Что собой представляет оригинал?

Рис.1.3 Объект моделирования - технологический комплекс производства агломерата (ТКПА)

Проблемная ситуация, подлежащая разрешению

Характеристика проблемной ситуации

Проблемная ситуация заключается в том, что трудно создать АИС для решения слабо формализованных задач с неявной логикой, например, задач управления сложными технологическими комплексами. Такая АИС должна одновременно решать несколько проблем: проверять достоверность данных, оценивать состояние диагностируемого объекта, проводить аналитические исследования и имитационное моделирование ситуаций, оптимизировать параметры технологического процесса и обеспечивать согласованное взаимодействие многочисленных участников производства. Можно себе представить, как сложно управлять автомобилем, не зная, какова будет его реакция на поворот руля.

Результаты выполненных нами исследований эффективности работы рудничных компрессорных установок (РКУ) показали, что на большинстве горных предприятий они работают при пониженной по отношению к паспортной, производительности и завышенном удельном расходе электроэнергии. В результате снижения производительности РКУ и утечек в сети снижается давление сжатого воздуха у потребителей, вследствие чего фактическая мощность пневматических двигателей оказывается на 30-50% ниже номинальной.

Дополнительные факторы, влияющие на проблемную ситуацию, которая должна быть разрешена при внедрении автоматизированной системы планирования, распределения и учета энергоресурсов на промышленном предприятии, заключается в следующем.

1. Энергетические затраты составляют существенную долю себестоимости производимой продукции, имеющую тенденцию к возрастанию.

2. Электроэнергия и природный газ представляют собой строго лимитированные ресурсы. Ошибки в прогнозе потребления электроэнергии и природного газа приводят к недостоверным заявкам предприятия на поставку этих ресурсов и, как следствие, к большим штрафам за невыполнение лимитов, определенных в договорах на поставку.

Факторы, определяющие необходимость внедрения системы учета энергоресурсов, сведены в табл.1.1

Таблица ─ 1 Обоснование необходимости внедрения системы учета энергоресурсов

№	Проблема	Решение с помощью системы
	Несоответствие фактических расходов ТЭР прогнозируемым	Минимизация погрешностей расчета прогнозируемых расходов ТЭР
	Медленная процедура поиска в архиве	Быстрый доступ с помощью поискового механизма системы
	Нет поиска изделия (проекта) по контексту наименования	Механизм поиска по контексту

 

Классификация математических моделей

Классификационные модели

Процесс познания начинается с соотнесения изучаемого объекта с другими, выявления сходства и различия между ними.

Протокол наблюдений содержит результаты измерений ряда признаков X для подмножества А объектов, выбранных из множества Г: каждый объект а Î АÌ Г обладает значениями признаков x_i=(x_i0, x_i1,..., x_in)Î (X₀, X₁,..., X_n), i=1, N, n-число признаков, N-число объектов в А. Признак характеризует конкретное свойство объекта, поэтому такой протокол называют таблицей " объект-свойство" /18/.

Способ обработки протокола зависит от цели обработки. Часто оказывается, что задача может быть сформулирована как определение по наблюдавшимся значениям признаков x=(x₁, x₂,..., x_n) значений ненаблюдаемого целевого признака x.

Существуют различные типы задач для классификационных моделей.

Кластеризация -поиск " естественной" группировки объектов. Не заданы ни границы классов в пространстве признаков, ни число классов. Требуется их определить, исходя из " близости", " похожести" или " различия" объектов x_i=(x_i1, x_i2,..., x_in).Компоненты вектора X-признаки класса, значения которых подлежат определению.

Классификация (распознавание образов).Число классов задано. Если также заданы границы между классами, то имеем априорную классификацию. Если границы требуется найти по классификационным примерам, то задача называется распознаванием образов по обучающей выборке. Целевой признак X имеет значения в номинальной шкале (имена классов).

Упорядочение объектов.Требуется установить отношения порядка между x₁₀, x₂₀,..., x_N0 по определенному критерию предпочтения.

Уменьшение размерности модели..Классификационные модели как первоначальные, " сырые", учитывают множество предположений, которые еще надо проверить. Так, сам список признаков X формируется эвристически и оказывается избыточным, содержащим " дублирующие" и " шумящие" признаки. Поэтому одна из важных задач совершенствования классификационных моделей состоит в уменьшении размерности моделей с помощью отбора наиболее информативных признаков. Информативные признаки могут оказаться различными для различных классов.

Числовые модели

Числовые модели отличаются от классификационных тем, что:

-целевые признаки x измеряются в числовых шкалах;

-числа х представляют собой функционалы или функции признаковых переменных, которые не обязательно все являются числовыми;

- в них гораздо чаще учитываются связи переменных во времени(в классификационных задачах время иногда называют " забытой" переменной).

Связи между входом и выходом системы могут быть заданы, например, в виде уравнения регрессии.

Назовем типичные задачи для числовых моделей.

Косвенные измерения (оценка параметра).Требуется определить значение х₀ по заданному множеству {x_1j}. В отличии от классификации х измеряется не в номинальной, а в числовой шкале.

Поиск экстремума (планирование эксперимента).Требуется разработать такой план одновременного изменения величин {x_ij}, чтобы за минимальное число шагов получить экстремальное значение целевого признака y_i.

⇐ Предыдущая12345678910Следующая ⇒

Поделиться: