Удосконалено методику попередньої обробки вхідної інформації для задач прогнозування у галузі електроенергетики, яка полягає у виявленні та заміні втрачених і частково суперечливих даних на базі статистичних методів з метою підвищення точності прогнозування з використанням штучних нейронних мереж (ШНМ) з неітераційним навчанням. З застосуванням методу "околу точки" побудовано комітет прогнозувальних нейромереж, що навчаються за умов скорочених вибірок. Розроблено й обгрунтовано метод побудови та застосування нейромережних інформаційних моделей на основі принципу "k найближчих сусідів", що забезпечує розширення розмірності простору вхідних даних для лінеаризації задач прогнозування. Удосконалено та досліджено архітектуру прогнозувальної штучної нейронної мережі функціоналу на множині табличних функцій, розширено кількість її входів для покращення узагальнювальних властивостей. Адаптовано та розвинено методику системного аналізу побудови інформаційно-аналітичних систем до задач прогнозу споживання електричної енергії, яка передбачає застосування нейромережевих засобів моделювання та прогнозування.

  Скачати повний текст