Разработка и исследование web-ресурса для прогнозирования временных рядов и использованием нечетких правил

Размещено на http://www.allbest.ru/

Разработка и исследование web-ресурса для прогнозирования временных рядов и использованием нечетких правил

Степанов Д.В.

научный руководитель Фадеева М.В.

Волжский политехнический институт (филиал) ФГБОУ ВПО "Волгоградский государственный технический университет" Волжский, Россия

Задача поиска и нахождения аномалий в процессах является популярной в широком круге сфер применения: экология, коммерция, анализ различных операций, web-аналитика.

Для того чтобы решить поставленную задачу, с целью диагностики процессов, интерпретированных временными рядами (ВР), целесообразно применять методы, которые основаны на поиске аномалий в поведении ВР. ВР изображаются графиками, процесс обнаружения аномалий обычно заключается в наблюдательной деятельности. В данной работе предлагается алгоритм поиска и нахождения аномалий в процессах, происходящих в условиях неопределенности, на основе анализа нечетких локальных тенденций. Результатом работы есть новые знания о аномальных тенденциях, которые невозможно определить другими методами.

Поиск и нахождение аномалий на ВР рассматриваются как комплекс задач обнаружения аномалий на всем или отдельной точки ВР. На основании исследований можно сказать, что данный метод сравним по эффективности работы с анализом данных человеком-экспертом. В этом случае для поиска и нахождения аномалий применяется скользящее окно и сравнение с ВР, которое характеризует нормальное поведение процесса. Данный алгоритм служит для анализа ВР показаний ЭКГ, мониторинга телеметрии космических аппаратов и т.д.

Последовательность дискретных упорядоченных в неслучайные моменты времени показателей наблюдений X={Xt}, где t=1n, характеризующих уровни состояния изучаемого процесса является временным рядом. Практически любые наблюдения, которые получены в результате мониторинга (безопасность, медицина, экология), могут быть представлены в виде некоторой последовательности, которая зависит от времени. диагностика аномалия локальный временной

Последовательность нечетких меток, зафиксированных в равноотстоящие дискретные временные отсчеты, называется нечетким временным рядом (НВР). Для НВР было сформулировано понятие нечеткой тенденции (НТ), которая выражает качественное изменение на НВР.

Разработан алгоритм, который учитывает введенную классификацию аномалий на ВР. Преимуществом данного алгоритма является факт, который позволяет обнаружить аномалии не только в числовых значениях, но и в нечетких локальных тенденциях ВР.

Блок «INPUT» служит для ввода исходных данных (исходного ВР, параметров аномалий).

Блок «FUZZY» - является блоком формирования нечетких лингвистических термов.

Блок «А-I» определяет аномалии 1 класса.

Блок «А-II» определяет аномалии 2 класса.

Блок «А-III» определяет аномалии 3 класса.

Блок «А-IV» определяет аномалии 4 класса.

Блок «VIZUALIZATOR» предназначен для построения графиков ВР, а также функций принадлежности лингвистических термов и отображению их пользователю.

Блок «TEXT» выдает результаты вычислений в строковом формате.

Блок «OUTPUT» выводит показания графической визуализации и строкового описания.

Рисунок 1 - Схема работы алгоритма поиска и обнаружения аномалий на ВР

Предложенный алгоритм продемонстрировал свою эффективность в задаче нахождения первых трех классов аномалий.

Основой правила работы нечеткой экспертной системы является понятие лингвистической переменной. Каждая лингвистическая переменная имеет набор значений, которые образуют ее терм-множество. Лингвистическая переменная L описывается следующим набором свойств:

L = X(T(X), U, G, M)

Где, X - название переменной; T(X) обозначает множество названий лингвистических значений переменной X; G - синтаксическое правило, порождающее названия x' значений X; M - семантическое правило, которое ставит в соответствие каждой нечеткой переменной x'; U - универсальное множество.

Рисунок 2 - Схема работы нечеткой экспертной системы

Фаззификация - преобразование с помощью функций принадлежности точности входных данных в нечеткие лингвистические переменные.

Нечеткий вывод - по набору правил нечеткой базы вычисляются значения истинности.

Композиция - формирование значения выходных переменных для каждого правила.

Дефаззификация - преобразование нечетких значений переменных в точные переменные.

Экспертная система преобразует нечеткую продукционную базу знаний в дерево решений и в последствие формирует заключение, предназначенное для обработки данной структуры. Разработанную нечеткую экспертную систему можно применять в различных отраслях, где используется прогнозирование и диагностика данных.

Список литературы

1. Пегат А. Нечеткое моделирование и управление/ А. Пегат.; М.: БИНОМ, Лаборатория знаний, 2013. - 352 с.

2. Рутковский Л. Методы и технологии искусственного интеллекта/ Л.

3. Рутковский.; М.: Горячая линия, 2014. - 415 с.

4. Baczyсski M., Jayaram B. Fuzzy implications// Heidelberg. Springer, 2013. - P. 134-137.

5. Карпенко А.С. Развитие многозначной логики/ А. Карпенко., М.: Издательство ЛКИ, 2014. - 46-54 с.

Размещено на Allbest.ru