SCI Библиотека

Предлагается структура системы управления синхронизацией сети идентичных агентов в условиях нестационарности и параметрической неопределенности моделей агентов. При синхронизации требуется обеспечить согласован-ное во времени поведение однотипных агентов сети с учетом действующих на каждый агент внешних возмущений. В подсистемах осуществляется слежение за скалярным выходом ведущего агенталидера, агенты зависимы. Измерению доступны скалярные входы и выходы агентов. Для решения поставленной сетевой задачи в каждом агенте строятся законы управления на основе метода вспомогательного контура, в основе которого лежит принцип динамической компенсации. Предварительно формируются сигналы, несущие информацию, негативно влияющую на регулирование подсистемы, а затем осуществляется их компенсация. В каждом агенте требуется информация о производных промежуточных сигналов, для чего используются наблюдатели Халила. Для иллюстрации работоспособности предложенной системы син-хронизации рассмотрен числовой пример управления сетевым объектом, состоящим из четырех агентов, каждый из которых подвержен действию внешних, различных по амплитуде, возмущений. Проведено моделирование в MATLAB Simulink. Результаты моделирования подтвердили теоретические выводы и показали хорошую работоспособность системы синхронизации в условиях неопределенности и нестационарности моделей агентов сети.

Потребление электроэнергии является ключевым фактором устойчивого развития в энергетической отрасли, и точное прогнозирование его изменений имеет важное значение для эффективного управления большими электро-энергетическими системами и ресурсами. Целью данного исследования является разработка математической (регрессионной) модели для прогнозирования поведения электропотребления на каждый час следующих суток для энергосбытовых компаний современными методами машинного обучения и искусственного интеллекта. Рассматриваются различные методы искус-ственного интеллекта, применяемые для моделирования и прогнозирования потребления электроэнергии. К этим методам относятся: линейная модель, случайный лес и две реализации градиентного бустинга над решающими деревьями. Научный подход, основанный на технологии искусственного интеллекта Boosting, позволяет максимально снизить ошибку прогнозирования электропотребления в крупных энергетических компаниях. Авторами разработана новая, полезная и качественная регрессионная модель, адекватно описывающая экспериментальные данные по потреблению электроэнергии за каждый час суток. Выполнено тестирование разработанной регрессионной моде-ли на реальных производственных данных энергетической компании. Проведенное исследование и полученные результаты позволяют авторам сделать вывод о том, что разработанная математическая модель методом машин-ного обучения LightGBM может быть использована энергосбытовыми компаниями для почасового планирования электропотребления при подаче заявок на оптовый рынок электроэнергии и мощности (ОРЭМ) на несколько дней вперед. Исследование было выполнено на языке программирования Python.

Постановка задачи: выявление нештатных ситуаций на железной дороге для обеспечения безопасности и оптимизации процессов, включая наблюдение за состоянием занятости, движением поездов, погодными условиями и другими факторами, способными привести к возникновению ситуаций.

Целью работы является разработка специализированного программного обеспечения с использованием данных кластерного анализа для выявления причин аварийных ситуаций на железнодорожном транспорте России, что крайне важно из-за его значительного уровня общественной безопасности и нестабильности в стране, а также из-за возможных угроз, связанных с возможными ситуациями, особенно при перевозке грузов.

Используемые методы: кластерный анализ для систематизации хороших видов аномалий, возникающих на железнодорожном транспорте, с учетом таких параметров, как источник возникновения проблем, географического положения и временных характеристик. Они предпочитают выявлять факторы группы событий и лучше понимать их природу, а также оценивать эффективность предотвращения возникновения ситуаций.

Результат: с использованием метода кластерного анализа данных выявление основных признаков, конференций на основе непривычных обстоятельств в функционировании железнодорожного транспорта. Это приводит к существенным результатам, включая идентификацию различных категорий нештатных ситуаций, оптимизацию мер безопасности и повышение результативности железнодорожной системы. Элементами новизны представленного решения является применение кластерного анализа для выявления признаков, особенностей и проявлений, проявляющихся в данных, связях с вариациями на схемной дороге.

Теоретическая/практическая эффективность состоит в выработке рекомендаций в рамках стратегии, повышения безопасности и в конечном итоге достижения общей эффективности транспортной системы в долгосрочной стратегии.

Актуальность исследования обусловлена сложностью оценки экологической и социальной ответственности компаний в условиях ограниченного времени и сведений о них, а также возможностью автоматического сбора информации из открытых источников. Использованы методы автоматического выделения топиков из текстовых данных, методы машинного обучения и многокритериального ранжирования, сопоставительный и экспертный анализ получаемых результатов. Для проведения экспериментов было собрано более 1200 отчетов ведущих российских компаний за период 2019-2022 гг., а также использовались новости, размещенные на сайте Forbes. ru. Разработана модель и методика ее применения для анализа текстовой информации о группе компаний для их ранжирования. Проведен качественный и количественный анализ, показывающий неслучайный и обоснованный характер получаемых результатов. Показана эффективность предложенной модели для выбора компаний путем ранжирования ограниченного их перечня на основе доступной текстовой информации.

Предлагается алгоритмизация методики формирования наборов независимых компонент многомерной случайной величины. Методика основывается на проверке гипотез о независимости парных сочетаний компонент многомерной случайной величины с использованием двухмерного непараметрического алгоритма распознавания образов, соответствующего критерию максимального правдоподобия. Классы соответствуют областям определения плотностей вероятностей в условиях независимых и зависимых случайных величин. Для восстановления плотностей вероятностей используются их непараметрические оценки типа Розенблатта - Парзена. В отличие от традиционной методики, основанной на применении критерия Пирсона, предлагаемый подход позволяет обойти проблему декомпозиции области значений случайных величин на многомерные интервалы. Полученная информация позволяет построить информационный граф, вершины которого соответствуют компонентам многомерной случайной величины. Между двумя вершинами графа существует ребро, если соответствующие им компоненты случайной величины являются независимыми. Тогда вершины полного подграфа соответствуют группе независимых компонент случайной величины. На этой основе разработан алгоритм обнаружения наборов взаимно независимых случайных величин.

Предлагается методика быстрого выбора коэффициентов размытости ядерных функций многомерной регрессионной оценки плотности вероятности независимых случайных величин. Регрессионная оценка плотности вероятности используется при решении задач распознавания образов и автоматической классификации в условиях исходных статистических данных большого объема. Ее синтез основан на сжатии исходной информации с использованием процедур дискретизации области значений случайных величин и формировании массива преобразованных данных. Элементами полученного массива данных являются центры интервалов дискретизации и соответствующие им частоты попадания случайных величин из исходной выборки. Для быстрого выбора коэффициентов размытости ядерных функций используются результаты исследования асимптотических свойств многомерной регрессионной оценки плотности вероятности. Предложена методика оценивания составляющих оптимального коэффициента размытости. Методом вычислительного эксперимента анализируется эффективность предлагаемого подхода быстрого выбора коэффициентов размытости регрессионной оценки плотности вероятности для семейства логнормальных законов распределения двухмерных независимых случайных величин при различных объемах исходных данных и перспективных процедур дискретизации области значений независимых случайных величин.

Определяются параметры вычислительного цикла в имитаторе динамики объекта управления при заданных имитационных характеристиках обучающих комплексов для подготовки операторов транспортных систем. Предлагаются критерии оценки оператором динамических характеристик объекта в процессе нормальной эксплуатации целостной системы. Приводятся методы декомпозиции пространственного движения на продольное и боковое по приближенно определяемым корням характеристического полинома четвертого порядка c иллюстрацией на конкретном примере. Для ряда эргатических систем предлагаются модели управляющих воздействий и определяется влияние параметров объекта на характеристики управления.

Предложена методика декомпозиции области значений двухмерных спектральных признаков данных дистанционного зондирования пожара лесной территории по значениям составляющих их коэффициентов корреляции. Основу методики составляет анализ произведения нормированных значений спектральных признаков и его непараметрической оценки плотности вероятности. Особенность используемого показателя и вводимые пользователем пороги на его значения позволяют осуществить декомпозицию исходных статистических данных и картирование получаемых результатов. В отличие от методов автоматической классификации предлагаемый подход обладает более высокой вычислительной эффективностью, что необходимо при обработке больших объемов статистических данных. Рассматриваются результаты применения методики при обработке данных дистанционного зондирования на территорию лесного пожара.

Предложена методика декомпозиции области значений многомерных статистических данных, которая учитывает зависимости между компонентами случайной величины и их количественные значения. Синтез структуры системы декомпозиции исходной выборки наблюдений многомерной случайной величины основан на анализе суммы коэффициентов корреляций неповторяющихся парных сочетаний её компонент и использовании модификации алгоритма автоматической классификации «Форель». Показана возможность обоснованного выбора параметра алгоритма классификации. Предложена система декомпозиции значений многомерной случайной величины является актуальной при анализе данных дистанционного зондирования.

Найдена точная динамика модели, состоящей из двух двухуровневых атомов, взаимодействующих с модой электромагнитного поля идеального резонатора посредством вырожденных рамановских переходов, для когерентного и теплового состояний поля. Точное решение использовано для расчета атом-атомной отрицательности. Показано, что для сепарабельных начальных состояний атомов их взаимодействие с полем резонатора не приводит к возникновению атом-атомного перепутывания. Найдено, что для белловских начальных состояний атомов в случае когерентного поля резонатора имеет место эффект мгновенной смерти перепутывания для больших средних значений числа фотонов, в то время как для теплового шума указанный эффект отсутствует для любых интенсивностей резонаторного поля