Індекс рубрикатора НБУВ: В172.45

Рубрики:

Планування експерименту

Шифр НБУВ: Ж26990 Пошук видання у каталогах НБУВ 

Представлено метод побудови оптимальних послідовних планів експерименту для створення інтервальних моделей прийняття рішень, який реалізується у два етапи: насичений експеримент і планування кожного наступного спостереження за критерієм мінімізації множини нерозпізнаних рішень.

  Скачати повний текст

Проаналізовано існуючі технічні засоби виявлення зворотного гортанного нерва (ГН) під час проведення хірургічних операцій на щитоподібній залозі та встановлено їх основні недоліки. Запропоновано спосіб, технічні та програмні засоби для візуалізації ГН на базі інтервальної моделі з допусковими еліпсоїдними оцінками параметрів.

Рассмотрен процесс построения математической макромодели распределения влажности в листах гипсокартона при их производстве. Проведена структурная и параметрическая идентификация разностного интервального оператора с использованием МГУА.

Розглянуто задачу формування множини рішень на базі інтервальних моделей критерію. Запропоновано критерії оптимальності послідовного планування експериментів і на цій підставі побудовано адаптивну процедуру уточнення множини рішень.

Систематизовано існуючі на цей час оптимальні за різними критеріями плани експериментів, за результатами яких будують інтервальні моделі. Розроблено web-додаток, який включає базу даних наявних оптимальних планів і можливість генерування нових за критеріями користувача.

Наведено структуру програмної системи для макромоделювання об'єктів з розподіленими параметрами на основі інтервальних різницевих операторів. Розроблено проект системи, що забезпечує інтегрування методів структурної та параметричної ідентифікації (методи побудовані на результатах дослідження поведінки бджолиної колонії, генетичних алгоритмах, штучних нейронних мережах з використанням радіально-базисних функцій, випадкового пошуку зі застосуванням напрямного конуса) в єдиний комплекс.

В теорії ідентифікації систем розроблено ряд методів для побудови моделей об'єктів з розподіленими параметрами. Основою математичних моделей таких об'єктів являються системи диференціальних рівнянь в частинних похідних або їх різницеві аналоги. Разом з тим, для синтезу різницевого аналога необхідно використовувати методи структурно-параметричної ідентифікації. Переважно такі методи грунтуються на випадкових даних експерименту і похибки вимірювань не враховуються. У випадку урахування похибок вимірювань отримуємо дані в інтервальному вигляді. Останнім часом для розв'язування задач структурної ідентифікації математичних моделей використовують поведінкові моделі медоносних бджіл, які в літературі називають алгоритми бджолиної колонії (АБК). Разом з тим, випадки структурної ідентифікації математичних моделей на основі аналізу інтервальних даних, коли об'єкт з розподіленими параметрами містить просторово розподілені керуючі фактори, в літературі не розглянуто, однак є актуальними для задач моделювання просторового розподілу концентрацій забруднюючих речовин в атмосфері, задач температурно-керованого сушіння тощо. Мета роботи - адаптація відомих методів АБК для розв'язування задачі структурно-параметричної ідентифікації моделей об'єктів з розподіленими параметрами з додатковим урахуванням просторово розподіленого керування. Структурну та параметричну ідентифікацію здійснено на основі методу аналізу інтервальних даних. В запропонованому методі оператори синтезу структури моделі, на відміну від існуючих методів, побудовано на застосуванні роєвого інтелекту, зокрема, на основі алгоритму бджолиної колонії. Наведено приклад застосування методу для задачі моделювання процесу сушіння гіпсокартону на завершальній стадії його виробництва. Змодельовано два режими представлення просторово розподіленого керування у вигляді температурного поля сушильної камери. Побудована математична модель адекватно відображає розподіл вологості на листі гіпсокартону при реалізації процесу його сушіння. Висновки: запропоновано метод ідентифікації інтервальних моделей об'єктів із розподіленими параметрами для випадку просторово розподіленого керування, в якому оператори синтезу структури моделі, на відміну від існуючих методів, побудовано на застосуванні роєвого інтелекту. Важливою особливістю запропонованого методу є його можливість достатньо ефективно "обходити" локальні мінімуми, тобто відкидати ті набори структурних елементів моделі, які не забезпечують її задані прогностичні властивості, чи призводять до переускладнення.

Індекс рубрикатора НБУВ: Е40*871

Рубрики:

Загальна мікробіологія

Шифр НБУВ: Ж69879 Пошук видання у каталогах НБУВ 

Вирішено науково-прикладну проблему зниження обчислювальної складності процесів побудови математичних моделей характеристик складних об’єктів в умовах інтервальної невизначеності з одночасним забезпеченням гарантованої точності цих моделей у межах необхідних для розв’язування задач прийняття рішень. Розроблено метод параметричної ідентифікації інтервальних моделей характеристик статичних та динамічних об’єктів на основі аналізу інтервальних даних, який грунтується на процедурах самоорганізації та самоадаптації обчислювальних процедур за аналогією з поведінковими моделями бджолиної колонії. Розроблено метод структурної ідентифікації інтервальних моделей характеристик статичних та динамічних об’єктів на основі аналізу інтервальних даних з процедурами самоорганізації та самоадаптації структур моделей. Удосконалено метод еліпсоїдного оцінювання множини значень параметрів інтервальних моделей характеристик статичних об’єктів на основі ітераційної обчислювальної схеми оптимального насиченого планування експерименту, який грунтується на розпаралеленні процедур обчислень. Створено програмну систему для побудови інтервальних моделей характеристик статичних та динамічних об’єктів, яка об'єднує методи структурної та параметричної ідентифікації, реалізовані на основі поведінкових моделей бджолиної колонії, що забезпечило цілісний підхід до побудови моделей з гарантованою точністю в умовах інтервальної невизначеності та суттєво спростило використання засобів моделювання.

Розглянуто задачі моделювання статичних та динамічних систем, характеристики яких представлено у вигляді числових інтервалів, які називають інтервальними даними. Ці системи відносять до складних об'єктів, оскільки вони мають складну структуру. Тому для представлення їх поведінки використовують макромоделі, тобто моделі типу "чорної скриньки". Сформульовано задачі структурної та параметричної ідентифікації моделей статичних та дискретних динамічних об'єктів у вигляді складних оптимізаційних задач з нелінійною дискретною функцією мети та лінійними і дискретними обмеженнями. Для розв'язування цих задач запропоновано низку методів, які грунтуються на поведінкових моделях і алгоритмах штучної бджолиної колонії та на аналізі інтервальних даних. Результати ідентифікації для статичних об'єктів представлено у вигляді інтервальних моделей, які є інтервальними алгебричними рівняннями, а для динамічних об'єктів отримано інтервальні дискретні моделі у вигляді дискретних аналогів диференціальних рівнянь. Показано спільну базу побудови обчислювальних методів для ідентифікації обох типів моделей. Систематизовано результати, які отримано протягом останніх п'яти років при створенні низки високоефективних обчислювальних методів, програмного середовища для структурної та параметричної ідентифікації математичних моделей обох типів, а також при створенні цілої низки інтервальних моделей для підтримки прийняття рішень в галузях охорони навколишнього середовища, медицини, енергетики та технологічних галузей.