В ходе алгоритмизации как промышленных, так и рыночных, и банковских систем важным источником информации являются регистрируемые сигналы о динамике их работы в обычном режиме или в режиме активного эксперимента. Результаты обработки первичных данных при построении и последующем использовании алгоритмов прогнозирования и регулирования существенно зависят от свойств действующих сигналов. Например, успешное применение корреляционного анализа возможно при условии, когда реализации входных и выходных величин являются случайными стационарными процессами.
Фактические реализации входных и выходных сигналов о работе реальных объектов являются, очевидно, более сложными, чем предполагаемые в известных методах теории идентификации. В связи с этим естественным представляется подход, использующий целенаправленное расчленение динамических сигналов на такие более простые параллельные и последовательные составляющие, которые по своим свойствам удовлетворительно соответствуют исходным предпосылкам теоретических схем, включая тот же корреляционный анализ. Для этого необходимо иметь информацию о фактическом строении реализаций контролируемых переменных, которая может быть получена с помощью так называемого структурного анализа временных рядов.
С точки зрения такого подхода основное совершенствование распространённых методов обработки первичных данных заключается во введении специальных процедур для расчленения регистрируемых сигналов на структурно-однородные составляющие и для формирования из них выборок с желаемыми свойствами.
Математические методы обработки экспериментальных данных, как правило, основываются на жёстких гипотезах о свойствах наблюдаемых сигналов (реализаций переменных). Чаще всего предполагается, что реализации контролируемых величин являются, например, стационарными эргодическими гауссовыми случайными процессами [43].
Результаты применения математических методов существенно зависят от того, насколько реальные данные удовлетворяют исходным предпосылкам выбранного способа обработки наблюдений.
Недостаточную эффективность применения статистических методов для описания технологических объектов, вероятно, можно объяснить в значительной степени неудовлетворительным соответствием свойств исходных данных и предпосылок выбранных статистических методов.
Действительно наблюдаемые реализации входных и выходных сигналов (и, в частности, характеризующих обычный режим работы объектов), на основании которых определяются вход-выходные зависимости, являются более сложными, чем в известных методах теории идентификации, фильтрации, прогнозирования и т.д.
Представляется целесообразным расчленение реально наблюдаемых сигналов на более простые составляющие, удовлетворительно соответствующие исходным предпосылкам теоретических схем. Такое расчленение возможно при наличии информации о фактическом строении реализации контролируемых сигналов, которая может быть получена с помощью так называемого структурного анализа временных рядов.
Задачу описания структуры реализаций входных и выходных переменных объектов можно разбить на ряд этапов. Установить законченный перечень этих этапов трудно, однако из них можно выделить наиболее важные для определённого класса объектов. Ниже приведён один из вариантов расчленения проблемы идентификации на частные задачи с учётом фактической структуры динамических сигналов.
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.