Интеллектуализация управления объектами с прогнозируемыми рисками на основе трансформации нечеткой информации в базу знаний

• Автор: Фиртыч, Оксана Александровна
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2015
• Место защиты: Воронеж
• Количество страниц: 145 с. : ил.

Содержание
Введение

1 Пути повышения эффективности управления объектами с прогнозируемыми рисками

1.1 Анализ современных подходов к оценке и управлению объектами с прогнозируемыми рисками
1.2 Особенности использования нечеткой информации и методы ее обработки при идентификации и прогнозировании рисков
1.3 Необходимость процедур трансформации нечеткой информации при интеллектуализации управления

1.4 Цели и задачи исследования

2 Разработка процедур трансформации нечеткой информации в базу знаний системы управления объектами с прогнозируемыми рисками

2.1 Трансформация ретроспективной информации в нечеткие правила

2.2 Построение функций принадлежности нечетких переменных

2.3 Модель хранения нечетких знаний в реляционной базе данных при управлении объектами с прогнозируемыми рисками
3 Формирование процедур интеллектуализации управления объектами с прогнозируемыми рисками с использованием нечеткой информации
3.1 Интеллектуализация процесса обработки входной информации с применением разработанных процедур трансформации ретроспективной информации в базу нечетких знаний
3.2 Алгоритм создания базы нечетких правил на основе ретроспективных данных
3.3 Использование аппарата ассоциативных связей на основе базы нечетких знаний при принятии решений управления объектами с прогнозируемыми рисками
3.4 Принятие решения в условиях риска. Выбор процедур устранения рисков
4 Анализ эффективности управления инвестиционным процессом как объектом с прогнозируемыми рисками на основе разработанных процедур и алгоритмов
4.1 Формирование списка потенциальных факторов риска инвестиционного проекта подготовки кадров в условиях суперкомпьютерных технологий
4.2 Оценка степени воздействия факторов риска инвестиционного проекта подготовки кадров в условиях суперкомпьютерных технологий
4.3 Принятие решений по полученным сведениям из оценки рисков инвестиционных проектов как объектов с прогнозируемыми рисками
Заключение
Список литературы

Введение
Актуальность темы диссертационного исследования. Управление целым рядом технических объектов на начальных этапах их жизненного цикла направлено на минимизацию рисков отклонения от желаемых требований значений характеристик функционирования и развития. При этом идентификацию и оценку рисков приходится осуществлять' в условиях неопределенности и случайного характера внешних и внутренних воздействий. Таким образом, возникает необходимость формирования специальных методов, моделей и процедур управления объектами с прогнозируемыми рисками и прогнозирования состояний системы с учетом управляющих воздействий.
Современные научные исследования и практика управления этим классом объектов основаны на использовании математических методов оценки по расчетным критериям (Г. Марковиц, С. Conde, К. Ю. Доладов, Д.А. Новиков), классических методов теории вероятностей и математической статистики при расчете прогноза (Д. Бернулли, Бююль А., Цефель П., Бешелев С.Д. Орлов А.И) [1]. В значительно меньшей степени рассматривается возможность интеграции этих подходов со следующими методами интеллектуализации поддержки принятия решений, зарекомендовавших себя при управлении другими классами объектов в условиях неопределенности и размытости информации;
формализация качественных прогностических оценок с использованием теории нечетких множеств [2,3];
нечеткое моделирование и управление (Piegat А, Леденева Т.М.); структуризация знаний в виде нечетких правил и их применение для принятия управленческих решений (Yiha Мао, Wenjing Wu [4], Bogdan Rebiasz. [5], Недосекин А.О.,);
динамический анализ формализованных знаний, характеризующих различные факторы риска (Хэнли Э., Кумамото X., [6] Дмитриев М.Н.).

характеризующей элемент х. Примерами прямых методов являются непосредственное задание функции принадлежности таблицей, графиком или формулой. Недостатком этой группы методов является большая доля субъективизма.
В косвенных методах значения функции принадлежности выбираются таким образом, чтобы удовлетворить заранее сформулированным условиям. Экспертная информация является только исходной информацией для дальнейшей обработки. К группе данных методов можно отнести такие методики построения функций принадлежности, как построение функций принадлежности на основе парных сравнений, с использованием статистических данных, на основе ранговых оценок и т.д.
Конкретное название X, порожденное синтаксическим правилом О, называется термом.
В свою очередь, нечеткое подмножество М определяется как некоторое множество в X с функцией принадлежности (X), принимающей значения из интервала [0,1]:
где ци (АО: X е [0,1] - функция принадлежности.
Для каждого терма из терм-множеств, определенных для лингвистических переменных, строится соответствующее нечеткое множество М со своим носителем, определяемым на основе изучения экспертных оценок. При этом под носителем нечеткого множества понимают множество X' такое, что:
(1.3)
Х'={ХМм(Х)>0,хеХ'}.
(1.4)