|
фиксированном значении X модель позволяет вычислять оценку целевой функции с любой наперед заданной степенью точности. При этих ограничениях решается задача сходимости алгоритмов оптимизации, которая представлена в третьей граве. 3.3. Методики анализа финансовой устойчивости и кластеризации предприятий промышленности и транспортного комплекса Для приложений финансового анализа разработана методика и сценарий элементарных приложения, включающий расчет NPV, сетевую модель инновационных проектов, методы кластерного, факторного анализа и другие, функционал которых приведен в данном разделе. 3.3.1. Сценарий автоматизации экспериментов по качеству моделей прогнозирования и кластеризации Для решения задач финансового анализа на основе предложенной концепции сценарий включает приложения: • приложение моделирования временных рядов; • расчета NPV; • Active-X компонента интерфейса с пакетом Statistica; • макрос для кластерного анализа; • макрос для экспоненциального сглаживания; • макрос для факторного анализа; • обратное преобразование; • сетевая модель инновационного проекта; • и другие. Структура сценария приведена на рис.3.9. 105 |
4 3.3.1. Принципы построения управляемой модели..............................................159 3.3.2. Алгоритм управляемого имитационного процесса...................................161 3.3.3. Рекуррентный анализ сходимости алгоритма управления.....................165 3.3.4. Анализ поведения алгоритма при постоянной длине ш ага....................169 3.3.5. Анализ поведения алгоритма при переменной длине шага....................171 3.4. Исследование сходимости управляемого имитационного процесса 172 3.4.1. Оценка градиента на переходном периоде................................................. 173 3.4.2. Эффективность восстановления состояния................................................ 176 3.4.3. Выбор длительности интервала управления..............................................178 3.5. Включение имитационной модели во вложенный уровень.......................182 3.5.1. Построение процедуры рекуррентного оценивания.................................183 3.5.2. Анализ сходимости процедуры Роббинса-Монро.................................... 185 Выводы по главе 3 ........................................................................................................188 4. РАЗРАБОТКА ТЕХНОЛОГИЙ ФОРМИРОВАНИЯ М ЕТОДИК АНАЛИЗА, ИНВАРИАНТНЫХ К ПРЕДМ ЕТНЫ М ОБЛАСТЯМ В ГИБРИДНОЙ СПП Р................................................................................................. 190 4.1. Методики анализа финансовой устойчивости и кластеризации предприятий промышленности и транспортного комплекса.............................190 4.1.1. Сценарий автоматизации экспериментов по качеству моделей прогнозирования и кластеризации........................................................................... 190 4.1.2. Элементарные приложения процедур прогнозирования и кластеризации.............................................................................................................. 191 4.1.3. Апробация методик финансовой устойчивости, прогнозирования и кластеризации...............................................................................................................205 4.2. Методика анализа характеристик грунта и взаимодействия колесных машин..............................................................................................................................215 4.2.1. Сценарий автоматизации экспериментов по оценке характеристик грунта и функционирования технологических машин.......................................216 4.2.2. Элементарные приложения системы анализа характеристик многоколесных машин................................................................................................218 4.2.3. Результаты экспериментов по анализу взаимодействия многоколесных машин с грунтом слабой несущей способности...................................................229 4.3. Методика анализа эффективности методов и моделей тестового контроля......................................................................................................239 4.3.1. Сценарий методики анализа эффективности методов и моделей тестового контроля...................................................................................................... 240 фиксированном значении X модель позволяет вычислять оценку целевой функции с любой наперед заданной степенью точности. При этих ограничениях решается задача сходимости алгоритмов оптимизации, которая представлена в третьей граве. 2.5. Классификация пользователей и функциональных приложений гибридной среды При реализации функций системы выделим классы пользователей системы: администратор, методист, консультант (К) и обучаемый (О). Все эти категории пользователей отличаются по их отношению к учебным материалам (U), которые определяют совокупность неделимых единиц учебной информации, соответствующих структуре знаний специализации, и тестовым заданиям (Т), которые необходимы для контроля уровня знаний обучаемых. Функциональная декомпозиция учебного процесса, протекающего при организации системы подготовки, определяется отображением всевозможных сочетаний вершин графа на рис.2.19. При описании всех функций системы очевидно следующее разбиение функций системы: • подготовка и формирование базы данных методических материалов, поддерживающих выбранные направления и специализации, в которых участвует администратор, методист и группа программистов. • ведение непосредственно процесса обучения со всеми видами контрольных мероприятий. На этапе подготовки учебных материалов самым активным пользователем системы является методист. На этапе процесса обучения более активны консультанты. Администратор обеспечивает весь сервис и функционирование системы в целом, поддерживает работоспособность и выполняет синхронизацию всех баз данных. При наличии сформированных баз банных 121 4. РАЗРАБОТКА ТЕХНОЛОГИЙ ФОРМИРОВАНИЯ МЕТОДИК АНАЛИЗА, ИНВАРИАНТНЫХ К ПРЕДМЕТНЫМ ОБЛАСТЯМ В ГИБРИДНОЙ СПИР В главе на основе созданной концепции разрабатываются методики и компоненты гибридной системы поддержки принятия решений для рассмотренных предметных областей. Показана инвариантность к предметным областям на примере анализа процедур тестового контроля, расчета взаимодействия технологических машин с грунтом и оценки финансово-экономического анализа предприятий промышленности и транспортного комплекса. 4.1. Методики анализа финансовой устойчивости и кластеризации предприятий промышленности и транспортного комплекса Для приложений финансового анализа разработана методика и сценарий элементарных приложения, включающий расчет NPV, сетевую модель инновационных проектов, методы кластерного, факторного анализа и другие, функционал которых приведен в данном разделе. 4.1.1. Сценарий автоматизации экспериментов по качеству моделей прогнозирования и кластеризации Для решения задач финансового анализа на основе предложенной концепции сценарий включает приложения: • приложение моделирования временных рядов; • расчета NPV; • Active-X компонента интерфейса с пакетом Statistica; • макрос для кластерного анализа; • макрос для экспоненциального сглаживания; • макрос для факторного анализа; 190 |