Программно-алгоритмическое обеспечение процесса построения статистических моделей по интервальным данным

• Автор: Валеев, Евгений Равильевич
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2006
• Место защиты: Иркутск
• Количество страниц: 133 с. : ил.

Содержание
Введение.

Глава 1 Анализ проблем применения методов интервального

моделирования для анализа сложных объектов.

1.1. Современный уровень состояния методологической базы

построения интервальных моделей статистического типа

1.1.1. Природа интервальной неопределенности в исходной информации ...

1.1.2. Описание множеств решений интервальной системы линейных алгебраических уравнений
1.1.3. Применение методов интервального анализа для построения моделей с интервальной неопределенностью в информации
1.2. Существующее программное обеспечение процесса построения статистических моделей.

1.3. Особенности функционирования Государственного пожарного надзора

Глава 2 Алгоритмическое и программное обеспечение процесса
построения интервальных статистических моделей
2.1. Принципы создания программного комплекса СИД
2.2. Системная и функциональная компоненты комплекса СИД
2.3. Особенности функционирования программного комплекса СИД
2.4. Алгоритм работы комплекса СИД.
Глава 3 Моделирование и прогнозирование функционирования
системы ГПН ГПС Иркутской области.
3.1. Интервальная модель функционирования Государственного пожарного надзора
3.2. Краткосрочный прогноз деятельности ГПН ГПС Иркутской области .
3.3. Анализ результатов моделирования и прогнозирования деятельности ГПН
3.4. Рекомендации, направленные на повышение эффективности деятельности органов ГПН
Заключение
Список литературы


Практическая значимость работы заключается в использовании программного комплекса СИД, разработанных на его основе моделей и прогнозов в интересах органов ГПН Главного Управления по делам гражданской обороны и чрезвычайным ситуациям Иркутской области, что позволило повысить эффективность деятельности соответствующих служб и выработать действенные решения по улучшению обстановки с пожарами в области. Комплекс СИД успешно используется для решения подобных задач и в ряде других субъектов Российской Федерации. Апробации работы. Основные положения диссертационной работы докладывались и обсуждались на Всероссийской конференции ‘‘Информационные технологии в энергетике, экономике, экологии” (Иркутск, г. Всероссийской конференции с международным участием “Математические и информационные технологии в энергетике, экономике, экологии” (Иркутск, г. Международной научно-практической конференции “САКС-” (Красноярск, г. Международной конференции “Инфотелекоммуника-ционные системы в технике, экономике и образовании” (Ташкент, г. Иркутском Государственном университете путей сообщения и в Восточно-Сибирском институте МВД России. Публикации. По теме диссертации опубликовано шесть печатных работ. Традиционно при проведении регрессионного анализа данных предполагается наличие двух различных групп анализируемых факторов -зависимых переменных и независимых величин. Сущность регрессионного анализа заключается в выявлении возможной взаимосвязи между этими группами переменных и оценке значений неизвестных параметров. Пусть при анализе некоторого объекта или процесса исследователь, исходя из соображений содержательного характера, полагает, что поведение эндогенного (объясняемого, зависимого, выходного) показателя у в основном определяется значениями экзогенных (объясняющих, независимых, входных) факторов ххг9. Л=ЕЛЛ + в*» к = ,п, (1. I,// - ошибки аппроксимации. Для удобства представим систему уравнений (1. Ха^е. У = 1 . I , х= * . Математические методы решения данной системы уравнений и нахождения искомого вектора параметров а представлены достаточно широко. Однако, в большинстве своем, они ориентированы на использование точной исходной информации о состоянии объекта исследования и не допускают ее неопределенного описания. Вместе с тем, при разработке математических моделей статистического типа исследователю часто приходится сталкиваться с ситуацией, когда исходная информация представлена не точно, а с некоторой долей неопределенности. При этом неопределенность может быть вызвана множеством разнообразных факторов, приводящих, в частности, к пропускам в данных и различного рода неточностям. Это обстоятельство подробно рассмотрено в третьем параграфе данной главы, где проанализированы различные факторы субъективного характера, ошибки ввода-вывода и правил хранения информации, подгон и искажение исходных данных, передаваемых в управляющие структуры, наличие множества разнообразных статистических форм отчетности и другие. Стохастическое описание. Оно используется, когда факторам неопределенности можно приписать вероятностный, случайный характер. Статистическое описание. Эту форму применяют, когда модель объекта определяется по результатам выборочных экспериментов в условиях действия случайных помех и ошибок. Указанная форма тесно связана с предыдущей, но принципиально отличается от нее тем, что в условиях ограниченного эксперимента удается получить лишь выборочные оценки параметров плотности распределения или ее моментов. Интервальное описание. Во многих прикладных задачах часто нет оснований или недостаточно информации для того, чтобы рассматривать факторы неопределенности как случайные. Это приводит к необходимости учета неопределенности нестатистической природы, когда относительно факторов ничего не известно, кроме их свойства быть ограниченными. Нечеткое (размытое) описание. Такая форма используется, когда информация о параметрах модели и требованиях к системе задается экспертом на естественном языке, а, следовательно, в достаточно “нечетких”, с позиции математиков, терминах типа “много больше десяти”, “много меньше нуля”, “около 0”, “приблизительно между тремя и пятью” и т. В данной работе основное внимание будет уделено интервальной форме описания неопределенности. Такая интерпретация неопределенности подразумевает, что вся совокупность (или некоторая ее часть) исходных данных {/?