Удосконалення методики оцінювання та прогнозування стану об’єкту моніторингу в інтелектуальних системах підтримки прийняття рішень

Автор(и)

  • Areej Adnan Abed Al-Maaref University College, Ірак https://orcid.org/0000-0002-1449-1037
  • Юрій Євгенович Репіло Національний університет оборони України імені Івана Черняховського, Україна https://orcid.org/0000-0002-1393-2371
  • Руслан Миколайович Животовський Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України, Україна https://orcid.org/0000-0002-2717-0603
  • Андрій Володимирович Шишацький Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України, Україна https://orcid.org/0000-0001-6731-6390
  • Спартак Юрійович Гогонянц Національний університет оборони України імені Івана Черняховського, Україна https://orcid.org/0000-0002-0023-5139
  • Сергій Іванович Кравченко Полтавський державний аграрний університет, Україна https://orcid.org/0000-0002-8163-8027
  • Ірина Олександрівна Живило Національний науковий центр “Інститут кардіології імені академіка М. Д. Стражеска”, Україна https://orcid.org/0000-0001-8141-363X
  • Микола Миколайович Дєнєжкін Центральний науково-дослідний інститут Збройних Сил України, Україна https://orcid.org/0000-0003-0918-0880
  • Надія Михайлівна Протас Полтавський державний аграрний університет, Україна https://orcid.org/0000-0003-0943-0587
  • Олександр Володимирович Щепцов Інститут Військово-Морських Сил Національного університету "Одеська морська академія", Україна https://orcid.org/0000-0002-0015-2982

DOI:

https://doi.org/10.15587/1729-4061.2021.237996

Ключові слова:

системи підтримки прийняття рішень, штучні нейронні мережі, прогнозування стану, навчання штучних нейронних мереж

Анотація

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

Біографії авторів

Areej Adnan Abed, Al-Maaref University College

Lecturer

Department of Logical Design

Юрій Євгенович Репіло, Національний університет оборони України імені Івана Черняховського

Доктор військових наук, професор

Кафедра ракетних військ і артилерії

Руслан Миколайович Животовський, Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України

Кандидат технічних наук, старший дослідник, начальник науково-дослідного управління

Науково-дослідне управління розвитку озброєння та військової техніки Повітряних Сил

Андрій Володимирович Шишацький, Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України

Кандидат технічних наук, старший науковий співробітник

Науково-дослідний відділ розвитку засобів радіоелектронної боротьби

Спартак Юрійович Гогонянц, Національний університет оборони України імені Івана Черняховського

Кандидат військових наук, старший науковий співробітник, начальник

Науково-дослідний відділ перспектив розвитку електронних засобів навчання

Сергій Іванович Кравченко, Полтавський державний аграрний університет

Кандидат технічних наук, доцент

Кафедра інформаційних систем і технологій

Ірина Олександрівна Живило, Національний науковий центр “Інститут кардіології імені академіка М. Д. Стражеска”

Кандидат медичних наук, молодший науковий співробітник

Микола Миколайович Дєнєжкін, Центральний науково-дослідний інститут Збройних Сил України

Доктор військових наук, старший науковий співробітник, провідний науковий співробітник

Науково-дослідне управління проблем розвитку Збройних Сил України

Надія Михайлівна Протас, Полтавський державний аграрний університет

Кандидат сільськогосподарських наук, доцент

Кафедра інформаційних систем і технологій

Олександр Володимирович Щепцов, Інститут Військово-Морських Сил Національного університету "Одеська морська академія"

Кандидат технічних наук, начальник кафедри

Кафедра озброєння

Посилання

  1. 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.
  2. 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
  3. 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.
  4. 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
  5. 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
  6. 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
  7. Trotsenko, R. V., Bolotov, M. V. (2014). Data extraction process for heterogeneous sources. Privolzhskiy nauchniy vestnik, 12-1 (40), 52–54.
  8. Rotshteyn, A. P. (1999). Intellektual'nye tekhnologii identifikatsii: nechetkie mnozhestva, geneticheskie algoritmy, neyronnye seti. Vinnitsa: “UNIVERSUM ”, 320.
  9. 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
  10. 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
  11. Simankov, V. S., Putyato, M. M. (2013). Issledovanie metodov kognitivnogo analiza. Perspektivy razvitiya informatsionnyh tekhnologiy, 13, 31‒35.
  12. 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
  13. 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
  14. 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
  15. 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
  16. 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
  17. 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
  18. 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
  19. 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
  20. 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
  21. 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
  22. 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
  23. Rybak, V. A., Shokr, A. (2016). Analysis and comparison of existing decision support technology. System analysis and applied information science, 3, 12–18.
  24. Rodionov, M. A. (2014). Problems of information and analytical support of contemporary strategic management. Civil Aviation High Technologies, 202, 65–69.
  25. 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
  26. 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
  27. 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
  28. 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/
  29. 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
  30. 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
  31. 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
  32. 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

2021-08-31

Як цитувати

Abed, A. A., Репіло, Ю. Є., Животовський, Р. М., Шишацький, А. В., Гогонянц, С. Ю., Кравченко, С. І., Живило, І. О., Дєнєжкін, М. М., Протас, Н. М., & Щепцов, О. В. (2021). Удосконалення методики оцінювання та прогнозування стану об’єкту моніторингу в інтелектуальних системах підтримки прийняття рішень. Eastern-European Journal of Enterprise Technologies, 4(3(112), 43–55. https://doi.org/10.15587/1729-4061.2021.237996

Номер

Розділ

Процеси управління