Методи фільтрації даних у системах підтримки прийняття рішень

Скорочена інформація про документ
dc.contributor.authorПантєєв, Р. Л.
dc.contributor.authorТимощук, О. Л.
dc.contributor.authorГуськова, В. Г.
dc.contributor.authorБідюк, П. І.
dc.date.accessioned2022-02-22T13:54:49Z
dc.date.available2022-02-22T13:54:49Z
dc.date.issued2021
dc.description.abstractenBackground. The majority of modern dynamic processes in economy, finances, ecology, technologies and many other areas of studies exhibit short- and long-term nonlinear and nonstationary behavior. That is why it is required to create for their thorough analysis modern highly developed specialized instrumentation providing for appropriate preliminary statistical data processing, simulation state and parameter estimation and quality forecasting their evolution in time to be used in decision support systems (DSS). Objective. The purpose of the paper is to perform introductory analysis of some modern methods for filtering statistical and experimental data; to consider modern filtering techniques on the basis of probabilistic Bayesian approach, that provide a possibility for preparing the data to adequate simulation, computing high quality state and forecast estimates for dynamic systems in stochastic environment and availability of measurement errors. Methods. To implement modern data filtering techniques appropriate simulation and optimization procedures, probabilistic Bayesian methods of data analysis are utilized; simulation algorithms for parameter estimation, and criteria bases for analyzing quality of intermediate and final results in the frames of DSS are used. Results. A set of data filtering techniques is presented to be used together with the models describing formally selected processes dynamics. The methodology is considered for implementation of probabilistic Bayesian filter based upon modern statistical data analysis techniques including application of appropriate simulation procedures. Conclusions. Development of effective means for simulation, state estimation and forecasting dynamics of nonlinear nonstationary processes in various areas of human activities provides a possibility for high quality state and parameter estimation and compute short and middle term forecasts for their future evolution. The methods of optimal Kalman and probabilistic Bayesian filtering considered in the review provide a possibility for performing appropriate analysis of nonlinear nonstationary processes, compute forecasts and provide for managerial decision support on the basis of the forecast estimates.uk
dc.description.abstractruПроблематика. Большинство современных динамических процессов в экономике, финансах, экологии, технологиях и многих других сферах исследований имеют нелинейный нестационарный характер на коротких и длинных временных интервалах. Поэтому для их углубленного анализа необходимо создать специализированный современный высокоразвитый инструментарий предварительной обработки данных, моделирования, оценивания состояний и параметров динамических систем, прогнозирования их развития для использования в системах поддержки принятия решений. Цель исследования. Во-первых, предварительно проанализировать современные методы фильтрации статистических и экспериментальных данных. Рассмотреть актуальные методы фильтрации на основе вероятностного байесовского подхода которые обеспечивают возможность подготовки данных к построению адекватных моделей, вычисления высококачественных оценок состояний и краткосрочных прогнозов развития динамических систем в условиях стохастических возмущений и ошибок измерений. Методика реализации. Для реализации современных методов фильтрации используют моделирование, оптимизационные процедуры, вероятностные байесовские методы анализа данных; применяют имитационное моделирование для оценивания параметров и надлежащую базу на основе статистических критериев для исследования качества промежуточных и окончательных результатов в рамках СППР. Результаты исследования. Рассмотрен ряд методов фильтрации данных, которые используют совместно с моделями, формально описывающими динамику выбранных процессов. Предложена методика реализации вероятностного байесовского фильтра, которая базируется на современных методах статистического анализа данных, включая должное применение методов имитационного моделирования. Выводы. Создание эффективных средств моделирования, оценивания состояний и прогнозирования динамики нелинейных нестационарных процессов в различных областях деятельности дает возможность качественно оценивать параметры исследуемых систем и вычислять кратко- и среднесрочные прогнозы их развития. Рассмотренные средства оптимальной калмановской и вероятностной байесовской фильтрации обеспечивают корректный анализ нелинейных нестационарных процессов, вычисления прогнозов и поддержку принятия управленческих решений на основе оценок прогнозов.uk
dc.description.abstractukПроблематика. Більшість сучасних динамічних процесів в економіці, фінансах, екології, технологіях і багатьох інших галузях досліджень мають нелінійний нестаціонарний характер на коротких і довгих часових інтервалах. Тому для їх поглибленого аналізу необхідно створити спеціалізований сучасний високорозвинений інструментарій попередньої обробки даних, моделювання, оцінювання станів і параметрів динамічних систем, прогнозування їх розвитку задля використання у системах підтримки прийняття рішень (СППР). Мета дослідження. По-перше, попередньо проаналізувати сучасні методи фільтрації статистичних й експериментальних даних. Розглянути актуальні методи фільтрації на основі ймовірнісного Баєсового підходу, які вможливлюють підготовку даних до побудови адекватних моделей, обчислення високоякісних оцінок станів і короткострокових прогнозів розвитку динамічних систем в умовах стохастичних збурень і похибок вимірювання. Методика реалізації. Для реалізації сучасних методів фільтрації використовують моделювання, оптимізаційні процедури, ймовірнісні Баєсові методи аналізу даних; застосовують імітаційне моделювання для оцінювання параметрів і базу на основі статистичних критеріїв для дослідження якості проміжних й остаточних результатів у межах СППР. Результати дослідження. Розглянуто множину методів фільтрації даних, які використовують разом із моделями, що формально описують динаміку вибраних процесів. Запропоновано методику реалізації ймовірнісного Баєсового фільтра, яка ґрунтується на сучасних методах статистичного аналізу даних, зокрема належному застосуванні методів імітаційного моделювання. Висновки. Створення ефективних засобів моделювання, оцінювання станів і прогнозування динаміки нелінійних нестаціонарних процесів у різних галузях діяльності дає можливість якісно оцінювати параметри досліджуваних систем й обчислювати коротко- та середньострокові прогнози їхнього розвитку. Розглянуті засоби оптимальної калманівської та ймовірнісної Баєсової фільтрації забезпечують коректний аналіз нелінійних нестаціонарних процесів, обчислення прогнозів і підтримку прийняття управлінських рішень на основі оцінок прогнозів.uk
dc.format.pagerangeС. 16–31uk
dc.identifier.citationМетоди фільтрації даних у системах підтримки прийняття рішень / Р. Л. Пантєєв, О. Л. Тимощук, В. Г. Гуськова, П. І. Бідюк // Наукові вісті КПІ : міжнародний науково-технічний журнал. – 2021. – № 1(132). – С. 16–31. – Бібліогр.: 23 назви.uk
dc.identifier.doihttps://doi.org/10.20535/kpisn.2021.1.231205
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/46713
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.sourceНаукові вісті КПІ : міжнародний науково-технічний журнал, 2021, № 1(132)uk
dc.subjectаналіз данихuk
dc.subjectнелінійні нестаціонарні процесиuk
dc.subjectметоди оптимальної фільтраціїuk
dc.subjectметоди ймовірнісної фільтраціїuk
dc.subjectімітаційне моделюванняuk
dc.subjectdata analysisuk
dc.subjectnonlinear nonstationary processesuk
dc.subjectmethods of optimal filteringuk
dc.subjectmethods of probabilistic filteringuk
dc.subjectsimulationuk
dc.subjectанализ данныхuk
dc.subjectнелинейные нестационарные процессыuk
dc.subjectметоды оптимальной фильтрациииuk
dc.subjectметоды вероятностной фильтрацииuk
dc.subjectимитационное моделированиеuk
dc.subject.udc004.942:519.216.3uk
dc.titleМетоди фільтрації даних у системах підтримки прийняття рішеньuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
NVKPI2021-1_2.pdf
Розмір:
969.76 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.01 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Наукові вісті КПІ: міжнародний науково-технічний журнал, № 1(132)