Введение к работе
Актуальность проблемы. В современных условиях задача мониторинга представляет собой сложную систему сбора, хранения и обработки информации, а также выработки решений на ее основе. Такие систематические, постоянные наблюдения, сбор и анализ данных о наблюдаемом объекте или явлении, проводятся во всех областях современной жизни.
Так как мониторинг представляет собой сложную систему, позволяющую вырабатывать управленческие решения на основе накопленной информации, его современная реализация невозможна без привлечения вычислительной техники. Поэтому актуальным становится создание автоматизированных информационных систем, включающих в себя системы поддержки принятии решений (СППР) на основе современных математических моделей и методов, позволяющих эффективно использовать данные мониторинга.
Существующие методы математической обработки данных мониторинга обладают высокой погрешностью из-за невозможности учета в используемых моделях зашумленных, неполных, а также качественных данных, присущих реальным объектам. Однако применяемые сегодня в различных областях знаний искусственные нейронные сети и нечеткие гибридные системы управления позволяют учесть неполноту и зашумленность исходных данных, а также привлечь для анализа качественные экспертные оценки.
В области современных интеллектуальных математических моделей и методов работают такие ученые, как: академик РАН Е.А. Федосов (ФГУП ГосНИИАС), академик К.А. Пупков (МГТУ им. Н.Э. Баумана), профессор Кузнецов О.П. (ИПУ РАН), профессор Лешек Рутковский (член Академии Наук Польши), профессор А.Н. Горбань (Лестерский Университет (Великобритания)) и др. Применение фундаментальных знаний в современных мониторинговых СППР, как правило, направлены на решения частных задач. Например, в работах Д. Ю. Стрункина и Л.Ю. Емалетдиновой рассматриваются модели медицинского мониторинга по прогнозированию выживаемости пациентов на основе нечеткой нейронной сети, применение моделей искусственного интеллекта при мониторинге систем информационной безопасности рассмотрено в работах Кочетковой А.С., интеллектуальному мониторингу энергетических систем посвящены работы D.Niebur, нечеткие системы мониторинга теплоустановок рассмотрены в работах Михайленко B.C. и Никольского В.В. и т.д. Однако необходимый системный анализ, комплексные подходы к построению интеллектуальных моделей мониторинга, а также исследование практической применимости моделей и методов отсутствуют.
В связи с этим актуальной является задача исследования возможности применения нейросетевого и нечеткого моделирования для создания системы поддержки принятия решений с целью повышения эффективности мониторинга в условиях неполной и нечеткой информации для оперативной оценки и прогноза состояния объекта с разработкой принятия адекватных управленческих решений.
Цель работы и задачи исследования. Целью настоящего исследования является повышение эффективности мониторинга в различных областях человеческой деятельности при наличии неполной и нечеткой информации в качестве мониторинговых параметров путем разработки нейросетевых, нечетких и нейронечетких математических моделей, методов и алгоритмов расчетного мониторинга
и их реализации в системе поддержки принятия решений в рамках автоматизированной информационной системы.
Нейросетевое моделирование для решения задач мониторинга в условиях неполной и нечеткой информации рассматривается на примере расчетного экологического мониторинга в системе обеспечения экологической безопасности, так как, с одной стороны, повышение уровня экологической безопасности является важной народнохозяйственной проблемой, с другой стороны эта область наиболее полно и глубоко отражает специфику решаемых в исследовании задач по моделированию в условиях неполной, неточной и нечеткой исходной информации.
Для достижения поставленной цели в результате анализа существующих автоматизированных информационных систем, их преимуществ и недостатков, а также нормативных актов и документов правительства и министерств РТ, необходимо решить следующие основные задачи:
-
Обоснование преимуществ методов нейросетевого моделирования по сравнению с существующими моделями и методами расчетного мониторинга при их использования в условиях неполной, неточной и нечеткой информации, обусловленной отсутствием или недостаточностью данных систематических наблюдений.
-
Разработка системы информационного обеспечения для субъектов мониторинга на основе автоматизированных информационных систем и реализации в них математических моделей и методов расчетного мониторинга.
-
Разработка математических моделей и методов на основе нейронных сетей для решения задач наблюдения, оценки и прогноза выделенных объектов мониторинга на исследуемой территории в условиях неполных и неточных мониторинговых данных.
-
Разработка математических моделей и методов на основе аппарата нечеткой логики и нечетких нейронных сетей для создания системы поддержки принятия управленческих решений с целью обеспечения экологической безопасности территории.
-
Создание практических схем системы "эксперт-принятие решения" на основе реализации разработанных математических моделей и методов.
Методы исследования. При решении поставленных задач в работе использовались математические модели и методы теории нейронных сетей, кластерного и факторного анализа, теории нечетких множеств и нечеткого управления и классические методы оптимизации.
Научная новизна. В диссертационной работе получены следующие новые научные результаты:
1. Разработана методика построения прогнозирующей нейросетевой модели при
статичных характеристиках источников загрязнения.
2. Разработан метод редукции нейросетевой модели по принципу
многокритериального обучения.
3. Разработана многосетевая модель прогнозирования - многосетевой эксперт,
представляющий собой составную нейросетевую модель, состоящую из
совокупности нейросетевых моделей, каждая из которых предназначена для
обработки некоторого подмножества входных данных. Модель разработана в двух
вариантах:
3.1. На основании разбиения входного множества на кластеры сетью Кохонена.
3.2. На основании разбиения входного множества на кластеры в зависимости от
значения ошибки прогнозирования единой нейронной сетью. Для программной реализации модели разработан алгоритм динамического выделения кластеров.
-
Разработана методика построения нейросетевых моделей зависимостей критических временных интервалов от метеоусловий.
-
Разработана методика построения модели выявления сочетания метеорологических параметров как неблагоприятных.
-
Разработан нейро-нечеткий подход оценки состояния окружающей среды для поддержки принятия решений в системе управления экологической безопасностью. В рамках подхода:
-
Разработан метод экспертного формирования систем для расчета вероятностного риска на основе нечеткого вывода и нейронечетких сетей.
-
Разработан метод автоматизированного формирования системы расчета вероятностного риска на основе систем нечеткого вывода и нейронечетких сетей.
-
Разработан метод качественной оценки состояния окружающей среды на основе систем нечеткого вывода.
-
Разработана методика практической реализации нейро-нечеткого подхода к оценке состояния окружающей среды.
Достоверность результатов работы. Достоверность научных результатов
подтверждена вычислительными экспериментами и результатами практического
использования.
Практическая ценность работы заключается в создании вычислительного комплекса на основе пакетов моделирования MatLab, Statistica, Deductor с применением модулей на языках Delphi и С# для поддержки принятия решений в автоматизированной информационной системе обеспечения экологической безопасности региона. Особенностью программного комплекса является простота использования заинтересованными организациями на основе общедоступного перечня входных характеристик - статистических данных и состоянии объектов окружающей среды и техногенных параметров источников загрязнения без привлечения дорогостоящей измерительной аппаратуры и получения труднодоступных данных. Разработанные методики и спроектированные на их основе программные модули применялись для прогноза уровня загрязнения атмосферы, предсказания неблагоприятных метеорологических ситуаций и оценки состояния объектов окружающей среды на территории г. Нижнекамска. Проведенные эксперименты показали, что в результате применения разработанных методик и алгоритмов точность прогноза уровня загрязнения объектов окружающей среды повышается более чем в 10 раз (по сравнению с существующими методиками), возможность прогнозирования неблагоприятных метеорологических ситуаций без дорогостоящих аэрологических наблюдений реализована впервые, а также впервые разработана автоматизированная система оценки состояния объектов окружающей среды для поддержки принятия управленческих решений.
Предложенные в работе методы и алгоритмы доведены до конкретных инженерных методик, реализованных в среде диалоговой системы, которая может использоваться в автоматизированных информационных системах обеспечения экологической безопасности.
Работа выполнялась в рамках гранта Академии наук Республики Татарстан по направлению «Экологическая безопасность РТ» (2007 год), гранта Президента Российской Федерации для государственной поддержки молодых российских ученых -докторов наук МД-3110.2009.5 от 24.09.2009 по теме «Разработка технологи расчетного
мониторинга загрязнения объектов окружающей среды мегаполиса, методов анализа экологического риска и механизмов обеспечения экологической безопасности населения и территории на основании инновационных 1Т-технологий».
Прикладные результаты диссертационной работы использованы в работе Управления государственной экологической экспертизы и нормирования воздействия на окружающую среду Министерства экологии и природных ресурсов РТ, отдела режима, мобилизационной подготовки, гражданской обороны и чрезвычайных ситуаций и мониторинга транспортного комплекса Министерства Транспорта и дорожного хозяйства РТ, сектора охраны труда и экологической безопасности Министерства Транспорта и дорожного хозяйства РТ, а также в учебном процессе Казанского Национального Исследовательского технического университета им. А.Н. Туполева.
Апробация работы. Основные результаты работы докладывались и обсуждались на следующих международных, всероссийских, республиканских конференциях:
XIV Молодежная научная конференция «Туполевские чтения» (Казань, 2006г.), X Международная научно-практическая конференция «Системный анализ в проектировании и управлении» (Санкт-Петербург 2006г.), Юбилейная конференции ИАНТЭ КГТУ им. Туполева (Казань 2007г.), Республиканская научная конференция АН РТ «Актуальные экологические проблемы Республики Татарстан» (Казань 2007г.), всероссийская научно-практическая конференция «Техносферная безопасность» (Ростов-на-Дону 2007г.), Республиканская научная конференция молодых ученых АН РТ «Актуальные экологические проблемы Республики Татарстан» (Казань 2008г.), X Международная научно-практическая конференция «Техносферная безопасность» (Ростов-на-Дону 2008г.), V международная научно-практическая конференция «Автомобиль и техносфера» (Казань 2008г.), V Всероссийская научно-техническая конференция «Проблемы и перспективы развития авиации, наземного транспорта и энергетики» (Казань 2009г.), XI Международная научно-практическая конференция «Техносферная безопасность» (Ростов-на-Дону 2009г.), Всероссийская научно-практическая конференция «Проблемы перехода к устойчивому развитию монопрофильных городов» (Нижнекамск 2010г.), V Международная научно -практическая конференция при участии молодых ученых и студентов (Харьков 2010г.), Международная научно - практическая конференция «Развитие и динамика иерархических (многоуровневых) систем» (Казань 2010г.), XIII Всероссийская научно -практическая конференция Ростовского государственного строительного университета (Ростов - на - Дону - Михайловское 2010г.), XII Международная научно-техничекая конференция «Кибернетика и высокие технологии XXI века» (Воронеж 2011г.), XV Международная научно-практическая конференция «Системный анализ в проектировании и управлении» (Санкт-Петербург 2011г.), II Международная научно-практическая конференция «Модернизация народного хозяйства» (Троицк, 2011г.), Международная научно-практическая конференция «Современные технологии, материалы, оборудование и ускоренное восстановление квалифицированного кадрового потенциала- ключевые звенья в возрождении отечественного авиаракетостроения» (Казань, 2012г.), II Международная научно-практическая конференция «Современные проблемы безопасности жизнедеятельности: теория и практика» (с международным участием) (Казань, 2012).
Публикации. По теме диссертации опубликовано 42 научных работы, в том числе 20 тезисов докладов, 19 статей в журналах, рекомендуемых ВАК, одна зарубежная публикация, одна монография и одно учебно-методическое пособие.
Структура диссертации. Диссертационная работа состоит из введения, четырех
глав, заключения, списка литературы и трех приложений. Работа включает 256 страниц основного текста, 97 рисунков, 15 таблиц. Список литературы содержит 215 наименований.
Благодарности. Автор выражает глубокую искреннею благодарность доктору технических наук, профессору Лилии Юнеровне Емалетдиновой за всестороннюю помощь в работе над диссертацией.
Похожие диссертации на Нейросетевое моделирование для решения задач мониторинга в условиях неполной и нечеткой информации : на примере задач экологического мониторинга
