МЕТОД СТРУКТУРНОЇ ІДЕНТИФІКАЦІЇ НЕЛІНІЙНИХ МОДЕЛЕЙ СТАТИЧНИХ СИСТЕМ НА ОСНОВІ ІНТЕРВАЛЬНИХ ДАНИХ

Автор(и)

  • Володимир Манжула Західноукраїнський національний університет, м. Тернопіль
  • Микола Дивак Західноукраїнський національний університет, м. Тернопіль
  • Андрій Мельник Західноукраїнський національний університет, м. Тернопіль

DOI:

https://doi.org/10.31649/1999-9941-2024-59-1-94-104

Ключові слова:

інтервальні дані, інтервальна нелінійна модель, структурна ідентифікація, оптимізаційна задача, цільова функція, градієнт

Анотація

Анотація. У статті розглянуто важливу наукову задачу подальшого розвитку методів ідентифікації інтервальних нелінійних моделей статичних характеристик складних об’єктів на основі використання процедур, які знижують обчислювальну складність. Запропонований підход до математичного моделювання статичних характеристик нелінійних об'єктів, що ґрунтується на інтервальному аналізі даних, забезпечує побудову адекватних моделей з гарантованими прогностичними властивостями. Процес побудови інтервальних нелінійних моделей статичних характеристик складних об’єктів грунтується на оптимізаційній задачі з нелінійною функцією мети, яка забезпечує мінімізацію середньоквадратичного відхилення між значеннями модельованої статичної характеристики складного об’єкта та значеннями які належать до експериментальних інтервалів. Такий підхід призводить до розширення простору параметрів нелінійних інтервальних моделей за рахунок введення додаткових коефіцієнтів α у функцію мети, але в той же час уможливлює зведення оптимізаційної задачі з системою нелінійних обмежень до задачі без обмежень. Основним результатом проведених досліджень є новий метод синтезу структури моделі на підставі аналізу градієнта цільової функції оптимізаційної задачі для різного набору структурних елементів. В основі розроблення цього методу є нова процедура вибору структурних елементів моделей, яка уможливлює зменшення кількості ітерацій параметричної ідентифікації на етапі формування структур моделей-претендентів. У статті визначено та обґрунтовано необхідні та достатні умови вичерпаності чи оптимальності набору структурних елементів на основі аналізу градієнта цільової функції та сформульовано основні правила формування набору цих елементів у моделі. На основі теоретичних та практичних міркувань запропоновано алгоритм реалізації нового методу структурної ідентифікації та продемонстровано його збіжність на прикладі моделювання об’єктів малої гідроенергетики. Запропонований метод ідентифікації нелінійних моделей на основі аналізу інтервальних даних забезпечує розвиток прикладних досліджень у сферах оборони країни, охорони довкілля, медицини та інших галузях, де основою для прийняття рішень є математичні моделі.

Біографії авторів

Володимир Манжула , Західноукраїнський національний університет, м. Тернопіль

кандидат технічних наук, доцент, докторант кафедри комп’ютерних наук

Микола Дивак , Західноукраїнський національний університет, м. Тернопіль

доктор технічних наук, професор, проректор з наукової роботи, ЗУНУ, м. Тернопіль

Андрій Мельник , Західноукраїнський національний університет, м. Тернопіль

доктор технічних наук, професор, професор кафедри комп’ютерних наук, ЗУНУ

Посилання

M. Dyvak, I. Voytyuk, N. Porplytsya and A. Pukas, "Modeling the process of air pollution by harmful emissions from vehicles," 2018 14th International Conference on Advanced Trends in Radioelectronics, Telecommunications and Computer Engineering (TCSET), Slavske, 2018, pp. 1272-1276, doi: 10.1109/TCSET.2018.8336426.

M. Dyvak, V. Manzhula, Yu. Trufanova. Interval Non-linear Model of Information Signal Characteristics Distribution for Detection of Recurrent Laryngeal Nerve during Thyroid Surgery. In: Proceedings of the 5th International Conference on Informatics & Data-Driven Medicine (IDDM-2022), CEUR Workshop Proceedings, 2022, 3302, pp. 99–107

Dyvak, M., Papa, O., Melnyk, A., Pukas, A., Porplytsya, N., Rot, A. Interval model of the efficiency of the functioning of information web resources for services on ecological expertise (2020) Mathematics , 8 (12), art. no. 2116, pp. 1-12.

A. Ivakhnenko, G. Ivakhnenko, “The Review of Problems Solvable by Algorithms of the Group Method of Data Handling (GMDH)”, Pattern Recognition and Image Analysis, 5 (4), pp. 527-535, 1995.

O. G. Moroz, V. S. Stepashko, Combinatorial algorithm of MGUA with genetic search of the model of optimal complexity, Proceedings of the International Conference on Intellectual Systems for Decision Making and Problems of Computational Intelligence, 2016, pp. 297–299.

M. Dyvak, I. Spivak, A. Melnyk, V. Manzhula, T. Dyvak, A. Rot, M. Hernes, “Modeling Based on the Analysis of Interval Data of Atmospheric Air Pollution Processes with Nitrogen Dioxide due to the Spread of Vehicle Exhaust Gases”, Sustainability, 15(3):2163, 2023. https://doi.org/10.3390/su15032163

M. Dyvak; N. Porplytsya; Y. Maslyiak and N. Kasatkina. Modified artificial bee colony algorithm for structure identification of models of objects with distributed parameters and control. 2017 14th International Conference The Experience of Designing and Application of CAD Systems in Microelectronics (CADSM), Lviv, 2017, pp. 50-54.

A.Petrowski, S. Ben-Hamida, Evolutionary Algorithms (Computer Engineering: Metaheuristics Book 9), 1st ed. Wiley-ISTE: Hoboken, NJ, USA, 2017.

S. Katoch, S.S. Chauhan, V. Kumar, “A review on genetic algorithms: Past, present, and future”, Multimed. Tools Appl., 80, 8091–8126, 2021. [CrossRef] [PubMed]

I.T. Christou, W.L. Darrell, K. De Long, W. Martin, Evolutionary Algorithms”, Springer-Verlag: New York, NY, USA, 2021.

A. Slowik, Swarm Intelligence Algorithms: Modification and Applications, 1st ed.; CRC Press: Boca Raton, FL, USA, 2020.

A. Abraham, R.K. Jatoth, A. Rajasekhar, “Hybrid differential artificial bee colony algorithm”, J. Comput. Theor. Nanosci., 9, 249–257, 2012.

S. Alshattnawi, L. Afifi, A.M. Shatnawi, M.M. Barhoush, “Utilizing Genetic Algorithm and Artificial Bee Colony Algorithm to Extend the WSN Lifetime”, Int. J. Comput., 21, 25-31, 2022.

N.P. Dyvak, V.I. Manzhula, “Structural Identification of Interval Models of the Static Systems” Journal of Automation and Information Sciences, 40 (4), pp. 49-61, 2008.

Bubeck, S. (2015). Stochastic gradient descent and related optimization methods. Foundations and Trends in Machine Learning, 8(3-4), 179-364

.Anders Forsgren, Philip E. Gill, Margaret H. Wright, “Interior methods for nonlinear optimization”, SIAM review, 44.4, pp. 525-597, 2002.

A. Beck, Introduction to nonlinear optimization: Theory, algorithms, and applications with MATLAB, Society for Industrial and Applied Mathematics, 2014.

Manzhula, V., Dyvak, M., & Zabchuk, V. (2024). The Improved Method for Identifying Parameters of Interval Nonlinear Models of Static Systems. International Journal of Computing, 23(1), 19-25. https://doi.org/10.47839/ijc.23.1.3431

M. Dyvak, N. Porplytsya, I. Borivets, M. Shynkaryk, “Improving the computational implementation of the parametric identification method for interval discrete dynamic models”, in Proc. 12th International Conference on International Scientific and Technical Conference on Computer Sciences and Information Technologies (CSIT), pp. 533-536, Lviv, Ukraine, 5-8 September 2017.

N. Porplytsya, M. Dyvak, I. Spivak, and I. Voytyuk, “Mathematical and algorithmic foundations for implementation of the method for structure identification of interval difference operator based on functioning of bee colony”, in Proc. 13th International Conference on the Experience of Designing and Application of CAD Systems in Microelectronics (CADSM), pp. 196-199, Lviv, Ukraine, 24-27 February 2015.

B. Akay, D. Karaboga, B. Gorkemli, E. Kaya, “A survey on the artificial bee colony algorithm variants for binary, integer and mixed integer programming problems”, Appl. Soft Comput., 106, 107351, 2021.

B. Akay, D. Karaboga, “A survey on the applications of artificial bee colony in signal, image, and video processing”, Signal Image Video Process, 9, 967–990, 2015.

Slowik A. Swarm Intelligence Algorithms: modification and applications. 1st edition. CRC Press. 2020. 378 p.

Dyvak M., Porplytsya N., Maslyiak Y., Kasatkina N. Modified artificial bee colony algorithm for structure identification of models of objects with distributed parameters and control. The Experience of Designing and Application of CAD Systems in Microelectronics (CADSM): Proceedings of the 2017 14th International Conference. Lviv, Ukraine. 21–25 February 2017. P. 50–54.

Global Optimization Toolbox, https://www.mathworks.com/products/global-optimization.html.

Пукас А. В. Методи та засоби побудови математичних моделей характеристик складних об’єктів в умовах інтервальної невизначеності: дисертація на здобуття наукового ступеня доктора техні-чних наук : 01.05.02 – математичне моделювання та обчислювальні методи / Андрій Васильович Пукас ; Міністерство освіти і науки України, Національний університет «Львівська політехніка». – Львів, 2021. – 292 с.

References

M. Dyvak, I. Voytyuk, N. Porplytsya and A. Pukas, "Modeling the process of air pollution by harmful emissions from vehicles," 2018 14th International Conference on Advanced Trends in Radioelectronics, Telecommunications and Computer Engineering (TCSET), Slavske, 2018, pp. 1272-1276, doi: 10.1109/TCSET.2018.8336426.

M. Dyvak, V. Manzhula, Yu. Trufanova. Interval Non-linear Model of Information Signal Characteristics Distribution for Detection of Recurrent Laryngeal Nerve during Thyroid Surgery. In: Proceedings of the 5th International Conference on Informatics & Data-Driven Medicine (IDDM-2022), CEUR Workshop Proceedings, 2022, 3302, pp. 99–107

Dyvak, M., Papa, O., Melnyk, A., Pukas, A., Porplytsya, N., Rot, A. Interval model of the efficiency of the functioning of information web resources for services on ecological expertise (2020) Mathematics , 8 (12), art. no. 2116, pp. 1-12.

A. Ivakhnenko, G. Ivakhnenko, “The Review of Problems Solvable by Algorithms of the Group Method of Data Handling (GMDH)”, Pattern Recognition and Image Analysis, 5 (4), pp. 527-535, 1995.

O. G. Moroz, V. S. Stepashko, Combinatorial algorithm of MGUA with genetic search of the model of optimal complexity, Proceedings of the International Conference on Intellectual Systems for Decision Making and Problems of Computational Intelligence, 2016, pp. 297–299.

M. Dyvak, I. Spivak, A. Melnyk, V. Manzhula, T. Dyvak, A. Rot, M. Hernes, “Modeling Based on the Analysis of Interval Data of Atmospheric Air Pollution Processes with Nitrogen Dioxide due to the Spread of Vehicle Exhaust Gases”, Sustainability, 15(3):2163, 2023. https://doi.org/10.3390/su15032163

M. Dyvak; N. Porplytsya; Y. Maslyiak and N. Kasatkina. Modified artificial bee colony algorithm for structure identification of models of objects with distributed parameters and control. 2017 14th International Conference The Experience of Designing and Application of CAD Systems in Microelectronics (CADSM), Lviv, 2017, pp. 50-54.

A.Petrowski, S. Ben-Hamida, Evolutionary Algorithms (Computer Engineering: Metaheuristics Book 9), 1st ed. Wiley-ISTE: Hoboken, NJ, USA, 2017.

S. Katoch, S.S. Chauhan, V. Kumar, “A review on genetic algorithms: Past, present, and future”, Multimed. Tools Appl., 80, 8091–8126, 2021. [CrossRef] [PubMed]

I.T. Christou, W.L. Darrell, K. De Long, W. Martin, Evolutionary Algorithms”, Springer-Verlag: New York, NY, USA, 2021.

A. Slowik, Swarm Intelligence Algorithms: Modification and Applications, 1st ed.; CRC Press: Boca Raton, FL, USA, 2020.

A. Abraham, R.K. Jatoth, A. Rajasekhar, “Hybrid differential artificial bee colony algorithm”, J. Comput. Theor. Nanosci., 9, 249–257, 2012.

S. Alshattnawi, L. Afifi, A.M. Shatnawi, M.M. Barhoush, “Utilizing Genetic Algorithm and Artificial Bee Colony Algorithm to Extend the WSN Lifetime”, Int. J. Comput., 21, 25-31, 2022.

N.P. Dyvak, V.I. Manzhula, “Structural Identification of Interval Models of the Static Systems” Journal of Automation and Information Sciences, 40 (4), pp. 49-61, 2008.

Bubeck, S. (2015). Stochastic gradient descent and related optimization methods. Foundations and Trends in Machine Learning, 8(3-4), 179-364

.Anders Forsgren, Philip E. Gill, Margaret H. Wright, “Interior methods for nonlinear optimization”, SIAM review, 44.4, pp. 525-597, 2002.

A. Beck, Introduction to nonlinear optimization: Theory, algorithms, and applications with MATLAB, Society for Industrial and Applied Mathematics, 2014.

Manzhula, V., Dyvak, M., & Zabchuk, V. (2024). The Improved Method for Identifying Parameters of Interval Nonlinear Models of Static Systems. International Journal of Computing, 23(1), 19-25. https://doi.org/10.47839/ijc.23.1.3431

M. Dyvak, N. Porplytsya, I. Borivets, M. Shynkaryk, “Improving the computational implementation of the parametric identification method for interval discrete dynamic models”, in Proc. 12th International Conference on International Scientific and Technical Conference on Computer Sciences and Information Technologies (CSIT), pp. 533-536, Lviv, Ukraine, 5-8 September 2017.

N. Porplytsya, M. Dyvak, I. Spivak, and I. Voytyuk, “Mathematical and algorithmic foundations for implementation of the method for structure identification of interval difference operator based on functioning of bee colony”, in Proc. 13th International Conference on the Experience of Designing and Application of CAD Systems in Microelectronics (CADSM), pp. 196-199, Lviv, Ukraine, 24-27 February 2015.

B. Akay, D. Karaboga, B. Gorkemli, E. Kaya, “A survey on the artificial bee colony algorithm variants for binary, integer and mixed integer programming problems”, Appl. Soft Comput., 106, 107351, 2021.

B. Akay, D. Karaboga, “A survey on the applications of artificial bee colony in signal, image, and video processing”, Signal Image Video Process, 9, 967–990, 2015.

Slowik A. Swarm Intelligence Algorithms: modification and applications. 1st edition. CRC Press. 2020. 378 p.

Dyvak M., Porplytsya N., Maslyiak Y., Kasatkina N. Modified artificial bee colony algorithm for structure identification of models of objects with distributed parameters and control. The Experience of Designing and Application of CAD Systems in Microelectronics (CADSM): Proceedings of the 2017 14th International Conference. Lviv, Ukraine. 21–25 February 2017. P. 50–54.

Global Optimization Toolbox, https://www.mathworks.com/products/global-optimization.html.

A. V. Pukas. Methods and means of constructing mathematical models of the characteristics of com-plex objects under conditions of interval uncertainty: dissertation for obtaining the scientific degree of Doctor of Technical Sciences: 05.01.02 - mathematical modeling and computational methods / Andriy Vasyliovych Pukas; Ministry of Education and Science of Ukraine, Lviv Polytechnic National University. - Lviv, 2021. - 292 p.

##submission.downloads##

Переглядів анотації: 247

Опубліковано

2024-05-31

Як цитувати

[1]
В. . Манжула, М. . Дивак, і А. . Мельник, «МЕТОД СТРУКТУРНОЇ ІДЕНТИФІКАЦІЇ НЕЛІНІЙНИХ МОДЕЛЕЙ СТАТИЧНИХ СИСТЕМ НА ОСНОВІ ІНТЕРВАЛЬНИХ ДАНИХ», ІТКІ, вип. 59, вип. 1, с. 94–104, Трав 2024.

Номер

Розділ

Математичне моделювання та обчислювальні методи

Метрики

Завантаження

Дані завантаження ще не доступні.