Классификация мeтодов прогнозирования



Nbsp; Содержание   Введение. 5 1 Аналитический обзор методов. 6 1.1........ Прогнозные модели. 6 1.1.1 Классификация мeтодов прогнозирования. 6 1.1.2.... Классификация моделей прогнозирования. 6 1.2 Методы аппроксимации экспериментальных данных. 8 1.2.1.... Классификация моделей аппроксимации. 9 1.2.1.1 Регрессионный метод. 9 1.2.1.2 Метод экстраполяции. 9 1.2.1.3 Нейросетевая модель. 11 1.2.2 Программные системы для выполнения аппроксимации. 13 1.3 Нейросетевая зависимость. 14 1.3.1 Основные понятия. 14 1.3.2 Основные нейросетевые модели. 18 1.4 Цели и задачи исследования. 20 2 Разработка прогнозной модели качества приборов на основе экстремума погрешности 22 3 Выбор способа реализации нейросетей. 30 3.1 Программная реализация нейросетевых алгоритмов. 30 3.2 Программно-аппаратная реализация НС.. 34 3.3 Аппаратная реализация нейросетей. 35 3.4 Выбор способа реализации неросетей. 38 4 Аппаратная реализация прогнозной модели. 39 4.1 Критерии выбора микроконтроллера. 39 4.2 Выбор микроконтроллера с поддержкой МаtLab. 41 4.2.1 Серия контроллеров Piccolo™... 42   4.3 Технические характеристики микроконтроллера TMS320F28027. 45 4.4 Реализация прогнозной модели на микроконтроллере TMS320F28027 48 5 Экономическое обоснование научных и технических решений 50 5.1 Расчет прямых материальных затрат. 50 5.2 Расчет затрат по основной заработной плате исполнителей. 51 5.3 Расчет затрат на использование оборудования. 51 5.4 Расчет затрат на страховые взносы.. 54 5.5 Расчет накладных расходов. 54 5.6 Расчет сметной себестоимости темы.. 55 5.7 Расчет цены выполнения работ по модернизации. 55 5.8 Определение срока окупаемости. 55 6 Безопасность и экологичность научных и технических решений 58 6.1 Разработка мер по обеспечению безопасности и экологичности мероприятий, проводимых в цехе ПП и ИМС.. 58 6.1.1 Меры безопасности при автоматических процессах производства микросхем 58 6.1.2 Обеспечение безопасных условий труда при выполнении технических процессов и обеспечении оборудованием. 60 6.1.3 Организация отопления и вентиляции на производстве. 61 6.1.4 Освещение производственных помещений и рабочих мест 62 6.1.5 Мероприятия по снижению уровня производственного шума 63 6.1.6 Санитарно-бытовое обслуживание работников. 64 Заключение. 66 Список используемых сокращений. 67 Нормативные ссылки. 68 Библиографический список и информационные ресурсы.. 69  

Введение

В современных условиях усложнение радиоэлектронных средств приводит к ряду проблем при оценке качества и надежности изделий из-за ряда трудно выявляемых скрытых дефектов. Поэтому одним из наиболее перспективных направлений в разработке методов оценки качества и надежности  РЭС является прогнозирование их будущих состояний.

Индивидуальное прогнозирование, на данный момент, обеспечивает наибольшую точность (ИП)[1]. Смысл данного прогнозирования заключается в том, что по величине информативного параметра или по результатам наблюдения за каждым конкретным экземпляром и полученной прогнозной модели делается вывод о потенциальной надежности и качеству работы этого экземпляра, то есть о возможности его использования по назначению в течение заданного срока службы. Сейчас, основной проблемой является либо отсутствие прогнозных моделей для многих ЭРИ, либо недостаточная точность их прогнозирования. Поэтому актуальной задачей является разработка таких прогнозных моделей и повышение их точности, что обеспечивается применением принципа экстремума погрешности.

Цель данной работы разработка прогнозной модели и анализ ее эффективности на примере качества работы стабилитронов.

Для достижения поставленной цели следует решить следующие задачи:

- создание математической прогнозной модели на основе нейросетей;

- синтез прогнозной модели при постоянной обучающей выборке;

- синтез прогнозной модели при переменной обучающей выборке

- выбор способа реализации прогнозной модели.

При выполнении работы использовались теоретические и экспериментальные исследования. Теоретические исследования основываются на методах математической статистики, распознавании образов, методах численного моделирования.

Экспериментальные исследования выполнены с нейросетевой модели со стандартной функцией программы MATLAB.

Научная новизна работы заключается в том, что предложена, разработана и исследована прогнозная модель качества приборов на основе нейросетей, с использованием экстремума погрешности, обеспечивающая уменьшение интервала обучения прогнозной модели, существенное увеличение интервала прогноза.

 

Аналитический обзор методов

Прогнозные модели  

Мeтод прогнозирования – это последовательность действий, которые необходимо совершить для получения модeли прогнозирования.

Модель прогнозирования – это функциональное представлeние, описывающeе исследуемый процесс и являющeеся основой для получения его будущих значений.

 

Классификация мeтодов прогнозирования

Понятие «метод прогнозирования» гораздо обширнее понятия «модель прогнозирования». В связи с этим на начальном этапе классификации обычно рассматривают мeтоды на две группы: интуитивныe и формализованные [2].

 

Рисунок 1.1 – Методы прогнозирования

 

Интуитивные методы прогнозирования имеют дело с суждениями и оценками экспертов. На данный момент они применяются в различных областях, таких как маркетинг, экономика, политика, в таких системах, в которых необходимо спрогнозировать те или иные данные. Интуитивный метод имеет ряд минусов, такие системы либо слишком сложны и не поддаются математическому описанию, либо слишком просты и в описании не нуждаются.

Формализованные методы - описанные в литературе методы прогнозирования, в результате которых строят модели прогнозирования, то есть определяют такую математическую зависимость, которая позволяет вычислить будущее значение процесса, то есть сделать прогноз.

 


Дата добавления: 2018-04-15; просмотров: 327; Мы поможем в написании вашей работы!

Поделиться с друзьями:






Мы поможем в написании ваших работ!