Синтез і настройка баз нечітких знань для моделювання багатовимірних залежностей

7. Розроблено автоматизовану систему прогнозування добових графіків споживання електричної потужності – програмний засіб автоматизації отримання баз нечітких знань як моделей прогнозування на основі запропонованих математичних моделей і методів. Синтезована прогнозуюча система здатна самонавчатись, тобто підлаштовуватись під нові статистичні дані, що надходять з плином часу, і відповідним чином здійснювати перебудову існуючих матриць знань, усуваючи таким чином їх “моральне старіння”. Використання розробленого програмного забезпечення дасть змогу прогнозувати можливі тенденції споживання електричної потужності, що має велике значення для вжиття тих чи інших заходів в плані енергозбереження в системі електропостачання.

 

 

1. Ротштейн А. П., Митюшкин Ю. И. Идентификация нелинейных зависимостей нейронными сетями // Проблемы бионики. – 1998. – № 49. – С. 168-174.

2. Ротштейн О. П., Мітюшкін Ю. І. Застосування нейронних мереж для ідентифікації нелінійних залежностей // Вимірювальна та обчислювальна техніка в технологічних процесах. – 1998. – № 3. – C. 9-15.

3. Ротштейн А. П., Митюшкин Ю. И. Нейролингвистическая идентификация нелинейных зависимостей // Кибернетика и системный анализ. – 2000. – № 2. – С. 37-44.

4. Ротштейн О. П., Мітюшкін Ю. І. Нейро-лінгвістична ідентифікація нелінійних залежностей // Вимірювальна та обчислювальна техніка в технологічних процесах. – 1998. – № 4. – C. 5-12.

5. Ротштейн А. П., Митюшкин Ю. И. Извлечение нечетких баз знаний из экспериментальных данных с помощью генетических алгоритмов // Кибернетика и системный анализ. – 2001. – № 4. – С. 45-53.

6. Мокін Б. І., Мітюшкін Ю. І. Застосування баз нечітких знань для прогнозування добових графіків споживання електричної потужності // Тези доповідей VI-ї Міжнародної науково-технічної конференції “Контроль і управління в складних системах” (КУСС-2001). – Вінниця: УНІВЕРСУМ-Вінниця. – 2001. – С. 180.

7. Мокін Б. І., Мітюшкін Ю. І. Прогнозування добових графіків споживання електричної потужності на основі баз нечітких знань // Вісник ВПІ. – 2001. – № 3. – С. 47 – 54.

8. Мокін Б. І., Мітюшкін Ю. І. Моделювання процесу прогнозування добових графіків споживання електричної потужності на основі баз нечітких знань // Вісник ВПІ. – 2001. – № 5. – С. 58-63.

 

 

Мітюшкін Ю. І. Синтез і настройка баз нечітких знань для моделювання багатовимірних залежностей.

Дисертація у вигляді рукопису на здобуття наукового ступеня кандидата технічних наук за спеціальністю 01. 05. 02 – математичне моделювання та обчислювальні методи. Вінницький державний технічний університет. Вінниця, 2001.

Дисертація присвячена розробці методів і алгоритмів синтезу і настройки баз нечітких знань для ідентифікації багатовимірних нелінійних об’єктів, частина параметрів яких не мають кількісних оцінок.

Запропоновано метод синтезу баз нечітких знань як моделей багатовимірних нелінійних об’єктів шляхом їх отримання із експериментальних даних на основі генетичних алгоритмів оптимізації, а також метод тонкої настройки синтезованих баз нечітких знань шляхом навчання відповідних нейро-нечітких мереж по вибірці експериментальних даних. Результати комп’ютерних експериментів підтверджують дієздатність розроблених методів і моделей при дослідженні об’єктів різної розмірності як з дискретним, так і з неперервним виходом, стійкість і збіжність їх алгоритмів.

Розроблено методику і алгоритм реалізації процесу прогнозування добових графіків споживання електричної потужності з врахуванням нечітких факторів впливу. Комп’ютерні експерименти продемонстрували адекватність запропонованого підходу до розв’язання даної задачі.

Ключові слова: методи ідентифікації, багатовимірні нелінійні об’єкти, бази нечітких знань, генетичні алгоритми оптимізації, тонка настройка, нейро-нечіткі мережі, прогнозування добових графіків споживання електричної потужності.

 

Митюшкин Ю. И. Синтез и настройка баз нечетких знаний для моделирования многомерных зависимостей.

Диссертация в виде рукописи на соискание ученой степени кандидата технических наук по специальности 01. 05. 02 – математическое моделирование и численные методы. Винницкий государственный технический университет. Винница, 2001.

Диссертация посвящена разработке методов и алгоритмов синтеза и настройки баз нечетких знаний для идентификации многомерных нелинейных объектов, часть параметров которых не имеет количественных оценок.

Предложен метод синтеза баз нечетких знаний как моделей многомерных нелинейных объектов путем их извлечения из экспериментальных данных. Поставлены задачи оптимизации извлечения баз нечетких знаний для объектов с непрерывным и дискретным выходом. Разработан метод решения поставленных задач на основе генетических алгоритмов оптимизации. Данный метод предусматривает кодирование переменных параметров базы нечетких знаний – параметров функций принадлежности лингвистических термов ее входных переменных, а также весов нечетких правил – в так называемые хромосомы. Каждая хромосома оценивается функцией соответствия – мерой близости к данным эксперимента. Путем итеративного выполнения операций скрещивания, мутации и отбора хромосом-родителей синтезируются новые хромосомы-отпрыски. По истечении заданного количества итераций (либо при достижении функцией соответствия одной из хромосом своего оптимального значения) в качестве решения принимается хромосома с наибольшей функцией соответствия.

С целью тонкой настройки синтезированных баз нечетких знаний предложен метод их воплощения в нейро-нечеткие сети. Данная конструкция позволяет проводить тонкую настройку параметров базы нечетких знаний путем обучения по принципу традиционной нейронной сети. В качестве базового алгоритма обучения использован алгоритм обратного распространения ошибки. Выведены аналитические соотношения для коррекции переменных параметров нейро-нечеткой сети, и по аналогии с алгоритмом обратного распространения ошибки разработан алгоритм обучения нейро-нечеткой сети по выборке экспериментальных данных. Для оценки качества настройки соответствующей базы нечетких знаний использован критерий квадрата разности между модельными значениями выходной переменной и соответствующими эталонными значениями из экспериментальной выборки.

С целью исследования эффективности разработанных методов и моделей создано специализированное программное обеспечение и проведены компьютерные эксперименты. В качестве исследуемых были выбраны одно- и двумерные объекты с непрерывным выходом, которые описывались известными аналитическими соотношениями, а также двумерные объекты с дискретным выходом, границы классов которых также задавались аналитически. В результате проведенных экспериментов доказана дееспособность метода извлечения баз нечетких знаний из экспериментальных данных и метода их тонкой настройки путем обучения соответствующих нейро-нечетких сетей. Подтверждена устойчивость и сходимость алгоритмов предложенных методов.

Предложенные в работе методы и алгоритмы использованы для решения задачи прогнозирования суточных графиков потребления электрической мощности в условиях нечетких влияющих факторов. Показано, что в современных условиях известные методы решения этой задачи имеют ограниченные возможности, что связанно с отсутствием статистической устойчивости у данных потребления нагрузки и неопределенностью по статистике из-за недостаточного количества проводимых измерений. Разработана методика и алгоритм реализации процесса прогнозирования суточных графиков потребления электрической мощности на определенный день недели и сезон на основании таких нечетких влияющих факторов, как среднесуточная температура окружающей среды и среднесуточная облачность. Компьютерные эксперименты, которые были проведены с использованием выборок статистических данных за прошедшие года, продемонстрировали адекватность предложенного подхода к решению поставленной задачи.

Ключевые слова: методы идентификации, многомерные нелинейные объекты, базы нечетких знаний, генетические алгоритмы оптимизации, тонкая настройка, нейро-нечеткие сети, прогнозирование суточных графиков потребления электрической мощности.

 

Yurii I. Mitiushkin. Synthesis and adjusting of fuzzy knowledge bases for multidimensional functions simulation.

The manuscript aimed at taking a degree of candidate of technical science on the specialty 01. 05. 02 – mathematical simulation and computation methods. Vinnytsia State Technical University. Vinnytsia, 2001.

The thesis is dedicated to the development of the methods and algorithms of synthesis and adjusting of fuzzy knowledge bases for identification of multidimensional nonlinear objects, some parameters of which do not possess the quantitative assessments.

There had been suggested the method to synthesize the fuzzy knowledge basis in the kind of models of multidimensional nonlinear objects by acquiring the latter from the experimental data based on genetic algorithms of optimization, and the method of synthesizing fuzzy knowledge bases fine adjusting by tuning corresponding neural-fuzzy networks on sampling an experimental data. The results of computer experiments verify the efficiency of the developed methods and models when researching the objects of different dimensions with discontinuous as well as with continuous output. The firmness and the coincidence of their algorithms had also been verified.

There had been developed methods and algorithm of daily charts of electric power consumption forecasting process realization with fuzzy input factors. Computer experiments demonstrated the efficiency of the suggested approach.

Key words: methods of identification, multidimensional nonlinear objects, fuzzy knowledge bases, genetic algorithms of optimization, fine adjusting, neural-fuzzy networks, daily charts of electric power consumption forecasting.