Удосконалення методики оцінювання та прогнозування стану об’єкту моніторингу в інтелектуальних системах підтримки прийняття рішень
DOI:
https://doi.org/10.15587/1729-4061.2021.237996Ключові слова:
системи підтримки прийняття рішень, штучні нейронні мережі, прогнозування стану, навчання штучних нейронних мережАнотація
Для об’єктивного та повного аналізу стану об’єкту моніторингу з необхідним рівнем оперативності проведено удосконалення методики оцінки та прогнозування стану об’єкту моніторингу в інтелектуальних системах підтримки прийняття рішень. Сутність методики полягає в забезпеченні аналізу поточного стану об’єкту моніторингу, що аналізується та короткострокового прогнозування стану об’єкту моніторингу. Об’єктивний та повний аналіз досягається використанням удосконалених нечітких темпоральних моделей стану об’єкту, врахуванням типу невизначеності та зашумленості вихідних даних. Новизна методики полягає в використанні удосконаленої процедури обробки вихідних даних в умовах невизначеності, удосконаленої процедури навчання штучних нейронних мереж та удосконаленої процедури топологічного аналізу структури нечітких когнітивних моделей. Сутність процедури навчання полягає в тому, що навчання синаптичних ваг штучної нейронної мережі, типу та параметрів функції належності, а також архітектури окремих елементів і архітектури штучної нейронної мережі в цілому. Процедура прогнозування про стан об’єкту моніторингу дозволяє проводити багатовимірний аналіз, врахування і опосередкований вплив всіх компонентів багатовимірного часового ряду з їх різними часовими зсувами один відносно одного в умовах невизначеності. Використання методики дозволяє досягти підвищення оперативності обробки даних на рівні 12–18 % за рахунок використання додаткових удосконалених процедур. Пропонується використання запропонованої методики в системах підтримки прийняття рішень автоматизованих систем управління (СППР АСУ) артилерійськими підрозділами, геоінформаційних систем спеціального призначення). Також можливо використання СППР АСУ авіацією та протиповітряної оборони, а також СППР АСУ логістичного забезпечення Збройних Сил України
Посилання
- Shyshatskyi, A. V., Bashkyrov, O. M., Kostyna, O. M. (2015). Development of integrated communication systems and data transfer for the needs of the Armed Forces. Weapons and military equipment, 1, 35–39.
- Dudnyk, V., Sinenko, Y., Matsyk, M., Demchenko, Y., Zhyvotovskyi, R., Repilo, I. et. al. (2020). Development of a method for training artificial neural networks for intelligent decision support systems. Eastern-European Journal of Enterprise Technologies, 3 (2 (105)), 37–47. doi: https://doi.org/10.15587/1729-4061.2020.203301
- Bodyanskiy, E., Strukov, V., Uzlov, D. (2017). Generalized metrics in the problem of analysis of multidimensional data with different scales. Zbirnyk naukovykh prats Kharkivskoho universytetu Povitrianykh Syl, 3 (52), 98–101.
- Pievtsov, H., Turinskyi, O., Zhyvotovskyi, R., Sova, O., Zvieriev, O., Lanetskii, B., Shyshatskyi, A. (2020). Development of an advanced method of finding solutions for neuro-fuzzy expert systems of analysis of the radioelectronic situation. EUREKA: Physics and Engineering, 4, 78–89. doi: https://doi.org/10.21303/2461-4262.2020.001353
- Zuiev, P., Zhyvotovskyi, R., Zvieriev, O., Hatsenko, S., Kuprii, V., Nakonechnyi, O. et. al. (2020). Development of complex methodology of processing heterogeneous data in intelligent decision support systems. Eastern-European Journal of Enterprise Technologies, 4 (9 (106)), 14–23. doi: https://doi.org/10.15587/1729-4061.2020.208554
- Shyshatskyi, A., Zvieriev, O., Salnikova, O., Demchenko, Ye., Trotsko, O., Neroznak, Ye. (2020). Complex Methods of Processing Different Data in Intellectual Systems for Decision Support System. International Journal of Advanced Trends in Computer Science and Engineering, 9 (4), 5583‒5590. doi: https://doi.org/10.30534/ijatcse/2020/206942020
- Trotsenko, R. V., Bolotov, M. V. (2014). Data extraction process for heterogeneous sources. Privolzhskiy nauchniy vestnik, 12-1 (40), 52–54.
- Rotshteyn, A. P. (1999). Intellektual'nye tekhnologii identifikatsii: nechetkie mnozhestva, geneticheskie algoritmy, neyronnye seti. Vinnitsa: “UNIVERSUM ”, 320.
- Alpeeva, E. A., Volkova, I. I. (2019). The use of fuzzy cognitive maps in the development of an experimental model of automation of production accounting of material flows. Russian Journal of Industrial Economics, 12 (1), 97–106. doi: https://doi.org/10.17073/2072-1633-2019-1-97-106
- Zagranovskaya, A. V., Eissner, Y. N. (2017). Simulation scenarios of the economic situation based on fuzzy cognitive maps. Modern economics: problems and solutions, 10 (94), 33‒47. doi: https://doi.org/10.17308/meps.2017.10/1754
- Simankov, V. S., Putyato, M. M. (2013). Issledovanie metodov kognitivnogo analiza. Perspektivy razvitiya informatsionnyh tekhnologiy, 13, 31‒35.
- Onykiy, B., Artamonov, A., Ananieva, A., Tretyakov, E., Pronicheva, L., Ionkina, K., Suslina, A. (2016). Agent Technologies for Polythematic Organizations Information-Analytical Support. Procedia Computer Science, 88, 336–340. doi: https://doi.org/10.1016/j.procs.2016.07.445
- Ko, Y.-C., Fujita, H. (2019). An evidential analytics for buried information in big data samples: Case study of semiconductor manufacturing. Information Sciences, 486, 190–203. doi: https://doi.org/10.1016/j.ins.2019.01.079
- Çavdar, A. B., Ferhatosmanoğlu, N. (2018). Airline customer lifetime value estimation using data analytics supported by social network information. Journal of Air Transport Management, 67, 19–33. doi: https://doi.org/10.1016/j.jairtraman.2017.10.007
- Ballester-Caudet, A., Campíns-Falcó, P., Pérez, B., Sancho, R., Lorente, M., Sastre, G., González, C. (2019). A new tool for evaluating and/or selecting analytical methods: Summarizing the information in a hexagon. TrAC Trends in Analytical Chemistry, 118, 538–547. doi: https://doi.org/10.1016/j.trac.2019.06.015
- Ramaji, I. J., Memari, A. M. (2018). Interpretation of structural analytical models from the coordination view in building information models. Automation in Construction, 90, 117–133. doi: https://doi.org/10.1016/j.autcon.2018.02.025
- Pérez-González, C. J., Colebrook, M., Roda-García, J. L., Rosa-Remedios, C. B. (2019). Developing a data analytics platform to support decision making in emergency and security management. Expert Systems with Applications, 120, 167–184. doi: https://doi.org/10.1016/j.eswa.2018.11.023
- Chen, H. (2018). Evaluation of Personalized Service Level for Library Information Management Based on Fuzzy Analytic Hierarchy Process. Procedia Computer Science, 131, 952–958. doi: https://doi.org/10.1016/j.procs.2018.04.233
- Chan, H. K., Sun, X., Chung, S.-H. (2019). When should fuzzy analytic hierarchy process be used instead of analytic hierarchy process? Decision Support Systems, 125, 113114. doi: https://doi.org/10.1016/j.dss.2019.113114
- Osman, A. M. S. (2019). A novel big data analytics framework for smart cities. Future Generation Computer Systems, 91, 620–633. doi: https://doi.org/10.1016/j.future.2018.06.046
- Gödri, I., Kardos, C., Pfeiffer, A., Váncza, J. (2019). Data analytics-based decision support workflow for high-mix low-volume production systems. CIRP Annals, 68 (1), 471–474. doi: https://doi.org/10.1016/j.cirp.2019.04.001
- Harding, J. L. (2013). Data quality in the integration and analysis of data from multiple sources: some research challenges. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XL-2/W1, 59–63. doi: https://doi.org/10.5194/isprsarchives-xl-2-w1-59-2013
- Rybak, V. A., Shokr, A. (2016). Analysis and comparison of existing decision support technology. System analysis and applied information science, 3, 12–18.
- Rodionov, M. A. (2014). Problems of information and analytical support of contemporary strategic management. Civil Aviation High Technologies, 202, 65–69.
- Bednář, Z. (2018). Information Support of Human Resources Management in Sector of Defense. Vojenské rozhledy, 27 (1), 45–68. Available at: https://www.vojenskerozhledy.cz/kategorie-clanku/strategicke-rizeni/informacni-podpora
- Palchuk, V. (2017). Methods of Content-Monitoring and Content-Analysis of Information Flows: Modern Features. Academic Papers of The Vernadsky National Library of Ukraine, 48, 506–526. doi: https://doi.org/10.15407/np.48.506
- Mir, S. A., Padma, T. (2016). Evaluation and prioritization of rice production practices and constraints under temperate climatic conditions using Fuzzy Analytical Hierarchy Process (FAHP). Spanish Journal of Agricultural Research, 14 (4), e0909. doi: https://doi.org/10.5424/sjar/2016144-8699
- Kljushin, V. V. (2014). Theoretical and methodological basis for the formation and evaluation of the level of the economic system's strategic economic potential. Modern Management Technology, 12 (48). Available at: https://sovman.ru/en/article/4805/
- Bogomolova, I. P., Omel’chenko, O. M. (2014). Analysis of influence factors of economic efficiency on the economy of the integrated structure. Proceedings of the Voronezh State University of Engineering Technologies, 3, 157–162. Available at: https://www.vestnik-vsuet.ru/vguit/article/view/434/400
- Sherafat, A., Yavari, K., Davoodi, S. M. R. (2014). Evaluation of the Strategy Management Implementation in Project-Oriented Service Organizations. Acta Universitatis Danubius, 10 (1), 16–25. Available at: https://ideas.repec.org/a/dug/actaec/y2014i1p16-25.html
- Koshlan, A., Salnikova, O., Chekhovska, M., Zhyvotovskyi, R., Prokopenko, Y., Hurskyi, T. et. al. (2019). Development of an algorithm for complex processing of geospatial data in the special-purpose geoinformation system in conditions of diversity and uncertainty of data. Eastern-European Journal of Enterprise Technologies, 5 (9 (101)), 35–45. doi: https://doi.org/10.15587/1729-4061.2019.180197
- Mahdi, Q. A., Shyshatskyi, A., Prokopenko, Y., Ivakhnenko, T., Kupriyenko, D., Golian, V. et. al. (2021). Development of estimation and forecasting method in intelligent decision support systems. Eastern-European Journal of Enterprise Technologies, 3 (9 (111)), 51–62. doi: https://doi.org/10.15587/1729-4061.2021.232718
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2021 Areej Adnan Abed, Iurii Repilo, Ruslan Zhyvotovskyi, Andrii Shyshatskyi, Spartak Hohoniants, Serhii Kravchenko, Iryna Zhyvylo, Mykola Dieniezhkin, Nadiia Protas, Oleksandr Shcheptsov
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.
Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.