ISSN 0021-3454 (печатная версия)
ISSN 2500-0381 (онлайн версия)
Меню

1
Содержание
том 66 / Январь, 2023
СТАТЬЯ

DOI 10.17586/0021-3454-2022-65-12-920-924

УДК 519.8

ОСОБЕННОСТИ ВЫБОРА ФАКТОРНОГО ПРОСТРАНСТВА ПРИ ОЦЕНИВАНИИ И ПРОГНОЗИРОВАНИИ СОСТОЯНИЯ СЛОЖНОГО ОБЪЕКТА

Спесивцев А. В.
ВКА им. А. Ф. Можайского ;


Павлов А. Н.
СПИИРАН; лаборатория информационных технологий в системном анализе и моделировании; доцент


Аннотация. Моделирование сложных объектов (СлО) всегда сопряжено с решением проблем не только методологического, но и методического характера. К ним относится, например, проблема формирования и использования факторного пространства (ФП) при решении задачи оценивания и прогнозирования состояния СлО. В рамках постановки задачи сформулированы основные правила, которыми должен пользоваться эксперт при выборе ФП для синтеза различных классов моделей, в том числе на примере построения нечетко-возможностной модели СлО на основе явных и неявных экспертных знаний. Рассмотрен пример построения ФП и соответствующей модели для одного и того же технологического процесса, связанного с твердофазным обжигом сульфидного концентрата, с использованием двух принципиально различных подходов к описанию данного процесса: классического балансового и нечетко-возможностного подхода. На практическом примере показано, что обоснованный выбор состава и структуры ФП, в особенности зависимых переменных (выходных параметров), играет важную роль в достижении желаемого результата — построении модели оценивания и прогнозирования состояния СлО, которая с требуемой степенью адекватности описывает исследуемый процесс.
Ключевые слова: факторное пространство, явные и неявные экспертные знания, нечетко-возмож¬ностный подход и модель, количественные и качественные параметры и переменные, сложный объект и процесс

Список литературы:
  1. Игнатьев М. Б., Марлей В. Е., Михайлов В. В., Спесивцев А. В. Моделирование слабо формализованных систем на основе явных и неявных экспертных знаний. СПб: ПОЛИТЕХ-ЭКСПРЕСС, 2018. 430 с.
  2. Спесивцев А. В. Металлургический процесс как объект изучения: новые концепции, системность, практика. СПб: Изд-во Политехн. ун-та, 2004. 307 с.
  3. Миллс Ф. Статистические методы. М.: Госстатиздат, 1958. 798 с.
  4. Miller G. A. The Magical Namber Seven, Plus of Minus Two // The Psychological Review. 1956. Vol. 63. P. 81—97.
  5. Охтилев М. Ю., Соколов Б. В., Юсупов Р. М. Интеллектуальные технологии мониторинга и управления структурной динамикой сложных технических объектов. М.: Наука, 2006. 410 с.
  6. Астафьев А. Ф., Алексеев Ю. В. Окислительный обжиг никелевых сульфидных полупродуктов в кипящем слое. М.: Металлургия, 1982. 175 с.
  7. Спесивцев А. В., Кимяев И. Т. Информационная модель нечеткого логического регулятора с интеллектуализированной базой знаний // Управление большими системами. 2008. Вып. 21. М.: ИПУ РАН. С. 165—172.