Разработка и реализация нейросетевых моделей комплексного динамического прогнозирования

• Автор: Протопопов, Олег Игоревич
• Шифр специальности: 05.13.10
• Научная степень: Кандидатская
• Год защиты: 2007
• Место защиты: Воронеж
• Количество страниц: 135 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ

1 СОВРЕМЕННОЕ СОСТОЯНИЕ ТЕОРИИ И ПРАКТИКИ

СОЦИАЛЬНОЭКОНОМИЧЕСКОГО ПРОГНОЗИРОВАНИЯ

1.1 Основные задачи, функции, особенности прогнозирования

социальноэкономических процессов и его роль в управлении .

1.2 Классификация существующих подходов к задаче социально

экономического прогнозирования

1.3 Обзор методов и алгоритмов прогнозирования с использованием

нейронных сетей.

1.4 Выводы и постановка задач исследования.

2 СИСТЕМНОЕ МОДЕЛИРОВАНИЕ И ДЕКОМПОЗИЦИЯ
ЗАДАЧИ ПРОГНОЗИРОВАНИЯ БЫСТРО МЕНЯЮЩИХСЯ СОЦИАЛЬНОЭКОНОМИЧЕСКИХ ПРОЦЕССОВ
2.1 Системная декомпозиция задачи прогнозирования быстро
меняющихся социальноэкономических процессов
2.2 Нейронная сеть как управляющий элемент.
2.3 Задача формирования обучающего образа
2.4 Концептуальная нейросетевая модель комплексного
динамического прогнозирования.
2.5 Применение разработанных моделей и алгоритмов для
расширения оптимизационных задач управления. Динамическая задача о назначении.
2.6 Выводы по второй главе .
3 МАТЕМАТИЧЕСКАЯ И ПРОГРАММНАЯ РЕАЛИЗАЦИЯ
НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ И АЛГОРИТМОВ КОМПЛЕКСНОГО ДИНАМИЧЕСКОГО ПРОГНОЗИРОВАНИЯ
3.1 Алгоритмы формирования обучающего образа нейросетевых
моделей комплексного динамического прогнозирования
3.2 Реализация алгоритма выбора оптимального метода
прогнозирования на основе нейросетевых моделей.
3.3 Анализ рынка недвижимости с использованием комплексной
модели динамического прогнозирования.
3.4 Выводы по третьей главе
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ


В работах, опубликованных в соавторстве и приведенных в конце автореферата, лично соискателю принадлежат в: [, , ] - модели и алгоритмы отбора методов прогнозирования, алгоритм извлечения статистической информации о характере течения социально-экономического процесса из обучающей выборки; [] - исследование кадровой структуры и стратегии проведения работ по управлению качеством; [, ] - модель решения оптимизационной задачи о назначении с учетом ожидаемой динамики изменения параметров спроса. Структура работы. Диссертационная работа состоит из введения, трех глав, заключения, списка литературы и трех приложений. Диссертация состоит из 5 страниц, в том числе машинописного текста 3, рисунка, таблиц и приложений. Библиография включает 7 наименований. Во введении обосновывается актуальность темы работы, описываются цели и задачи исследования, научная новизна и практическая значимость. В первой главе проводится обзор современного состояния теории и практики вопросов социально-экономического прогнозирования. Прогнозирующая система это часть большой системы менеджмента - и как подсистема, она взаимодействует с другими компонентами системы, играя немалую роль в получаемом результате. Далее приводится классификация существующих подходов к задаче прогнозирования социально-экономических процессов. Существует большое количество классификаций видов прогнозов по различным признакам: по временному охвату, по типам прогнозирования, «активный - пассивный», по типу результата (точечные и интервальные), по степени вероятности будущих событий (вариантный и инвариантный), по степени формализации. Далее ведется обзор методов и алгоритмов прогнозирования, построенных с использованием нейронных сетей. В настоящий момент большой популярностью пользуются методы, основанные в том или ином виде на использовании нейронных сетей. Основная их черта - использовать взвешенные связи между обрабатывающими элементами как принципиальное средство запоминания информации. Существует значительное число признаков, которыми должна обладать задача, чтобы применение нейронных сетей было оправдано и. Основные из них: отсутствует алгоритм или не известны принципы решения задач, но накоплено достаточное число примеров; проблема характеризуется большими объемами входной информации; данные неполны или избыточны, зашумлены, частично противоречивы. Главным недостатком нейронных сетей является то, что после логика принятия решений сетью скрыта от эксперта. Главным преимуществом является их адаптивность. В заключение главы содержатся выводы и постановка задач исследования. Глава начинается описанием построения вербальной модели комплексного динамического прогнозирования на основе нейронных технологий. Построение ведется методом функциональной декомпозиции. Анализ проблемы ведется с учетом особенностей социально-экономических процессов. Далее приводится описание использования нейронной сети как активного элемента системы и вводится понятие обучающего образа. Рассматриваются вопросы обучения нейронной сети в двух разных режимах принятия решений. Далее описывается решение задачи формирования обучающего образа для нейронной сети. Сформированный по собственному алгоритму образ должен удовлетворять ряду требований. Они были сформулированы исходя из необходимости сформировать ассоциативную связь между методом прогнозирования и некоей областью в пространстве значений входов нейронной сети. К этим требования относятся: В результате было предложено две модели, основанные на анализе процесса во временной и частотной области. Для второго случая анализ велся с применением быстрого преобразования Фурье. В обоих случаях образом является одномерное представление некоего двухмерного изображения, то есть матрицы. Далее приводится полная концептуальная схема модели комплексного динамического прогнозирования с использованием аппарата нейронных сетей. В заключение описывается применение разработанных моделей и алгоритмов для расширения оптимизационных задач управления. В качестве примера рассматривается динамическая задача о назначении. В результате моделирования типовых ситуаций были получены результаты, отвечающие здравому смыслу и текущей ситуации в рассматриваемой области. Матрица назначений чутко реагирует на изменения в уровне оплаты сотрудников, их компетенции, а так же активно учитывает прогнозируемый спрос.