Способы прогнозирования при помощи нейронных сетей Текст научной статьи по специальности «Компьютерные и информационные науки»

Информационно-управляющие системы

Технические характеристики прибора следующие:

- диапазон измеряемых скоростей движения кабины ПТУ - 0 ± 20 м/с;

- диапазон измеряемых ускорений - 0 ± 30 м/с2;

- диапазон измеряемых поперечных смещений -0 ± 50 мм;

- погрешность измерений - до 5 %;

- потребляемая мощность - до 3 Вт;

- габаритные размеры - 60*125*25 мм;

- масса - 250 г.

Созданный автономный прибор может найти широкое применение для экспресс-контроля качества монтажа и эксплуатационных характеристик пассажирских и грузовых ПТУ при проведении их сертификационных испытаний и диагностики состояния.

V. M. Suminov, I. V. Suminov, V. I. Akilin, M. U. Gorozheev «MATI» - Russian State University of Aviation Technology named after K. E. Tsiolkovsky, Russia, Moscow

INDEPENDENT DEVICE FOR EXPRESS QUALITY ASSURANCE OF HANDLING SYSTEMS OF BUILDINGS AND STRUCTURES

The created independent device can find wide application for express quality assurance of handling systems, at carrying out of their certified tests and diagnostics of their condition.

© CyMHHOB В. M., CyMHHOB H. B., AKHJIHH B. H., TopoxeeB M. ro., 2011

УДК 681.3

Д. В. Тихонов

Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Россия, Красноярск

СПОСОБЫ ПРОГНОЗИРОВАНИЯ ПРИ ПОМОЩИ НЕЙРОННЫХ СЕТЕЙ

Рассмотрены способы прогнозирования временных интервалов при помощи нейронных сетей.

Задача прогнозирования временных интервалов была и остается актуальной, особенно сейчас, когда стали доступны мощные средства сбора и обработки информации. Одним из самых важных этапов в решении задач нейросетевого прогнозирования является выбор наиболее подходящего способа прогнозирования.

Существует два способа прогнозирования временных интервалов при помощи нейронной сети:

- одношаговое прогнозирование;

- многошаговое прогнозирование.

Одношаговое прогнозирование используется для

краткосрочных прогнозов, обычно абсолютных значений последовательности. Прогноз осуществляется только на один шаг вперед, но для прогноза на следующем шаге используется реальное, а не прогнозируемое значение. Результатом краткосрочного прогноза на нейронной сети является класс, к которому принадлежит переменная, а не ее конкретное значение. Формирование классов должно проводиться в

зависимости от целей прогнозирования. Общий подход состоит в том, что область определения прогнозируемой переменной разбивается на классы в соответствии с необходимой точностью прогнозирования. Классы могут представлять качественный или численный взгляд на изменение переменной.

Многошаговое прогнозирование применяется для осуществления долгосрочных прогнозов и предназначено для определения основного тренда и главных точек изменения тренда для некоторого промежутка времени в будущем. При этом прогнозирующая система использует полученные, т. е. выходные, данные для моментов времени k + 1, k + 2 и т. д., в качестве входных данных для прогнозирования на моменты времени k + 2, k + 3 и т. д.

Таким образом, в ходе исследования было выявлено, что существует несколько способов прогнозирования при помощи нейронной сети и каждый из этих способов подходит для решения задач определенного типа.

D. V. Tickhonov

Siberian State Aerospace University named after academician M. F. Reshetnev, Russia, Krasnoyarsk WAYS OF FORECASTING BY MEANS OF NEURAL NETWORKS

In work ways of forecasting of time intervals by means of neural networks are considered. It is described, for what purposes is better this or that way approaches.

© Тихонов Д. В., 2011