Математическое моделирование терминальных вычислительных сетей на основе нечетких временных рядов

Математическое моделирование терминальных вычислительных сетей на основе нечетких временных рядов

Автор: Юнусов, Тагир Рагатович

Шифр специальности: 05.13.18

Научная степень: Кандидатская

Год защиты: 2007

Место защиты: Ульяновск

Количество страниц: 172 с. ил.

Артикул: 3391482

Автор: Юнусов, Тагир Рагатович

Стоимость: 250 руб.

Математическое моделирование терминальных вычислительных сетей на основе нечетких временных рядов  Математическое моделирование терминальных вычислительных сетей на основе нечетких временных рядов 

Введение
В настоящее время резко возрастает сложность создаваемых и эксплуатируемых технических систем. В процессе проектирования и эксплуатации таких систем моделирование является эффективным методом прогнозирования их основных характеристик поведения. Сложные технические системы, такие как вычислительные сети, обладают объективной неопределенностью, что требует дальнейшего расширения инструментария прогностики. Все чаще используются интеллектуальные методы, которые расширяют классическую классификацию прогностических методов и представляют сочетание формализованных процедур обработки информации, полученной по оценкам специалистовэкспертов. Интеллектуальные математические методы прогнозирования применяют в тех случаях, когда невозможно учесть влияние многих факторов изза значительной сложности объекта прогнозирования или если недоступны объективные результаты измерений поведения объекта. В этом случае используются оценки экспертов. Исследования данных и их методов анализа в последние десятилетия оформились в виде отдельного направления, называемого интеллектуальным анализом данных или ii , в котором анализ временных рядов получил понятие интеллектуальный анализ временных рядов или ii ii .


Недостаток такой классификации и статистические, и кибернетические алгоритмы тем или иным образом опираются на сопоставление статистического опыта с результатами мониторинга текущей ситуации. Преимуществом такой классификации является ее удобство для интерпретации она используется при описании математических средств современного подхода к извлечению знаний из массива исходных наблюдений оперативных и ретроспективных. Статистический анализ рассматривает временной ряд как сумму детерминированного ряда и реализаций случайного ряда. В данной работе рассмотрим классические методы построения моделей составляющих временного ряда регрессионные модели, вероятностные модели Бокса и Дженкинса, их одномерные и многомерные варианты. К прогнозирующим методам второй группы относят такие методы искусственные нейронные сети, деревья решений, нечеткая логика, эволюционное программирование в т. Рис. Из взаимодействия теории и практики выбирается полезный класс моделей. Идентификация подклассов этих моделей. Получение грубых предварительных оценок параметров модели. Пробные модели подгоняются к данным оцениваются ее параметры. Диагностические проверки позволяют выявить возможные дефекты подгонки и диагностировать их причины. Если обнаружено какоелибо несоответствие, итеративные циклы идентификации, оценок диагностической проверки повторяются. Для обеспечения точности и достоверности результатов прогнозирования необходима проверка адекватности или верификация прогнозной модели. Определение таких критериев позволит осуществлять сравнение и выбор наилучшей адекватной модели временных рядов. Классический статистический анализ временных рядов основывается на классификации динамических процессов и разложении временных рядов на соответствующие компоненты. В Бендат, Пирсол, предлагается следующая классификация рис. Рис. Классификация динамических процессов используется для построения моделей временных рядов. Я0 и,. В этой модели наблюдаемый ряд рассматривается как сумма некоторой полностью детерминированной последовательности которую можно назвать систематической составляющей, и случайной последовательности н,, подчиняющейся некоторому вероятностному закону. Рассматриваются различные варианты математической модели 1. Выделяют два типа временных последовательностей , часто называемых трендом. Один тип представляет медленно меняющиеся функции времени, примером которых могут служить полиномы достаточно низкой степени. К другому типу принадлежат циклические последовательности. Одной из общих моделей, в которых влияние временного параметра проявляется в случайной составляющей, является процесс авторегрессиипроинтегрированного скользящего среднего Бокс, Дженкинс, . Этот класс процессов модель Бокса и Дженкинса обеспечивает множество как стационарных, так и нестационарных моделей. Значительную часть статистических методов, используемых при анализе временных рядов, представляют методы регрессионного анализа классической теории наименьших квадратов или их видоизменения и аналоги Андерсон, . Пусть после предварительного анализа принято решение о том, что связь фактора X и отклика У выражается функцией У а. Х. Задача состоит в том, чтобы по имеющейся выборке, то есть по набору точек хкУукук 1,. АГ вычислить наилучшие оценки неизвестных параметров модели Между рассчитанными по модели значениями отклика к и реальными значениями из выборки ук будут присутствовать расхождения, которые обозначим как ек ук к ук а. Аа,а1,хк1 гпт
Величина 5 является функцией от Ь переменных а. ХЛ0Я2 т,п,
где у,0расчетные значения исходного ряда у, фактические значения исходного ряда п число наблюдений. В рамках классического статистического анализа стохастические процессы описываются моделью авторегрессии проинтегрированного скользящего среднего. Этот широкий класс процессов обеспечивает множество как стационарных, так и нестационарных моделей, которые адекватно описывают многие встречающиеся на практике временные ряды. Модель получила название модели БоксаДженкинса, поскольку была популяризирована Дж. Боксом и Г.

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: 0.249, запросов: 244