Информационное обеспечение процесса прогнозирования при управлении техническим состоянием судовых конструкций на основе аппарата теории нечетких множеств тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат технических наук Малыхина, Ирина Вячеславовна

• Малыхина, Ирина Вячеславовна
• кандидат технических наук
• 2006

Оглавление диссертации кандидат технических наук Малыхина, Ирина Вячеславовна

ВВЕДЕНИЕ.

1. СИСТЕМНЫЙ АНАЛИЗ МЕТОДОВ ОПИСАНИЯ И ПРОГНОЗИРОВАНИЯ СЛОЖНЫХ ПРОИЗВОДСТВЕННЫХ ПРОЦЕССОВ.

1.1. Анализ методологических подходов к описанию и прогнозированию производственных процессов.

1.1.1. Описание процессов.

1.1.2. Прогнозирование процессов.

1.2. Особенности моделирования и прогнозирования процессов изменения технического состояния и ремонта судов.

1.3. Математические модели процессов в условиях неопределенности.

1.4. Выводы по гл.1.

2. ФОРМАЛИЗАЦИЯ НЕЧЕТКОГО СТОХАСТИЧЕСКОГО ПРОИЗВОДСТВЕННОГО ПРОЦЕССА.

2.1. Описание нечетких ситуаций с помощью экспертных оценок.

2.2. Модели нечетких случайных величин.

2.3. Формализованное описание нечеткого стохастического производственного процесса.

2.4. Выводы по гл.2.

3. ПРОГНОЗИРОВАНИЕ СТОХАСТИЧЕСКОГО ПРОИЗВОДСТВЕННОГО ПРОЦЕССА МЕТОДАМИ ТЕОРИИ НЕЧЕТКИХ МНОЖЕСТВ.

3.1. Методика построения алгоритма прогнозирования на основе аппарата теории нечетких множеств.

3.2. Алгоритм прогнозирования процесса изменения параметров объекта ремонта в условиях эксплуатации.

3.3. Оценка точности и надежности прогноза.

3.4. Выводы по гл.З.

4. КОМПЬЮТЕРНАЯ РЕАЛИЗАЦИЯ ПРОГНОЗНОЙ МОДЕЛИ ПРОЦЕССА КОРРОЗИОННОГО ИЗНАШИВАНИЯ ОБШИВКИ КОРПУСА СУДНА

ВНУТРЕННЕГО ПЛАВАНИЯ.

4.1. Оценка реализованных систем прогнозирования технического состояния корпусных конструкций.

4.2. Настройка системы прогнозирования в условиях нечеткой базы данных.

4.3. Интерфейс и описание принципа работы программного комплекса.

4.4. Прогнозирование износа обшивки корпуса теплохода «Невский -31».

4.5. Выводы по гл.4.

Введение диссертации (часть автореферата) на тему «Информационное обеспечение процесса прогнозирования при управлении техническим состоянием судовых конструкций на основе аппарата теории нечетких множеств»

Для организации эффективного производственного процесса эксплуатации судов как сложных технических комплексов необходимо иметь информацию о состоянии отдельных объектов в будущие моменты времени.

Наличие полной и достоверной информации о состоянии судов и судового оборудования - важный фактор повышения их надежности.

Надежность - одна из основных характеристик технических объектов, в том числе и судов, которая заключается в способности сохранять во времени установленные эксплуатационные показатели в заданных приделах. Повышение надежности - важный резерв роста эффективности использования техники и главный фактор повышения технической безопасности эксплуатации, в том числе мореплавания.

Исключительно важна проблема надежности транспортных судов, которые в течение длительного времени оторваны от баз и при возникновении отказов не могут рассчитывать на своевременную помощь ремонтных предприятий. Ухудшение технического состояния судна, ' особенно в сложных навигационной обстановке и метеорологических условиях, создают аварийные ситуации и могут привести к авариям с тяжелыми последствиями и большими убытками. Недостаточный уровень надежности вызывает дополнительные затраты на устранение последствий отказов, увеличивает трудоемкость технического обслуживания и ремонта, продолжительность выводов судов из эксплуатации на этот период и снижает эффективность их работы. Повышение надежности является одним из путей увеличения периода эксплуатации судов.

Проблема повышения надежности любых технических объектов, а тем ■ более таких сложных инженерных сооружений, какими являются транспортные суда, - комплексная, и решают ее на всех стадиях проектирования, постройки и эксплуатации судов и судового оборудования.

При определении экономически оправданного уровня надежности судов и судового оборудования с учетом их назначения и условий эксплуатации, разработке соответствующих методов расчета и рекомендаций по обеспечению заданного уровня надежности на стадии проектирования, изготовления и эксплуатации должна применяться теория надежности.

В начале 60-х гг. было предложено заменить сталь марки стЗ на низколегированную марки 0,9Г2. Это позволило при проектировании гражданских судов снизить расчетные толщины обшивки корпуса и набора судна и расход стали при строительстве судов. Предложение было принято, установлен ГОСТ, однако оказалось, что принятие такого предложения было неоправданно и привело к снижению надежности корпусов судов. Практика доказала, что ресурс толщины обшивки корпуса и набора вырабатывается до истечения нормативного срока службы. Износы металла достигают предельных толщин уже к середине возраста судна. Приходится менять тысячи квадратных метров корпуса. Так, на Канонерском СРЗ в течение года меняется около 5000 м обшивки на судах. Это - один из примеров снижения надежности корпусов судов на стадии их проектирования и строительства.

Чтобы оценить уровень надежности судов, степень их физического износа, а, следовательно, возможность участия в экспортно-импортных и других перевозках грузов в заграничном и каботажном плавании, необходимо периодически осуществлять оценку технического состояния судна. Своевременность технического обслуживания и ремонта существенно повышает работоспособность судна в период эксплуатации.

Параметры технического состояния судна определяются комиссионно во время инспекторских осмотров, которые проводятся по графикам в зависимости от назначения судна.

Основными причинами ремонта корпусов судов обычно бывают износ и повреждение от аварий. В свою очередь, износ вызывается многими причинами, прежде всего различными видами коррозий, истиранием обшивки и швов корпуса, химическим воздействием грузов, несоблюдением графиков технического обслуживания и ремонта и т.д. Повреждения от аварий могут возникнуть от посадки судна на мель, столкновения с другим предметом (судном, причалом, льдом и т.д.), пожара, взрыва и т.д.

Технология ремонта предусматривает очистку корпуса, его дефектацию, то есть технология ремонта судовых технических средств зависит от причин, приведших к ремонту. Технологии ремонта судов содержатся в технических условиях, где предусмотрены основные процессы: очистка (мойка), дефектация, то есть замеры износоподверженных частей и деталей, ремонт или замена, сборка, испытание и контроль, замеры износов листов или конструкций, восстановление сварочных швов, испытание на герметичность или отсутствие трещин, окраску.

Решение задачи прогнозирования изменения важнейших показателей, характеризующих состояние эксплуатируемого объекта или процесса его ремонта, позволяет проводить полноценный анализ наиболее вероятной производственной ситуации и принимать соответствующие управленческие решения.

Отличительной чертой большинства судовых объектов является наличие значительного числа параметров, контролировать изменения которых достаточно сложно, что порождает проблему дефицита информации. Это усложняет процесс прогнозирования состояния этих объектов. Решение данной проблемы необходимо в любой системе, предназначенной для прогнозирования состояния сложных технических объектов и процессов восстановления их работоспособности.

При оценке технического состояния судов до последнего времени использовались методы, основанные на физико-техническом и технико-экономическом подходах. Необходимость одновременного учета факторов, имеющих различную природу, а также развитие методов на основе теории нечетких множеств, привели к появлению различных подходов, учитывающих наличие дефицита информации. Быстрое развитие и проникновение во все сферы деятельности информационных технологий, использующих большие возможности компьютерной техники, породило информационно-технический подход к решению ряда задач. Информационные технологии расширили возможности прогнозирования, оптимизации и автоматизации процесса эксплуатации и ремонта судов.

Эффективность решения проблемы дефицита информации может быть существенно повышена при объединении подхода, основанного на теории нечетких множеств с методом экспертных оценок и использованием специальных объектно-ориентированных математических моделей.

Актуальным является создание алгоритма, эффективно сочетающего в себе выше перечисленные подходы, что может существенно повысить качество и гибкость процесса прогнозирования.

Исходя из сказанного, разработка системы прогнозирования состояния судовых объектов в условиях дефицита информации является актуальной задачей.

Целью диссертационной работы является повышение точности и надежности процедур прогнозирования производственных процессов эксплуатации и ремонта судов на основе аппарата теории нечетких множеств и совершенствование способов принятия решений при реализации современных информационных технологий управления.

В рамках сформулированной цели необходимо решить следующие основные задачи:

- произвести анализ методов описания сложных производственных процессов и обосновать выбор наиболее адекватных моделей;

- проанализировать методы прогнозирования для выяснения их применимости в условиях неопределенности и дефицита информации;

- решить задачу получения обобщенной оценки экспертов с учетом степени компетентности каждого из них;

- разработать способ корректировки обобщенной оценки экспертов с помощью статистические математических моделей;

- создать обобщенный алгоритм прогнозирования состояния технических объектов, позволяющий решить проблему дефицита информации;

- разработать методику обработки оценок экспертов с помощью аппарата теории нечетких множеств с целью применения в алгоритме прогнозирования;

- разработать в рамках автоматизированной системы информационно-технологические процедуры на базе аппарата теории нечетких множеств, в основе которых лежат опыт экспертов и статистические математические модели.

Объектом исследования являются сложные производственные процессы эксплуатации и ремонта судов, характеризующиеся в плане моделирования и прогнозирования неопределенностью и информационной недостаточностью.

Предметом исследования являются методы и алгоритмы моделирования и прогнозирования, обеспечивающие решение проблемы дефицита информации, точности и надежности прогнозов.

Основные научные результаты:

1. Установлена причина недостаточной точности и надежности прогнозирования ряда производственных процессов. Обоснована необходимость использования методов теории нечетких множеств.

2. Разработан способ построения интегральной функции принадлежности с целью получения обобщенной оценки экспертами ожидаемого состояния производственного процесса.

3. Предложен способ корректировки обобщенной экспертной оценки ожидаемого состояния объекта с помощью статистических математических моделей.

4. Предложен алгоритм прогнозирования состояния технических объектов на основе аппарата теории нечетких множеств и даны рекомендации по его применению при решении различных задач прогнозирования.

5. Разработаны информационно-технологические процедуры, обеспечивающие выполнение прогнозирования состояния технических объектов на базе аппарата теории нечетких множеств.

Практическая ценность диссертационного исследования заключается в создании способов и алгоритмов, позволяющих автоматизировать процесс прогнозирования состояния технических объектов на основе аппарата теории нечетких множеств. Созданные пользовательский интерфейс и программный продукт могут быть использованы при прогнозировании изменения состояния судовых комплексов.

Результаты исследования были использованы в Северно-Западном филиале Российского Речного регистра, а также в учебном процессе кафедры математического моделирования и эконометрии Санкт-Петербургского государственного университета водных коммуникаций.

Основные научные и практические результаты диссертационной работы были апробированы на:

- Международной научно-технической конференции «ТРАНСКОМ-2004» (Санкт-Петербург, 2004г.);

- VI Международной научно-практической конференции молодых ученых, студентов и аспирантов «Анализ и прогнозирование систем управления» (Санкт-Петербург, 2005г.);

- кафедральных семинарах (2004-2006г.г.).

Заключение диссертации по теме «Автоматизация и управление технологическими процессами и производствами (по отраслям)», Малыхина, Ирина Вячеславовна

4.5. ВЫВОДЫ ПО ГЛ.4

1) Рассмотрены структура и функции блоков системы прогнозирования технического состояния корпуса судна, изучен опыт создания автоматизированной системы анализа и прогнозирования состояния корпусов морских судов.

2) Предложена и реализована методика настройки процесса функционирования системы прогнозирования в условиях нечеткой базы данных.

3) Разработан и реализован программный комплекс на базе языка Pascal в интегрированной среде Borland Delphi 6.0, позволяющий осуществить предложенный алгоритм прогнозирования на основе аппарата теории нечетких множеств.

4) Выполнено компьютерное прогнозирование износа обшивки теплохода «Невский - 31» проекта Р32.3.1, получен поисковый прогноз с упреждением в 5 лет.

5) Сопоставление прогнозных и фактических значений износа листов обшивки показало, что наибольшая погрешность не превышает 3%, следовательно предложенная методика прогнозирования может быть рекомендована для практического использования.

6) Даны рекомендации по применению различных конфигураций предложенного алгоритма прогнозирования.

ЗАКЛЮЧЕНИЕ

В результате выполнения теоретических исследований и проведения компьютерного эксперимента по теме диссертационной работы сделаны следующие выводы и получены результаты:

1. Установлено, что процессы изменения технического состояния судовых объектов в период эксплуатации и, восстановления работоспособности судовых комплексов при ремонте характеризуются значительной неопределенностью и неполнотой информации, необходимой для их моделирования, прогнозирования и управления. При этом выявлены три аспекта неопределенности: неточность (параметры оцениваются в виде интервала); случайность (известна частота появления); нечеткость (задается набор вариантов, возможностей).

2. Использование классических методов описания случайных производственных процессов не позволяет в полной мере учесть неопределенности, присущие отдельным сложным реальным процессам и приводит к недостаточной точности и надежности прогнозов.

3. Одним из способов учета указанной неопределенности и преодоления информационной недостаточности в системе прогнозирования является формализация априорной качественной информации о производственном процессе. Наиболее перспективным средством сбора и обработки такой информации представляется аппарат теории нечетких множеств.

4. Разработан и реализован алгоритм прогнозирования процесса изменения параметров производственного процесса с использованием аппарата теории нечетких множеств. В алгоритме использованы динамические доверительные интервалы, предложенные автором.

5. Сравнительный анализ вероятностного прогнозирования и прогнозирования на основе методов теории нечетких множеств позволил установить области целесообразного их применения. Достоинством последнего является возможность его использования для единичных процессов, не обеспеченных статистической информацией.

6. Разработан и реализован программный комплекс на базе языка Pascal в интегрированной среде Borland Delphi 6.0, позволяющий осуществить предложенный алгоритм прогнозирования.

7. Предложены структура и функции блоков системы прогнозирования технического состояния корпусов судов внутреннего плавания.

8. Выполнено компьютерное прогнозирование износа обшивки теплохода «Невский - 31» проекта Р32.3.1, получен поисковый прогноз с упреждением в 5 лет.

9. Разработана методика оценки точности и надежности прогнозов процесса изменения технического состояния корпуса судна.

10. Сопоставление прогнозных и фактических значений износа листов обшивки показал, что наибольшая погрешность не превышает 3%, следовательно предложенная методика прогнозирования может быть рекомендована для практического использования.

11. Даны рекомендации по применению различных конфигураций предложенного алгоритма прогнозирования.

Список литературы диссертационного исследования кандидат технических наук Малыхина, Ирина Вячеславовна, 2006 год

1. Айвазян С.А., Енюков И.С., Мешалкнн Л.Д. Прикладная статистика: основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983. - 471 с.

2. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. М.: ЮНИТИ, 1998.

3. Алиев Р.А., Мамедова Г.А. Идентификация и оптимальное управление нечеткими динамическими системами. Техническая кибернетика, 1993, №6, с. 118-126.

4. Алиев Р.А., Церковный А.Э., Мамедова Г.А. Управление производством при нечеткой исходной информации. М.: Энергоатомиздат, 1991.

5. Андерсон Т. Статистический анализ временных рядов. М., Мир, 1976.

6. Атлас Б.А., Бутов А.С., Волков Н.И., Голоскоков П.Г., Ступин O.K. Экономическая кибернетика на водном транспорте. М., Транспорт, 1978. - 280с.

7. Афанасьев В.Н., Юзбашев М.М. Анализ временных рядов и прогнозирование: Учебник. М.: Финансы и статистика, 2001. - 228 с.

8. Афифи А., Эйзен С. Статистический анализ. Подход с использованием ЭВМ / Пер. с англ. М.: Мир, 1982.

9. Беллман Р., Заде Л. Принятие решений в расплывчатых условиях //Вопросы анализа и процедуры принятия решений. М.: Мир, 1976.

10. Ю.Белов В.Н. Детерминированные модели временных процессов в разных областях науки и техники: Монография. Ч.1/ВолгГТУ.- Волгоград, Политехник, 2002. 320с.

11. П.Беляевский И. Биржевая статистика // Вестник статистики. 1992, №10

12. Бендат Дж., Пирсол А. Измерение и анализ случайных процессов. М.: Мир, 1971. - 408с.

13. Берестнева О.Г., Марухина О.В. Компьютерная система принятия решений по результатам экспертного оценивания в задачах оценки качества образования // Образовательные технологии и общество. 5(3) 2002.-216-230 с.

14. Бешелев С.Д., Гурвич Ф.Г. Математико-статистические методы экспертных оценок.- М.: Статистика, 1980. 263 с.

15. Блинов Э.К. Техническая эксплуатация флота и современные методы судоремонта: Учебное пособие. 2-е изд., стереотип. Л: Судостроение, 190.-88 е., ил.

16. Блинов Э.К., Розенберг Г.Ш, Автоматизированная система анализа и прогнозирования технического состояния корпуса. Техническое обслуживание и ремонт судов по состоянию. Справочник. СПб., "Судостроение", 1992. 192 с.

17. Бокс Дж., Дженкинс Г. Анализ временных рядов, прогноз и управление. М., Мир, 1974, вып. 1.

18. Большая энциклопедия транспорта. В 8 т., т. 5, Морской транспорт. -СПб: Элмор, 2000 380с.

19. Борисов А.Н., Алексеев А.В., Меркурьева Г.В. и др. Обработка нечеткой информации в системах принятия решений. М.: Радио и связь, 1989. 305 с.

20. Борисов А.Н, Крумберг О.А., Федоров И.П. Принятие решений на основе нечетких моделей. Примеры использования. Рига.: «Зинатне», 1990.-184 с.

21. Брикер А.С. Учет особенностей износа обшивки судов, ледового плавания при дефектации // Прочность судов и защита судовых конструкций от коррозии и обрастания. Сб. науч. трудов ЦНИИМФа. Л.: Транспорт, 1987. с. 66—70.

22. Величко С.В. Прогнозирование ресурсов недр //Системы управления и информационные технологии.- Москва-Воронеж: Научная книга, 2004. 88-92 с.

23. Вентцель Е.С. Теория вероятностей. -М.: Государственное издательство физико-математической литературы, 1958. 464с.

24. Вихров Н.М. Управление и принятие решений в производственно-технологических системах. СПб.: Политехника, 2003. - 48 с.

25. Вихров Н.М., Нырков А.П. Модели технологических процессов на транспорте. СПб.: Судостроение, 2002. - 422 с.

26. Волкова В.Н., Денисов А.А. Основы теории систем и системного анализа. СПб., 1997. - 510 с.

27. Гаврилова Т.А., Червинская К.Р. Извлечение и структурирование знаний для экспертных систем. М.: Радио и связь, 1982.- 200 с.

28. Гаскаров Д.В., Голинкевич Т.А., Мозгалевский А.В. Прогнозирование технического состояния и надежности радиоэлектронной аппаратуры. -М.: Советское радио, 1974. 223 с.

29. Гаскаров В.Д., Неклюдова С.А. Прогнозирование состояния и объёмов ремонта металлических корпусных конструкций флота пароходства. Материалы международной научно-технической конференции "Транском-2004". СПб.: СПбГУВК, 2004. с.235 237.

30. Гаскаров В.Д., Строганов В.И., Францев И.Р. Системы прогнозирования на экспертной основе. СПб.: Энергоатомиздат, Санкт-Петербургское отделение, 2002, - 218с.

31. Гаскаров Д.В., Шаповалов В.И. Малая выборка. -М.: Статистика, 1978. 248 с.

32. Гимаров В.А., Дли М.И., Битюцкий С.Я. Нейро-нечеткий метод классификации объектов с разнотипными признаками//Системы управления и информационные технологии.- Москва-Воронеж: Научная книга, 2004. 13-18с.

33. Геминтери В.И., Френкель А.А. Обобщенные модели авторегрессии и скользящего среднего в анализе временных рядов. В кн.: Статистический анализ экономических временных рядов и прогнозирование. М., Наука, 1973.

34. Гнеденко Б.В. Курс теории вероятностей: Учебник. -М.: Наука, 1988. -380 с.

35. Громыко Г.А. Статистика. М.: Изд-во Моск. ун-та, 1981. - 408 с.

36. Демиденко Е.З. Оценки параметров в нелинейной регрессии. Серия "Математические методы в экономике и международных отношениях", выпуск "Проблемы эконометрического моделирования". М., ИМЭМО АН СССР, 1972.

37. Доугерти К. Введение в эконометрику: Пер. с англ. М.: ИНФРА-М, 1997.

38. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. М., Статистика, 1973.

39. Дружинин Н.К. Математическая статистика в экономике. М.: Статистика, 1971. - с.264.

40. Евланов Л.Г., Кутузов В.А. Экспертные оценки в управлении. М.: Экономика, 1978.

41. Езекиэл Н., Фокс К.А. Методы анализа корреляций и регрессий. М.: Статистика, 1966.

42. Елисеева И.И., Юзбашев М.М. Общая теория статистики: Учебник. -М.: ИНФРА-М, 1998.

43. Каплинский А.И., Руссман И.Б., Умывакин В.М. Моделирование и алгоритмизация слабоформализованных задач выбора наилучших вариантов систем. Воронеж: Изд-во ВГУ, 1990. - 168 с.

44. Кейн Э. Экономическая статистика и эконометрия. М.: Статистика, 1977, вып. 1 и 2.

45. Кендалл М.Дж., Стьюарт А. Статистические выводы и связи. М.: Наука, 1973.

46. Кендалл М.Дж., Стьюарт А. Многомерный статистический анализ и временные ряды. М.: Наука, 1976.

47. Кильдишев Г.С., Френкель А.А. Анализ временных рядов и прогнозирование. М.: Статистика, 1973.

48. Классификатор морских транспортных судов ММФ. Изд. 5-е, перераб. и доп. М.: ЦРИА "Морфлот", 1985. 183 с.

49. Клеандров Д.И., Френкель А.А. Прогнозирование экономических показателей с помощью метода простого экспоненциального сглаживания. В кн.: Статистический анализ экономических временных рядов и прогнозирование. М.: Наука, 1973.

50. Климов Е.Н. Управление техническим состоянием судовой техники. -М.: Транспорт, 1985.

51. Климов Е.Н., Попов С.А., Сахаров В.В. Идентификация и диагностирование судовых технических систем. Л.: Судостроение, 1978. - 133 с.

52. Комплексная система технического обслуживания и ремонта судов. Методика дефектации корпусов морских транспортных судов. М.: В/О "Мортехинформреклама", 1988. 56 с.

53. Королев Ю.Г., Рабинович П.М., Шмойлова Р.А. Статистическое моделирование и прогнозирование: Учебное пособие. М.: МЭСИ, 1985.

54. Кофман А. Введение в теорию нечетких множеств/ Пер. с фр.- М.: Радио и связь, 1982. 432с.

55. Кузьмин В.Б., Травкин С.И. Теория нечетких множеств в задачах управления и принципах устройства нечетких процессов. Обзор зарубежной литературы.- Автоматика и телемеханика, 1992, №11, 3-36 с.

56. Кулибанов Ю.М., Истомин Е.П., Саханов З.И. Основы создания сложных систем. Учебное пособие. СПб.: СПГУВК, 1998. - 71 с.

57. Ларичев О.И., Мечитов А.И., Мошкович Е.М., Фуремс Е.М. Выявление экспертных знаний (процедуры и рекомендации).- М.:Наука, 1989.

58. Леоненков А. Нечеткое моделирование в среде Matlab и fuzzytech. -СПб.: БВХ-Петербург, 2003. 736 с.

59. Лисичкин В.А. Теория и практика прогностики. М.: Наука, 1972, -223 с.

60. Методологические положения по статистике. Вып. 1, Госкомстат России. М.: 1996. - 674 с.

61. Миллс Ф. Статистические методы. М.: Госстатиздат, 1958.

62. Моделирование процессов обработки информации и управления. -М.: МФТИ, 1990. 158 с.

63. Морской энциклопедический словарь. В 2-х томах. Т.1 Л.: Судостроение, 1986. - 512 е., Т.2 - 520 с.

64. Мочалов И.А., Петрунин Н.Г., Редькин А.С., Цегельский С.В. Нечеткие вероятностно-статистические методы // Информационные технологии. Приложение №4 2003. 24 с.

65. Недоседкин А.О. Нечетко-множественный анализ риска фондовых инвестиций. СПб.: Сезам, 2002.

66. Недоседкин А.О. Фондовый менеджмент в расплывчатых условиях. СПб.: Сезам, 2003.

67. Общая теория статистики: Статистическая методология в изучении коммерческой деятельности: Учебник / Под ред. О.Э. Башиной, А.А.

68. Основы теории системного подхода / Колесников J1.A. Киев: Наук, думка, 1988. - 176 с.

69. Паклин Н.Б. Нечетко-когнитивный подход к управлению динамическими системами. // Искусственный интеллект №4/2003. -Донецк: Наука i осв1та. с. 342-348.

70. Построение экспертных систем / Под ред. Хейса-Рота Ф. М.: Мир, 1987.-438 с.

71. Правила классификационных освидетельствований судов. СПб.: Российский Морской Регистр Судоходства, 1998.

72. Правила классификации и постройки морских судов. Часть 2 "Корпус". Российский Морской Регистр Судоходства. СПб, 1999.

73. Правила классификации и постройки морских судов. В 2 т. СПб.: Российский Морской Регистр Судоходства, 2003. - 492 с.

74. Правила классификационных освидетельствований судов. СПб.: Российский Морской Регистр Судоходства, 2004. - 285 с.

75. Прикладные нечеткие системы: Пер. с япон./К. Асаи, Д. Ватада, С.Иваи и др.; под редакцией Т. Тарано. М.: Мир, 1993.

76. Пугачев B.C. Теория вероятностей и математическая статистика. ~М.: Наука, 1979. 495 с.

77. Рабочая книга по прогнозированию /Под ред. И.В.Бестужева-Лада. -М.: Мысль, 1983.-300 с.

78. Рыков А.С. Методы системного анализа: многокритериальная и нечеткая оптимизация, моделирование и экспертные оценки. М.: НПО «Издательство «Экономика», 1999. -191 с.

79. Смирнов А.Д. Моделирование и прогнозирование социалистического воспроизводства. М., Экономика, 1970.

80. Сойер Б., Фостер Д.Л. Программирование экспертных систем на Паскале. -М.: Финансы и статистика, 1990. 191 с.

81. Статистика / Под ред. В.Г. Ионина. Новосибирск; М., 1997.

82. Статистический словарь /Под ред. М.А.Королева.- М.: Финансы и статистика, 1989.

83. Тинтнер Г. Введение в эконометрию. М., Статистика, 1970.

84. Тутубалин В.Н. Статистическая обработка рядов наблюдений. М., Знание, 1973.

85. Управление и оптимизация производственно-технологических процессов/ Н.М.Вихров, Д.В. Гаскаров, А.А. Грищенков, А.А. Шнуренко; Под ред. Д.В. Гаскарова. СПб.: Энергоатомиздат. Санкт-Петербургское отд-ние, 1995. - 301 с.

86. Францев Р.Э., Гаскаров В.Д. Автоматизированные системы управления. Учебное пособие. СПб. СПГУВК, 2003. - 136 с.

87. Францев И.Р., Шнуренко А.А. Моделирование процессов технического обеспечения судов (судоремонт, техническое обслуживание). СПб.: Энергоатомиздат. Санкт-Петербургское отделение, 1999. - 152с.

88. Френкель А. Математические методы анализа динамики и прогнозирования производительности труда. М., Экономика, 1972.

89. Целых А.Н., Тимошенко Р.П. Некоторые теоретико-множественные операции над интервальными нечеткими множествами в моделях искусственного интеллекта // Перспективные информационные технологии и интеллектуальные системы. №2 2001. 69-76 с.

90. Черепанов B.C. Экспертные оценки в педагогических исследованиях. -М.: Педагогика, 1989. 151с.

91. Четыркин Е.М. Статистические методы прогнозирования. 2-е изд. М.: Статистика, 1977.

92. Чистов В.Б. Научные основы технологии ремонта корпусов судов речного флота. СПб: СПбГУВК, 1994. 456 с.

93. Шеннон Р. Имитационное моделирование систем искусство и наука. -М.: Мир, 1978. - 87 с.

94. Юзбашев М.М., Манелля А.И. Статистический анализ тенденций и. Si,, колеблемости.- М.: Финансы и статистика, 1983.

95. Ярушкина Н.Г. Основы теории нечетких и гибридных систем. -М.: Финансы и статистика, 2004. 320 с.

96. Zadeh L.A. Toward a perception-based theory of probabilistic reasoning with imprecise probabilities // Journal of Statistical Planning and Inference 105 (202).

97. Zadeh L.A. Fuzzy sets as a basis for a theory of possibility // Fuzzy Sets & Systems, 1,1978.105. http://sedok.narod.ru7s files/2003/Art 300403.doc106.http.7/sedok.narod.ru/s files/Book 21.doc