Важнейшим требованием к характеристикам многопараметрических динамических технических систем (МДТС), в частности, к системам мониторинга окружающей среды, работающим в автоматическом режиме в условиях неоднозначности обстановки относительно внешних возмущений, является устойчивость функционирования весь период жизненного цикла. Повышение эффективности работы МДТС достигается за счет улучшения ее функционально-параметрических характеристик путем разработки и реализации алгоритмов прогнозирования состояния её компонентов. В зависимости от объёма априорных данных, достоверность и точность прогноза определяется выбранным методом построения и алгоритма реализации в виде прогнозной функции МДТС.
прогнозная оценка, поведение сложной технической системы, алгоритм, прогнозная аналитическая модель, аппроксимация априорных данных
1. Торшина И. П., Якушенков Ю. Г. Некоторые особенности системного подхода при проектировании оптикоэлектронных систем 3-го поколения // Контенант. 2017. Т. 16, № 1. С. 22-27.
2.
3. Торшина И. П., Якушенков Ю. Г. Некоторые особенности моделирования оптико-электронных систем визуализации 3-го поколения // Сб. материалов XIII междунар. науч.- техн. конф. «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации „Распознавание – 2017“». – Курск:ЮЗГУ, 2017. C. 347-348.
4.
5. Захаров А. И., Загайнов А. И. Реализация программного комплекса для вычисления фрактальных параметров сложных систем // Интеллектуальные технологии на транспорте. 2015. № 2. C. 47-53.
6.
7. Красновидов А. В. Подход к построению алгоритмов статистического анализа потоков ошибок в дискретных каналах связи // Интеллектуальные технологии на транспорте. 2015. № 2. C. 20-26.
8.
9. Fu Z., Zhou X., Chen Y., Gong J., Peng F., Yan Z., Zhang T., Yang L. The infl uence of random slowdown process and lock-step effect on the fundamental diagram of the nonlinear pedestrian dynamics: An estimating-correction cellular automaton // Commun. Nonlinear Sci. Numer. Simul. 2015. Vol. 20 (3). Р. 832-845.
10.
11. Bonilla J., Dormido S., Cellier F. E. Switching moving boundary models for two-phase fl ow evaporators and condensers // Commun. Nonlinear Sci. Numer. Simul. 2015. Vol. 20 (3). Р. 743-768.
12.
13. Demin A. V., Dmitrieva S. P. Algorithm of real-time developing a forecast model of engineering systems // ICUMT 7. – Brno, 2015. P. 14-19. http://www.icumt.info/2015.
14.
15. Demin A. V., Dmitrieva S. P. The algorithm of state estimation for dynamic multivariable technical system // CSNT 2016. – Chandigarth City, India: CSNT, 2016. P. 23-29.
16.
17. Akimov S. V., Verkhova G. V. The four-level integrative model, methodology of structural and parametric synthesis of system objects // Collection: Proc. XIX Int. Conf. Soft Computing and Measurements SCM`2016. 2016. P. 321-323.
18. Akimov S. V., Verkhova G. V. The linguistic support of morphological modeling set // Collection: Proc. XIX Int. Conf. Soft Computing and Measurements SCM`2016. 2016. Р. 337-340.
