Математическое моделирование

Содержание

Слайд 2

Классическое определение системы: «система – совокупность элементов, организованных каким-либо образом и

Классическое определение системы:
«система – совокупность элементов, организованных
каким-либо образом и

образующих целостность и
органическое единство».

Элемент – предел разбиения системы с точки
зрения аспекта рассмотрения, решения конкретной задачи, поставленной цели.
Связь определяют как ограничение степени свободы
элементов.

Системное моделирование

Задачи обработки данных с целью извлечения новых знаний
сопровождают системное и математическое моделирование
поведения объектов самой различной природы. Системный
подход к анализу данных дает общую методологию обработки, независимо от природы объектов.

Слайд 3

Модель – созданная или выбранная исследователем система, воспроизводящая существенные для целей

Модель – созданная или выбранная исследователем система,
воспроизводящая существенные для целей

познания
характеристики изучаемого объекта.
Исследование этой системы служит опосредованным
Способом получения информации об этом объекте.
Моделирование – способ оперирования объектом, при котором
исследуется не сам объект, а вспомогательная система,
находящаяся с ним в объективном соответствии, и которая
дает необходимую информацию.

Определение модели

Слайд 4

Виды связей: 1. Алгебраические функции и выражения. 2. Дифференциальные и интегро-дифференциальные

Виды связей:
1. Алгебраические функции и выражения.
2. Дифференциальные и интегро-дифференциальные
уравнения.
3. Логические

правила и системы логического вывода.
Слайд 5

Направления моделирования сложных систем

Направления моделирования сложных систем

Слайд 6

Численное моделирование взрывоопасной ситуации в сушильной камере

Численное моделирование взрывоопасной ситуации в сушильной камере

Слайд 7

Модель венчурного инвестирования

Модель венчурного инвестирования

Слайд 8

Информация, знания Восприятие Усвоение Забывание Генерация знаний При Начальные условия: .

Информация, знания

Восприятие

Усвоение

Забывание

Генерация
знаний

При

Начальные условия:

.
Граничные условия:

Баланс знаний

(1)

- уровень знаний

- поток знаний

генерация
новых

знаний

- баланс

Математическая модель процесса обучения

Слайд 9

Динамическое моделирование ценовой политики в условиях конкуренции Двухкритериальная задача оптимального управления

Динамическое моделирование ценовой политики
в условиях конкуренции

Двухкритериальная задача оптимального управления




Слайд 10

Нечеткая модель производства продукции Структурная схема системы управления капиталом предприятия

Нечеткая модель производства продукции

Структурная схема системы управления капиталом предприятия

Слайд 11

Модель государственного управления экономикой Дифференциальные уравнения, описывающие прирост производственных фондов, научно-образовательного

Модель государственного управления экономикой


Дифференциальные уравнения,
описывающие прирост производственных фондов,

научно-образовательного потенциала и
потенциала здоровья

Целевым критерием государства
является получение
максимального налога за вычетом средств,
направляемых на науку и здравоохранение

Для производственных элементов критерием
является максимальное потребление

Слайд 12

Изменение ВВП во времени Изменение управляющих функций с =1 год

Изменение ВВП во времени

Изменение управляющих
функций с =1 год

Слайд 13

Временной ряд или последовательность преобразуется в матрицу, с помощью сдвига по

Временной ряд или последовательность преобразуется в матрицу,
с помощью сдвига по

времени или лага длиной k.

Последовательность временного ряда переведена в набор обучающих
данных,
содержащий p точек.

дисперсия

Продолжение временных рядов

Слайд 14

Восстановление временного ряда поступлений вкладов (лаг =5)

Восстановление временного ряда поступлений вкладов (лаг =5)

Слайд 15

Восстановление временного ряда выдачи (лаг =5)

Восстановление временного ряда выдачи (лаг =5)

Слайд 16

Для обработки использовался набор данных, состоящий из 10000 записей с 17

Для обработки использовался набор данных, состоящий из 10000 записей
с 17

полями (атрибутами). 16 атрибутов представляют вектор входных данных.
К ним относятся:
размер запрашиваемого кредита;
срок кредита;
доход клиента;
характер работы;
рабочий стаж;
уровень образования;
место проживания;
продолжительность регистрации по месту жительства;
наличие в собственности квартиры или другой недвижимости;
наличие движимого имущества;
возраст клиента и его пол;
наличие и размер текущего счета в данном банке;
наличие бравшихся кредитов в данном банке.
Семнадцатый атрибут представляет выходную переменную и свидетельствует
о своевременном или несвоевременном возврате кредитов.

Задача скоринга

Слайд 17

Результаты классификации клиентов нейронной сетью Выходная переменная является лингвистической: «возврат в

Результаты классификации клиентов нейронной сетью

Выходная переменная является лингвистической: «возврат в срок»,

«просроченный или неполный возврат», «невозврат».
Выходной переменной соответствуют три класса с номерами 0, 1, 2.
Слайд 18

Задача интерпретации геофизических данных

Задача интерпретации геофизических данных

Слайд 19

Разделение разреза на пласты нейросетевыми методами - оптимизационная функция для обучения

Разделение разреза на пласты нейросетевыми методами

- оптимизационная функция для обучения

Кодирование

выходного сигнала нейронной сети

Скважина №13022

Скважина №13416

Разделение пластов нейросетевым методом.

Задача интерпретации геофизических данных

Слайд 20

Результаты прогнозирования продуктивности пластов Прогнозу соответствуют темные столбики, расшифровке – светлые

Результаты прогнозирования продуктивности пластов

Прогнозу соответствуют темные столбики, расшифровке – светлые


Слайд 21

Слайд 22

Слайд 23

Слайд 24

Слайд 25

Слайд 26

Слайд 27

Слайд 28

Слайд 29

Слайд 30

Слайд 31

Слайд 32

Слайд 33

Слайд 34

Слайд 35

Контрольное задание

Контрольное задание

Слайд 36