автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Структурный анализ рядов данных для принятия решений в социально-технических системах

На правах рукописи

СТРУКТУРНЫЙ АНАЛИЗ РЯДОВ ДАННЫХ

ДЛЯ ПРИНЯТИЯ РЕШЕНИЙ В СОЦИАЛЬНО-ТЕХНИЧЕСКИХ СИСТЕМАХ

Специальность 05 13 10 «Управление в социальных и экономических системах»

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

ООЭ1681Э6

Воронеж - 2008

003168196

Работа выполнена в государственном образовательном учреждении высшего профессионального образования «Сибирский государственный индустриальный университет»

Научный руководитель:

доктор технических наук, профессор Киселева Тамара Васильевна

Официальные оппоненты:

доктор технических наук, профессор Бурков Владимир Николаевич

доктор технических наук Жилина Наталья Михайловна

Ведущая организация:

ГОУВПО «Московский физико-технический институт (государственный университет)»

Защита состоится 23 мая 2008 г в 13 часов на заседании диссертационного совета Д 212 033 03 при Воронежском государственном архитектурно-строительном университете по адресу

394006, г Воронеж, ул 20-летия Октября, 84

С диссертацией можно ознакомиться в библиотеке Воронежского государственного архитектурно-строительного университета

Автореферат разослан «21 » апреля 2008 г

Ученый секретарь диссертационного совета

Чертов В А

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Актуальность проблемы При управлении современными сложными системами основными источниками информации являются реализации данных, характеризующих их работу Большинству реальных объектов присущи последовательности данных с изменяющимися структурами, статистическими и другими свойствами Для описания их характерных особенностей применяется множество методов статистического и спектрального анализа, фильтрации, прогнозирования и другие Накоплен большой опыт успешного применения этих методов в различ-

IJI-.1V /"»rbfnov Iii» П Г» 1>Л1ЮГ»1Т»ТД ПО«1 I tfXf^TJt

U k V IV.IVUV 1WW11UII AW/IIVJIUIIVVi«l

Результаты анализа данных, которые используются для принятия решений на объектах, существенно зависят от структурных свойств исследуемой реализации Натурные данные о состоянии реальных объектов различной природы являются как правило, более с южными, чем предполагаемые в исходных предпосылках известных теоретических схем, и обладают большим динамическим разнообразием с точки зрения их локальных структурных особенностей, тенденций и других характеристик В связи с этим возникает необходимость в качественном расширении используемого аппарата Естественным представляется подход, использующий целенаправленное расчленение динамических реализаций на более простые структурно-однородные составляющие с целью распознавания и фиксирования так называемых особых точек, которые соотносятся с моментами наибо-тее значительного изменения конкретных свойств ряда данных, в частности, с моментами изменения тенденций (трендов) С этой точки зрения полезным является применение методов структурного анализа, направленных на вскрытие внутреннего строения динамического ряда данных с целью своевременного распознавания его структурных особенностей и дальнейшего принятия решения на объекте Структурный анализ опирается на динамическое оценивание разнообразных трендов с их наглядным представлением Однако отсутствие методики выбора настроечных параметров этих методов вынуждает аналитиков потагаться на свою интуицию и опыт Кроме того, при определении координат особых точек возникает некоторая неопределенность, вызванная нечетко выраженными правилами их определения, что неизменно ведет к снижению качества принимаемых решений

Таким образом, актуальность диссертационного исследования продиктована необходимостью дальнейшего развития и совершенствования методов анализа данных с целью выделения моментов изменения тенденции на реализациях для принятия по результатам анализа решений на различных объектах

Цель диссертации 1 Обобщить накопленный опыт по применению методов структурного анализа для распознавания состояния объектов различной природы с целью дальнейшего принятия решений 2 Разработать методику оптимизации настроечных параметров методов структурного анализа, которая позволяет расширить область применения методов 3 Исследовать возможность применения многовариантного подхода к структурному анализу рядов данных

Дтя выполнения цели выдетены следующие задачи построение условно-образцовой кривой, которая используется в качестве «эталона» при нахождении оптимальных настроечных параметров, оптимизация настроечных параметров методов структурного анализа, уточнение координат особых точек, классификация

\

методов структурного анализа, построение многовариантного алгоритма распознавания состояния организационно-технических систем для принятия решений

Методы выполнения работы Выполнение диссертационной работы бази-р>ется на обобщении практического опыта применения методов структурного анализа для технологических объектов и на аппарате методов нестационарной статистической динамики, теории фильтрации, теории принятия решений в организационных системах, методах и алгоритмах многовариантного анализа данных, характеризующих работу организационных объектов

Научиая новизна. В диссертации получены следующие результаты, характеризующиеся научной новизной

1 Методика оптимизации настроечных параметров методов структурного анализа, отличающаяся применением алгоритма обучения «с учителем» с целью расширения круга рассматриваемых объектов с учетом их особенностей

2 Уточненная структура двухкомпонентного критерия, содержащего точное! ную и гладкостную составляющие, отличающаяся тем, что с целью повышения его чувствительности к изменению настроечного параметра используемого фильтра для выделения условно-образцовой кривой, применена нечеткая логика

3 Алгоритм построения условно-образцовой кривой, заключающийся в использовании уточненной структуры двухкомпонентного критерия, который обеспечивает повышение надежности распознавания моментов изменения тенденций на исследуемых реализациях данных

4 Алгоритм определения оптимальных настроечных параметров, отличающийся использованием в качестве «эталона» условно-образцовую кривую, что способствует повышению эффективности методов структурного анализа

5 Способ уточнения координат особых точек, найденных различными методами структурного анализа, отличающийся применением элементов теории нечетких множеств, что наиболее точно соответствует возникающей неопределенности и позволяет принимать более обоснованные решения на объектах

6 Классификация методов структурного анализа, которая была положена в основу разработки многовариантного алгоритма определения особых точек на реализациях данных

7 Многовариантный алгоритм распознавания моментов изменения тенденции, отличающийся возможностью использования множества методов структурного анализа одновременно, что позволяет повысить их надежность, а следовательно, и правильность принимаемых решений

Практическая значимость работы Разработанная методика оптимизации настроечных параметров методов структурного анализа, а также предложенный многовариантный алгоритм позволяют своевременно и надежно распознавать моменты изменения тенденций на реализациях данных, характеризующих объекты различной природы, и принимать на них более обоснованные решения

Реализация результатов работы Результаты работы используются в учебном процессе в виде учебно-методического и программного комплекса при изучении таких дисциплин, как «Анализ и обработка данных», «Методы получения и обработки информации для задач управления социально-экономическими системами», «НИР», а также при выполнении курсовых и дипломных работ по специальности «Прикладная информатика (в управлении)» в Сибирском государ-

ственном индустриальном университете, методы структурного анализа, конкретизированные для медицинских объектов и представленные в виде комплекса программ, а также методика поиска оптимальных настроечных параметров используемых методов и разработанный многовариантный алгоритм используются в системе комплексного анализа данных в Кустовом медицинском информационно-аналитическом центре г Новокузнецка

Предмет защиты и личный вклад автора На защи гу выносятся методика ouT!i?"í3Ciuíiíí настроечных параметров истодов стр^лт^рпого анализа, уточненная структура двухкомпонентного критерия, алгоритм построения усповно-образцовой кривой с использованием нечеткой логики, алгоритм определения оптимальных настроечных параметров с применением условно-образцовой кривом в качестве «эталона», способ уточнения координат особых точек, найденных различными методами структурного анализа с применением элементов теории нечетких множеств, классификация методов структурного анализа, которая положена в основу разработки многовариантного алгоритма определения особых точек на реализациях данных, многовариантный алгоритм распознавания моментов изменения тенденции, позволяющий увеличить надежность их определения а, следовательно, и правильность принимаемых решений в организационных системах

Личный вклад автора заключается в непосредственном творческом участии во всех разработках и получении основных результатов, связанных с методикой оптимизации настроечных параметров методов структурного анализа, с разработкой алгоритма построения условно-образцовой кривой с использованием элементов теории нечетких множеств, который играет роль «учителя» при оптимизации настроечных параметров, и алюритмом оптимизации настроечных параметров, способом уточнения координат особых точек, найденных различными методами структурного анализа с использованием нечеткой логики, классификацией методов структурного анализа и созданием на ее основе многовариантного алгоритма распознавания моментов изменения тенденции на реализациях данных, а также конкретизацией методов структурного анализа для использования их на объектах различной природы для принятия решений

Апробация работы Основные положения и результаты работы докладывались и получили одобрение на 17 конференциях, включая Международные конференции по СССУ (Воронеж, 2003 г, Гверь, 2004 г, Воронеж, 2005 г ), Международную конференцию по проблемам управления (Москва, 2003 г), Международные научно-практические конференции по TAC (Москва, 2003 г , 2005 г, 2007 г), Всероссийские научно-практические конференции по системам автоматизации в образовании, науке и производстве (Новокузнецк, 2003 г, 2005 г, 2007 г), Международные конференции «Инноватика» (Сочи, 2004 - 2007 г г), Всероссийскую научно-практическую конференцию по моделированию, программному обеспечению и наукоемким технологиям в металлургии (Новокузнецк, 2007 г), Международную научно-практическую конференцию по образованию, науко, производству и управлению (Старый Оскол 2006 г), Международную конференцию по сложным системам управления и менеджменту качества (Старый Оскол, 2007 г), Международную научно-практическую конференцию студентов, аспирантов и молодых ученых (Томск, 2007 г), Международную научно-

практическую конференцию по фундаментальным прикладным проблемам приборостроения, информатики и экономики (Сочи, 2007 г )

Публикации По теме диссертации опубликованы 2 статьи в изданиях, рекомендованных ВАК РФ, 19 тезисов и докладов, выпущено 1 учебное пособие В работах, опубликованных в соавторстве и приведенных в конце автореферата, лично соискатечю принадлежит [1] - многовариантный алгоритм определения особых точек применительно к объектам, характеризующим работу технологических агрегатов, [3,6,7] - постановка и решение задачи определения координат особых точек с помощью функционалов отличия, [4,5,8,11] - алгоритм многовариантного поиска моментов изменения тенденций, [9] - постановка и решение задач структурного анализа в рамках комплексного анализа рядов данных, [10] - классификация методов структурного анализа, [12] - постановка и решение задачи определения координат особых точек с помощью скользящих средних, [13] - постановка и решение задач структурного анализа с применением осцилляторов, [15,16] - алгоритм мно-говариангного поиска особых точек на основе классификации методов структурЕго-ю анализа, [17,20-22] - алгоритм выделения условно-образцовой кривой на основе теории нечетких множеств, [18,19] - алгоритм поиска момента смены тренда методами структурного анализа с элементами теории нечетких множеств

Структура и объем работы Диссертация состоит из введения, четырех глав, выводов и заключения и содержит 145 страниц основного текста, список использованных источников из 91 наименования, содержит 68 рисунков и 10 таблиц

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ Во введении обоснована актуальность работы, сформулирована цель и задачи исследования, показана новизна и практическая значимость работы, выделены основные защищаемые положения

В первой главе приведен обзор и анализ известных подходов и методов структурного анализа рядов данных, известных из трудов В П Авдеева, А Эрлих, М В Кузнецова и А С Овчинникова, Дж Мэрфи, Д Швагера, Ст Нисона, Ст Акелиса, Т Р Демарка, Э Л Наймана и др , по результатам которых сформулированы основные задачи диссертационной работы

Известные работы приведенных выше авторов предназначены в основном для рыночных объектов, в меньшей мере - для технологических, хотя результаты проведенного анализа рядов данных, характеризующих другие объекты, например, медицинские или банковские системы, позволяет конкретизировать и распространить методы и на эти объекты

Реализации данных, представляющие собой случайные процессы, изменяющиеся во времени, не всегда обладают стационарными эргодическими свойствами При их анализе, наряд) с известными интегральными характеристиками, предназначенными для адекватного описания стационарных случайных процессов, целесообразно использовать структурные функции - адекватные математическим характеристикам нестационарных случайных процессов со стационарными приращениями Для характеристики таких нестационарных случайных процессов предложена обобщенная структурная функция

С"">-ЦГТ

Х(0-- 1

Ш т

2

где Х(() - нестационарная случайная последовательность длинои в ¿, т - интервал усреднения Задачу описания структуры реализаций данных можно решить различными путями в зависимости от определенного класса объектов

Выделение функционально однородных составляющих, которое делается на основе концепции о пооггаммном и возму.пенном движении объекта " "сс^едо-вано для технологических объектов Важной задачей при этом является расчет эффектов регу пирующих воздействий и приведенного возмущения

Компонентное разложение сигналов, которое основано на разложении нестационарного случайного процесса на слабо коррелированные составляющие путем последовательного многократного применения оператора текущего усреднения

Выделение статистически однородных составляющих путем структурного анализа с учета структуры рядов данных, на которых выдетяются статистически однородные отрезки с фиксированием координат особых точек, соотнесенных с моментами наибольших изменений статистических свойств

Формирование случайных функций с желаемыми свойствами с ориентацией на удовлетворение определенных предпосылок относительно статистических характеристик ансамбля реализаций

Методы структурного анализа подразделяются на графические (японские свечи, крестики-нолики и др), методы, использующие фильтрацию или математическую аппроксимацию (разнотемповые сглаживатели, осцилляторы, функционалы отличия) и др Анализ результатов их использования, известных из трудов приведенных выше авторов, позволил выявить основные недостатки 1) отсутствие методики оптимизации настроечных параметров этих методов, 2) известно их использование только для рыночных систем, 3) поскольку каждый метод не является абсолютно надежным, отсутствие рекомендаций относительно повышения надежности, 4) отсутствие рекомендаций по определению координат особых точек, выявленных различными методами, поскольку существует неопределенность в оценивании момента изменения тенденции На основе указанных недостатков были сформулированы основные задачи структурного анализа, которые описаны во второй главе

Во второй главе даны постановки и решения вылеченных задач структурного анализа I Построение условно-образцовой кривой, которая отражает полезную низкочастотную (трендовую) составляющую исходной реализации с указанием на ней моментов изменения тенденций (особых точек) 2 Оптимизация настроечных параметров используемых методов и применение этих методов для распознавания моментов изменения тенденций на исстедуемых реализациях данных, характеризующих работу различных объектов 3 Уточнение координат особых точек, выделенных методами структурного анализа и формирование рекомендаций по принятию решений в ор1 анизационных системах

Структурный анализ направлен на вскрытие внутреннего строения динамического сигнала путем его разделения на простые структурно-однородные составляющие Он опирается на динамическое оценивание разнообразных трендов с их наглядным представлением Относительно медленно меняющаяся, гладкая составляющая динамического сигнала (процесса) называется трендовой (трендом,

тенденцией) Тренд должен обтадать высокой степенью гладкости по сравнению с исходной реализацией Х({) Критериальное определение тренда строится из следующих соображений 1 Качественным показателем гладкости является сумма квадратов дискретного аналога второй производной процесса В дискретной форме вторые разности можно записать в виде

[Х(0- Х(€- 1)]-[Х(€- I)-2)] = Х(£)-2 Х(?-1)+Х(£-2) (2) 2 Наряду с гладкостью тренд должен отражать свойства исходного динамического сигнала (процесса) Х(€) Количественной характеристикой близости тренда к исходной реализации могут служить следующие показатели точности

[Х(0-Х(£)]|Х(0-Х(0| (3)

1де Х(£), Х(() - фактическое и скользящее среднее значения ряда, € ^1,2, , /,

Постановка задачи построения условно-образцовой кривой Дано 1 Реализация последовательности значений анализируемой переменной Х(1), € = 1,2,3, , /, 2 Метод выделения тренда (построения условно-образцовой кривой), например, скользящее среднее арифметическое в виде

= + > (0-Х (<-т)], №

где т - настроечный параметр (величина отрезка скольжения) Причем рассчитанное на каждом шаге значение скользящего среднего х"' ставится в середину отрезка шириной т, 3 Критерий Q в виде двухкомпонентного показателя для выбора величины настройки т, содержащей точностную и гладкостную составляющие, 4 Ограничение на интервал поиска т -- < < ■ -

Требуется 1 Найти оптимальное значение т, при котором двухкомпонентный критерий становится минимальным, 2 Построить условно-образцовую кривую на исследуемой реализации, 3 Изобразить ее в графической форме и расставить на ней моменты изменения тенденций (особые точки)

При этом под условно-образцовой кривой понимается такая трендовая составляющая сигнала Х({), которая наилучшим образом удовлетворяет двухкомпо-нентному критерию, те приводит его к минимуму Алгоритм построения условно-образцовой кривой играет роль «учителя» при поиске оптимальных настроек используемых методов, а условно-образцовая кривая с выделенными на ней особыми точками служит «эталоном» при решении этой задачи

Структура двухкомпонентного критерия, содержащего точностную и глад-костную составляющие, представлена следующими выражениями

0=ЪХ Ог,+Ь2 0»,

0 = ' = 1 Г> _ ™ ' = 1

-¡-ЦлМ-2 х(е-1)+х{(-2) 1±

(5)

(6)

N ТГГ..............N1

где Х(1) - значения исходного ряда данных, Х(1) - скользящие средние значения I - номер отсчета, Ы-длина реализации

Как показывает опыт, данная форма критерия не является оптимальной, так как кривая (? не имеет четкого минимума, а сам критерий является малочувстви-

тельным к вариациям настройки Кроме того, гладкостная и точностная составляющие не равнозначны Были исстедованы и другие формы записи двухкомпо-нентного критерия Однако ни одна из них не отвечает указанным выше требованиям Для достижения результата предложен алгоритм выделения условно-образцовой кривой на основе теории нечетких множеств (ТИМ) Предпосылкой ге испотьзования послужил тот факт, что двухкомпонентный критерий является по своей сути нечетким наилучшая настройка сглаживающего фильтра соответству-ег м"ч"»«у»«у дву\компо:!е:.'т::ого критерия который достигается, когда гладкос!-ная и точностная составляющие минимальны

Основным положением теории нечетких множеств является следующее каждый элемент нечеткого множества (НМ) может принадлежать последнему с некоторой точностью в интервате [0,1] в отличие от четкого множества, принадлежность элемента к которому определяется, как «элемент принадлежит множеству» (принадлежность равна 1) или «элемент не принадлежит множеству» (принадлежность равна 0) Степень принадлежности этемента к НМ определяется функцией принадлежности, которая ставит в соответствие каждому элементу число из интервала [0,1]

Двухкомпонентный критерии представляется в виде нечеткого множества (НМ) «гладкая и точная кривая», являющегося пересечением НМ> «гладкая кривая» и НМ2 «точная кривая» Так как гладкостная и точностная составляющие критерия должны быть малы (и пи близки к нулю), функции принадлежности для выделенных НМ имеют вид, соответствующий лингвистическому значению «малый», и представлены на рис 1 и в виде соотношений (7) и (8) соответствен но Различие этих функций принадлежности обусловлено необходимостью обеспечения равного вклада ()г, и ()„,,„ в двухкомпонентный критерий

1, есю О <0 1.

м„„М

и)

0 есчи <2точ > 0,9

Пересечение нечетких множеств выражено следующим образом и (пг)= и (т) и (т)

(9)

(8)

;точ

Рис 1 - Функции принадлежности к НМ «гладкая кривая» а) и «точная кривая» б)

Постановка задачи оптимизации настроечных параметров методов структурного анализа с использованием условно-образиовой кривой Дано 1 Исследуемая исходная реализация Х((), £ = 1 ,L, 2 Условно-образцовая кривая с выделенными на ней особыми точками, 3 Известные методы структурного анализа, 4 Критерии в виде среднемодульного отклонения координат особых точек f , выделенных с помощью методов структурною анализа, от координат особых точек полученных на условно-образцовой кривой Д-У^'""'|, п~ количество

особых точек, выделенных на условно-образцовой кривой 5 Ограничение интервал поиска оптимальных настроек ограничен и задан

Требуется 1 Найти оптимальные значения настроечных параметров используемых методов, при которых R —> min 2 Использовать методы структурного анализа с оптимальными настройками для распознавания моментов изменения трендов на реализациях данных, характеризующих работу различных объектов, для принятия на них решений

Поиск оптимальных настроек ведется путем цетенаправленного перебора их значений из заданного ограниченного интервала Шаг изменения настроечного параметра вначале поиска берется относительно большой Координаты выделенных особых точек сравниваются с координатами этих же точек, полученных на условно-образцовой кривой При этом учитывается количество выделенных «ложных» и «пропущенных» особых точек Таким образом отыскивается то значение настроечного параметра, при котором среднемодульный критерий становится минимальным Затем шаг уменьшается, и процедура поиска повторяется в окрестности найденного наилучшего значения настройки до тех пор, пока не будет найдена наилучшая настройка, при этом количество «ложных» и «пропущенных» точек должно быть не велико

При решении задачи уточнения координат особых точек, найденных с помощью методов структурного анализа, возникает неопределенность, связанная с тем, что отдельные методы заранее сигнализируют об изменении тренда, другие -распознают особые точки вблизи момента изменения тренда а отдельные методы определяют их после того, как тренд уже изменился, тес запаздыванием Правила определения координат особых точек на исследуемой реализации выражены нечетко, что неизменно ведет к снижению качества принимаемых решений Исходя из этого, предложено испопьзовать теорию нечетких множеств, с помощью которой можно провести аналогию с приближенными рассуждениями человека Подробно остановимся на одном из наиболее популярных метопов, а именно Индексе Относительной Силы (RSI)

Так, для поиска оптимального значения настроечного параметра /и этого осциллятора формируются НМ «Особая точка - вершина по RSI» (RSI ~ 100) - при смене возрастающей тенденции на нисходящую и «Особая точка - впадина по RSI» {RSf ~ 0), когда, наоборот, нисходящая тенденция сменяется на восходящую Затем определяется точность высказывания «имеется особая точка» на контрольном участке данных фиксированной длины Координаты найденных особых точек - вершин и особых точек - впадин сравниваются с соответствующими им координатами особых точек на условно-образцовой кривой При формировании HM RSI ~ 100 и RSI ~ 0 функции принадлежности имеют вид, представленный соотноше-

10

ниями (10), и показанными на рис. 2. Чем ближе значения RS1 к 0, тем выше точность высказывания «имеется особая точка - впадина» и чем ближе значения RSI к 100, тем выше точность высказывания «имеется особая точка - вершина».

I,если

(10)

, если 50 < RSl(f)< 90,

1 - -

640

2 ■ (90 - RSI (e)f

где т ■

640

0, если RSI

fRSI*l«.(m)=l

настроечный^араметр^

> 90.

Рис. 2 - Функции принадлежности к нечетким множествам «RSf ~ 0» (а) и «RSI- 100» (б)

При нахождении моментов изменения трендов осуществляется анализ RSI в терминах ТНМ. Выделяются семь нечетких высказываний (рис. 3): 1- особой точки точно нет; 2 - особой точки нет; 3 - особой точки скорее нет, чем есть; 4 -особая точка скорее есть, чем нет', 5 - особая точка скорее всего есть', 6 - особая точка есть', 1- особая точка точно есть. Так если элементы множеств «RSI ~ 0» и «RSI ~ 100» принимают значения, равные нулю (функция принадлежности соответствует 1), можно сказать, что особой точки точно нет.

Если элементы НМ «RSI ~ 0» и «RSI ~ 100» принимают значения, соответствующие функции принадлежности 2 (до момента пересечения ее с функцией принадлежности 3, - особой точки нет. При соответствии значений НМ «RSI ~ 0» и «RSI ~ 100» третьей функции принадлежности - особой точки скорее нет, чем есть. Аналогичный вывод делается при значениях, соответствующих функциям принадлежности 4, 5, 6 и 7. Аналогично делается уточнение координат особых точек, найденных другими методами структурного анализа.

Hoe.r. I 1 --

0,81 0.6* 0,41 0,2 j 0*-

\

0

0,1

0,2 0.3 0,4 0,5

0,8

0,9

0,6 0,7

100'RS" ..................______...................

Рис. 3 - Функции принадлежности для нечетких высказываний

В третьей главе представлены результаты использования структурного анализа рядов данных, характеризующих работу различных объектов, например, рыночных, медицинских, технологических и других

Результаты построения условно-образцовой кривой приведены на примере реализации содержания кремния в чугуне на выпусках (81,%) из доменной печи, которые представлены в табл 1 и на рис 4 Для выделения условно-образцовой тривой использовался релейно-экспоненциальный сглаживатель (РЭС1) который «защищен» от аномальных погрешностей, имеющих место в рядах данных Для поиска условно-образцовой кривой применялась нечеткая логика с функциями принадлежности, приведенными на рис 1

Таблица 1 - Результаты поиска наилучшего значения настроечного

параметра « РЭС1 для реализации Б!, %

а Рточ(а) Ргл(а) Иточ(а) Ма) ЦточПгл(а)

0,10 0,05 0,78 0,68 0,04 0,04

0,15 0,08 0,68 0,53 0,15 0,15

0,20 0,11 0,60 041 0,29 0,29

0,25 0,14 0,53 0,31 0,43 0,31

0,30 0,18 0,47 0,24 0,57 0,24

0,35 0,22 0,42 0,17 0,68 0,17

0,40 0,26 0,38 0,12 0,76 0 12

Из таблицы видно, что оптимальной настройкой РЭС1, с использованием которой была построена условно-образцовая кривая, является а = 0,25

На рис 4 изображена исходная реализация 81,% и выделенная условно-образцовая кривая При управлении доменной плавкой по информации об изменении тенденции формируется рекомендация на изменение управляющих воздей-с твий (коррекция рудной или коксовой нагрузки в очередную подачу)

Рис 4 - Исходная реализация 81,% и условно-образцовая кривая с выделенными на ней особыми точками

Одним из широко используемых методов структурного анализа, основанных на использовании фильтров, является метод с применением разнотемповых скользящих средних Текущие данные об исследуемой переменной подвергаются сглаживанию параллельно с помощью двух сглаживающих фильтров с разными настройками, отличающимися в 2-4 раза Сигналом о наличии особой точки явля-

ется пересечение разнотемповых скользящих средних и дальнейшее их расхождение По взаимному расположению кривых можно судить о том, какой тренд начинается восходящий, нисходящий или боковой

Пример использования этого метода применительно к реализации EUR/USD -курс евро относительно американского дол пара - представлен на рис 5 В результате поиска наилучших настроек с учетом минимального числа «пропущенных» и «ложных» особых точек были получены он = 0 15 и а2 = 0,35 _____

Рис 5 - Результат применения разнотемповых сглаживателей на реализации EUR/USD

Несмотря на существующее запаздывание в распознавании особых точек при использовании разнотемповых скользящих средних (рис 5), принятые решения позволяют получить прибыль, а именно поспе обнаружения особой точки -вершины правильнее всего осуществить продажу евро, а после выявления особой точки - впадины - покупку

Наиболее популярными среди методов структурного анализа являются осцилляторы, которые отслеживают изменения темпа (скорости, силы) нарастания или ослабления тренда Снижение скорости тенденции заранее сигнализирует о том что она вскоре может измениться В основу использования осцилляторов положены понятия перекушенного и перепроданного рынка в силу ioto, что данные методы разрабатывались и применялись исключительно для рыночных систем Перекупленным рынок считается тогда, когда цена находится около своей верхней границы, т е ее дальнейшее движение вверх невозможно Перепроданный рынок характеризуется такой низкой ценой, что на данный момент ее дальнейший спад невозможен При определении ситуаций перекупленное™ или перепроданное™ для каждого осциллятора устанавтиваются так называемые критические уровни

Общие правила анализа осцилляторов формулируются следующим образом 1 Значение осцилпятора приближается к критическим уровням 2 Наблюдается расхождение между направлениями движений цены и кривой осциллятора 3 Пересечение нулевой линии кривой осциллятора (для некоторых осцилтяторов) Эти признаки служат сигналом к покупке или продаже на рынке

При анализе же реализации, характеризующих работу технологических объектов, критические уровни уаанавливаются, исходя из ограничений на величины, указанные в технологических инструкциях Для медицинских и других объектов критические уровни предлагается устанавливать на основе опыта, исходя из того, что за их пределы выходят приблизительно 10 % данных

Поскольку перед тем, как изменить направление, тренды снижают темп своего развития, предложено отслеживать скорость изменения значений ряда данных Осцилляторы типа Момента (М) и Нормы Изменения (ROC) являются индикаторами темпа изменения тренда Поскольку их поведение сходно, рассмотрим результаты применения одного из них, а именно Момента, который рассчитывается по следующему соотношению

м{()=Х(?)-Х{(-т), (11)

где x(i) x(e-m) - значения анализируемой переменной в текущий момент { и m отсчетов назад, m - настроечный параметр Результаты применения Момента на реализации, характеризующей смертность новорожденных Х(Т) (количество детей, умерших в течение недели после рождения, зафиксированное по г Новокузнецку, представлены в табл 2 и на рис 6

Табтица 2 - Результаты поиска оптимальной настройки т для Момента применительно к ряду Х(€), характеризующему смертность новорожденных_

m 3 4 5 6 7 8 9 10

смо 13,33 4,83 5,33 6,17 5,8 6,2 6,6 7

К-во «пропущ » ос т 0 0 0 0 1 1 1 1

К-во «ложных» ос т 0 1 2 2 2 2 0 0

При выявлении на рассматриваемой реализации особой точки - впадины (отсчеты 9, 23, 59) дается рекомендация соответствующим органам на выяснение причин возникновения такой ситуации и принятие мер, направленных на прекращение развития нежелательной тенденции - роста смертей новорожденных

Из анализа данных табл 2 видно, что наименьшее значение среднемодуль-ного критерия соответствует настроечному параметру Момента т = 4

Для определения потенциала имеющей место тенденции используется Индекс Относительной Силы сравнивающий средние положительные прира-

щения л,(е-т () значений исследуемого ряда со средними отрицательными приращениями а (/ -т г) за опредеченный период времени от (f-m) до t отсчетов ,п - настроечный параметр

Индикатор RSI рассчитывается следующим образом

«5/(0 = 100-(П) l + Ji.(f-Bf)

Результаты применения RSI на реализации, характериз) юшеи величину межбанковского семидневного кредита (МБК), представлены на рис 7 с оптимальной настройкой т = 12 найденной аналогично предыдущем) (см табл 2)

RSI 100

80 -

Особая i очка - вершина

! 1 8 15 22 29 36 43 50 57 64 71 78 85 92 99 С Рис 7 - Исходная реализация МБК, условно-образцовая кривая с выделенными особыми точками и кривая RSI

Из рис 7 видно, что при использовании RSI особые точки определяются в моменты, когда кривая осциллятора выходит за границы критических уровней (30 и 70 %) Выявленная особая точка - впадина сигнализирует о том, что коммерческий барк испытывает трудности в поддержании рублевой ликвидности и процентные ставки по межбанковским кредитам начинают возрастать В более благоприятной ситуации процентные ставки по МЬК снижаются (обнаруживается особая точка - вершина)

Осциллятор схождения/расхождения скользящих средних (MACD) является индикатором, оценивающим скорость изменения значений временною ряда данных, а также отслеживающим направление развивающейся тенденции MACD строится как разность между двумя скользящими средними например, экспоненциальными, с различными настроечными параметрами а, и а2 Для повышения оперативности распознавания особых точек используется сигнальная линия, которая представляет собой сглаженную кривую MACD Резучьтаты применения ос-цилтятора схождения/расхождения скользящих средних и его сигнатьнои линии на реализации EURIUSD показаны на рис 8

Значения оптимальных настроечных параметров MACD определены ранее и соответствуют ai = 0,35, а2 = 0,15

Из анализа рис 8 видно, что использование результатов распознавания особых точек с помощью осциллятора MACD и его сигнальной линии для принятия решений позволяет почучить прибыль от сдеток купли-продажи

МАСО 0,01 ■ 0,008 0,006 0,004 0,002

МАСЭ

0

-0,002 -0,004 -0,006 -0,008

' • - ос т определенные по МАСО _о - моменты пересечения МАСР и сигнальной линии_

Рис 8 - Исходная реализация £(//?/условно-образцовая кривая с выделенными особыми точками, МАСО с сигнальной линией

В четвертой главе рассмотрен многовариантный подход к структурному анализу рядов, в результате которого предложен многовариантный алгоритм

Как показывает многолетний опыт использования методов структурного анализа, распознавание моментов изменения трендов на реализациях данных различных объектов только с привлечением какого-либо одного метода не обеспечивает полной надежности в распознавании особых точек и правильности принимаемых решений Для уменьшения количества ложных сигналов и сокращения числа ошибочно принятых решений предлагается многовариантный подход, который заключается в использовании одновременно множества методов структурного анализа Многовариантный алгоритм основан на классификации известных методов структурного анализа в соответствии с их оперативностью в определении моментов изменения структурных свойств исследуемых рядов

В результате классификации выделено 3 класса методов 1) методы, сигнализирующие об изменении тренда до того, как на исследуемой реализации произойдет его изменение, 2) методы, сигнализирующие вблизи изменения тренда, 3) подтверждающие методы, т е те, которые сообщают о смене тренда с запаздыванием К первому классу методов отнесены, например, Индекс Относительной Силы и Стохастические Линии, ко второму - Момент и Норма Изменения, к третьему - разнотемповые сглаживатели, МАСй, функционалы отпичия и японские свечи Алгоритм многовариантного поиска особых точек представлен на рис 9 Результаты использования многовариантного алгоритма для реализации содержание серы в чугуне на выпусках из доменной печи (.*>', %) представлены в табл 6

Для рядов данных, в которых наблюдаются частые колебания значений и длительность тенденций невелика, нецелесообразно дожидаться подтверждения наличия особой точки со стороны третьего класса методов В таком случае достаточно, чтобы момент изменения тенденции был обнаружен несколькими методами из первых двух классов

Предложенный многовариантный алгоритм позволяет повысить эффективность принимаемых управленческих решений, направленных на предотвращение развития тенденций в нежелательном направлении или выработку стратегии в со-

ответствии с развивающимся трендом за счет надежного распознавания моментов изменения структурных свойств анализируемого ряда

Запуск методов СА

1

Анализ результатов

Рис 9 - Алгоритм многовариантного поиска особых точек

Таблица 6 - Координаты особых точек, наиденных с помощью многовариантного алгоритма на примере реализации содержания серы в чугуне на выпусках, 5, %

Устовно-образцовой кривой Я51 Стохаст Линий МАСО М яос Мв- алгоритма

110 107 107 119 112 111 112

125 119 118 136 123 126 123

134 130 132 140 132 131 132

146 142 141 152 148 147 148

154 151 150 160 152 153 152

163 159 162 170 161 165 161

173 169 169 181 175 171 175

ЗАКЛЮЧЕНИЕ И ВЫВОДЫ

В диссертации обобщен накопленный опыг применения методов структурного анализа рядов данных, который целесообразно осуществлять фиксированием координат особых точек, соотносимых с моментами наиболее значительного изменения свойств реализаций данных, например, изменения тренда, характера колебле-

мости около тенденций и другие локальные особенности По результатам анализа можно принимать бочее обоснованные решения на объектах различной природы

Основные результаты, имеющие теоретическое и практическое значение заключаются в следующем

1 В резучьтате анализа известных трудов по методам структурного анализа, выявленных недостатков их использования, а также накопленного опыта применения методов предложена методика оптимизации их настроечных параметров, которая позволяет учесть особенности конкретного объекта и, тем самым, расширить область применения известных методов структурного анализа

2 Разработан алгоритм построения условно-образцовой кривой с использованием нечеткой логики, который играет роль «учителя» при поиске оптимальных настроечных параметров, основанного на применении двухкомпонентного критерия, содержащего точностную и гладкостную составляющие

3 Сделано уточнение структуры двухкомпонентного критерия с целью повышения его чувствительности к изменению настройки используемого сглажи-нающе! о фильтра для выделения условно-образцовой кривой

4 Предложен способ уточнения координат особых точек, найденных различными методами структурного анализа, основанный на применении теории нечетких множеств

5 Произведена классификация известных методов структурного анализа в зависимости от их оперативности в определении моментов изменения свойств ряда

6 Разработан многовариантный алгоритм распознавания особых точек, в основу которого положена предложенная классификация, позволяющий увеличить надежность определения моментов изменения тенденций, а следовательно, и точность принимаемых решений

7 Результаты работы используются в учебном процессе в виде учебно-методического и программного комплекса при изучении таких дисциплин, как «Анализ и обработка данных», «Методы получения и обработки информации для задач управления социально-экономическими системами», «НИР», а также при выполнении курсовых и диптомных работ по специальности «Прикладная информатика (в управлении)» в Сибирском государственном индустриальном университете

8 Методы структурного анализа, конкретизированные для медицинских объектов, и представленные в виде комплекса программ, а также методика поиска оптимальных настроечных параметров используемых методов и разработанный многовариантный алгоритм приняты к использованию в автоматизированной системе комплексного анализа данных в Кустовом медицинском информационно-аналитическом центре г Новокузнецка

ОСНОВНЫЕ ТРУДЫ ПО ТЕМЕ ДИССЕРТАЦИИ Публикации в изданиях, рекомендованных ВАК РФ

1 Киселева Т В Структурный анализ динамических рядов данных /ТВ Киселева, ТВ Пучкова // Изв вуз Черная металлургия - 2004 - № 8 - С 51-54 (Лично автором выполнено 3 с )

2 Пучкова Т В Система поддержки принятия решения на различных объектах по результатам структурного анализа рядов данных /ТВ Пучкова // Системы управления и информационные технологии -2007 -№3 3 (29)-С 372-376

Статьи и материалы конференций

3 Киселева Т В Автоматизированный анализ реализаций данных с использованием функционалов отличия / ТВ Киселева, ТВ Пучкова // Сб доки Междун конф по СССУ - Воронеж, 2003 - Том 1 - С 277 - 280 (Лично автором выполнено 3 с)

4 Киселева Т В Структурный анализ динамических рядов данных / ТВ Киселева, ТВ Пучкова //Сб докл Междун конф по СССУ - Воронеж, 2003 -1 ом 1 — С 272 — 276 (F]mhho автора" вь,попие,,о 3 с )

5 Киселева Г В Многовариантный структурный анализ реализаций данных технических и рыночных систем / ТВ Киселева, ТВ Пучкова // Матералы 2-ой Междун конф по проблемам управления том 1-М,2003 -Том 1 -С 153 (Ли«но автором выполнено 0 5с)

6 Киселева Т В Анализ рядов данных с использованием функционалов отличия/Т В Киселева, Т В Пучкова//Труды Междун науч-практ конф по TAC -М,2003 -С 132- 135 (Лично автором выполнено 2 с)

7 Киселева ТВ Анализ реализаций с использованием функционалов ог-личия /ТВ Киселева, Т В Иванова (Пучкова) // Труды 4-ой Всеросс науч -практ конф по системам автоматизации в образовании, науке и производстве - Новокузнецк, 2003 - С 68-72 (Лично автором выполнено 3 с )

8 Киселева Т В Многовариантный структурный анализ данных /ТВ Киселева, ТВ Пучкова// Труды 4-ой Всеросс науч -практ конф по системам автоматизации в образовании, науке и производстве - Новокузнецк, 2003 - С 62-67 (Лично автором выполнено 3 с )

9 Киселева Т В Использование комплексного подхода при анализе рядов данных /ТВ Киселева, Т В Кораблина, Е Г Руденкова, Г В Пучкова // Материалы Междун конф по системным проблемам качества, матем моделирования, ин-форм и электр технологиям - Сочи, 2004 - С 25 -28 (Лично автором выполне но 1,5 с)

10 Киселева ТВ Многовариантный алгоритм структурного анализа временных рядов /ТВ Киселева Т В Пучкова // Материалы Междун конф по СССУ - Тверь, 2004 - С 310-314 (Лично автором выполнено 3 с )

11 Кисетева ТВ Опыт применения структурного анализа рядов данньь многовариантный подход /ТВ Киселева, Т В Пучкова // Сб тр 5-ой Всеросс науч-практ конф по системам автоматизации в образовании науке и производстве -Новокузнецк, 2005 - С 416 - 420 (Лично автором выполнено 3 с )

12 Кисетева Г В Комплексный структурный анализ данных с использованием скользящих средних /ТВ Киселева ТВ Пучкова//Сб науч тр 7-ой Междун конф но СССУ том 1 - Воронеж, 2005 - Том 1 - С 54- 57 (Лично автором выполнено 2с)

13 Киселева ТВ Структурный анализ рядов данных с использованием осцилляторов / 1В Киселева, ТВ Пучкова//Тр Междун науч-практ конф но TAC - М , 2005 - С 129-131 (Лично автором выполнено 1 с )

14 Киселева Т В Структурный анализ динамических рядов данных Учебное пособие /ТВ Киселева, Т В Пучкова - Новокузнецк изд СибГИУ, 2005 - 110 с (Лично автором выполнено 50 с )

15 Киселева Т В Применение методов структурного анализа рядов данных многовариантный подход /ТВ Киселева, Т В Пучкова // Сб тр Всеросс науч -практ конф по моделированию, программн обеспеч и наукоемким технологиям в металлургии - Новокузнецк, 2006 - С 316 - 322 (Лично автором выполнено 3

с)

16 Киселева ТВ Многовариантный структурный анализ рядов данных /ТВ Киселева, Т В Пучкова // Сб докл Междун науч -практ конф по образованию, науке, производству и управлению, Старый Оскол, 2006 -С 103 - 108 (Лично автором выполнено 4 с)

17 Киселева Т В Нечеткий анализ структуры временного ряда с помощью Индекса Относительной Силы /ТВ Киселева, Т В Пучкова // Сб докл Междун конф по сложным системам управления и менеджменту качества - Старый Оскол ООО-ТНТ, 2007 - С 69-73 (Лично автором выполнено 4 с)

18 Киселева ТВ Об использовании некоторых методов с груктурного анализа с применением элементов теории нечетких множеств / Т В Киселева, Т В Пучкова // Сб трудов 6-ой Всеросс науч -практ конф по системам автоматизации в образовании науке и производстве - Новокузнецк, 2007 - С 436 - 439 (Лично автором выполнено 2с)

19 Киселева ТВ Алгоритм выделения условно-образцовой кривой на основе теории нечетких множеств /ТВ Киселева, Т В Кораблина, Т В Пучкова // Труды XIII Междун науч -практ конф студентов, аспирантов и молодых ученых - Томск, 2007 - С 421 - 423 (Лично автором выполнено 1 с )

20 Киселева Т В Применение структурного анализа рядов данных с нечеткой логикой для принятия решений на различных объектах /ТВ Киселева, Т В Пучкова // Сб трудов Междун конф по теории активных систем - М , 2007 - С 215-218 (Лично автором выполнено 3 с )

21 Киселева ТВ Структурный анализ реализаций данных, характеризующих различные объекты, с элементами теории нечетких множеств /ТВ Киселева, Т В Кораблина, Т В Пучкова // Сб трудов Межд конф «Инноватика - 07» том 1 - Сочи, 2007 - Том 1 - С 8-9 (Лично автором выполнено 1 с )

22 Киселева Т В Использование аппарата теории нечетких множеств в структурном анализе реализаций данных /ТВ Киселева, Т В Пучкова // Научные труды Юбилейной X Междунар научно-практич конф «Фундаментальные и прикладные проблемы приборостроения, информатики и экономики» - М , 2007 -С 101-107 (Лично автором выполнено4с)

Подписано в печать 18 04 2008 Формат 60x84 1/16 Уч - изд л 1,0 Уел-печ 1 1 л Бумага для множительных аппаратов Тираж 100 экз Заказ №241

Отпечатано в отделе оперативной полиграфии Воронежского государственного архитектурно-строительного университета 394006, Воронеж, ул 20-летия Октября, 84

ВВЕДЕНИЕ

1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ СТРУКТУРНОГО АНАЛИЗА ДИНАМИЧЕСКИХ РЯДОВ ДАННЫХ.

1.1 Принципы алгоритмизации с учетом структуры динамических сигналов.

1.2 Определение ^функционально однородных составляющих.

1.3 Компонентное разложение сигналов.

1.4 Выделение статистически однородных составляющих.

1.5 Формирование случайных функций с желаемыми свойствами.

1.6 Статистическое описание выборок случайных функций.

1.7 Получение структурных функций.

1.8 Разложение сигнала на параллельные составляющие.

1.9 Выделение наиболее информативных факторов путем формирования выборок с желаемыми свойствами.

1.10 Обзор и анализ методов структурного анализа данных.

1.10.1 Алгоритм адаптивного сжатия данных.

1.10.2 Метод, основанный на использовании разнотемповых скользящих средних.

1.10.3 Осцилляторы.

1.10.4 Функционалы отличия.

1.10.5 Японские свечи.

1.10.6 Достоинства и недостатки методов структурного анализа.

2. ОСНОВНЫЕ ЗАДАЧИ СТРУКТУРНОГО АНАЛИЗА.

2.1 Задача построения условно-образцовой кривой.

2.1.1 Постановка задачи.

2.1.2 Решение задачи.

2.1.3 Алгоритм построения условно-образцовой кривой с применением теории нечетких множеств.

2.1.3.1 Основные положения теории нечетких множеств.

2.1.3.2 Уточненная структура двухкомпонентного критерия.

2.2 Задача оптимизации настроечных параметров методов структурного анализа с использованием условно-образцовой кривой.

2.2.1 Постановка задачи.

2.2.2 Решение задачи.

2.3 Задача уточнения координат особых точек, выделенных различными методами, при анализе ряда данных в оперативном режиме.

3. РЕЗУЛЬТАТЫ РЕШЕНИЯ ЗАДАЧ СТРУКТУРНОГО АНАЛИЗА.

3.1 Результаты решения задачи построения условно-образцовой кривой.

3.2 Результаты решения задачи поиска оптимальных настроечных параметров методов структурного анализа.

3.3 Результаты решения задачи уточнения координат особых точек, выделенных различными методами, при анализе ряда данных в оперативном режиме.

4. МНОГОВАРИАНТНЫЙ ПОДХОД К СТРУКТУРНОМУ АНАЛИЗУ РЯДОВ ДАННЫХ.

4.1 О всеобщей многовариантности.

4.2 Принципы и законы многовариантности.

4.3 Многовариантные технологии.

4.4 Многовариантный структурный анализ рядов данных.

Актуальность проблемы. При управлении современными сложными системами основными источниками информации являются реализации данных, характеризующих их работу. Большинству реальных объектов присущи последовательности данных с изменяющимися структурами, статистическими и другими свойствами. Для описания их характерных особенностей применяется множество методов статистического и спектрального анализа, фильтрации, прогнозирования и другие. Накоплен большой опыт успешного применения этих методов в различных сферах человеческой деятельности.

Результаты анализа данных, которые используются для принятия решений на объектах, существенно зависят от структурных свойств исследуемой реализации. Натурные данные о состоянии реальных объектов различной природы являются, как правило, более сложными, чем предполагаемые в исходных предпосылках известных теоретических схем, и обладают большим динамическим разнообразием с точки зрения их локальных структурных особенностей, тенденций и других характеристик. В связи с этим возникает необходимость в качественном расширении используемого аппарата. Естественным представляется подход, использующий целенаправленное расчленение динамических реализаций на более простые структурно-однородные составляющие с целью распознавания и фиксирования так называемых особых точек, которые соотносятся с моментами наиболее значительного изменения конкретных свойств ряда данных, в частности, с моментами изменения тенденций (трендов). С этой точки зрения полезным является применение методов структурного анализа, направленных на вскрытие внутреннего строения динамического ряда данных с целью своевременного распознавания его структурных особенностей и дальнейшего принятия решения на объекте. Структурный анализ опирается на динамическое оценивание разнообразных трендов с их наглядным представлением. Однако отсутствие методики выбора настроечных параметров этих методов вынуждает аналитиков полагаться на свою интуицию и опыт. Кроме того, при определении координат особых точек возникает некоторая неопределенность, вызванная нечетко выраженными правилами их определения, что неизменно ведет к снижению качества принимаемых решений.

Таким образом, актуальность диссертационного исследования продиктована необходимостью дальнейшего развития и совершенствования методов анализа данных с целью выделения моментов изменения тенденций на реализациях для принятия по результатам анализа решений на различных объектах.

Цель диссертации. 1. Обобщить накопленный опыт по применению методов структурного анализа для распознавания состояния объектов различной природы с целью дальнейшего принятия решений. 2. Разработать методику оптимизации настроечных параметров методов структурного анализа, которая позволяет расширить область применения методов. 3. Исследовать возможность применения многовариантного подхода к структурному анализу рядов данных.

Для выполнения цели выделены следующие задачи: построение условно-образцовой кривой, которая используется в качестве «эталона» при нахождении оптимальных настроечных параметров; оптимизация настроечных параметров методов структурного анализа; уточнение координат особых точек; классификация методов структурного анализа; построение многовариантного алгоритма распознавания состояния организационно-технических систем для принятия решений.

Методы выполнения работы. Выполнение диссертационной работы базируется на обобщении практического опыта применения методов структурного анализа для технологических объектов и на аппарате методов нестационарной статистической динамики, теории фильтрации, теории принятия решений в организационных системах, методах и алгоритмах многовариантного анализа данных, характеризующих работу организационных объектов.

Научная новизна. В диссертации получены следующие результаты, характеризующиеся научной новизной:

1. Методика оптимизации настроечных параметров методов структурного анализа, отличающаяся применением алгоритма обучения «с учителем» с целью расширения круга рассматриваемых объектов с учетом их особенностей.

2. Уточненная структура двухкомпонентного критерия, содержащего точностную и гладкостную составляющие, отличающаяся тем, что с целью повышения его чувствительности к изменению настроечного параметра используемого фильтра для выделения условно-образцовой кривой, применена нечеткая логика.

3. Алгоритм построения условно-образцовой кривой, заключающийся в использовании уточненной структуры двухкомпонентного критерия, который обеспечивает повышение надежности распознавания моментов изменения тенденций на исследуемых реализациях данных.

4. Алгоритм определения оптимальных настроечных параметров, отличающийся использованием в качестве «эталона» условно-образцовую кривую, что способствует повышению эффективности методов структурного анализа.

5. Способ уточнения координат особых точек, найденных различными методами структурного анализа, отличающийся применением элементов теории нечетких множеств, что наиболее точно соответствует возникающей неопределенности и позволяет принимать более обоснованные решения на объектах.

6. Классификация методов структурного анализа, которая была положена в основу разработки многовариантного алгоритма определения особых точек на реализациях данных.

7. Многовариантный алгоритм распознавания моментов изменения тенденции, отличающийся возможностью использования множества методов структурного анализа одновременно, что позволяет повысить их надежность, а, следовательно, и правильность принимаемых решений.

Практическая значимость работы. Разработанная методика оптимизации настроечных параметров методов структурного анализа, а также предложенный многовариантный алгоритм позволяют своевременно и надежно распознавать моменты изменения тенденций на реализациях данных, характеризующих объекты различной природы, и принимать на них более обоснованные решения.

Реализация результатов работы. Результаты работы используются в учебном процессе в виде учебно-методического и программного комплекса при изучении таких дисциплин, как «Анализ и обработка данных», «Методы получения и обработки информации для задач управления социально-экономическими системами», «НИР», а также при выполнении курсовых и дипломных работ по специальности «Прикладная информатика (в управлении)» в Сибирском государственном индустриальном университете; методы структурного анализа, конкретизированные для медицинских объектов и представленные в виде комплекса программ, а также методика поиска оптимальных настроечных параметров используемых методов и разработанный многовариантный алгоритм используются в системе комплексного анализа данных в Кустовом медицинском информационно-аналитическом центре г. Новокузнецка. Справки о внедрении представлены в приложении.

Предмет защиты и личный вклад автора. На защиту выносятся: методика оптимизации настроечных параметров методов структурного анализа; уточненная структура двухкомпонентного критерия; алгоритм построения условно-образцовой кривой с использованием нечеткой логики; алгоритм определения оптимальных настроечных параметров с применением условно-образцовой кривой в качестве «эталона»; способ уточнения координат особых точек, найденных различными методами структурного анализа с применением элементов теории нечетких множеств; классификация методов структурного анализа, которая положена в основу разработки многовариантного алгоритма определения особых точек на реализациях данных; многовариантный алгоритм распознавания моментов изменения тенденции, позволяющий увеличить надежность их определения а, следовательно, и правильность принимаемых решений в организационных системах.

Личный вклад автора заключается в непосредственном творческом участии во всех разработках и получении основных результатов, связанных с методикой оптимизации настроечных параметров методов структурного анализа; с разработкой алгоритма построения условно-образцовой кривой с использованием элементов теории нечетких множеств, который играет роль «учителя» при оптимизации настроечных параметров; и алгоритмом оптимизации настроечных параметров; способом уточнения координат особых точек, найденных различными методами структурного анализа с использованием нечеткой логики; классификацией методов структурного анализа и созданием на ее основе многовариантного алгоритма распознавания моментов изменения тенденций на реализациях данных, а также конкретизацией методов структурного анализа для использования их на объектах различной природы для принятия решений.

Апробация работы. Основные положения и результаты работы докладывались и получили одобрение на 19 конференциях, включая Международные конференции по СССУ (Воронеж, 2003 г., Тверь, 2004 г., Воронеж, 2005 г.), Международную конференцию по проблемам управления (Москва, 2003 г.), Международные научно-практические конференции по TAC (Москва, 2003 г., 2005 г., 2007 г.), Всероссийские научно-практические конференции по системам автоматизации в образовании, науке и производстве (Новокузнецк, 2003 г., 2005 г., 2007 г.), Международные конференции «Инноватика» (Сочи, 2004 - 2007 г.г.), Всероссийскую научно-практическую конференцию по моделированию, программному обеспечению и наукоемким технологиям в металлургии (Новокузнецк, 2007 г.), Международную научно-практическую конференцию по образованию, науке, производству и управлению (Старый Оскол, 2006 г.), Международную конференцию по сложным системам управления и менеджменту качества (Старый Оскол, 2007 г.), Международную научно-практическую конференцию студентов, аспирантов и молодых ученых (Томск, 2007 г.), Международную научно-практическую конференцию по фундаментальным прикладным проблемам приборостроения, информатики и экономики (Сочи, 2007 г.).

Публикации. По теме диссертации опубликованы 2 статьи в изданиях, рекомендованных ВАК РФ, 19 тезисов и докладов, выпущено 1 учебное пособие. В работах, опубликованных в соавторстве и приведенных в конце автореферата, лично соискателю принадлежит: [1] - многовариантный алгоритм определения особых точек применительно к объектам, характеризующим работу технологических агрегатов; [3, 6, 7] - постановка и решение задачи определения координат особых точек с помощью функционалов отличия; [4, 5, 8, 11] - алгоритм многовариантного поиска моментов изменения тенденций; [9] - постановка и решение задач структурного анализа в рамках комплексного анализа рядов данных; [10] - классификация методов структурного анализа; [12] - постановка и решение задачи определения координат особых точек с помощью скользящих средних; [13] - постановка и решение задач структурного анализа с применением осцилляторов; [15, 16] - алгоритм многовариантного поиска особых точек на основе классификации методов структурного анализа; [17, 20 — 22] - алгоритм выделения условно-образцовой кривой на основе теории нечетких множеств; [18, 19] - алгоритм поиска момента смены тренда методами структурного анализа с элементами теории нечетких множеств.

Структура и объем работы. Диссертация состоит из введения, четырех глав, выводов и заключения и содержит 145 страниц основного текста, список использованных источников из 91 наименования, содержит 68 рисунков и 10 таблиц.

7. Результаты работы используются в учебном процессе в виде учебно-методического и программного комплекса при изучении таких дисциплин, как «Анализ и обработка данных», «Методы получения и обработки информации для задач управления социально-экономическими системами», «НИР», а также при выполнении курсовых и дипломных работ по специальности «Прикладная информатика (в управлении)» в Сибирском государственном индустриальном университете.

8. Методы структурного анализа, конкретизированные для медицинских объектов, и представленные в виде комплекса программ, а также методика поиска оптимальных настроечных параметров используемых методов и разработанный многовариантный алгоритм приняты к использованию в автоматизированной системе комплексного анализа данных в Кустовом медицинском информационно-аналитическом центре г. Новокузнецка.

ЗАКЛЮЧЕНИЕ И ВЫВОДЫ

В диссертации обобщен накопленный опыт применения методов структурного анализа рядов данных, который целесообразно осуществлять фиксированием координат особых точек, соотносимых с моментами наиболее значительного изменения свойств реализаций данных, например, изменения тренда, характера колеблемости около тенденций и другие локальные особенности. По результатам анализа можно принимать более обоснованные решения на объектах различной природы.

1. Авдеев В.П. Концепция общего развития на базе многовариантных систем / В.П. Авдеев, Л.П. Мышляев, Т.В. Киселева // Вариантника. Информационный сборник 1. Новокузнецк, 1995 - С. 51 - 66.

2. Авдеев В.П. Многовариантное мировоззрение в настоящем и будущем / В.П. Авдеев // Вариантника. Информационный сборник 3. Новокузнецк, 1997-С. 9-22.

3. Авдеев В.П. О всеобщей многовариантности / В.П. Авдеев // Изв. Вузов. Черная металлургия, 1996. № 4. - С. 48 - 50.

4. Авдеев В.П. Производственно-исследовательские системы с многовариантной структурой / В.П. Авдеев, Б.А. Кустов, Л.П. Мышляев. Новокузнецк: КузбассФИАР, 1992. - 188 с.

5. Авдеев В.П. Сущность направления «Вариантника» / В.П. Авдеев // Изв. Вузов. Черная металлургия, 1998. № 6. - С. 38 - 40.

6. Авдеев В.П. Характеристики многовариантности / В.П. Авдеев, Л.И. Криволапова, Т.В. Кораблина // Изв. Вузов. Черная металлургия, 1996. -№ 4.-С. 50-55.

7. Айвазян С.А. Прикладная статистика / С.А. Айвазян, И.С. Енюков, Л.Д. Мешалкин. -М.: Финансы и статистика, 1983. 471 с.

8. Акелис Ст. Б. Технический анализ от А до Я / Ст. Б. Акелис. М.: Диаграмма, 2000. - 364 с.

9. Алиев P.A. Нечеткие регуляторы и интеллектуальные промышленные системы управления / P.A. Алиев, Э.Г. Захарова, C.B. Ульянов // Итоги науки и техники. Сер. Техн. кибернетика.-М.:ВИНИТИ АН СССР, 1991. -Т. 32.-233-313.

10. Ю.Алимов Ю.И. Альтернатива методу математической статистики / Ю.И.

11. Алимов. М.: Знание, 1980. - 64 с. П.Алимов Ю.И. Измерение спектров и статистических вероятностей. (Учебное пособие) / Ю.И. Алимов. - Свердловск: изд. УПИ, 1986. - 96 с.

12. Алтунин А.Е. Модели и алгоритмы принятия решений в нечетких условиях / А.Е. Алтунин, М.В. Семухин. Тюмень: Изд-во Тюменского государственного университета, 2000. - 352 с.

13. Батыршин И.З. Основные операции нечеткой логики и их обобщения / И.З. Батыршин. — Казань: Отечество, 2001. 102 с.

14. Беллман Р. Принятие решений в расплывчатых условиях / Р. Беллман, Л.Заде // Вопросы анализа и процедуры принятия решений М.: Мир, 1976.-С. 172-215.

15. Бурков В.Н. Введение в теорию активных систем / В.Н. Бурков, Д.А Новиков. М.: ИПУ РАН, 1996. - 125 с.

16. Бурков В.Н. Как управлять проектами / В.Н. Бурков, Д.А Новиков. -М.: Синтег, 1997.- 188 с.

17. Бурков В.Н. Основы математической теории активных систем / В.Н. Бурков. М.: Наука, 1977. - 255 с.

18. Бурков В.Н. Теория активных систем: состояние и перспективы / В.Н. Бурков, Д.А Новиков. М.: Синтег, 1999. - 128 с.

19. Волович М.И. Контроль и оценивание конвертерной плавки по косвенным параметрам / М.И. Волович, В.П. Авдеев, Я.Г. Парпаров. Кемерово, 1989.- 124 с.

20. Вятченин Д.А. Нечеткие методы автоматической классификации / Д.А. Вятченин. Минск: Технопринт, 2004. - 219 с.

21. Гмурман В.Е. Теория вероятностей и математическая статистика / В.Е. Гмурман. М.: Высшая школа, 1997. - 418 с.

22. Губко М.В. Лекции по принятию решений в условиях нечеткой информации / М.В. Губко. Электронный ресурс.: Курс лекций. Режим доступа:http://www.mtas.ru/searchresults.php?shortview=0&publicationid=2703, свободный.

23. Губко М.В. Теория игр в управлении организационными системами / М.В. Губко, Д.А. Новиков. М.: Синтег, 2002. - 148 с.

24. Демарк Томас Р. Технический анализ новая наука / Томас Р. Демарк.- М.: Диаграмма, 1999. 280 с.

25. К основам многовариантных систем информатики и управления / В.П. /

26. Авдеев, Т.В. Киселева, В.Я. Дубовик, Е.Г. Руденкова // Вариантника.

27. Информационный сборник 2. Новокузнецк, 1996 - С. 97 - 109.

28. Кан М. Технический анализ.: Пер. с англ. / М. Кан. СПб.: Питер," 1998. -288 с.

29. Киселева Т.В. Автоматизированный анализ реализаций данных с использованием функционалов отличия / Т.В. Киселева, Т.В. Пучкова // Сб. докл. Междун. конф. по СССУ. Воронеж, 2003. - Том 1 - С. 277 -280.

30. Киселева Т.В. Анализ реализаций с использованием функционалов отличия / Т.В. Киселева, Т.В. Пучкова // Труды 4-ой Всеросс. науч.-практ. конф. по системам автоматизации в образовании, науке и производстве.- Новокузнецк, 2003. С. 68 - 72.

31. Киселева Т.В. Анализ рядов данных с использованием функционалов отличия / Т.В. Киселева, Т.В. Пучкова // Труды Междун. науч.-практ. конф. по TAC. М., 2003. - С. 132 - 135.

32. Киселева Т.В. Использование комплексного подхода при анализе рядов данных / Т.В. Киселева, Т.В. Кораблина, Е.Г. Руденкова, Т.В. Пучкова //

33. Материалы Междун. конф. по системным проблемам качества, матем. моделирования, информ. и электр. технологиям. — Сочи, 2004. — С. 25 — 28.

34. Киселева Т.В. Комплексный структурный анализ данных с использованием скользящих средних / Т.В. Киселева, Т.В. Пучкова // Сб. науч. тр. 7-ой Междун. конф. по СССУ: том 1. Воронеж, 2005. - С. 54 - 57.

35. Киселева Т.В. Многовариантный алгоритм структурного анализа временных рядов / Т.В. Киселева, Т.В. Пучкова // Материалы Междун. конф. по СССУ. Тверь, 2004. - С. 310 - 314.

36. Киселева Т.В. Многовариантный структурный анализ данных / Т.В. Киселева, Т.В. Пучкова // Труды 4-ой Всеросс. науч.-практ. конф. по системам автоматизации в образовании, науке и производстве. Новокузнецк, 2003.-С. 62-67.

37. Киселева Т.В. Многовариантный структурный анализ реализаций данных технических и рыночных систем / Т.В. Киселева, Т.В. Пучкова // Матера-лы 2-ой Междун. конф. по проблемам управления: том 1. М., 2003. -Том 1-С. 153.

38. Киселева Т.В. Многовариантный структурный анализ рядов данных / Т.В. Киселева, Т.В. Пучкова // Сб. докл. Междун. науч.-практ. конф. по образованию, науке, производству и управлению. — Старый Оскол, 2006. -С. 103-108.

39. Киселева Т.В. Структурный анализ динамических рядов данных / Т.В. Киселева, Т.В. Пучкова // Сб. докл. Междун. конф. по СССУ. — Воронеж, 2003. Том 1 - С. 272 - 276.

40. Киселева Т.В. Структурный анализ динамических рядов данных: Учебное пособие / Т.В. Киселева, Т.В. Пучкова. Новокузнецк: изд. Сиб-ГИУ, 2005.-110 с.

41. Киселева Т.В. Структурный анализ рядов данных с использованием осцилляторов / Т.В. Киселева, Т.В. Пучкова // Тр. Междун. науч.-практ. конф. по TAC. М., 2005. - С. 87 - 92.

42. Колби Р. Энциклопедия технических индикаторов рынка: Пер. с англ. / Р. Колби. М.: Альпина, 1998. - 586 с.

43. Криони О.В. Технический анализ валютного рынка: Учеб. Пособие / О.В. Криони, P.P. Латыпов. М.: Изд-во МАИ, 2004. - 297 с.

44. Круглов В.В. Нечеткая логики и искусственные нейронные сети: Учеб. Пособие / В.В. Круглов, М.И. Дли, Р.Ю. Голунов. М.: ФИЗМАТЛИТ, 2001.-224 с.

45. Кузнецов М.В. Технический анализ рынка ценных бумаг / М.В., Кузнецов, A.C. Овчинников. -М.: ИНФРА-М, 1996. 170 с.

46. Кулаков С.М. Многовариантное прогнозирование расчетных показателей / С.М. Кулаков, В.П. Авдеев, Н.Ф. Бондарь // Изв. вузов. Черная металлургия. 1996, № 4 - С. 77 - 82.

47. Летов A.M. Динамика полета и управление /A.M. Летов. М.: Наука, 1969.-351 с.51 .Малышев Н.Г. Нечеткие модели для экспертных систем в САПР / Н.Г. Малышев, Л.С. Бернштейн, А.В.Боженюк. — М.: Энергоиздат, 1991. — 136 с.

48. Мешалкин В.П. Экспертные системы в химической технологии / В.П. Мешалкин. М.: Химия, 1995. - 368 с.

49. Многовариантные структуры, средства, системы. Вариантника. (Тематические подборки статей). // Изв. Вузов. Черная металлургия, 1994. -№№ 4, 8. 1995. - №№ 4, 6, 12. - 1996. - № 10. - 1997. - № 6.

50. Могиленко A.B. Элементарные понятия теории нечетких множеств / A.B. Могиленко, A.B. Балуев. Новосибирск, 2003. - 297 с.

51. Мэрфи Дж.Дж. Межрыночный технический анализ / Дж. Дж. Мэрфи. -М.: Диаграмма, 1999. 310 с.

52. Мэрфи Дж. Дж. Технический анализ фьючерсных рынков: теория и практика / Дж. Дж. Мэрфи. М.: Диаграмма, 2000. - 588 с.

53. Найман Э.Л. Трейдер-инвестор / Э.Л. Найман. Киев: Вира-Р, 2000. -626 с.

54. Недосекин А.О. Нечеткий финансовый менеджмент / А.О. Недосекин. Электронный ресурс.: Статья. 2003. — Режим доступа: http://sedok.narod.ru, свободный.

55. Недосекин А.О. Нечетко-множественный анализ риска фондовых инвестиций / А.О. Недосекин. Электронный ресурс.: Монография. Санкт-Петербург, 2002 г. - Режим доступа: http://sedok.narod.ru, свободный.

56. Недосекин А.О. Фондовый менеджмент в расплывчатых условиях / А.О. Недосекин. Электронный ресурс.: Монография. Санкт-Петербург, 2003 г. - Режим доступа: http://sedok.narod.ru, свободный.

57. Нисон Ст. Японские свечи: графический анализ финансовых рынков / Ст. Нисон. М.: Диаграмма, 1998. - 347 с.

58. Новак В. Математические принципы нечеткой логики / В. Новак, И. Перфильева, И. Мочкорж. М.: ФИЗМАТЛИТ, 2006. - 352 с.

59. Новиков Д.А. Курс теории активных систем / Д.А. Новиков, С.Н. Петраков. -М.: Синтег, 1999. 108 с.

60. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации / С.А. Орловский М.: Наука. Главная редакция физико-математической литературы, 1981. - 208 с.

61. Основы теории нечетких множеств: Метод. Указания / Сост. И.Л. Коробова, И.А. Дьяков. Тамбов: Изд-во Тамб. гос. техн. ун-та, 2003. - 24 с.

62. Пивкин В.Я. Нечеткие множества в системах управления / В .Я. Пивкин, Е.П. Бакулин, Д.И. Кореньков. Новосибирск: Издательство НГУ, 1996.-42 с.

63. Применение осцилляторов при торговле на FOREX Электронный ресурс.: Статья. Режим доступа: http://www.forexclub.ru/articles/14.html, свободный.

64. Пучкова Т.В. Система поддержки принятия решения на различных объектах по результатам структурного анализа рядов данных / Т.В. Пучко-ва // Системы управления и информационные технологии. 2007. - № 3.3 (29)-С. 372-376.

65. Райфа Г. Прикладная теория статистических решений / Г. Райфа, Р. Шлейфер. М.: Статистика, 1997. - 387 с.

66. Рыков A.C. Модели и методы системного анализа: принятие решений и оптимизация: Учебное пособие для вузо / A.C. Рыков. — М.: МИСИС, Издательский дом «Руда и металлы», 2005. 352 с.

67. Самарский A.A. Парадоксы многовариантного нелинейного мира мира вокруг нас / A.A. Самарский, С.П. Курдюмов // Международный ежегодник «Гипотезы. Прогнозы. (Будущее науки)». -М.: Знание, 1989. -С. 9-29.

68. Симонов K.B. Исследование состояния сложного объекта на основе теории нечетких множеств / К.В. Симонов, В.А. Шмидт // Тр. II Всерос. конф. «Финансово-актуарная математика и смежные вопросы». — Красноярск: ИВМ СО РАН, 2003. — Ч. 2. — С. 173-180.

69. Скороспелов Д.А. Нечеткие множества для четких выводов / Д.А. Скороспелое. Электронный ресурс.: Статья. — Режим доступа: http://www.zhuk.net, свободный.

70. Солодовников В.В. Статистические методы при автоматизации производства / В.В. Солодовников, В.А. Усков. М.: Наука, 1966. - 651 с.

71. Структурный анализ временных последовательностей данных. Монография / Т.В. Киселева, В.Н. Бурков, Е.Г. Руденкова, В.И. Зинченко — Новокузнецк, 2004. 139 с.

72. Структурный анализ сигналов при алгоритмизации технологических процессов. Учебное пособие / В.П. Авдеев, П.Г. Белоусов, Я.Г. Парпа-ров, В.Э. Шамовский. — Новокузнецк: Сибирский металлургический институт, 1993 78 с.

73. Сычев В.А., Сычев И.В. Технический анализ валютного и фондового рынков: Учеб. Пособие. / В.А. Сычев. Ростов н/Д: РГЭА, 1999. - 96 с.

74. Технология в системном представлении / В.П. Авдеев, Н.М. Кулагин, Б.А. Кустов, С.М. Кулаков // Вариантника. Информационный сборник 1. Новокузнецк, 1995 - С. 67 - 77.

75. Тьюки Дж. Анализ результатов наблюдений / Дж. Тьюки. М.: Мир, 1993.-690 с.

76. Усков A.A. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика / A.A. Усков, A.B. Кузьмин. М.: Горячая Линия — Телеком, 2004. - 143 с.

77. Фетинина Е.П. Применение теории нечетких множеств в МвПРОР-технологии в многовариантной технологии профориентации и адаптации обучения / Е.П. Фетинина, Т.В. Кораблина // Системы управления и информационные технологии, 2007. — № 1 — С. 95 -101.

78. Фишер Р. Последовательность Фибоначчи: приложения и стратегии для трейдеров / Р.Фишер. Электронный ресурс.: Статья. Режим доступа: http://kommersant.org.ua/Texanaliz.html, свободный.

79. Химмельблау Д. Анализ процессов статистическими методами / Д. Химмельблау. М.: Мир, 1973. - 352 с.

80. Чернов В.Г. Модели поддержки принятия решений в инвестиционной деятельности на основе аппарата нечетких множеств / В. Г. Чернов. — М.: Горячая Линия Телеком, 2007 г. - 312 с.

81. Черныш И.Г. Алгоритмы помехозащищенной обработки динамических сигналов в системах автоматизации металлургических процессов: Дис. канд. техн. наук / И.Г. Черныш. Новокузнецк, 1987. - 87 с.

82. Четыркин Е.М. Вероятность и статистика / Е.М. Четыркин, И.Л. Ка-лихман. М.: Финансы и статистика, 1992. - 509 с.

83. Швагер Д. Технический анализ. Полный курс / Д. Швагер. М.: Альпи-на, 2001.-805 с.

84. Эрлих А. Технический анализ товарных и денежных рынков / А. Эрлих. -М.:Ю ИНФРА-М, 1996. 173 с.

85. Элдер А. Как играть и выигрывать на бирже. Психология. Технический анализ. Контроль над капиталом / А. Элдер. М.: Диаграмма, 2004. -349 с.

86. Яхъяева Г.Э. Нечеткие множества и нейронные сети / Г.Э. Яхъяева. М.: Интернет-Университет Информационных Технологий, 2006. - 316 с.

87. Утверждаю: Ректор ГОУ ВПО «СибГИУ», пррфесс*

88. Кулагин Н.М. Шл^г^иЛ 2008 г.об использовании в учебном процессе диссертационных разработок аспиранта кафедры систем информатики и управления ГОУ ВПО1. СибГИУ» Пучковой Т.В.п.п. Наименование разработки Вклад в учебный процесс

89. Заведующая кафедрой систем информатики и управления, доктор технических наук, профессор

90. Вклад в комплексный анализ данных

91. Использование методики настройки параметров методов структурного анализа, конкретизированных для данных о рождаемости,перинатальной смертности крупного промышленного города Сибири; использование многовариантного алгоритма структурного анализа данных.

92. Заместитель директора МУ «Кустовой медицинский информационно-аналитический центр» г. Новокузнецка

93. Главный инженер МУ КМИАЦ, заместитель председателя научно-технического совета1. О.В.Боловнева1. В.Л. Лошкарев