Содержание к диссертации
Введение
1. Развитие электроэнергетики с учетом особенностей электроснабжения потребителей регионов 11
1.1. Среднесрочные планы развития электроэнергетики и проблемы электроснабжения потребителей энергодефицитных регионов 11
1.2. Классификация потребителей и организация сбора данных о параметрах электропотребления 18
1.3. Особенности регионального электропотребления 22
1.4. Региональное электрическое хозяйство как объект информационного обеспечения 27
1.5. Выводы 35
2. Математический аппарат информационно-аналитического центра обеспечения принятия решений по надежности электроснабжения потребителей 37
2.1. Обоснование методов классического прогнозирования временных рядов 37
2.2. Ценологический подход к анализу и прогнозированию электропотребления совокупности потребителей 48
2.3. Возможности и принципы использования методов искусственного интеллекта для прогнозирования временных рядов 55
2.4. Варианты моделирования состава установленного оборудования в системе электроснабжения потребителей 67
3. Исследование системных свойств электротехнического комплекса электроснабжения потребителей 73
3.1. Анализ и проверка гипотез о закономерностях в формировании используемых данных 73
3.2. Формализация предлагаемого гибридного метода прогнозирования электропотребления предприятий и организаций региона 81
3.3. Результаты моделирования структуры установленного электрооборудования для оптимизации его состава в распределительном электросетевом комплексе 96
3.4. Анализ взаимосвязей ценозов различной природы на основе кластерного анализа 101
4. Разработка методик работы регионального аналитического центра 107
4.1. Методика прогнозирования электропотребления предприятий и организаций региона 107
4.2. Методика управления перспективным развитием электрохозяйства 110
4.3. Применимость методик и география проведенных исследований 114
4.4. Программное обеспечение аналитического центра принятия решений по надежности электроснабжения потребителей 119
4.5. Принцип организации и концептуальная модель информационно-аналитического центра региона 123
Результаты и выводы 127
Библиографический список использованной
Литературы 129
- Классификация потребителей и организация сбора данных о параметрах электропотребления
- Ценологический подход к анализу и прогнозированию электропотребления совокупности потребителей
- Формализация предлагаемого гибридного метода прогнозирования электропотребления предприятий и организаций региона
- Программное обеспечение аналитического центра принятия решений по надежности электроснабжения потребителей
Введение к работе
Актуальность работы. В условиях ресурсных ограничений и роста электропотребления важное значение приобретает планирование инвестиционных проектов для обеспечения недискриминационного и надежного доступа потребителей к электрической энергии. Это актуализирует необходимость возможно точного прогнозирования потребностей в объемах и мощности электроэнергии. Для выработки концепции развития систем электроснабжения важно изучение системных свойств и связей в структурах установленного электротехнического оборудования. В условиях высокого износа электрооборудования оптимизация технического обслуживания и ремонта позволит повысить надежность электроснабжения. Для этого необходимо создание информационно-методического обеспечения, опираясь на современные научные методы, что предполагает изучение структурного состава потребителей для обоснованного тарифообразования; внедрение компьютерных технологий и счетчиков электроэнергии. Повышение точности учета электрической энергии, позволит снизить потери, создаст информационную основу контроля над энергосбережением и положительно скажется на добросовестных потребителях.
Целью диссертационной работы является создание комплексной методики управления перспективным развитием систем электроснабжения потребителей на основе прогнозирования параметров их электропотребления, с учетом ценологических свойств распределения потребителей и структуры установленного электрооборудования.
Основные задачи работы заключаются в следующем:
1. Проведен анализ особенностей электроснабжения потребителей регионов и специфики учета электроэнергии;
2. Собрана и обработана статистика электропотребления юридических лиц в Белгородской области;
3. Выбран и адаптирован математический аппарат для обеспечения точности и устойчивости прогноза потребления электроэнергии предприятиями и другими юридическими лицами региона;
4. Проанализированы и оценены возможности прогнозирования временных рядов с помощью различных методов: статистических, теории техноценозов, искусственных нейронных сетей;
5. Осуществлен сбор данных о структуре установленного электрооборудования в одиннадцати областях центральной части России;
6. Произведено математическое моделирование и анализ структур установленного электрооборудования с помощью моделей простых чисел и гиперболических ранговидовых H-распределений;
7. Рассчитаны корреляционные взаимосвязи между структурами потребителей; установленным оборудованием, служащим для электроснабжения этих потребителей и персоналом, осуществляющим его обслуживание.
Методы исследования. Для решения поставленных задач в работе использованы классические вероятносто-статистические методы, ценологические и нейросетевые методы прогнозирования временных рядов, кластерный и корреляционный анализ. Теоретические исследования сопровождались расчетами в специализированных научных программных продуктах, в частности: Statistica, Mathcad.
Научная новизна заключается в следующем:
1. Показана инвариантность структуры установленного оборудования в распределительной системе электроснабжения потребителей региона;
2. Разработан гибридный метод прогнозирования электропотребления предприятиями региона на основе нейронных сетей и теории техноценозов;
3. Предложена архитектура информационно-аналитического центра региона, координирующего сбор, обработку и предоставление информации о работе энергосистемы и потребителей для мониторинга энергоэффективности их деятельности;
4. Доказано, что структура потребителей региона и структура установленного оборудования в системе электроснабжения взаимосвязаны, и могут быть смоделированы гиперболическими H-распределениями;
5. Создана комплексная методика управления перспективным развитием систем электроснабжения потребителей на основе прогнозирования потребностей в электроэнергии с учетом техноценологических свойств установленного оборудования.
Значение для теории состоит в развитии метода прогнозирования параметров помесячного электропотребления предприятий и организаций региона на основе нейронных сетей и ценологической теории; а также в разработке подхода к оценке взаимосвязанности ценозов, опираясь на кластерный и корреляционный анализ.
Достоверность результатов работы обеспечивается корректным применением научных методов; сбором информации об объекте исследований из надежных и компетентных источников; обоснованностью принимаемых допущений; сопоставимостью результатов исследований с существующими научными положениями.
Практическая ценность работы заключается в создании архитектуры информационно-аналитического центра на основе предложенных и обоснованных методик. Разработанные методы позволяют энергетическим компаниям и крупным потребителям электроэнергии производить анализ потребления электроэнергии и планирования развития электросетевого хозяйства. Представленные в диссертации положения позволяют проводить прогнозирование электропотребления предприятиями и организациями региона и предоставлять контролирующим органам информацию по развивающимся отраслям и эффективности программ энергосбережения.
Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на международных и всероссийских конференциях: XIV-ой конференции по технетике и общей ценологии с международным участием (г. Москва, 2009 г.); XL-ой Всероссийской научно-практической конференции (с международным участием) с элементами научной школы для молодежи «Федоровские чтения-2010» (г. Москва, 2010 г.); IV-ой международной научно-практической конференции «Энергетика и энергоэффективные технологии» (г. Липецк, 2010 г.); Девятой международной научно-практической конференции «Исследование, разработка и применение высоких технологий в промышленности» (г. Санкт-Петербург, 2010 г.).
Реализация работы. Результаты диссертационной работы опробованы и внедрены филиалами ОАО «Межрегиональная распределительная сетевая компания Центра» - «Белгородэнерго» и «Курскэнерго», что подтверждается соответствующими актами.
Публикации. По теме диссертационной работы опубликовано 14 печатных работ, из которых: 1 статья из перечня ВАК РФ, 2 статьи в ведущих периодических отраслевых изданиях, 11 статей в сборниках трудов международных и всероссийских научных конференций.
Структура и объем работы. Диссертация состоит из введения, четырех глав, выводов по работе, заключения, трех приложений и библиографического списка, выполнена на 146 страницах машинописного текста, содержит 15 рисунков, 12 таблиц. Библиографический список использованной литературы включает 128 наименований, из которых 17 публикаций на иностранном языке.
Классификация потребителей и организация сбора данных о параметрах электропотребления
Каждый регион обладает своими особенностями в структуре потребителей. Сложившаяся специализация регионов обуславливается историческими, политическими, экономическими, географическими, геологическими, климатическими и другими факторами. В исследуемом регионе (Белгородская область) можно выделить несколько основных групп потребителей: горно-обогатительное производство черных металлов 40% от общего потребления электроэнергии предприятиями и организациями; металлургия черных металлов 26%; сельскохозяйственное производство (птицекомплексы и свинокомплексы, производство кормов и продуктов питания) 7,5%; производство строительных материалов 5%; жилищно-коммунальное хозяйство 4%; машиностроение 2%.
Сбытовые компании в своей деятельности выделяют следующие группы потребителей, в соответствии с [31]: 1) базовые потребители; 2) население; 3) прочие потребители; 4) организации, оказывающие услуги по передаче электрической энергии, приобретающие ее в целях компенсации потерь в сетях, принадлежащих данным организациям на праве собственности или ином законном основании.
Всех потребителей можно разделить на две большие категории: физические лица и юридические лица. Для предприятий и организаций можно выделить также деление по следующим признакам: категория надежности электроснабжения; величина заявленного максимума нагрузки; годовое число часов использования максимума нагрузки; уровень электроснабжения, от которого осуществляется питание потребителя; принцип закупки электроэнергии (оптовый, розничный рынки). Для физических лиц можно установить деление на обычных потребителей и имеющих льготы на оплату. По способу учета электроэнергии потребителей можно классифицировать на следующие группы: автоматизированный учет с использованием АИИС КУЭ, ручное снятие показаний измерительных приборов, бесприборное потребление [32]. По тарифным группам можно выделить деление на: односта-вочные (только за электроэнергию); двуставочные (за электроэнергию и мощность); зонные (учитывающие временные зоны суток: пиковая, полупиковая, минимум, выходные и праздничные дни).
Существует большое количество классификаторов предприятий и организаций по самым различным критериям. На данный момент одним из самых полных классификаторов по видам деятельности для мониторинга регионального развития можно считать общероссийский классификатор видов экономической деятельности (ОКВЭД). Этот классификатор состоит из разделов, подразделов и собственно древовидного классификатора.
Поскольку сообщество предприятий и организаций региона представляет собой ценоз, то можно выделить ценологические ограничения на классификацию потребителей по виду деятельности: невозможность составить полный перечень всех видов деятельности (т.е. при любых условиях будут «прочие» и «остальные» и т.д.); сложность выработки подхода к необходимому уровню вложенности (глубины) классификатора; трудности в выборе достаточного количества присвоений классов одному предприятию (поскольку большие предприятия могут иметь несколько видов деятельности, в том числе с точки зрения ОКВЭД).
Нарастающая глобализация приводит предприятия к пониманию необходимости снижения издержек и повышения эффективности использования ресурсов. Поскольку на территории России размещаются достаточно энергоемкие производства, то затраты в себестоимости продукции на покупку топливно-энергетических ресурсов достигают 30-35% (на электроэнергию до 11%) [33, 34]. Поэтому значительным источником экономии может служить учет и оптимизация электропотребления. Сокращение электропотребления предприятием достигается: оптимизацией режимов электропотребления, снижением максимумов активной и реактивной мощности предприятия, внедрением мероприятий по выравниванию графиков нагрузки. Поскольку возможности регулирования у каждого цеха (агрегата) различны, то потребители-регуляторы можно условно разделить на следующие группы: 1) технологический процесс одинаков для каждого цикла (смены), но изменением времени начало-конец цикла можно максимальной нагрузкой уйти с часов прохождения максимума на время, где такая нагрузка допустима, например ночь; 2) технология непрерывна и несдвигаема, но продукция различна по электроемкости, а сам процесс регулируем по интенсивности; 3) технология допускает прерывание (остановку) такую, что экономия оплаты за электроэнергию перекрывает существенно некоторые неудобства из-за остановки; 4) цеха (приемники) свободны от технологических ограничений на снижение нагрузки [35-37]. Поскольку стоимость производства электроэнергии при неравномерном графике нагрузки при прочих равных условиях всегда выше, чем при равномерном, то для эффективного и рационального покрытия графика нагрузки энергосистемы возможно использование потребителей-регуляторов. Под потребителем-регулятором обычно подразумевают потребителя, способного работать в режиме, согласованном с энергосистемой и способствующего заполнению провалов и (или) снятию пиковых нагрузок [38]. Организация коммерческого и технического учета электроэнергии на предприятии, классификация приемников (потребителей) по возможностям регулирования и внедрение технических средств регулирования позволит предприятию подготовиться к выходу на оптовый рынок электроэнергии [39].
Ценологический подход к анализу и прогнозированию электропотребления совокупности потребителей
Методы исторической аналогии основаны на поиске исторических данных о профиле нагрузок. Также к ним можно отнести измерения, проводимые в «режимные дни». При использовании этого метода в качестве спрогнозированного значения принимается найденный исторический профиль. При отсутствии данных прогноз делается на основании линейной комбинации нескольких подобных дней.
Экспертные системы представляют собой алгоритмизированные правила и процедуры, применяемые экспертами в прикладной области. Основным назначением экспертных систем является решение неформализованных задач. Экспертные системы нашли применение в энергетике для решения задач прогнозирования электропотребления с учетом различных факторов [70]. Перечислим трудности построения базы экспертных знаний: 1) в большинстве случаев эксперт не может сообщить общих абстрактных правил, 2) реальные задачи могут охватывать множество практических ситуаций, 3) люди, передающие знания компьютеру неизбежно могут ошибаться. Согласно исследованиям в области когнитивной психологии, человек достигает высот профессионального мастерства не ранее, чем спустя 10 лет интенсивной практики. За это время не только увеличивается объем его знаний, но и меняется их структура, стратегия мышления [71]. Таким образом, можно говорить о том, что достигается синергетический эффект от ранее изученных экспертом технологий.
Ценологическое прогнозирование основывается на понятии техноценозов, предполагающего наличие слабых взаимосвязей и системных взаимодействий между всеми элементами, образующими систему [72]. Для использования ценологического метода необходимо знание ретроспективных данных по ценозообразующим элементам. Ценоз обладает свойством фракталь-ности, что проявляется в размытости границ и в изменчивости составляющих его штук-особей, различающихся видовой принадлежностью (маркой, моделью и т.д.). Электропотребление достаточно устойчиво во времени и для многих предприятий является определяющим (лимитирующим) ресурсом производства. Задача анализа электропотребления во времени и его структуры становится неотделимой от результата моделирования — прогнозных значений электропотребления.
Можно выделить три подхода к использованию ценологической теории для прогнозирования электропотребления предприятий и организаций региона. Учитывая, что величина электропотребления непрерывна, исследование проводится в ранговой форме: каждому предприятию (потребителю) присваивается ранг г — целое число в порядке убывания исследуемого параметра At. Ранг г = 1 приписывается особи-потребителю с наибольшим электропотреблением Аг; минимальное — ранг, равный количественно общему числу предприятий (потребителей). Невозрастающая функция А (х), где х — непрерывный аналог целочисленного г, в качестве основы для построения рангового if-распределения: где /? — характеристический показатель, определяющий степень крутизны кривой; Аг - константа. Чем больше /?, тем круче гиперболическая кривая и больше разрыв в электропотреблении между несколькими крупными предприятиями и остальными (в теории должно быть /? 2). Параметры Н-распределения характеризуют ценоз, качественно отражая связи между особями внутри ценоза и говоря о сходстве или их различии. Техноценологические параметры зависят от природных, технических, информационных, социальных факторов, определяющих положение ценоза на временной траектории развития и его структуру.
Первый подход заключается в статичном двумерном описании структуры ценоза в целом с использованием рангового по параметру Н-распределения. Прогнозирование производится на основании свойства устойчивости (инвариантности) структуры ценоза, которая устанавливается под воздействием информационного отбора, происходящего в ценозе, проявляется во флуктуациях //-распределения в пределах характеристического показателя, что отражает внутренние процессы отбора внутри ценоза, приводящие к движению элементов ценоза — особей по кривой. Таким образом, устойчивость констант математического описания ценоза накладывает ограничения на его структуру. Учет этих ограничений позволяет решать задачи прогнозирования в тех случаях, когда иные методы не способны обеспечить удовлетворительное качество получаемых прогнозов [73]. Метод прогнозирования пояснен на рис. 3.
В соответствии со вторым подходом, в прогнозировании участвует также учет временных изменений структуры ценоза. Такой подход рассмотрен в работах [74-76] и называется прогнозированием на основе динамики первого рода. В этом методе считается, что ранг объекта в структуре ценоза не меняется с течением времени.
Формализация предлагаемого гибридного метода прогнозирования электропотребления предприятий и организаций региона
Результаты децильного анализа структуры помесячного электропотребления предприятиями региона показали, что предприятия с наибольшим электропотреблением, образующие первый дециль потребляют 96% всего объема электроэнергии. Объем электропотребления вторым децилем намного меньше и составил 2%, третьим — 0,8%, четвертым — 0,4%, пятым — 0,3%, шестым — 0,2%, седьмым — 0,1%, восьмым — 0,1 %, девятым — 0,03%, десятым — 0,01% от общего потребления электрической энергии. Отношение объемов электропотребления между первым и последним децилями составило 7800 раз, что, вообще говоря, резко противоречит оптимуму по ценологической теории. А разница в потреблении самого крупного предприятия самого мелкого достигло величины в 280 000 000 раз. Следует отметить также, что двадцать самых крупных предприятий Белгородской области потребляют три четверти всей электроэнергии.
Вышеприведенные доводы и рассуждения подтверждают правильность подхода к совокупности юридических лиц — потребителей региона как к региональному техноценозу. И соответственно для математического описания исследуемой статистики возможно применение рангового и ценологического анализа.
Исследуемая выборка данных по электропотреблению насчитывает 55 измерений, под измерением в данном случае понимается величина месячного электропотребления предприятием. Согласно [60], при прогнозировании на 10 шагов вперед для, чтобы ошибка не превысила 10% от дисперсии наблюдаемого явления, необходим временной ряд длиной не менее 62 измерений. Таким образом, исследуемую выборку данных можно считать коротким временным рядом. Согласно рекомендациям, приведенным в [60], одним из путей анализа такого временного ряда предлагается использование дополнительной информации в виде экспертных суждений.
Использование нейронных сетей для прогнозирования временных рядов уже давно нашло широкое применение в науке и производстве. Прогнозирование электропотребления с приемлемой точностью с помощью технологий нейронных сетей показано в литературе [104-106].
Как было показано в параграфах 2.1 и 3.1, исследуемую выборку данных можно считать коротким временным рядом. Поскольку искусственные нейронные сети требуют для обучения достаточно большой объем исторической информации, то для повышения точности прогноза введем дополнительные каналы данных. Для обеспечения правильности прогнозирования следует выбирать те факторы, которые оказывают существенное влияние на величину электропотребления. Совокупность влияющих факторов должна образовывать репрезентативную выборку. Выбор и учет этих факторов для каждой задачи прогнозирования является отдельной задачей. До начала прогнозирования производится предварительная оценка влияния этих факторов.
Поиск влияющих факторов осуществляется на основе логического анализа взаимосвязи различных процессов, определяющих электропотребление предприятий. Существенное влияние на электропотребление оказывают метеорологические факторы - температура наружного воздуха, естественная освещенность, влажность, скорость ветра. В литературе предложено несколько гибридных методов с использованием нейронных сетей, использующих несколько различных влияющих метеофакторов [107]. Отсутствие фиксации значений метеофакторов на объектах, а также их неполный состав всегда ухудшают качество расчетов. В совокупность факторов необходимо включать данные основных влияющих факторов — температуры, естественной освещенности, а также дополнительных — влажности, силы ветра, давления. Сбор и обработка метеорологической информации должны производиться с дискретностью фиксации, соответствующей дискретности электропотребления. Принимая во внимание, что для множества предприятий региона затруднительно собрать данные по метеофакторам в необходимом разрезе, то учитывать действие совокупности метеофакторов можно, указав месяц [108].
Другим важным фактором, влияющим на электропотребление предприятий, является количество потребителей и приемников. В зависимости от того, какая именно решается задача, учет этого фактора может быть различным. Подтверждено и влияние количества рабочих и выходных дней в месяце на помесячное электропотребление. Исходя из качественного анализа структуры предприятий и организаций региона, можно отметить, что потребление производствами непрерывного цикла составляет около 65% от общего потребления предприятиями Белгородской области. Таким образом, к влияющим факторам на месячное электропотребление можно отнести количество дней в месяце.
Поскольку ценологические методы и ранговой анализ доказали свою ценность в прогнозировании системной динамики техноценозов, то считаем целесообразным в качестве дополнительной экспертной оценки использовать именно информацию о ценологических свойствах изучаемого техноценоза.
В результате исследований было проведено несколько десятков вычислительных экспериментов по обучению нейронных сетей различных архитектур, с различными обучающими данными (по количеству входов, сглаженные временные ряды, различные варианты масштабирования, сдвиг выборки данных). Наиболее оптимальным для имеющегося массива данных можно назвать использование многослойного персептрона, на входные нейроны которого подаются четыре временных ряда: электропотребление, количество потребителей, количество дней в месяце, характеристический показатель (3.
Многослойный персептрон имеет три отличительных признака: 1) Каждый нейрон сети имеет нелинейную функцию активации. Важно подчеркнуть, что данная нелинейная функция является гладкой (т.е. всюду дифференцируемой). Самой популярной формой функции, удовлетворяющей этому требованию, является сигмоидальная, определяемая логистической функцией где Vj — индуцированное локальное поле (т.е. взвешенная сумма всех синап-тических входов плюс пороговое значение) нейронау; уу - выход нейрона. 2) Сеть содержит один или несколько слоев скрытых нейронов, не яв ляющихся частью входа или выхода сети. Эти нейроны позволяют сети обу чаться решению сложных задач, последовательно извлекая наиболее важные признаки из входного образа (вектора). 3) Сеть обладает высокой степенью связности, реализуемой посред ством синаптических соединений. Изменение уровня связности сети требует изменения множества синаптических соединений или их весовых коэффици ентов.
Программное обеспечение аналитического центра принятия решений по надежности электроснабжения потребителей
Переход к информационному обществу ознаменовал бурное развитие программирования и создание большого разнообразия программных продуктов. Для крупных предприятий характерны большие информационные потоки, управлять и обрабатывать которые необходимо с помощью соответствующих программных продуктов. В настоящее время для таких целей используются решения на базе систем класса ERP (Enterprise Resource Planning) различных мировых производителей, например, SAP, Oracle, Microsoft, IBM. Все эти системы отличает комплексный подход к автоматизации деятельности компаний [120].
В России наиболее широко используется программное обеспечение SAP ERP немецкой фирмы SAP AG. Эта система позволяет автоматизировать такие бизнес-сферы компаний как: финансовая бухгалтерия, управление персоналом, ведение реестра активов (электронный паспорт), управление техническим обслуживанием и ремонтами оборудования, проведение расчетов с потребителями, сбытовые операции, планирование производства. Для покрытия всех потребностей в информационном обеспечении организации, как правило, служит архитектура, в которой ядром системы выступает ERP, а для решения ряда специальных задач используются другие программные продукты. Управление производственными процессами производится с помощью систем типа SCADA, а аналитические математические задачи решать специальными пакетами, например, Statistica, Matlab. Интеграция всего набора программных пакетов осуществляется через определенные протоколы обмена информацией: ОРС, RFC, HTTP(S), FTP, ODBC, SOAP, JDBC и т.д. На рисунке 14 приведен возможный набор программных средств для анализа надежности электроснабжения потребителей и разработке программ перспективного развития электрического хозяйства, с учетом состава прикладсистем АСТУ, приведенного в таблице 2.
Для реализации предлагаемого метода прогнозирования электропотребления можно предложить использовать возможности описанной схемы. Информация об электропотреблении предприятий и организаций региона собирается в ERP систему, при наличии АСКУЭ и интеграции АСКУЭ с ERP системой - автоматически загружается, при отсутствии - данные вводятся вручную в ERP систему контроллером. Из ERP системы информация может быть выгружена в различные форматы данных, например в электронные таблицы Excel. Существует также возможность загрузить данные напрямую в аналитические программы с помощью программирования соответствующего интерфейса. Из электронных таблиц данные копируются в специализированную программу. Для построения прогноза было использовано аналитическое программное обеспечение Statistica.
Специализированное программное обеспечение для прогнозирования с помощью искусственных нейронных сетей должно удовлетворять следующим требованиям: возможность настройки различных параметров; наличие различных архитектур нейронных сетей; наличие полной русскоязычной документации; использование общепринятых протоколов обмена информацией; возможности коллективной работы (что особенно актуально для больших компаний, имеющих развитую филиальную сеть). В результате проведенного анализа программных продуктов решено было использовать Statistica от компании StatSoft с пакетом нейронных сетей Neural Networks.
К преимуществам Statistica Neural Networks для использования крупными предприятиями и организациями можно отнести: 1. Встроенное пре- и пост- процессирование, включая отбор данных, кодирование номинальных значений, шкалирование, нормализацию и замену пропущенных данных, с интерпретацией для задач классификации, регрессии и временных рядов; 2. Мастер решений может провести пользователя шаг за шагом через процедуру создания множества разных сетей и выбора сети с лучшей производительностью (задача, которая в остальных случаях требует длительного процесса проб и ошибок и солидной подготовки в теории подгонки (аппроксимации)); 3. Мощные разведочные и аналитические методы, включая алгоритмы понижения размерности; 4. Современные, оптимизированные алгоритмы обучения (включая методы сопряженных градиентов и Левенберга-Маркара); полное управление всеми аспектами, влияющими на производительность сети, такими как функции активации и ошибки, или сложность сети; 5. Поддержка объединенных в наборы сетей комбинаций сетей и сетевых архитектур практически неограниченных размеров; выборочное обучение сетевых сегментов; слияние, сохранение наборов сетей в отдельных файлах; 6. Удобное графическое и статистическое представление, которое позволяет провести интерактивный разведочный анализ; 7. Полная интеграция с системой STATISTICA, включая прямую пересылку данных и графиков в STATISTICA для дальнейшего анализа и настройки результатов (STATISTICA Нейронные Сети также можно использовать как самостоятельное приложение); 8. Наличие API (Application Programming Interface - интерфейс прикладного программирования) поддерживающий встроенные решения, используя Visual Basic, Delphi, С, C++ и другие языки; 9. Возможность генерации исполняемого кода, который можно использовать в других приложениях. Корпоративные системы STATISTICA сочетают высоко производительный доступ к данным, а также технологии системной интеграции с мощными аналитическими возможностями и дружественным интерфейсом STATISTICA. Эти решения позволяют создавать Запросы к базам данных, проводить автоматизированные и интерактивные Анализы и получать результаты в специальном виде. Кроме этого, в корпоративных системах STATISTICA присутствует возможность групповой работы.
