7 / 13
Лингвистическое моделирование анализа рисков возникновения аварийной ситуации…
Инженерный журнал: наука и инновации
# 5·2016 7
ходной информации [5–7]. Эта оценка представления нечеткой ин-
формации наиболее приемлема, поскольку разрешает в удобной форме
формализовать знания экспертов, выраженные в форме лингвистиче-
ской оценки. Особенностью лингвистической оценки есть то, что взаи-
мосвязь переменных «вход-выход» задается как экспертные определе-
ния «ЕСЛИ» — вход, «ТО» — выход, которые представляют иерархи-
ческую базу знаний. Для этого задача прогнозирования возникновения
аварии сводится к идентификации проекта с множеством входов и од-
ним выходом. Основные принципы идентификации объектов на основе
лингвистических баз данных сформулированы в работах [6, 8]:
Принцип лингвистичности входных и выходных перемен-
ных
. Соответственно этому принципу вход объекта и его выход рас-
сматриваются как лингвистические переменные, оцениваемые каче-
ственным терм-множеством.
Принцип формирования структуры зависимости «вход-
выход» в вводе лингвистической экспертной базы знаний
. Линг-
вистическая база знаний представляет собой совокупность правил
«ЕСЛИ» — входы, «ТО» — «выходы», которые основаны на опыте
эксперта и его понимании причинно-следственных связей в анализи-
руемой задаче принятия решения (прогнозировании).
Принцип иерархичности баз знаний
. При большом количестве
входных переменных построение системы высказываний о неизвест-
ной зависимости «вход-выход» становится сложным. В связи с этим
целесообразно провести ранжирование входных переменных по зна-
чимости.
Принцип двухэтапной настройки лингвистических экспертных
знаний. Соответственно этому принципу построение модели осу-
ществляется в два этапа. Это этапы структурной и параметрической
идентификации. Построение нечеткой базы знаний на основе экс-
пертных оценок соответствует этапу структурной идентификации.
Тем не менее для более полного совпадения экспертной оценки с
экспериментальными данными может проводиться тонкая настройка
нечеткой модели путем ее обучения по экспериментальным данным.
Настройка складывается в подборе таких весов логических правил
«ЕСЛИ» — «ТО» и таких параметров функций принадлежности, ко-
торые минимизируют расхождения между экспериментальным и мо-
дельным поведением объекта.
Общие свойства лингвистического моделирования:
•
параметрическая структура, которая разрешает аппроксимиро-
ванное моделирование;
•
возможность реализации многомерной, нелинейной, статисти-
ческой, передаточной функций;
•
обработка информации по принципам, похожим на действия
человека;