Обзор и анализ систем интеллектуальной обработки данных. Разработка принципов и структуры информационно-моделирующей системы для процессов химической очистки теплоэнергетического оборудования. Требования, алгоритмы работы и основные этапы разработки ИМС.
Аннотация к работе
Также обработка статистических данных может играть большую роль на производстве, где основополагающими являются технологические процессы, в дальнейшем рассматриваются процессы химической очистки. Разносторонний и углубленный анализ такой информации, так называемых статистических данных, полагает использование различных специальных методов, алгоритмов, важное место среди которых занимают корреляционно-регрессионный и дисперсионный анализы обработки статистических данных. Помимо анализов статистической обработки для процессов химической очистки теплоэнергетического оборудования будет актуально и моделирование, необходимыми входными данными для которого не будут являться собранные экспериментальные данные, что также будет разрабатываться в выпускной квалификационной работе. Многие не направлены на простых пользователей, не способных оперировать методами и анализами, которые им необходимы для решения конкретных задач. Цель данной работы: целью выпускной квалификационной работы является разработка информационно-моделирующей системы для процессов химической очистки теплоэнергетического оборудования. Задачи работы: разработка информационно-моделирующей системы, которая проводит математическое моделирование корреляционно-регрессионным анализом (регрессия от одного параметра, множественная регрессия), дисперсионным анализом (однофакторный, двухфакторный, латинский квадрат, греко-латинский квадрат, гипер-греко-латинский квадрат, латинский куб), моделирование на основе теории конечных автоматов. Дисперсионный анализ проводит качественную оценку факторов, участвующих в процессах химической очистки. В первом разделе описывается обзор и анализ систем интеллектуальной обработки данных. Раздел содержит описание систем поддержки принятия решений, экспертных систем, систем на основе теории конечных автоматов, также рассмотрены примеры моделирования конечных автоматов. В третьем разделе представлены модель IDEF0, диаграммы IDEF3, указана разработка информационно-моделирующей системы, описывая это основными этапами и алгоритмами, представлена информационная модель данных. ОБЗОР И АНАЛИЗ СИСТЕМ ИНТЕЛЛЕКТУАЛЬНОЙ ОБРАБОТКИ ДАННЫХ 1.1 Системы поддержки принятия решений В книге Черноруцкого И.Г. «Методы принятия решений» [1] описываются системы поддержки принятия решений. Один из возможных видов таких систем представлен на рисунке 1.1. В книге Попова Э.В. «Экспертные системы. Решение неформализованных задач в диалоге с ЭВМ» [5] описываются свойства экспертных систем. В книге Поспелова Д.А. «Моделирование рассуждений. Опыт анализа мыслительных актов» [6] представлены участники в экспертных системах. В книге Нейлора К. «Как построить свою экспертную систему» [8] описываются виды экспертных систем: статические и динамические. Рисунок 1.8 - Схема разработки экспертных систем 1.3 Системы на основе теории конечных автоматов В книге А. Гилла «Введение в теорию конечных автоматов» [10] приводятся некоторые примеры применения теории конечных автоматов, а именно то, что она имеет дело с математическими моделями, предназначенными для приближенного отображения физических или абстрактных явлений. Рисунок 1.21 - Структура двухстекового автомата В статье «Клеточно-автоматная модель формирования порошковой струи» Ю.Г. Медведева представлен пример построения клеточно-автоматной модели. В регрессии от одного параметра по результатам построения модели рассчитываются коэффициент корреляции, который показывает на сколько тесно связаны входной и выходной данные, показатели уравнений различных видов регрессий (линейная, параболическая, гиперболическая, полулогарифмическая, показательная, степенная), проверка значимости коэффициентов по критерию Стьюдента (информационная подсистема включает в себя справочные данные критических значений распределения Стьюдента согласно уровню значимости ?=0,05), проверка адекватности модели по критерию Фишера (информационная подсистема включает в себя справочные данные критических значений распределения Фишера согласно уровню значимости ?=0,05).