Генетическая нечеткая модель прогнозирования марочной прочности цементных систем

• Автор: Акопов, Владимир Николаевич
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2009
• Место защиты: Белгород
• Количество страниц: 134 с. : ил.

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИТИЧЕСКИЙ ОБЗОР МОДЕЛЕЙ ПРОГНОЗИРОВАНИЯ И МЕТОДОВ ИХ НАСТРОЙКИ.

1.1. Математические модели прогнозирования.

1.2. Линейная модель регрессии

1.3. Нелинейная модель регрессии

1.4. Нсйросстсвая модель прогнозирования

1.5. Машины опорных векторов в задаче прогнозирования.

1.6. Генетическая нечеткая модель прогнозирования.

1.7. Генетические алгоритмы настройки нечеткой модели прогнозирования.

ГЛАВА 2. РАЗРАБОТКА И ИССЛЕДОВАНИЕ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ НАСТРОЙКИ НЕЧЕТКОЙ МОДЕЛИ

2.1. Генетические алгоритмы как объект управления.

2.2. Кластерный ГА с ограничением скрещивания
2.3. Семейство эпигенетических алгоритмов.
2.4. Эпигенетические алгоритмы настройки нечетких моделей с адаптацией
2.4.1. Эпигенетический алгоритм с адаптацией мутации
2.4.2. Эпигенетический алгоритм с адаптацией скрещивания
2.4.3. Эпигенетический алгоритм с адаптацией размера популяции
2.4.4. Эпигенетический алгоритм с адаптацией отбора.
2.5. Эпигенетический алгоритм с предсказанием.
2.6. Эпигенетический алгоритм с возвратом.
2.7. Основные результаты и выводы по главе
ГЛАВА 3. РАЗРАБОТКА И ПРОВЕРКА АДЕКВАТНОСТИ ГЕНЕТИЧЕСКОЙ НЕЧЕТКОЙ МОДЕЛИ ПРОГНОЗИРОВАНИЯ
3.1. Компьютерная реализация системы
3.2. Описание модельных функций.
3.3. Тестирование разработанных алгоритмов на модельных функциях
3.4. Тестирование разработанных алгоритмов в задачах многомерной оптимизации
3.5. Проверка адекватности генетической нечеткой модели прогнозирования.
3.6. Основные результаты и выводы по главе
ГЛАВА 4. РАЗРАБОТКА МОДЕЛИ ПРОГНОЗИРОВАНИЯ МАРОЧНОЙ ПРОЧНОСТИ ЦЕМЕНТНЫХ СИСТЕМ
4.1. Анализ предметной области
4.2. Линейная регрессионная модель прогнозирования
4.3. Машины опорных векторов в задаче прогнозирования.
4.4. Генетическая нечеткая модель прогнозирования.
4.5. Разработка гибридной генетической нечеткой модели прогнозирования.
4.6. Основные результаты и выводы по главе.
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ


Диссертационная работа состоит из введения обзора методов прогнозирования анализа генетических алгоритмов настройки нечетких моделей разработки семейства эпигенетических алгоритмов с адаптацией на основе оценки статистической управляемости разработки компьютерной системы прогнозирования проверки адекватности разработанной модели тестирования разработанной системы на модельных задачах тестирования распространенных методов прогнозирования разработки гибридной генетической нечеткой модели прогнозирования марочной прочности цементных систем проверки адекватности разработанной генетической нечеткой модели прогнозирования заключения и списка использованных источников, включающего 2 наименования. Общий объем диссертации составляет 4 страницы и включает введение, четыре раздела, заключение, изложенные на 9 страницах рисунков список литературы из 2 наименований. Автор выражает глубокую благодарность научному руководителю кандидат технических наук Синюк В. Г. за помощь в написании работы, ценные советы, замечания и критику. Автор также благодарит за критику и ценные замечания кандидата технических наук Полякова В. М., кандидата технических наук Муромцева В. В., кандидата технических наук Ермоленко Д. Н. Автор выражает отдельную благодарность доктору технических наук Корсунову И. И., а также доктору технических наук Рубанову В. Г. Автор также благодарит за плодотворные дискуссии сотрудников отдела инновационных технологий СКФ БТУ им. В.Г. Шухова. ГЛАВА 1. В задаче настройки нечетких систем наиболее распространенным подходом является использование генетических алгоритмов. В данной главе обосновывается необходимость разработки генетической нечеткой модели прогнозирования марочной прочности цементных систем. Проводится классификация существующих генетических алгоритмов настройки нечетких моделей, исследуются распространенные модификации классического генетического алгоритма. Описание проводится с использованием аппарата теории множеств. См. На рисунке 1. Линии указывают на косвенную связь моделей, стрелки на наследовании свойств моделей. Рисунок 1. Задача прогноза формулируется следующим образом дан объект исследования, находящийся под действием случайных воздействий. В результате наблюдения получается выборка реализаций у, . О структуре системы имеется лишь априорная информация общего характера. Ищется модель, дающая возможность прогнозировать выходную величину у, на интервале прогноза е Р. При использовании экспериментальных методов прогнозирования, к которым относятся и приведенные выше методы, предполагается, что все основные тенденции развития процесса отражены в таблице экспериментальных данных. Использование регрессионных методов в случаях, когда тенденция или основные направления процесса непредсказуемы, неэффекгивно. Принятая классификация моделей прогнозирования показана на рисунке
классическая модель регресии машины опорных векторов многослойный персептрон радиальные нейронные сети эволюционная модель нечеткий аппроксиматор Рисунок 1. Примером сложных плохо формализуемых систем можно привести цементные системы. На кинетику нарастания прочности цементных систем оказывают влияние большое количество внешних факторов, которые, однако, не поддаются контролю. Непосредственное влияние на состав цементного клинкера оказывает человек эксперт, определяющий вид цементной смеси на основании личного опыта и знаний. Во множестве работ экспериментально подтверждается, что распространенные аналитические модели прогнозирования марочной прочности цементных систем достаточно противоречивы и неадекватны см. С,1. СзБ относительное содержание алита в клинкере. Зависимость 1. Каганом , 1. Акиевой в г. Особенностью приведенных зависимостей является эмпирически заданные коэффициенты 0. Проведенное в работе 7 тестирование портландцементов показало, что лишь в отдельных случаях погрешность указанных выше методов укладывается в допустимую ГОСТ 1. Это объясняется обычной противоречивостью исходных данных. В таблице 1. СКФ БГТУ по минералогическому составу цементного клинкера. В таблице 1. Данные таблиц 1. По данным таблиц 1. Этот и подобные примеры вносят противоречие в генеральную выборку образцов и значительно увеличивают погрешность расчетов. В таблице1. Как видно, средняя относительная величина ошибки расчета достаточно велика . Ошибка рассчитывается следующим образом
,1. АРЕ величина ошибки у результат эксперимента у оценка. Как замечено в работе 7 результаты расчетов в данном случае закономерны, Так как, основываясь лишь на процентном содержании алита и 7суточной прочности цементного камня, лучшие результаты получить невозможно.