3.10. Задачі четвертого рівня сфс.
Стан СФС, відображений через відомі стани всіх технологічних та організаційних підсистем, є вихідним для прийняття рішень щодо функціонування СФС. При цьому власне рішення приймає ОПР, використовуючи:
результати роботи експертної системи (третій рівень);
результати роботи групи експертів, якій відомі рекомендації експертної системи (четвертий рівень);
дані моніторингу, а також інформацію про стан усіх технологічних та організаційних підсистем;
відомі ОПР або сформульовані ним цілі та умови функціонування СФС. Рішення, прийняте ОПР, реалізують у СФС. При цьому можна оцінювати правильність прийнятого рішення.
3.11. Методи і засоби системного аналізу в дослідженні складних формалізованих задач.
Проведений аналіз властивостей СФС і розгляд комплексів задач під час їхнього вивчення дає змогу визначити такі особливості:
1. СФС містять значну кількість різнорідних підсистем із багатьма взаємозв'язками - носіями інформації різного характеру;
2. для прийняття рішень щодо цілеспрямованої зміни поведінки СФС ІІЧ^потрібно розв'язати велику кількість взаємозалежних задач, (Щ)використовуючи різні методи як кількісного й якісного аналізу, так і знань °_ та досвіду людини;
(0)3. у дослідженнях СФС має місце фактор невизначеності.
С^Ці особливості зумовлюють використання для дослідження СФС методів і
засобів системного аналізу. 043) Під системним аналізом СФС слід розуміти процес застосування О) математичних, організаційних і методологічних засобів, призначених для
прийняття рішень у СФС за наявності суттєвих ризиків різної природи, за и43) існування багатьох різних і часто суперечливих критеріїв та цілей і з
урахуванням суттєвої невизначеності на різних етапах вироблення рішень. —^ Щодо методів розв'язання задач системного аналізу СФС, наведених на 4^ рис. 3.5.
3.12. Методи і засоби обробки даних натурних спостережень для задач
першого рівня.
Кількісні дані, що визначають розміри, життєвий цикл і структуру всіх динамічних об'єктів, утворених зміною станів досліджуваних середовищ, можна одержати тільки завдяки натурним спостереженням.
Натурні спостереження здійснюють, організувавши систему заходів щодо контролю за станом досліджуваних середовищ - моніторинг. Ще 20 років тому моніторинг зазвичай проводили безпосереднім вимірюванням за допомогою різних датчиків. Однак поява і розвиток штучних супутників Землі (ШСЗ), Інтернету та сучасних швидкодійних обчислювальних машин сприяли розвитку методів і засобів моніторингу. Сьогодні дуже часто моніторинг реалізують тріадою ШСЗ — ЛІТАК — КОРАБЕЛЬ або ШСЗ - ЛІТАК -АВТОМОБІЛЬ. Значного розвитку також набули методи дистанційних спостережень (вимірювань).
Дані, одержані у процесі вимірювань, обробляють із використанням багатовимірного статистичного аналізу (факторного аналізу, методу головних компонент, класифікації та зниження розмірності даних, стійкого оцінювання і прогнозування).
Технологічний ланцюжок проведення досліджень у цьому випадку має такий вигляд: визначення процесів і полів, їх класифікація, побудова прогностичної моделі. Перші дві ланки цього ланцюжка повинні фактично підготувати потрібну інформацію Для встановлення прогнозних залежностей. Сама вихідна вимірювальна інформація не систематизована, має деяку надмірність, і її ще не можна розглядати як певну емпіричну модель середовища для побудови шуканих залежностей. Тому для алгоритмічного забезпечення досліджень потрібні засоби стиснення вихідної інформацІЇ'х виділення вихідних ознак.
Одним із важливих класів методів обробки даних є методи класифікації багатовимірних спостережень, кінцева мета яких полягає у формуванні однорідних за своїми ознаками груп спостережень, що максимально ^„ різняться зовнішніми характеристиками. Це - методи робастної статистики і бутстрепмвтоди. Загальне призначення таких методів полягає у подоланні зміщеності оцінок імовірнісних характеристик ^3 досліджуваних вибірок даних, що відкриває перспективу їх використання для одержання стійких оцінок значень порогів класифікації.
Важливим класом методів обробки результатів спостережень є алгоритми прогнозування які дають змогу передбачати поведінку досліджуваних (СУ) даних. У цьому сенсі становить інтерес розроблення адаптивних методів експоненціального згладжування, які дають змогу певною мірою зняти проблему вибору трьох основних параметрів згладжувальна: константи згладжування, початкового рівня згладжування і початкового моменту
, ^ згладжування (довжини бази згладжування). Перспективним методом
прогнозування - синхронний кореляційний аналіз, що дас змогу враховувати ц ■ стохастичні взаємозв'язки всіх видів кореляційних показників: взаємних, часткових і множинних (функцій) кореляції.
© І
4^
Це пов'язано із тим, що у практиці аналізу натурних даних можлива поява невизначеностей, а саме: якщо значення однієї сукупності даних корельовані зі значеннями іншої сукупності, то це може лише відображати той факт, що вони обидва корельовані зі значеннями деякої третьої сукупності.
Зазначений метод аналізу дає змогу зняти таку невизначеність.
Розглянуті задачі і методи аналізу вимірювальних даних дають можливість сформувати структуру інформаційного забезпечення досліджень СФС. Можна виділити основні ланки такої структури.
1 .Програмно-апаратні комплекси, базовані на рухомих Носіях, які забезпечують автоматизоване збирання, збереження, оперативну обробку інформації та оптимальне управління її збиранням.
2.Бази вимірювальних даних для зберігання і колективного використання великих масивів різнорідної інформації.
3.Розвинене програмне забезпечення у вигляді пакетів прикладних програм, які дають змогу реалізувати статистичний і структурний аналіз ^ даних із банку й знаходити залежності.
4.«Математичний полігон» (база моделей), що дає можливість на основі максимально повних динамічних моделей, описуваних, наприклад, рівняннями математичної фізики, здійснювати обчислювальний експеримент щодо розрахунку досліджуваних середовищ.
5.Експертні системи для проведення аналізу ситуацій і вироблення прогностичних рішень.
Зазначимо, що 3-5 блоки людино-машинної системи можна об'єднана™ у так звану моделюючу мережу.
СПИСОК РЕКОМЕНДОВАНОЇ ЛІТЕРАТУРИ
Пэнтл Р. Методы системного анализа окружающей среды. - М.: Мир, 2000. 214 с.
Примак A.B., Кафаров В.В., Качиашвили К.И. Системный анализ контроля и управления качеством воды и воздуха. - К.: Наук, думка, 2001.
— 360 с.
Математические методы контроля загрязнения воды / Под ред. А. Джеймса. - М.: Мир, 2001. - 172 с.
Берталанфи Л. фон. Общая теория систем. — 2еизд. — М.: Мир, 2000.
— 328 с.
Блауберг И. В. Проблема целостности и системный подход. — М.: Эдиториал УРСС, 1997. — 446 с.
Блауберг И. В., Юдин Э. Г. Становление и сущность системного подхода. — М., 2003. — 270 с.
Принципы организации социальных систем: Теория и практика / Под ред. М. И. Сетрова. — К.; Одесса: Выща шк., Голов, издво, 2002. — 242 с.
Проблемы методологии системного исследования / Ред. кол. И. В. Блауберг и др. — М.: Мысль, 2000. — 456 с.
Садовский В. Н. Основания общей теории систем. — М.: Наука, 1974.
— 280 с.
Ю.Сетров М. И. Основы функциональной теории организации. Философский очерк. — Л.: Наука, 1972. — 164 с.
11.Сурмин Ю. П. Теория систем и системный анализ: Учеб. пособие. — К.: МАУП, 2003. —368 с.
12.Уемов А. И. Логика и методология системних исследований. — К.: Выща шк., 1977. — 256 с.