Электронная библиотека диссертаций и авторефератов России
dslib.net
Библиотека диссертаций
Навигация
Каталог диссертаций России
Англоязычные диссертации
Диссертации бесплатно
Предстоящие защиты
Рецензии на автореферат
Отчисления авторам
Мой кабинет
Заказы: забрать, оплатить
Мой личный счет
Мой профиль
Мой авторский профиль
Подписки на рассылки



расширенный поиск

Интеллектуальная поддержка принятия решений с использованием интерпретируемых нечетких моделей в системах энергетического менеджмента Аль-Гунаид Мохаммед Амин Мохаммед

Диссертация - 480 руб., доставка 10 минут, круглосуточно, без выходных и праздников

Автореферат - бесплатно, доставка 10 минут, круглосуточно, без выходных и праздников

Аль-Гунаид Мохаммед Амин Мохаммед. Интеллектуальная поддержка принятия решений с использованием интерпретируемых нечетких моделей в системах энергетического менеджмента: диссертация ... кандидата Технических наук: 05.13.01 / Аль-Гунаид Мохаммед Амин Мохаммед;[Место защиты: ФГБОУ ВО Волгоградский государственный технический университет], 2016

Введение к работе

Актуальность темы исследования. Важным компонентом конкурентоспособности предприятий является эффективное потребление различных ресурсов. Для выполнения задачи эффективного расходования ресурсов устанавливается энергетическая политика предприятий. Цель энергетической политики состоит в повышении энергоэффективности в рамках реализации системы энергетического менеджмента (СЭМ).

Однако задачи принятия решений в СЭМ в условиях неопределенности являются трудно формализуемыми и слабоструктурированными. В связи с этим эффективность интерпретируемых моделей нечеткого интеллектуального анализа

временных рядов (ВР)(как элемента поддержки принятий решений) в условиях неопределенности является важным и перспективным направлением развития

науки, техники и технологий во всем мире. Подходы могут быть применены в различных областях, таких как энергетика, экономика, здравоохранение, образование, производство и др. Существует достаточно много методов анализа ВР, начиная от традиционных подходов прогнозирования ВР до использования методов искусственного интеллекта, машинного обучения (Machine Learning), нечетких систем и искусственных нейронных сетей (ИНС) (Artifcial Neural Network). Главный недостаток ИНС и других методов, представляемых в виде «черного ящика», – сложность интерпретации модели идентификации и отсутствие обеспечения понимания связи между входными воздействиями (техническими показателями) и выходными значениями ВР. Возникают случаи, при которых довольно трудно с высокой точностью классифицировать объект по тому или иному

признаку. Эти ситуации разрешаются благодаря возможностям нечеткой логики, когда говорят не просто о принадлежности к какому-то классу, признаку,

атрибуту, а о её степени. Моделирование нечетких временных рядов (НВР) на основе базовых стохастических и регрессионных моделей зависят от математической квалификации и опыта специалистов предметных областей. Таким образом, возникает проблема формирования структуры и параметров модели прогнозирования в автоматическом режиме при сравнительно небольшой доле участия пользователя в процессе.

В процессе разработки систем интеллектуальной поддержки при принятии решений возникает ряд проблем, связанных со слабой формализуемостью. Эффективным решением этой задачи является использование интуиции лица принимающего решение; мнений экспертов и аналитиков в сочетании с современными технологиями интеллектуальной поддержки принятия решений с применением теории нечетких множеств. Моделирование сложных динамических систем является трудной задачей, требующей больших усилий. Для решения этих задач существует эффективный подход компьютерного моделирования в рамках модели нечетких когнитивных карт (Fuzzy Cognitive Maps).

Таким образом, разработка и исследование методов нечеткого интеллектуального анализа временных рядов, в частности в СЭМ, является актуальной научной задачей.

Степень разработанности темы исследования.

Теоритические основы интеллектуального анализа нечетких временных рядов в условиях неопределенности изложены в работах Н.Г. Ярушкиной, Т.В. Афанасьева, Л.Г. Комарцовой , А.В. Максимова , L.A. Zadeh, Е.Н. Mamdani, Q Song, K. Sugeno и ряда других исследователей, рассматривающих применение

нечеткой логики и синтеза гибридных нейронечетких моделей. Методы построения интеллектуальных систем с использованием решающих деревьев на основе

нечетких правил представлены в исследованиях J.R. Quinlan, Xianchang Wang,

Robert K. Lai и других. К основным результатам по созданию систем принятия решений на основе нечетких когнитивных карт относятся работы H.J. Song, Song Hengjie, Shen Zhiqi, B. Kosko, Peter P. Groumpos, Christos-Spyridon Karavas, George Kyriakarakos, Muhammad Amer и других.

Цели и задачи диссертационной работы. Целью работы является повышение эффективности поддержки принятия решения в СЭМ за счет совершенствования интеллектуальных нечетких методов анализа временных рядов и

методик выбора параметров. Для достижения сформулированной в диссертационной работе цели необходимо решить следующие задачи:

  1. Проанализировать проблемы идентификации поведения системы в условиях нестохастических неопределенностей на примере процессов в системах энергетического менеджмента;

  2. разработать нечеткий метод анализа и прогнозирования временных рядов, позволяющий минимизировать участие эксперта в формировании модели без потери точности;

  3. разработать метод повышения интерпретируемости нечетких временных рядов, заданных в виде множества нечетких правил;

  4. разработать метод моделирования поведения системы, описанной в виде лингвистических переменных;

  5. разработать алгоритмы и реализовать программы анализа и прогнозирования временных рядов в задачах энергетического менеджмента;

  6. обосновать эффективность предложенных подходов и их влияния на поддержку принятия решений в СЭМ.

Объектом исследования является процесс принятия решений в системах

энергетического менеджмента в условиях нечеткой информации.

Предметом исследования – нечеткие интеллектуальные методы анализа

и прогнозирования временных рядов для поддержки принятия решений в СЭМ в условиях неопределенности.

Основные методы исследования. При решении данной научной проблемы были использованы методы интеллектуального анализа временных рядов, нечеткой логики, математической статистики и машинного обучения.

Научная новизна заключается в разработке методов и методик интеллектуального анализа временных рядов в условиях неопределенности для поддержки

принятия решения в СЭМ, включающих в себя:

  1. новый метод анализа и прогнозирования временных рядов, отличающийся наличием алгоритмов (i) автоматического формирования нечеткого временного ряда, (ii) автоматического синтеза базы нечетких правил, (iii) синтеза ансамблей нечетких нейронных сетей, позволяет минимизировать участие эксперта без потери точности анализа;

  2. новый метод повышения интерпретируемости нечетких временных рядов посредством алгоритма построения нечетких деревьев решений, позволяющий формировать наименьшее множество наиболее достоверных правил и

представлять в удобном виде деревья решений, удобен для лиц принимающих решения;

  1. новый метод анализа временных рядов, отличающийся использованием технологии нечетких когнитивных карт, позволяющий моделировать поведение системы, описанной в виде лингвистических переменных;

  2. методику выбора коэффициента пологости функции принадлежности, которая позволяет обоснованно решать проблему выбора вида функции принадлежности.

Теоретическая и практическая значимость исследования. Разработанные интеллектуальные методы анализа временных рядов для поддержки принятия решений в СЭМ в условиях неопределенности могут быть использованы

для решения проблем в сложных технических, энергетических, экономических,

образовательных, производственных, социальных системах. Практическая значимость проведенного исследования рассматривается в следующих аспектах.

  1. Использование научных результатов диссертации для анализа прогнозирования ВР потребляемой электроэнергии и возобновляемых источников энергии (солнечные панели, ветрогенераторы).

  2. Разработан программный комплекс прогнозирования потребления электроэнергии на основе нечётких моделей (свид. о гос. рег. № 2013612364 от 26 февраля 2013 г).

  3. Разработанные компоненты программного обеспечения, реализующие предложенные подходы, могут быть использованы при реализации автоматизации поддержки принятия решений в СЭМ.

Положения, выносимые на защиту.

  1. метод анализа и прогнозирования временных рядов, позволяющий минимизировать участие эксперта в формировании модели без потери точности;

  2. метод повышения интерпретируемости нечетких временных рядов, заданных в виде множества нечетких правил;

  3. метод моделирования поведения системы, описанной в виде лингвистических переменных;

  4. методику выбора коэффициента пологости функции принадлежности, которая позволяет обоснованно решать проблему выбора вида функции принадлежности.

Степень достоверности результаты диссертационного исследования определяются корректным применением методов системного анализа, теории нечетких множеств, методов прогнозирования анализа ВР, а также успешным практическим применением результатов научных исследований, что отражено в актах внедрения.

Апробация результатов работы. Основные положения и материалы диссертации представлены на научных семинарах кафедры «САПР и ПК» ВолгГТУ; III International Scientifc Conference (ITSMSSM 2016) (Томск, Россия, 23-26 May 2016); III Всероссийской научной конференции «Нечеткие системы и мягкие вычисления» НСМВ-2009, Волгоград, 2009; V Всероссийской научной конференции «Ресурсо-энергосбережение и эколого-энергетическая безопасность промышленных городов» Волжский, 2013; Международная научно-практическая конференция «Современные проблемы и пути их решения в науке, транспорте, производстве и образовании» (Одесса, 2011, 2012);

Публикации. По теме диссертации опубликовано 11 печатных работ, в том числе 4 публикации в журналах, рекомендованных ВАК, 3 публикации по итогам международной научно-практической конференции. Получено 1 свидетельство о регистрации программы для ЭВМ.

Соответствие паспорту научной специальности. Область диссертационного исследования соответствует паспорту специальностей 05.13.01 – «Системный анализ, управление и обработка информации», в частности пункту 5 – «Разработка специального математического и программного обеспечения систем анализа, оптимизации, управления, принятия решений и обработки информации», пункту 10 – «Методы и алгоритмы интеллектуальной поддержки при принятии управленческих решений в технических, экономических, биологических, медицинских и социальных системах», пункту 11 – «Методы и алгоритмы прогнозирования и оценки эффективности, качества и надежности сложных систем».

Структура и объем работы. Диссертация состоит из введения, пять глав, заключения, списка сокращений и условных обозначений, списка литературы и