Вычисление характеристик эффективности последовательных стастических решающих правил: магистерская диссертация / Ли Хуэй Ян; БГУ, Факультет прикладной математики и информатики, Кафедра дискретной математики и алгоритмики; науч. рук. Харин А. Ю.

Abstract

Реферат Магистерская диссертация, 49 страниц, 19 рисунков, 36источников,31формула Ключевые слова: ПРИБЛИЖЕННАЯ ЦЕПЬМАРКОВА,ПОСЛЕДОВАТЕЛЬНЫЙ СТАТИСТИЧЕСКИЙ РЕШАЮЩИЙПРАВИЛ,ВЫЧИСЛЕНИЕ ХАРАКТЕРИСТИК ЭФФЕКТИВНОСТИ,ОСТАВШИЙСЯСРОК ПОЛЕЗНОГО ИСПОЛЬЗОВАНИЯ,ДИНАМИЧЕСКАЯКВАНТИЛЬНАЯДИСКРЕТИЗАЦИЯ. Объектом исследования являются приближенные марковские цепи и методы последовательного статистического принятия решений в задачах прогнозирования остаточного ресурса оборудования. Предметом исследования является разработка и верификация вычислительного метода оценки характеристик производительности на основе приближенных марковских цепей для систем последовательного статистического принятия решений в задачах прогнозирования остаточного ресурса промышленного оборудования. Целью работы является разработка вычислительно эффективного метода оценки характеристик производительности на основе аппроксимированных марковских цепей для систем мониторинга промышленного оборудования. В ходе работы был разработан метод приближенной цепи Маркова и его применение в последовательном статистическом принятии решений для задачи прогнозирования остаточного ресурса промышленного оборудования. Предложена вычислительная модель, основанная на динамической квантильной дискретизации и снижении размерности PCA. Результаты показывают, что адаптивное обновление порога выборки каждые 100 циклов может уменьшить ошибку прогнозирования по сравнению со статическим методом. Исследование также показало, что сокращение пространства состояний посредством выбора главных компонентов может значительно сократить время принятия решения. Сравнительный анализ проводился с использованием таких моделей, какLSTMи Hidden Markov Model. Полученные результаты работы могут быть использованы промышленными предприятиями и сервисными организациями, осуществляющими мониторинг критически важного оборудования и сталкивающимися с проблемой прогнозирования остаточного ресурса. Предложенный метод позволяет повысить эффективность принятия решений и сократить затраты на обслуживание оборудования, обеспечивая при этом точность прогнозов.