Выбор метода прогнозирования сложных систем АСУ в зависимости от модели

Метод прогнозирования технического состояния автоматизированной системы управления – совокупность правил и приемов, используемых для определения запаса ресурса в заданный временной интервал. Исследование графа-дерева выбора методов прогнозирования.

Рубрика Программирование, компьютеры и кибернетика
Вид статья
Язык русский
Дата добавления 25.04.2017
Размер файла 218,5 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru

Размещено на http://www.allbest.ru

В процессе эксплуатации сложных технических систем возникает проблема определения их состояния в заданный момент времени. В связи с этим актуальны задачи контроля их технического состояния и определения запаса ресурса в настоящий и будущий моменты времени. Определение запаса ресурса в будущий момент времени проводится с целью недопущения выхода за заданный допуск и предотвращения внезапного отказа. В статье предлагается подход к выбору метода прогнозирования технического состояния сложных систем АСУ в зависимости от вход-выходной модели. Приведенная на основе использования системного анализа классификация методов прогнозирования дается впервые. Применительно к эксплуатации сложных систем метод прогнозирования технического состояния АСУ - совокупность правил и приемов, используемых для определения запаса ресурса в заданный интервал (момент) времени прогнозирования.

В соответствии с приведенным определением понятие метода прогнозирования в формализованном виде может быть представлено в виде системы.

Выбор метода прогнозирования заключается в следующем:

,

где - формализованное описание метода как системы;

- описание исходных данных;

- описание результатов применения метода;

- множество операций метода, задаваемых на описании исходных данных для получения результатов метода,

.

В качестве исходных данных метода прогнозирования рассматривается информация о результатах наблюдения за предыдущим поведением объекта, подлежащего прогнозированию, а именно изменение его состояния за определенный предыдущий интервал времени. При массовом прогнозе в качестве исходных данных метода рассматривается изменение состояния однотипных объектов в интервале времени, а в качестве выходных данных рассматривается описание результатов применения метода в момент времени прогнозирования.

О состоянии множества объектов принимается заключение отдельного объекта, при этом индивидуальные особенности объекта в конкретных условиях не учитываются.

Выбор метода прогнозирования может включать ряд последовательно выполняемых этапов:

1) определение класса эксплуатационной модели изделия вычислительной техники;

2) определение вида прогнозирования состояния изделия вычислительной техники. В качестве видов прогнозирования технического состояния изделия вычислительной техники выделяются:

а) метод индивидуального прогнозирования, выполняемый на множестве моделей класса , где Х - входные параметры, А - преобразующий оператор, - измеренные (регистрируемые) значения выходных сигналов;

б) метод массового прогнозирования, выполняемый на множестве моделей класса , где - допустимые (по аналогии по другому объекту или какой-то норме) значения параметра выходных сигналов;

в) экспертный метод прогнозирования, выполняемый на множестве моделей класса , где - неконтролируемые значения параметра выходных сигналов.

Для определения вида прогнозирования используется граф-дерево выбора метода прогнозирования, представленное на рисунке 1, где указаны все возможные классы моделей изделия вычислительной техники и соответствующие им методы прогнозирования:

Рисунок 1 - Классификационная схема выбора методов прогнозирования

прогнозирование автоматизированный временной ресурс

3) формирование признаков модели в виде заданной длины выборки значений временного ряда, заданного интервала упреждения, заданных весов значений временного ряда. Этот этап выполняется разработчиком или заказчиком;

4) выбор метода индивидуального прогнозирования проводится на основе полученного класса эксплуатационных моделей и класса прогнозных моделей.

В соответствии с приведенной классификацией методов прогнозирования дерево выбора методов прогнозирования можно изобразить следующим образом (рис. 2):

Рисунок 2 - Дерево выбора методов прогнозирования

С помощью приведенной классификации можно выбрать методы прогнозирования для любого объекта АСУ, подвергающегося прогнозу.

Размещено на Allbest.ru


Подобные документы

  • Роль, место, структура прогнозирования и предсказывания в информационно-аналитической работе. Характеристика его методов: имитационного моделирования, морфологического анализа,"дерева целей", неформального прогнозирования. Основные правила их составления.

    контрольная работа [90,3 K], добавлен 19.04.2011

  • Проект автоматизированной системы прогнозирования относительного курса валютных пар для международной валютной биржи Forex с использованием нейронных сетей. Требования к техническому обеспечению. Обоснование выбора средств автоматизации программы.

    курсовая работа [1,3 M], добавлен 05.01.2013

  • Стратегия иерархического, многослойного управления большими системами. Метод согласования модели. Двухуровневое решение задачи статической оптимизации. Метод прогнозирования взаимодействия. Согласование цели, однородность. Время отклика прогнозирования.

    лекция [201,0 K], добавлен 29.09.2008

  • Математические модели, построенные по принципу организации и функционирования биологических нейронных сетей, их программные или аппаратные реализации. Разработка нейронной сети типа "многослойный персептрон" для прогнозирования выбора токарного станка.

    курсовая работа [549,7 K], добавлен 03.03.2015

  • Понятие экспертных систем, их классификация, виды и структура. Построение продукционной модели экспертной системы прогнозирования результатов сессии на основании анализа успеваемости, ее реализация в языке логического программирования Visual Prolog.

    дипломная работа [1,6 M], добавлен 25.01.2011

  • Выбор публичных показателей для построения, обучения и тестирования модели нейронной сети, которая будет использована в основе информационной системы прогнозирования банкротства банков. Обзор моделей прогнозирования банкротства кредитных организаций.

    дипломная работа [1,2 M], добавлен 30.06.2017

  • Разработка системы прогнозирования временных рядов динамики продаж товаров с учетом факторов влияния ForExSal, предназначенной для определения краткосрочного прогноза предполагаемого спроса. Анализ концептуальной и функциональной схемы работы системы.

    отчет по практике [1,9 M], добавлен 27.03.2011

  • Функциональные возможности программного продукта. Требования к программным и аппаратным средствам. Обоснование выбора наилучшей модели для прогнозирования стоимостных показателей объектов. Разработка пользовательского интерфейса и модулей программы.

    дипломная работа [2,3 M], добавлен 24.06.2013

  • Исследование задачи и перспектив использования нейронных сетей на радиально-базисных функциях для прогнозирования основных экономических показателей: валовый внутренний продукт, национальный доход Украины и индекс потребительских цен. Оценка результатов.

    курсовая работа [4,9 M], добавлен 14.12.2014

  • Разработка программы, моделирующей процессы обучения, работы и прогнозирования ИНС с использованием постоянного, а также адаптивного шага обучения. Исследование поведения системы в зависимости от количества входов при постоянном шаге самообучения.

    контрольная работа [92,5 K], добавлен 16.10.2011

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.