Побудова алгоритму прогностичної моделі при створенні предиктивного модуля передбачення нештатних ситуацій в роботі автоматизованої системи керування технологічними процесами
DOI:
https://doi.org/10.20998/2413-4295.2020.02.08Ключові слова:
теплоенергетика, формалізація, оцінка, прогнозування, моделювання, виробництво, агрегування, параметри, ітераційний алгоритмАнотація
У статті пропонується методологія створення моделі роботи прогнозуючої системи для технологічних об'єктів управління складними або критичними виробництвами. Для цього запропоновано використовувати ітераційний алгоритм прогнозування технічного стану об'єкта, побудований на основі математико-статистичних методів обробки часових рядів показань об'єктових давачів, який включає в себе кілька кроків. Кроки алгоритму реалізують: формалізацію апріорних даних,, що мають відношення до побудови моделі, у вигляді вхідного керуючого фактора X і вихідного контрольованого вектора параметрів y; висування гіпотези про структуру моделі за результатами ранжирування вхідних керуючих факторів X; вибір алгоритму отримання інформації з об'єкта управління відповідно до структури моделі і ітераційного алгоритму; вибір реалізації алгоритму знімання інформації відповідно необхідної точності вимірювань вхідних параметрів керуючих факторів і оцінки впливу збурюючих впливів; оцінку параметрів моделі, використовуючи стандартні математичні процедури статистичної обробки даних з виключенням слабо значущих параметрів; перевірку адекватності моделі з можливим повторенням усієї процедури з метою поліпшення характеристик моделі. Запропонована агрегована процедура побудови моделі поведінки об'єкта керування придатна для дослідження поведінки більшості потенційно небезпечних технологічних об'єктів управління. Процедура дозволяє здешевити і спростити розробку моделі потенційно небезпечних об'єктів, забезпечити подальший безпечний режим їх функціонування та зробити оцінку їх поточного і майбутнього станів, знизивши витрати на їхню експлуатацію.
Посилання
Systems, Applications and Products News Center. Available at: https://news.sap.com (accessed 21.04.2020).
Advisory Research Center Advisory Group. Available at: https://www.arcweb.com (accessed 21.04.2020).
McCarthy R. V. Applying Predictive Analytics. Finding Value in Data. Springer-Verlag, 2019. p. 2-5, doi:10.1007/978-3-030-14038-0.
Kutukov S. E. Informatsionno-analiticheskie sistemyi magistralnyih truboprovodov [Information and analytical systems of trunk pipelines]. M.: SAP RIA, 2002. 332 p.
Pirc J., Desanto D., Davison I., Gragido W. Threat Forecasting. Elsevier , 2016. pp. 17-27, doi:10.1016/B978-0-12-800006-9.00002-1.
Fischetti T., Mayor E., Miguel R. R. Predictive Analysis. UK, Packt Publishing, 2017. 1261 p.
Sargsyan S. A., Golovanov L. V. Prognozirovanie razvitiya bolshih sistem [Prediction of the development of large systems]. M .: Statistics, 1975. 192 p.
Winters R. R. Practical Predictive Analytics. UK, Packt Publishing, 2017. 651 p.
Abbot D. Applied Predictive Analytics. Wiley Publishing, 2014. 427 p., doi: 10.5555/2670086.
Makhutov N. A., Permyakov V. N., Akhmetkhanov R. S. Diagnostika i monitoring sostoyaniya slozhnyih tehnicheskih sistem [Diagnosis and monitoring of complex technical systems]. Tyumen: TIU, 2017. 632 p.
##submission.downloads##
Як цитувати
Номер
Розділ
Ліцензія
Журнал публікує статті згідно з ліцензією Creative Commons Attribution International CC-BY.
