CC BY
20Решетневские чтения
O. V. Gomonova, S. I. Senashov Siberian State Aerospace University named after academician M. F. Reshetnev, Russia, Krasnoyarsk
CLASS OF THE EXACT SOLUTIONS DESCRIBING VELOCITY FIELD FOR THE PRANDTL'S SOLUTION
New velocity fields for the well-known Prandtl 's solution which describes a pressing of plasticity material between two parallel and rough plates are found.
© Гомонова О. B., CeHamoB C. H., 2009
УДК 303.732
Т. Н. Гончар, Е. А. Сопов
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Россия, Красноярск
ИДЕНТИФИКАЦИЯ ПРОБЛЕМНЫХ СИТУАЦИЙ НА ОСНОВЕ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА СИСТЕМЫ
Исследована идентификация проблемных ситуаций при проведении системного анализа. Предложено эффективное решение на базе интеллектуальных методов анализа данных наблюдения сложной системы, которое позволяет извлекать знания о системе в виде, доступном для восприятия и принятия решения субъектом системного анализа.
Системный анализ с практической точки зрения представляет собой универсальную методику решения сложных проблем произвольной природы. Ключевым понятием в данном случае является понятие «проблема», которое можно определить как субъективное отрицательное отношение субъекта к реальности. Соответственно этап выявления и диагностики проблемы в сложных системах является наиболее важными, так как определяет цели и задачи проведения системного анализа, а также методы и алгоритмы, которые будут применяться в дальнейшем при поддержке принятия решений. В то же время этот этап является наиболее сложным и наименее формализованным.
Анализ русскоязычных трудов по системному анализу позволяет выделить два наиболее крупных направления в данной области. Первое направление рассматривает системный анализ как набор методов, и в том числе методов, основанных на использовании ЭВМ, ориентированных на исследование сложных систем. При таком подходе наибольшее внимание уделяется формальным методам построения моделей систем и математическим методам исследования системы. Понятия «субъект» и «проблема» как таковые не рассматриваются. Другое направление системного анализа, основанное на работах Акоффа, ставит понятие субъекта и проблемы во главу системного анализа. С одной стороны, системный анализ ис-
ходит из интересов людей - вносит субъективную составляющую проблемы, с другой стороны, исследует объективно наблюдаемые факты и закономерности.
Поскольку выявление проблемы требует анализа субъективного отношения, то этот этап относится к неформализуемым этапам системного анализа. Каких-либо эффективных алгоритмов или приемов на настоящий момент не предложено, чаще всего авторы работ по системному анализу полагаются на опыт и интуицию аналитика и предлагают ему полную свободу действий. Системный аналитик должен обладать достаточным набором инструментов для описания и анализа той части объективной реальности, с которой взаимодействует или может взаимодействовать субъект. Инструменты могут включать методы экспериментального исследования систем и их моделирования.
С повсеместным внедрением современных информационных технологий в организациях (коммерческих, научных, медицинских и др.) почти каждый аспект их деятельности регистрируется и сохраняется в базах данных, которые уже сегодня имеют очень большие объемы. Информация в подобных базах данных содержит детальное описание как самих систем, так и истории их (систем) развития и жизни. Можно сказать, что сегодня при анализе большинства искусственных систем аналитик вероятнее столкнется с недос-
Математические методы моделирования, управления и анализа данных
татком эффективных методов исследования систем, нежели с недостатком информации о системе.
Однако субъективное отношение должен сформулировать именно субъект, а он может не обладать специальными знаниями и потому не способен адекватно интерпретировать результаты исследования, проведенного аналитиком. Поэтому знания о системе и прогнозные модели, которые в итоге получит аналитик, должны быть представлены в явном, доступном к интерпретации виде (возможно, на естественном языке). Такое представление можно назвать знаниями об исследуемой системе.
К сожалению, эффективных методов получения знаний о системе на текущий момент не предложено. Наибольший интерес представляют модели и алгоритмы Data Mining (интеллектуальные анализ данных), которые в частных приложениях используются для извлечения знаний из «сырых» данных. Широкое применение методов извлечения знаний весьма затруднено, что, с одной стороны, связано с недостаточной эффективностью большинства известных подходов, которые базируются на формальных математических и статистических методах, а с другой - с трудностью использования эффективных методов интеллектуальных технологий, которые не имеют достаточного формального описания и требуют привлечения дорогих специалистов.
Авторы предлагают уникальный подход к построению эффективной системы выявления проблемных ситуаций на основе анализа данных и извлечения знаний о системе путем автоматизированного генерирования и настройки интеллектуальных информационных технологий. Такой
подход позволит, во-первых, за счет применения передовых интеллектуальных технологий существенно повысить эффективность решения задачи извлечения знаний, которые будут предъявляться субъекту на этапе выявления проблемы при проведении системного анализа. Во-вторых, исключить потребность в специалисте по настройке и использованию интеллектуальных технологий, так как последние будут генерироваться и настраиваться в автоматическом режиме.
Традиционно в теории анализа данных выделяют описательные модели и предсказательные модели, которые включают следующее:
- регрессионные модели (в том числе, модели исключений, модели ассоциаций, модели последов ательностей);
- модели классификации и кластеризации.
По форме представления наиболее распространенными и наиболее естественными для понимания моделями являются следующие:
- логические правила, выраженные средствами естественного языка в форме ЕСЛИ-ТО;
- символьные выражения (например, математические функции).
Обозначенные задачи извлечения знаний достаточно эффективно решаются следующими методами интеллектуальных информационных технологий: искусственными нейронными сетями, методами, основанными на нечеткой логике, методами генетического программирования. Автоматизированные генерирование и настройка интеллектуальных технологий осуществляются с применением генетических алгоритмов, которые, в свою очередь, не требуют настройки благодаря использованию гибридных и коэволюционных схем.
T. N. Gonchar, E. A. Sopov Siberian State Aerospace University named after academician M. F. Reshetnev, Russia, Krasnoyarsk
THE PROBLEM IDENTIFICATION BASED ON AN INTELLIGENT ANALYSIS
OF A SYSTEM
The paper discusses the identification problem during the system analysis. The solution based on intelligent methods of complex system information analysis, which extracts human-readable knowledge is proposed.
© Гончар Т. Н., Сопов Е. А., 2009
