Применение статистической системы R для разработки алгоритмов диагностирования АЭС - Дипломная работа

Очень важную роль в системах диагностики играют методы обработки и анализа данных. Вообще, на АЭС существует огромное количество технологических параметров, контролируемых с различной периодичностью, в то время как для описания различных эксплуатационных режимов достаточно иметь гораздо меньший набор параметров. Таким образом, ставится задача выделить из огромного потока информации именно ту ее часть, которая является необходимой для решения нашей конкретной задачи диагностирования. В данной работе мы подробно рассмотрели такие большие классы методов, как кластерный и факторный анализ. Более того, характер многих объектов диагностики (АЭС, химическое производство, нефтегазовые объекты, объекты военно-промышленного комплекса и т.д.) таков, что при возникновении аварии на них возможный ущерб может намного превысить стоимость самого этого объекта за счет того, что зона влияния аварии может составлять десятки и сотни километров и в этой зоне могут оказаться густонаселенные районы, важные промышленные объекты и т.д. Они являются средством для выработки большого количества недорогой электроэнергии и одними из самых экологически чистых среди предприятий энергетического комплекса, но авария на АЭС может иметь совершенно катастрофические последствия. В качестве примеров таких систем можно привести компьютерные системы поддержки оператора CAMLS, CSPM, ChemAND для реакторов CANDU и акустическую систему обнаружения течи ALUS фирмы Siemens. 1.2 Методы обработки и анализа данных Очень важную роль в системах диагностики играют методы обработки и анализа данных. С помощью теории распознавания образов возможно автоматизированное (с помощью ЭВМ) решение следующих задач, возникающих при технической диагностике ЯЭУ: Минимизации описания ЯЭУ; Отбора и формирования существенных для диагностики признаков; Выработки на основе обучения или самообучения решающих правил; Автоматического распознавания эксплуатационных ситуаций; Прогнозирования развития аномальных режимов. Описание методов 2.1 Метод кластерного анализа Термин кластерный анализ (впервые ввел Tryon, 1939) Кластерный анализ - это совокупность методов, позволяющих классифицировать многомерные наблюдения, каждое из которых описывается набором исходных переменных Х1,Х2,..., Хm. Целью кластерного анализа является образование групп схожих между собой объектов, которые принято называть кластерами. 1 - Коэффициенты корреляции STATISTICA ФАКТОРНЫЙ АНАЛИЗ Корреляции (factor.sta) Построчное удаление ПД n=100 Переменная РАБОТА_1 РАБОТА_2 РАБОТА_3 ДОМ_1 ДОМ_2 ДОМ_3 РАБОТА_1 РАБОТА_2 РАБОТА_3 ДОМ_1 ДОМ_2 ДОМ_3 1.00.65.65.14.15.14 .65 1.00.73.14.18.24 .65.73 1.00.16.24.25 .14.14.16 1.00.66.59 .15.18.24.66 1.00.73 .14.24.25.59.73 1.00 Переменные, относящиеся к удовлетворенности на работе, более коррелированы между собой, а переменные, относящиеся к удовлетворенности домом, также более коррелированы между собой. Факторные нагрузки Рассмотрим корреляции между переменными и двумя факторами (или новыми переменными), как они были выделены по умолчанию; эти корреляции называются факторными нагрузками. Табл.