Методы учета неопределенности экспертных знаний

Методы учета неопределенности экспертных знаний

Автор: Чугунов, Никита Владимирович

Шифр специальности: 05.13.01

Научная степень: Кандидатская

Год защиты: 2006

Место защиты: Москва

Количество страниц: 153 с. ил.

Артикул: 3042072

Автор: Чугунов, Никита Владимирович

Стоимость: 250 руб.

Методы учета неопределенности экспертных знаний  Методы учета неопределенности экспертных знаний 

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
ГЛАВА 1. ИЗВЛЕЧЕНИЕ И ПРЕДСТАВЛЕНИЕ ЭКСПЕРТНЫХ ЗНАНИЙ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ
1.1. Основные понятия и определения
1.2. Методы формализации экспертных знаний.
1.2.1. Интервальный подход, нечеткость и теория возможностей.
1.2.2. Теоретиковероятностные подходы.
1.2.3. Метод обобщенных интервальных оценок
1.3. Трудности извлечения экспертных знаний
1.3.1. Эвристики.
1.3.2. Когнитивные ограничения.
1.3.3. Подходы к учету эвристик и когнитивных ограничений
1.4. Выводы
ГЛАВА 2. РАЗВИТИЕ МЕТОДА ОБОБЩЕННЫХ ИНТЕРВАЛЬНЫХ ОЦЕНОК.
2.1. Новые формы представления обобщенных интервальных оценок
2.1.1. Обобщенная интервальная оценка на смещенных интервалах
2.1.2. Нормальная форма обобщенной интервальной оценки.
2.2. Синтез интервального и вероятностного подходов
2.2.1. Вероятностные границы для обобщенной интервальной оценки
2.2.2. Вероятностные границы для моноинтервального представления
2.2.3. Внутреннее устройство вероятностной трубки
2.3. Согласование экспертных оценок
2.3.1. Способы проверки согласованности оценок.
2.3.2. Анализ моментов распределений.
2.3.3. Восстановление обобщенной интервальной оценки из моноинтервальной оценки
2.3.4. Алгоритм согласования экспертных оценок.
2.3.5. Поддержка коллективных решений
2.4. Связь метода с другими подходами.
2.5. Выводы.
ГЛАВА 3. ОПЕРАЦИИ С ОБОБЩЕННЫМИ ИНТЕРВАЛЬНЫМИ ОЦЕНКАМИ
3.1. Вероятностная арифметика.
3.1.1. Вычисления со случайными величинами
3.1.2. Вычисление вероятностных границ
3.1.3. Определение трубки распределения.
3.2. Арифметика обобщенных интервальных оценок
3.2.1. Алгоритм арифметических операций.
3.2.2. Анализ чувствительности алгоритма
3.2.3. Примеры арифметических операций
3.2.4. Учет зависимостей операндов.
3.3. Иерархическая схема вычислений в условиях неопределенности
3.4. Выводы
ГЛАВА 4. РЕЗУЛЬТАТЫ ПРАКТИЧЕСКОГО ПРИМЕНЕНИЯ
4.1. Программный компонент для извлечения и представления экспертных знаний.
4.1.1. Описание УеЬкомпонснта
4.1.2. Функциональные возможности модулей
4.1.3. Возможности интеграции с СПЭР.
4.2. Оценка запасов нефтегазовых месторождений.
4.2.1. Описание задачи.
4.2.2. Расчет запасов месторождения
4.2.3. Анализ результатов
4.3. Выводы
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА


Проведен анализ одного из нефтяных месторождений Западной Сибири с использованием разработанных методов учета неопределенности экспертных знаний. В Заключении дается краткий обзор основных результатов, полученных в настоящей работе. ГЛАВА 1. Ситуации, когда исходные данные известны с неопределенностью, типичны для естественных, инженерных наук и техники, где измерениям принципиально присуща некоторая погрешность. Эту неопределенность требуется учитывать в дальнейших вычислениях, в том числе в расчетах искомых значений непосредственно неизмеримых величин. При анализе подобных проблемных ситуаций именно эксперт выступает в роли специального «прибора», который «измеряет» искомую величину. Каким образом может быть представлен результат такого «измерения»? Эксперту, как и измерительному прибору, свойственны ошибки и погрешности. Можно предположить, что погрешности эти напрямую связаны как с адекватностью опыта и знаний эксперта анализируемой проблеме, так и с его способностью преобразовывать этот опыт в оценки заданной формы («калибровка» прибора). Ошибки и погрешности свойственны и самому процессу «измерения» - их влияние на отклонение результата измерения во многом зависит от организации этого процесса (как и в какой форме будут выявляться и представляться знания эксперта). Обзору различных подходов к организации и проведению подобных «измерительных экспериментов», обсуждению возможных интерпретаций результатов «измерений» и анализу аспектов поведения «инструмента» (эксперта) посвящена настоящая глава. Задача выявления и представления знаний является одной из ключевых задач искусственного интеллекта (ИИ). Термин "знания" приобрел в ИИ специфический смысл, который Д. А.Поспелов характеризует следующим образом [Вагин и др. Термин «экспертные знания» нами понимается как вся совокупность информации, необходимой для решения определенного круга задач, в которую входят: основные понятия (онтологии) предметной области; формальные модели предметной области, на основе которых решаются прикладные задачи; соответствие между понятиями и моделями; конкретные значения параметров моделей и их взаимосвязи; методы решения задач. Знания о предметной области, ее объектах и закономерностях описываются некоторой формальной моделью представления знаний. Подробный анализ этих моделей содержится, например, в работах [Осуга, ], [Уэно, Исидзука, ], [Гаврилова, Хорошевский, ]. В диссертации термин «экспертные знания» используется в более узком смысле - как получаемые от эксперта оценки и закономерности, описывающие значения анализируемых числовых величин и связи между ними. Перед тем, как перейти к обзору методов представления экспертных знаний в условиях неопределенности, важно описать ее различные типы и источники. В научной литературе по рассматриваемой проблематике существует несколько вариантов определений и классификаций понятия «неопределенность». Их анализ позволяет сделать вывод, что использование того или иного определения во многом связано с целями и характером проводимого анализа [DeLaurentis, Mavris, ]. В контексте анализа и моделирования сложных систем (технических, экономических, экологических, социальных и др. Эмпирические величины - относятся к измеримым (принципиально) свойствам моделируемых объектов. Примеры: пористость породы, курс рубля к доллару. Параметры этого типа имеют «истинное» неизвестное значение. Константы - величины с общепринятыми постоянными значениями (по определению). Примеры: атомный вес кислорода, величина п. Управляющие параметры - величины, выполняющие функции контроля в анализируемых моделях. Пример: максимально допустимый уровень выброса определенного химиката в модели анализа влияния на окружающую среду. В отличие от эмпирической величины, управляющий параметр не имеет «истинного» значения, но имеет «наилучшее» значение в контексте анализируемой проблемы. Значащие параметры - параметры, значения которых отражают предпочтения лица, принимающего решение (ЛПР). Пример: объем выпуска продукции при разработке стратегии компании, коэффициент дисконтирования. Возможные значения этих параметров определяет ЛПР, а не эксперт.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.239, запросов: 244