Интеллектуальная система адаптивного выбора сценариев параметрического обнаружения дивергенций данных мониторинга

от

 Ю.Е. Шишкин1,2, А.В. Скатков1

 1 Севастопольский государственный университет,  РФ, г. Севастополь, ул. Университетская, 33

2 Институт природно-технических систем,  РФ, г. Севастополь, ул. Ленина, 28

  E-mail: iurii.e.shishkin@gmail.com

DOI: 10.33075/2220-5861-2019-2-37-42

УДК 004.9

Реферат:

     В статье предложена интеллектуальная система поддержки принятия решений по выбору статистического критерия обнаружения дивергенции при анализе данных мониторинга сложных объектов и сред, учитывающая мощность и чувствительность критерия, наличие рисков. Представлена схема выбора параметрического критерия различия в зависимости от объема и количества выборок. Разработан компонент интеллектуальной информационной технологии, осуществляющей выбор оптимального параметрического критерия обнаружения различия данных мониторинга на основе автоматического выбора сценариев.

     Основой интеллектуализации системы поддержки принятия решений по выбору критериев различия выборок данных мониторинга сложных объектов и сред является ввод точек принятия решений, дающих возможность лицам, принимающим решения определять приоритеты: чувствительность или вероятность ложного срабатывания, в случае, когда Парето-оптимальное решение отсутствует. В теории принятия решений наибольшую сложность вызывает формирование оценочной матрицы, процесс которого до сих пор до конца не формализован и не имеет конкретного алгоритма решения. Поэтому в работе предложено осуществлять формирование оценочной матрицы на основе технологии информационных сценариев. У лица, принимающего решение имеется некоторая свобода в выборе сценариев, в то время как в рамках сценария эта свобода ограничена, это ограничение можно снять путем расширения списка сценариев. Облегчить процедуру выбора сценариев можно путем введения интеллектуальных решений на основе технологий искусственного интеллекта и механизмов адаптации.

   Для иллюстрации интеллектуального подхода в рамках информационной технологии рассмотрены три базовых сценария принятия решений в условиях неопределенности: минимаксный подход с относительными оценками, прямое голосование и минимизация рисков.

Ключевые слова: интеллектуализация, мониторинг среды, параметрические критерии, математическое моделирование, сложные системы, интеллектуальный анализ данных, поддержка принятия решений.

Полный текст в формате PDF

СПИСОК ЛИТЕРАТУРЫ: 

  1. Чимитова Е.В., Ведерникова М.А., Галанова Н.С. Непараметрические критерии согласия в задачах проверки адекватности моделей надежности по цензурированным данным // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. 2013. № 4 (25). С. 115–124.
  2. Кудлаев Э.М., Орлов А.И. Вероятностно-статистические методы исследования в работах А.Н. Колмогорова // Заводская лаборатория. Диагностика материалов. 2003. Т. 69. № 5. С. 55–61.
  3. Shishkin Y.E. Big Data visualization in decision making // Science in Progress: тез. Всерос. науч.-практ. конф. магистрантов и аспирантов. Новосибирск, 20 октября 2016 г. Новосибирск: НГТУ, 2016. C. 203–205.
  4. Гржибовский А.М. Анализ трех и более независимых групп количественных данных // Экология человека. 2008. № 3. С. 50–58.
  5. Новиков Д.А. Статистические методы в педагогических исследованиях (типовые случаи). М.: МЗ-Пресс, 2004. 67 с.
  6. Шишкин Ю.Е., Скатков А.В. Метрики качества для оценки и прогнозирования критических состояний // Качество и жизнь. 2019. № 1 (21). С. 61–66.
  7. Ларичев О.И. Свойства методов принятия решений в многокритериальных задачах индивидуального выбора // Автоматика и телемеханика. 2002. № 2. С. 146–158.
  8. Шишкин Ю.Е., Скатков А.В. Повышение достоверности оценок рисков в процессах мониторинга при распределениях общего вида // Системы контроля окружающей среды. 2019. № 1 (35). С. 41–47. DOI: 10.33075/2220-5861-2019-1-41-47
  9. Подиновский В.В., Ногин В.Д. Парето-оптимальные решения многокритериальных задач. М., 2007. 256 с.
  10. Гришко А.К., Кочегаров И.И., Лысенко А.В. Многокритериальный выбор оптимального варианта сложной технической системы на основе интервального анализа слабоструктурированной информации // Измерение. Мониторинг. Управление. Контроль. 2017. № 3 (21). С. 97–107.
  11. Башмаков А.И., Башмаков И.А. Интеллектуальные информационные технологии: Информатика в техническом университете. М., 2005. 302 с.
  12. Скатков А.В., Брюховецкий А.А., Шишкин Ю.Е. Разработка интеллектуальной технологии обнаружения аномалий экосистем акватории г. Севастополя // Системы контроля окружающей среды. 2019. № 1 (35). С. 27–34. DOI: 10.33075/2220-5861-2019-1-27-34
  13. Лемешко Б.Ю., Лемешко С.Б. Об устойчивости и мощности критериев проверки однородности средних // Измерительная техника. 2008. № 9. С. 23–28.
  14. Архипова Н.И., Кононов Д.А., Кульба В.В. Проблема выбора сценария управления мониторингом безопасного функционирования сложных систем // Проблемы управления безопасностью сложных систем: труды XVII Междунар. конф. Российская академия наук / под редакцией Н.И. Архиповой, В.В. Кульбы. 2009. С. 148–151.
  15. Массель Л.В., Гальперов В.И. Разработка многоагентных систем распределенного решения энергетических задач с использованием агентных сценариев // Известия Томского политехнического университета. Инжиниринг георесурсов. 2015. Т. 326. № 5. С. 45–53.

Loading