Проверяемый текст
Ананьев Николай Сергеевич. Методы и средства анализа данных в системах поддержки принятия решений (Диссертация 2005)
[стр. 32]

планирование, неучет «незначимых» на текущий момент характеристик, может привести в перспективе к серьезным проблемам.
Поэтому в таких случаях необходимо включение качественных характеристик, которые, к сожалению, не поддаются прогнозированию существующими методами.
Очевидно, что характеристики объектов на перспективу целесообразно определять на основе прогнозирования их обобщённых
ИНТЕГРАЛЬНЫХ характеристик (ОИХ) по имеющимся на момент исследований данным, что позволяет естественным образом учесть корреляционные связи между частными характеристиками в процессе решения задачи.
Для учета качественных характеристик необходимо решить задачу их представления в виде, для которого могут быть использованы методы прогнозирования (т.н.
задача оцифровки качественных переменных [55]).
Решение последней задачи тесно связано с проблемой восстановления пропущенных данных.
Существующие методы восстановления ориентированы на использование больших массивов количественных исходных данных [10].
Разработка метода восстановления пропущенных данных на малых выборках является актуальной задачей для уникальных объектов, поскольку позволило бы достаточно адекватно решить задачу прогнозирования их характеристик.
Логично предположить, что совмещение процедур восстановления данных и прогнозирования характеристик объектов управления на основе учета структурных особенностей даст возможность решить задачу прогнозирования для малых выборок.
Таким образом, проблема прогнозирования (оценки) характеристик уникальных объектов тесно связана с задачей определения обобщенного
интегрального показателя его качества ОИХ.
При этом в силу особенностей решаемых задач, необходимо, чтобы формальное представление
ОИХ обладало метрическими свойствами, было бы чувствительно к корреляционным связям отдельных характеристик, устойчиво к их малым 32 изменениям.
[стр. 29]

расчетов используются различные методы агрегирования многомерных данных с использованием разных видов средних величин.
На этих средних могут быть построены агрегаты, обладающие энтропийными свойствами и, с этой точки зрения, они могут служить мерой неопределенности [10].
Следовательно, для снятия неопределенности II типа целесообразно использовать (выбирать) такие данные, которые минимизируют значение этой меры.
1.4.1.
Прогнозирование характеристик объектов Значительные трудности прогнозирования значений характеристик объектов управления связаны с уникальностью объектов, которая выражается в виде ограниченного их числа, а также длительного интервала жизненного цикла их состояния в динамике.
Существующие подходы регрессионного анализа ориентированы на обработку сравнительно больших (нескольких десятков) выборок.
В противном случае имеет место зависимость результатов от объема выборки [6].
В связи с этим актуальным является методический подход к построению уравнений регрессии, заключающийся в построении устойчивых агрегатов, максимально учитывающих корреляционные связи между характеристиками объекта.
Зачастую методы обоснования облика объектов управления на перспективу ориентированы на прогнозирование некоторых основных характеристик количественного типа, без учета их взаимосвязи с другими характеристиками (по мнению аналитиков незначимых).
В то же время, при стратегическом управлении, в рамках которого осуществляется долгосрочное планирование, неучет «незначимых» на текущий момент характеристик, может привести в перспективе к серьезным проблемам.
Поэтому в таких случаях необходимо включение качественных характеристик, которые, к сожалению, не поддаются прогнозированию существующими методами.
Очевидно, что характеристики объектов на перспективу целесообразно определять на основе прогнозирования их обобщённых
характеристик (ОХ) по имеющимся на момент исследований данным, что позволяет естественным 29

[стр.,30]

образом учесть корреляционные связи между частными характеристиками в процессе решения задачи.
Для учета качественных характеристик необходимо решить задачу их представления в виде, для которого могут быть использованы методы прогнозирования (т.н.
задача оцифровки качественных переменных [55]).
Решение последней задачи тесно связано с проблемой восстановления пропущенных данных.
Существующие методы восстановления ориентированы на использование больших массивов количественных исходных данных [10].
Разработка метода восстановления пропущенных данных на малых выборках является актуальной задачей для уникальных объектов, поскольку позволило бы достаточно адекватно решить задачу прогнозирования их характеристик.
Логично предположить, что совмещение процедур восстановления данных и прогнозирования характеристик объектов управления на основе учета структурных особенностей даст возможность решить задачу прогнозирования для малых выборок.
Таким образом, проблема прогнозирования (оценки) характеристик уникальных объектов тесно связана с задачей определения обобщенного
показателя его качества ОХ.
При этом в силу особенностей решаемых задач, необходимо, чтобы формальное представление
ОХ обладало метрическими свойствами, было бы чувствительно к корреляционным связям отдельных характеристик, устойчиво к их малым изменениям.
Разработка математически строгого метода свертки частных показателей и характеристик объектов в обобщенный показатель позволит корректно решать задачи сравнительного анализа альтернатив, выбора рациональных вариантов действий по достижению поставленной цели.
Основная трудность в решении указанных задач определение количественных значений важности характеристик, часто представляемых в виде весовых коэффициентов, определяемых в настоящее время эвристическими методами (например, экспертами).
Последняя задача, вследствие своей важности, также требует решения.
30

[Back]