Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: funkcje czułości

Sortuj według:

Ogranicz wyniki do:

Comparison of the results of time series prediction obtained with the classical GMDH algorithm and the modified method containing sensitivity functions

Bobkowska J.

Pomiary Automatyka Kontrola

2013

R. 59, nr 7

688--691

The paper presents the results of prediction experiments dealing with the behavior of a complex process containing significant regularity which is modeled by a given time series. In my research I use only a small amount of the input data in order to predict future states of the aforementioned time series using a modified GMDH containing sensitivity functions. It turns out that, for some specific processes, sensitivity functions allow us to obtain more accurate results than the classical GMDH.

Poniższy artykuł przedstawia wyniki eksperymentów dotyczących predykcji zachowania pewnego złożonego procesu zawierającego znaczne regularności, który modelowany jest za pomocą szeregu czasowego. W celu predykcji kolejnych wartości szeregu korzystam jedynie z niewielkiej ilości danych wejściowych stosując zmodyfikowaną metodę GMDH (Group Method of Data Handling) zawierającą funkcje czułości. Metody statystyczne stosowane zwykle w celu ustalenia zależności między poszczególnymi zmiennymi są całkowicie nieprzydatne w warunkach niewielkiej ilości danych wejściowych. Trudno w takich warunkach dostrzec i zbadać regularności szeregu i zależności pomiędzy zmiennymi tego szeregu. Nawet jeśli badany szereg jest szeregiem ze ściśle określoną regularnością, to nie mamy pewności, że ilość próbek, na których ma sposobność pracować badacz jest wystarczająca do określenia wszystkich jego cech. Proces przedstawiony za pomocą pewnego szeregu, może mieć np. składnik cykliczny, który przy małej ilości próbek będzie niewidoczny. Korzystamy więc z narzędzia umożliwiającego uchwycenie wahań analizowanego procesu, jego siły czy kierunku wykorzystywanego między innymi w dyscyplinach zajmujących się sterowaniem procesami. Jednym z takich narzędzi szacujących są właśnie funkcje czułości. Uzyskiwane rezultaty badań pokazują, że zastosowanie funkcji czułości pozwala na otrzymanie dokładniejszych wyników predykcji niż klasyczna metoda GMDH dla pewnych szczególnych zachowań procesu.

Using sensitivity functions to simulation of complex processes

Rogoza V., Bobkowska J.

Przegląd Elektrotechniczny

2012

R. 88, nr 10b

188-191

The paper deals with the use of sensitivity functions that allow us to develop mathematical models of complex processes using short-time experimental samples. The process is said to be complex if variables which describe the states of the process in time are interrelated. The models of complex processes proposed in the paper are presented in the form of regression equations which can be used for the analysis of mutual influences of process variables as well as for the short-time prediction of future process states. The discussed approach is based on the assumption that the process to be studied exhibits the regularity property. As is shown in the paper, under this condition, it is sufficient to have five or six experimental samples to start synthesis of models which can be further modified during simulation.

Artykuł dotyczy wykorzystania funkcji czułości do konstrukcji matematycznych modeli złożonych procesów w celu dokonywania krótkoterminowej predykcji. Proces nazywamy złożonym, kiedy zmienne opisujące stany tego procesu w czasie są wzajemnie zależne. Modele złożonych procesów, które proponujemy są przedstawione w postaci układów równań, które mogą być używane do analizowania wzajemnych wpływów zmiennych tych procesów oraz krótkoterminowej prognozy przyszłych stanów tych procesów. Proponowane podejście oparte jest na założeniu, że obserwowany proces wykazuje pewne regularności. W takiej sytuacji wystarczy pięć, sześć próbek danych eksperymentalnych, aby rozpocząć syntezę modeli, które następnie będą modyfikowane podczas symulacji.