Математическое обеспечение информационной системы учета и прогнозирования продовольственных ресурсов региона

• Автор: Зуева, Виктория Николаевна
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2006
• Место защиты: Краснодар
• Количество страниц: 145 с. : ил.

1 АНАЛИЗ ПОСТРОЕНИЯ СИСТЕМ I II

1.1 i Ii системы

1.1.1 Плюсы и минусы технологии i Ii

1.1.2 Основные программные продукты на рынке I

1.1.3 .

1.2 Обзор прогнозирующих систем и их неприменимость в данной области

1.3 Нейронные сети в топологии с подкреплением.

1.3.1 обучение с использованием нейронных сетей

1.3.2 Сети адаптивной критики

1.4 Поиск информации в I

1.5 Выводы первой главы

2 НЕЙРО НЕЧЕТКИЙ АДАПТИВНЫЙ КРИТИК
2.1 Введение.
2.2 Общий принцип работы.
2.3 Топология системы
2.3.1 Модель Нейронная сеть
2.3.2 Критик.
2.3.3 Блок генетического поиска модели.
2.3.4 Блок фильтрации
2.3.5 Блок подкрепления
2.4 Алгоритм работы
2.5 Выводы второй главы
3 СИСТЕМА I КЛАССА I II.
3.1 Архитектура системы
3.2 Складской модуль.
3.3 Модуль прогнозирования.
3.3.1 Задача прогнозирования ценовых показателей.
3.3.2 Нейросетевая модель прогнозирования.
3.4 Модуль добычи данных в I
3.4.1 Составление дайджеста.
3.4.2 Алгоритм работы i
3.4.3 Поиск через поисковые системы.
3.4.4 Блок загрузки данных
3.5 Модуль
3.6 Модуль поддержки принятия решений
3.6.1 Модель системы поддержки принятия решений.
3.6.2 Модель брокера сельскохозяйственного рынка
3.7 Выводы третьей главы.
4 АНАЛИЗ МЕТОДОВ ПРОГНОЗИРОВАНИЯ
4.1 Оценка краткосрочного прогнозирования
4.2 Оценка долгосрочного прогнозирования.
4.3 Оценка работы нечеткого регулятора локального рынка
4.4 Выводы четвертой главы.
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ


В последнее десятилетие все более распространенным является использование нейронных сетей для задач прогноза, но нейронные сети довольно сложны для неподготовленных пользователей и задача прогноза трудна в подборе входных, влияющих факторов. Для снижения влияния этих факторов необходимо построение автоматизированных систем прогнозирования. В то же время в составе I систем ii выполняет роль эксперта, выбирающего наиболее выигрышный вариант действий на основе прогноза. Одним из перспективных подходов для построения такой связки прогнозирующий модуль модуль принятия решений является использование нейронных сетей в совокупности с обучением с подкреплением. Создание адаптивной поисковой системы в сети 1пегпе1 позволит оперативно отслеживать ситуацию на рынке по ключевым показателям. Цель работы разработка нейро нечеткой топологии с подкреплением для прогнозирования и принятия решений создание адаптивной поисковой системы в сети I и реализация их в составе разработанной I системы предприятия. С помощью моделирующего комплекса необходимо создать имитационную модель прогнозирования, отличающуюся высокой адекватностью и необходимой точностью, а также создать систему поддержки принятия решений на основе прогноза. Модель должна включать возможность проведения различных экспериментов с данными. При работе с моделью аналитику должна предоставляться возможность устанавливать зависимости, соотношения и допущения, выражающие взаимосвязи различных элементов системы, возможность оценивать их влияние на функциональное состояние системы. Содержание диссертационной работы отражает реализацию поставленных задач. В первой главе выполнен анализ текущего состояния проблемы использования I систем в деятельности предприятий и основные способы их построения. Рассмотрены модели построения и ii систем. Проведен анализ существующих методов обучения с подкреплением i, сети адаптивной критики и других с использованием нейронных сетей. Выявлены достоинства и недостатки существующих методов. Во второй главе обоснован и описан метод создания нейро нечеткой топологии. Разработанный метод позволяет обучить нейросеть на небольшом количестве примеров, а также дообучать переобучать в режиме реального времени по мере поступления новой информации без участия эксперта впрочем, последний может корректировать процесс обучения. Это позволяет использовать данный метод для моделирования динамических процессов, в которых наибольшую достоверность имеют самые свежие данные или процессов, для которых на начальном этапе не представляется возможным создать обучающее множество необходимого размера. За счет использования принципов обучения с подкреплением система выполняет задачу с заданным показателем качества. В третьей главе разработаны архитектура I системы и обоснована целесообразность применения нейросетевых методов для прогнозирования основных показателей Департамента. Разработана модель адаптивного поиска в I. В четвертой главе проведено сравнение результатов анализа данных полученных при помощи нейронной сети и метода математической статистики. Показана возможность использования системы поддержки принятия решений на базе нейро нечеткой системы. Также рассмотрены возможные пути дальнейшего развития методик. В заключении описаны выводы и результаты проделанной работы. В приложении А приводится краткое руководство пользователя системы i. В приложении Б приводится анализ современных нейропакетов. Задачи исследования решены с использованием методов теории искусственных нейронных сетей, системного анализа, математической статистики, нечеткой логики и искусственного интеллекта. Практическая значимость работы заключается в разработке и апробации метода создания нейро нечетких моделей, разработке системы i класса i Ii, исследовании и применении нейросетевых имитационных моделей. Разработанная система i класса i Ii внедрена в Департаменте Сельского Хозяйства и Перерабатывающей Промышленности Краснодарского края. Основной материал работы опубликован в 3 научных статьях и 2 тезисах докладов. Подана заявка о выдаче патента на изобретение. Диссертация состоит из введения, четырех разделов, заключения, списка использованной литературы и приложений. Ее общий объем составляет 1 страниц текста, содержащего таблиц и рисунков.