись.

Диссертация на соискание ученой степени кандидата технических наук по специальности 05.13.06 – автоматизированные системы управления и прогрессив­ные информационные технологии – Херсонский национальный технический университет, г. Херсон 2006 г.

Диссертация посвящена решению проблемы создания компьютерной инфор­мационной системы поддержки принятия решений при моделировании и прог­нозировании нелинейных нестационарных стохастических процессов различ­ной природы, которые описываются временными рядами. Выполнен анализ проблем, связанных с математическим моделированием стационарных и нестационарных процессов различной природы, представленных временными рядами. Сделан критический обзор существующих методов моделирования нестационарных процессов относительно дисперсии и тренда, что позволяет определять направления дальнейших исследований относительно моделирования нестационарных процессов.

В работе предложена обобщенная технология построения регрессионных моделей по временным рядам, которая позволяет пользователю оперативно определять структуру моделей-кандидатов и выбирать лучшую модель из множества оцененных. Предложенная технология отличается универсальностью применения и разрешает создавать математическое описание стационарных и нестационарных процессов с дальнейшей целью оценивания высококачественных краткосрочных и среднесрочных прогнозов.

Предложенная обобщенная технология позволяет пользователю оперативно определять структуру моделей-кандидатов и выбирать лучшую модель из множества оцененных. Для выбора модели используются следующие критерии: статистика  Стьюдента, коэффициент детерминации, сумма квадратов погрешностей модели, информационный критерий Акайке, критерий Байеса-Шварца, статистика Дарбина-Уотсона и статистика Фишера.

Предложен модифицированный сетевой генетический алгоритм, предназначенный для синтеза топологии нейронной сети и идентификации центров радиально-базисных функций. С помощью данного  алгоритма синтезируется обобщенная регрессионная нейронная сеть,  которая отличается улучшенными вычислительными характеристиками и успешно используется для математического описания выбранных нестационарных процессов и их прогнозирование.

Разработан метод прогнозирования нелинейных нестационарных процессов с помощью регрессионных деревьев; предложена методика моделирования и прогнозирования нелинейных нестационарных процессов на основе нейронных сетей, обучаемых с помощью генетического алгоритма. Предложенные методы и методики отличаются от известных классических методов высоким качеством оценок прогнозов и приемлемыми вычислительными затратами на реализацию. Созданная информационная технология построения моделей гетероскедастических процессов с помощью синтезированных нейронных сетей для прогнозирования и краткосрочных прогнозов развития  процессов. Установлено, что такая технология обеспечивает высокое качество построенных моделей и прогнозов полученных на их основе.

Для решения задачи прогнозирования в условиях изменяющихся возмущений состояний и при наличии шумов измерений предложен модифицированный фильтр Калмана.

Разработан алгоритм итеративного построения моделей гетероскедастических процессов на основе нейросетевого подхода, который обеспечивает построение модели, адекватной по множеству статистических параметров. Алгоритм обеспечивает построение моделей АРУГ и ОАРУГ с использованием значений условной и безусловной дисперсий.

Исследование качества методов краткосрочного прогнозирования выполнено на ряде модельных и реальных процессов, представленных временными рядами данных. Построены математические модели некоторых технологических процессов на основе фактических экспериментальных данных, а также некоторых выбранных финансово-экономических процессов, которые затем использованы для построения  краткосрочного прогноза. Модели получены в виде структуры авторегрессии со скользящим средним; структур моделей, описывающих гетероскедастичность, а также в виде нейросетевых структур. Осуществлен сравнительный анализ методов прогнозирования на основании полученных моделей и определен лучший для каждого конкретного случая. При прогнозировании на 1 – 5 шагов лучшие результаты получены с помощью регрессионного нейросетевого метода и регрессионного дерева.

В работе предложена архитектура и создан прототип системы поддержки принятия решений при моделировании и прогнозировании нелинейных нестацио­нарных процессов на основе разработанных методов и алгоритмов. Система позволяет легко расширять набор функций за счет новых моделей и методов прогнозирования. СППР также отличается удобным гибким интерфейсом, имеющим широкие возможности табличного, текстового и графического представления результатов вычислений.

Ключевые слова: система поддержки принятия решений, нестационарные процессы, компьютерное моделирование, методы прогнозирования, регрессионные модели и деревья, нейронные сети, генетические алгоритмы, условно гетероскедастические процессы, фильтр Калмана, оценивание параметров.

ABSTRACT

Slobodenyuk O.V. Decision support system for modeling and forecasting nonstationary stochastic processes. – Manuscript.

Thesis for the candidate of sciences degree by the speciality 05.13.06 – automated control systems and progressive information technologies – Kherson National Technical University, Kherson, 2006.

The problem of decision support systems design and implementation is considered in the thesis. The decision support system (DSS) is devoted to modeling and forecasting of financial and economic variables represented by time series. We studied various approaches to automatic choice of a class and structure of mathematical models that describe the time series selected. The generalized methodology of regression model construction was proposed that provides a possibility for a user to determine model structure in the process of interaction with DSS. The system also allows to determine a set of model candidates. An original methodology for heteroscedastic processes model construction is developed that provides a possibility for adequate model construction using regressive neural nets and genetic algorithm for training. A forecasting method was also developed based on regression trees that provides high quality forecasts for nonlinear nonstationary processes. For the case of stochastic state disturbances and measurement noise a modified Kalman filter a proposed that showed high efficiency estimates. Several   forecasting techniques were studied and the best one selected for short-term prognosis. A comparative analysis of the techniques had been carried out using as a basis the models constructed. An open architecture DSS was developed that is aiming to generate prognosis for industrial technology, financial and economic processes, more specifically, steel production, stock prices, price forming for production companies. Currently the DSS is in the process of continuous modification and functional expansion aiming to improve quality of modeling and forecasting.

Keywords: decision support system, nonstationary processes, computer simulation, forecasting techniques, regressive models and trees, neural nets, genetic algorithms, Kalman filter, conditional heteroscedasticity, parameter estimation.

Підписано до друку 2.06.2006 р. Формат 60x84/16.

Папір офсетний. Гарнітура Таймс. Друк офсетний.

Ум. друк. арк. 1,9. Наклад 100 прим. Зам. №    73   .

Віддруковано з оригіналів.

Віддруковано у ТОВ "Айлант"

73000, Україна, м. Херсон, провулок Пугачова, 5/20.

Тел.: 26-67-22.