Cтраница 2
СТД по целевому назначению делят на диагностические и прогнозирующие. Диагностические СТД предназначены для обнаружения неисправности объекта, а прогнозирующие системы по результатам проверки в предыдущие моменты времени предсказывают поведение объекта в будущем, т.е. решают гораздо более трудную задачу. [16]
Уровень развития подсистемы или узла какой-либо машины. Для этого уровня правомерно говорить о методе или комплексе методов прогнозирования, входящих в прогнозирующую систему. [17]
Важное место в прогнозировании занимает завершающий этап - логический анализ полученных результатов, которые должны быть сопоставлены с результатом прогнозирования других подобных объектов, либо аналогичных прогнозов других авторов и другими методами. Логический анализ позволяет в некоторых случаях устанавливать несоответствие принятой для прогно-зирования математической модели реальному объекту и таким образом является как бы обратной связью в прогнозирующей системе. Именно на этом этане проверяется непротиворечивость всех элементов системы и результатов прогнозирования на предыдущих этапах исследования, исследуются различные варианты развития прогнозируемого объекта, и строится дерево целей для осуществления вы-бранного варианта; выявляются возможности и время появления скачкообразных изменений в развитии процесса. [18]
Прогнозирующие системы логически выводят вероятные следствия из заданных ситуаций. К этой категории относятся предсказание погоды, демографические прогнозы, прогнозирование дорожной обстановки, оценки будущего урожая и прогнозы в военной области. В прогнозирующей системе обычно используется параметрическая динамическая модель, в которой значения параметров подгоняются под данную ситуацию. [19]
Прогнозирование позволяет предсказывать последствия некоторых событий или явлений на основании анализа имеющихся данных. Прогнозирующие системы логически выводят вероятные следствия из заданных ситуаций. В прогнозирующей системе обычно используется параметрическая динамическая модель, в которой значения параметров подгоняются под заданную ситуацию. Выводимые из этой модели следствия составляют основу для прогнозов с вероятностными оценками. [20]
Было обнаружено, что форма уравнения не является критической. Оказалось, что такое представление динамики дает такое же хорошее прогнозирование, как уравнения, которые хотя и не используют данных о температуре, но учитывают зависимость реакции от температуры слоя катализатора и температуры слоя от реакции в предшествующие моменты времени. Это обстоятельство не оправдывает использования неточной прогнозирующей системы, но оно показывает бесполезность результатов, полученных от прогнозирующей системы, слишком простой с точки зрения динамики. Причиной того, что при составлении прогнозирующей программы композиций, необходимых для целей оптимизации, данные по температуре не использовались, хотя они и имелись, было стремление избежать путаницы, связанной с использованием второй прогнозирующей системы уравнений для температуры. [21]
Для верификации результатов прогноза используют эпигноз - накопленный материал. Если применяемая прогностическая модель соответствует реальному процессу, то это обнаруживается при сопоставлении результатов прогноза и реальных данных. Таким образом, для создания базы данных для верификации прогнозирующей системы условия получения информации при прогнозе и эпигнозе должны быть идентичными. Для задач прогнозирования осложнений, возникающих при бурении скважин, это условие выполнить трудно, так как, кроме вариаций в широких пределах технико-технологических параметров, практически невозможно добиться идентичности геологических условий. Даже в случае их однородности по имеющейся информации очень трудно делать об этом однозначные выводы для условий, существующих в скважине, что сильно затрудняет процедуру верификации модели. [22]
Было обнаружено, что форма уравнения не является критической. Оказалось, что такое представление динамики дает такое же хорошее прогнозирование, как уравнения, которые хотя и не используют данных о температуре, но учитывают зависимость реакции от температуры слоя катализатора и температуры слоя от реакции в предшествующие моменты времени. Это обстоятельство не оправдывает использования неточной прогнозирующей системы, но оно показывает бесполезность результатов, полученных от прогнозирующей системы, слишком простой с точки зрения динамики. Причиной того, что при составлении прогнозирующей программы композиций, необходимых для целей оптимизации, данные по температуре не использовались, хотя они и имелись, было стремление избежать путаницы, связанной с использованием второй прогнозирующей системы уравнений для температуры. [23]
Было обнаружено, что форма уравнения не является критической. Оказалось, что такое представление динамики дает такое же хорошее прогнозирование, как уравнения, которые хотя и не используют данных о температуре, но учитывают зависимость реакции от температуры слоя катализатора и температуры слоя от реакции в предшествующие моменты времени. Это обстоятельство не оправдывает использования неточной прогнозирующей системы, но оно показывает бесполезность результатов, полученных от прогнозирующей системы, слишком простой с точки зрения динамики. Причиной того, что при составлении прогнозирующей программы композиций, необходимых для целей оптимизации, данные по температуре не использовались, хотя они и имелись, было стремление избежать путаницы, связанной с использованием второй прогнозирующей системы уравнений для температуры. [24]
ЭС, осуществляющие прогноз, определяют вероятные последствия заданных ситуаций. Примерами служат прогноз ущерба урожаю от некоторого вида вредных насекомых, оценивание спроса на нефть на мировом рынке в зависимости от складывающейся геополитической ситуации и прогнозирование места возникновения следующего вооруженного конфликта на основании данных разведки. Системы прогнозирования иногда используют имитационное моделирование, т.е. программы, которые отражают причинно-следственные взаимосвязи в реальном мире, чтобы сгенерировать ситуации или сценарии, которые могут возникнуть при тех или иных входных данных. Эти возможные ситуации вместе со знаниями о процессах, порождающих эти ситуации, образуют предпосылки для прогноза. Специалисты ИИ пока что разработали сравнительно мало прогнозирующих систем, возможно потому, что очень трудно взаимодействовать с имитационными моделями и создавать их. [25]
Из определения прогнозирования следует, что важнейший этап этого процесса сбор информации об изучаемом явлении. Первичная информация должна содержать как можно более широкий круг сведений, имеющих отношение к рассматриваемому процессу, чтобы затем, после ее анализа, можно было отобрать необходимый набор факторов, объясняющий его. При сборе информации следует учитывать, что неизбежны погрешности измерения параметров и субъективные ошибки, поэтому необходима фильтрация входной информации, по возможности устраняющая недостоверную информацию. От сглаживания данных для этой цели отказываются, так как отбрасывание всей информации, содержащей выбросы от неких усредненных значений параметров, может привести к ее невосполнимой потере. Необходимо вообще отказаться от отбрасывания данных на основании каких-либо формальных критериев. Данные могут отбрасываться, только если вполне очевидна физическая неосуществимость полученной информации. Действительно, систематические и случайные погрешности первичных данных несущественно влияют на результаты прогноза, так как в процессе сопоставления в прогнозирующей системе рассогласование информации устраняется, и информация характеризуется неким средним уровнем ошибки, присущей данной переменной. [26]