53355

Автор(ы): 

Автор(ов): 

1

Параметры публикации

Тип публикации: 

Статья в журнале/сборнике

Название: 

К вопросу устойчивости прогнозирующей модели на основе кратномасштабного вейвлет-преобразования

ISBN/ISSN: 

2223-1560

DOI: 

10.21869/2223-1560-2019-23-2-109-123

Наименование источника: 

  • Известия Юго-Западного государственного университета

Обозначение и номер тома: 

Т.23, №2

Город: 

  • Курск

Издательство: 

  • Юго-Западный государственный университет

Год издания: 

2019

Страницы: 

109-123
Аннотация
Цель исследования. Настоящая работа посвящена проблеме создания прогнозирующих моделей производственных процессов и условиям их устойчивости. Методы: Прогнозирующие модели активно применяются в современных системах управления, интеллектуальных системах информационной поддержки принятия решений, играют огромную роль в любой деятельности, связанной с процессами обработки сигналов, в том числе обнаружения аномалий различных технологических процессов и оценке рискового потенциала объектов критической информационной инфраструктуры, а также могут применяться в системах мониторинга угроз безопасности. Особый класс в ряду прогнозирующих моделей представляют собой модели, основанные на знаниях о протекающих процессах (например, закономерностях, извлекаемых из данных, накопленных в результате работы объекта). Результаты. В статье рассмотрена относящаяся к этому классу виртуальная «мгновенная» модель объекта, представленная с учетом кратно-масштабного разложения векторов входных воздействий и прогноза выхода объекта. Рассматриваемая модель дает прогноз без учета возможных будущих состояний прогнозного фона. Для исследования устойчивости виртуальной «мгновенной» модели разработан подход, основанный на вейвлет-анализе, который характеризуется уникальной возможностью детального частотного анализа во времени. На основе этого подхода получены условия устойчивости прогнозирующей модели с выделением условий для аппроксимирующей и детализирующей составляющих для четырех типов соотношений между глубиной памяти по входу и выходу. Заключение: В статье приведена прогнозирующая модель процесса нефтепереработки, в которой глубина памяти по входу больше глубины памяти по выходу. Показано, что точность прогноза виртуальной «мгновенной» модели выше, чем у линейной прогнозирующей модели при редких данных лабораторного анализа. Для построенной модели проиллюстрировано одно из условий устойчивости в зависимости от глубины разложения. На основе анализа полученных результатов можно сделать вывод о применимости полученных условий устойчивости для оценки рискового потенциала реализации прогноза развития процесса в системах мониторинга угроз безопасности.

Библиографическая ссылка: 

Сакрутина Е.А. К вопросу устойчивости прогнозирующей модели на основе кратномасштабного вейвлет-преобразования // Известия Юго-Западного государственного университета. 2019. Т.23, №2. С. 109-123.