*112356*

К.т.н. Сучкова Л.И.

ФГБОУ ВПО «Алтайский государственный технический университет
им.И.И. Ползунова», Россия

Прогнозирование контролируемых параметров в системах жизнеобеспечения техногенных объектов с применением паттернов поведения

Современные системы жизнеобеспечения техногенных объектов осуществляют анализ данных, полученных с первичных измерительных преобразователей или вычисленных по результатам измерений, причем в каждый момент времени должно производиться прогнозирование наступления нештатной ситуации на объекте и уведомление диспетчера. Анализируемые данные представляют собой семейство временных рядов {V_i}, каждый из которых характеризуется своей периодичностью t_i. где i – номер ряда в семействе. Целью анализа любого временного ряда (ВР) является достижение понимания причинных механизмов, обусловивших поведение изучаемого процесса, построение моделей ВР, которые не только объясняют поведение процесса, но и могут быть использованы для оценки прогноза развития изучаемого процесса. Будем считать, что на изменение отсчетов ряда V_i влияют не только отсчеты этого же ряда, но и отсчеты других рядов, при этом требуется учитывать временные факторы, характеризующие длительность нахождения отсчета в некотором диапазоне и последовательность изменения этих диапазонов. Оперирование с временными факторами и необходимость формализации описания взаимовлияния отсчетов ВР в семействе требуют дополнения классической формы представления рядов лингвистической формой, сопоставляющей каждому значению отсчета словесное описание состояния ряда [1-3].

Данный подход активно развивается в концепции нечетких вычислений Fuzzy Time Series Data Mining, предусматривающий накапливание реальной истории изменения некоторых числовых и лингвистических характеристик объектов и построение заключений о вероятном будущем тренде. Согласно теореме FAT, любая математическая система может быть аппроксимирована системой, основанной на нечеткой логике, что позволяет с помощью естественно-языковых высказываний «ЕСЛИ-ТО» сколько угодно точно описать произвольную взаимосвязь «входы-выходы» без использования сложного математического аппарата. Однако использование только высказываний «ЕСЛИ-ТО» не позволяет вводить операции над обрабатываемыми лингвистическими термами, осуществлять анализ истории тренда нечеткого ВР (НВР), работать с группой НВР, оперировать с временными аспектами НВР, например, с продолжительностью наблюдения лингвистического терма. Кроме того, для информационно-измерительных систем особое значение имеют функции прогнозирования нештатных ситуаций, в которых важны не только текущие значения отсчетов в семействе НВР, но и их динамика.

Для прогнозирования поведения семейства НВР будем использовать паттерн прогноза поведения, представляющий собой правило a®b, где a - список значений лингвистических переменных для каждого ряда семейства в заданном временном интервале на целочисленной дискретной шкале, а b представляет собой вектор, каждая компонента которого содержит прогнозируемое значение i-того ряда семейства. Особенностью паттерна прогноза поведения является необязательность указания значения каждого отсчета лингвистического ряда для каждого момента времени шкалы. Паттерн считается применимым к текущему состоянию семейства НВР, если в НВР количество совпадений термов ряда с a превышает заданный пороговый коэффициент.

Поиск паттернов поведения семейства НВР осуществляется с применением метода, опирающегося на описание зависимостей и прогнозируемых термов в семействе НВР с применением высказываний, близких по синтаксису к естественному языку. Разработан контекстно-свободный язык, правила которого позволяют оперировать разнородными данными – лингвистическими термами, как текущими, так и взятыми из истории, четкими значениями отсчетов ВР, нечеткими значениями изменений отсчетов ВР, влияющими на прогнозируемое значение ВР, временными константами.

Разработана инструментальная система, позволяющая фаззифицировать временные ряды путем создания лингвистических переменных с заданной функцией принадлежности их термов, исследовать применимость набора паттернов поведения при прогнозировании для произвольного подмножества семейства НВР, проверять правильность предположений о закономерностях в НВР путем интерпретации их описаний на внутреннем языке системы. Предусмотрена возможность формирования нечеткого ряда приращений величин отсчетов, что позволяет оценивать динамику изменения процесса.

Для контроля и прогнозирования нештатных ситуаций для каждого ряда используются граничные функции, описывающие допустимые пределы изменения контролируемого параметра в виде слоя, в рамках которого поведение ВР и НВР является инвариантным. Граничные функции могут быть описаны с учетом сезонности, периодичности, характерных особенностей поведения процесса во времени.

Литература:

1. Ярушкина, Н. Г. Интеллектуальный анализ временных рядов : учебное пособие [текст] / Н. Г. Ярушкина, Т. В. Афанасьева, И. Г. Перфильева. – Ульяновск : УлГТУ, 2010. – 320 с.

2. Ковалев, С.М. Гибридные нечетко-темпоральные модели временных рядов в задачах анализа и идентификации слабо формализованных процессов. // Сб. тр. IV Междунар. науч.-практич. конф. Т. 1 – М.: Физматлит, 2007. – 354 с.

3. Batyrshin, I.; Kacprzyk, J.; Sheremetov, L.; Zadeh, L.A. (Eds.). Perception-based Data Mining and Decision Making in Economics and Finance. Series: Studies in Computational Intelligence , Vol. 36. 2007.