Ситуационная советующая система для управления промышленными стоками на основе нечетких множеств: На примере производства аммиачной селитры тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат технических наук Сентельяс Лима Сандро Эфрайн

• Сентельяс Лима Сандро Эфрайн
• кандидат технических наук
• 2002

Оглавление диссертации кандидат технических наук Сентельяс Лима Сандро Эфрайн

ВВЕДЕНИЕ.<>

ГЛАВА 1. ОБЩАЯ ПОСТАНОВКА ЗАДАЧИ. ЛИТЕРАТУРНЫЙ

ОБЗОР.

1.1. Вопросы создания системы контроля pi управления стоками водных промышленных объектов.'

1.1.1. Принципы разработки автоматизированных водо-охранных систем. i

1.1.2. Существующая и альтернативная системы аналитического контроля.i

1.1.3. Предложенная система и опыт работы в этом направлений.

1.2. Моделирование технологических объектов при расплывчатой информации.

1.2.1. Методы, основанные на нечетких множествах.2 л

1.2.2. Построение нечетких моделей.2(>

1.3. Методы принятия решения в условиях неопределенности.

1.3.1. Сущность методов поддержки принятия решения.

1.3.2. Формальные критерии принятия решений.

1.3.3. Классификация нечетких моделей принятая решений.

1.3.4. Модели нечеткого математического программирования.

1.3.5. Лингвистические модели принятия решений.

1.3.6. Нечеткие бинарные отношения.

1.4. Ситуационные методы управления.

1.4.1. Принципы ситуационного управления.

1.4.2. Ситуационная советующая система с нечеткой логикой.

1.5. Распределенные системы поддерлаот принятия решений.

1.5.1. Роль экспертных систем.

1.5.2. Особенности экспертных систем.

1.5.3. Распределенная система поддержки принятия решений.

1.5.4. Особенности распределенных экспертных систем.

1.6. Представление знаний и процедура экспертного опроса.о

1.6.1. Представление знаний в экспертной системе.Ы

1.6.2. Процедура экспертного опроса.

Выводы к главе 1.

ГЛАВА 2. ОБЪЕКТ ВНЕДРЕНИЯ ЭКСПЕРТНОЙ

СИСТЕМЫ.

2.1. Объект управления верхнего уровня системы.

2.1.1. Общие характеристики сист емы промышленных стоков

НАК «АЗОТ».

2.1.2. Управляющие воздействия на верхнем уровне системы.

2.1.3. Классификация сточных вод.

2.1.4. Существующая система аналитического контроля.

2.2. Объект управления нижнего уровня системы.

2.2.1. Краткая характеристика производства гранулированной аммиачной селитры.

Выводы к главе 2.

ГЛАВА 3. РАЗРАБОТКА ЭКОЛОГО-ОРИЕНТИРОВАННОИ

ЭКСПЕРТНОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ

РЕШЕНИЯ УПРАВЛЕНИЯ СТОКАМИ.

3.1. Разработка экспертной системы поддержки принятия решения управления объектом..

3.1.1. Основные этапы разработки экспертной системы.

3.1.2. Архитектура экспертной системы.

3.1.3. Алгоритмы работы экспертной системы..l

3.2. Построение модели объекта.

3.2.1. Математический аппарат модели объекта.

3.2.2. Этапы построения модели объекта.i

3.3. Построение модели ситуационного управления объектом.i2o

3.3.1. Исходные положения.i 2о

3.3.2. Отбор представительного множества эталонных ситуаций.

3.3.3. Математическое формулирование задач в условиях неопределенности.I

3.3.4. Расчет степени нечеткой близости между поступающей и эталонной ситуацией.i

3.3.5. Построение нечетко-ситуационной сети.

3.3.6. Процедура проведения групповых экспертных опросов.

Выводы к главе 3.

ГЛАВА 4. МЕТОДИЧЕСКОЕ И ПРОГРАММНО-АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДВУХ УРОВНЕВОЙ СИТУАЦИОННОЙ СОВЕТУЮЩЕЙ СИСТЕМЫ УПРАВЛЕНИЯ

ПРОМЫШЛЕННЫМИ СТОКАМИ.

4.1 Методика построения моделей распределенной экспертной системы управления стоками.i~

4.2, Анализ объекта верхнего уровня.

4.3. Анализ объекта нижнего уровня.

4.3.1. Модель выпарных аппаратов первой ступени производства аммиачной селитры.

4.3.2. Разработка модели управления объектом.

4.3.2.1. Фазификация технологических переменных.

4.3.2.2. Получение экспертной информации.

4.3.2.3. Построение «Ситуация - предпочтения решения».

4.3.2.4. Составление графов управляющих решений и определение их соответствующих степеней предпочтения.

4.3.2.5. Формирование нечёткой ситуационной сети (НСС).

4.4. Разработка открытой экспертной системы поддержки принятия решений нижнего уровня.

4.4.1. Программная реализация системы.

4.4.2. Графическое представление экспертной системы поддержки принятия решений управления стоками.

Выводы к главе 4.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ.

Введение диссертации (часть автореферата) на тему «Ситуационная советующая система для управления промышленными стоками на основе нечетких множеств: На примере производства аммиачной селитры»

Все живое на Земле постоянно развивается и взаимодействует. Мы, люди, являемся неотъемлемой частью живой природы и всецело от нее зависим. Она служит источником пищи и лекарственных средств, поставляет кислород, и другие химические элементы, из которых состоит наш организм. Поэтому человек не только пользуется богатствами природы, но и в какой то степени охраняет ее. Несмотря на все сегодняшние усилия, по оценкам ряда ученных, в ближайшие 75 лет может наступить настоящая глобальная биокатастрофа, что включает в себя исчезновение половины всех видов животных и растений, порчу полезных почв и сокращение пресной воды.

В связи с вышеизложенным, одной из приоритетных целей развития общества должно являться обеспечение его экологической безопасности. Кроме того, такая цель в современном мире должна осуществляться в соответствии с работой производственных объектов. По отношению к водным объектам в главе первой статьи третьей водного кодекса Российской Федерации упоминается, что такая цель как зашита водных объектов от загрязнения и др. «реализуется на основе принципа устойчивого развития (сбалансированного развития экономики и улучшения состояния окружающей природной среды )».

В настоящее время для достижения этой важной цели в России проводится природоохранная деятельность, которая условно разветвляется на следующие взаимодействующие направления:

Создание и усовершенствование законодательных нормативных документов по охране окружающей среды (ООС).

Разработка целевых комплексных программ (ЦКП) по реализации экологической политики регионов.

Проведение природоохранных мероприятий на уровне промышленных предприятий;

Создание эффективных систем мониторинга окружающей среды.

Данная проблема актуальна не только для России но и для моей страны «Боливия» где больше интерес проявляется ко второму и четвертому направлениям, в то же время в России наибольшее внимание уделяется первым трем пунктам. Можно наблюдать, что все эти направления находятся на этапе формирования, так в первом направлении, можно сказать, что по решению проблем ООС законодательная база закреплена, но, к сожалению, отсутствие единой государственной концепции ООС не позволяет эффективно решать поставленные задачи [111, 112].

На уровне регионов хорошо распространена реализация экологического планирования средствами целевых комплексных программ (ЦКП), которые в свою очередь требуют финансово-материально-технические ресурсы, согласно этому для обеспечения этими ресурсами развиваются разные виды экономических механизмов [113]. Таким образом, в экономическом механизме управления охраной окружающей природной среды особая роль отводиться системе платежей за ее загрязнение. В настоящее время в России по примеру зарубежных стран разработан и внедрен ряд экономических методов, направленных на решение этой задачи: платежи за загрязнение, лимитирование, лицензирование, природопользование, экологическая ответственность. Усиленно пропагандируются и разрабатываются рыночные методы управления охраной окружающей среды (перепродажа прав по загрязнению, принцип пузыря и т.п.). К сожалению, факты свидетельствуют о том, что платежи осуществляются по заниженным ставкам, которые не отражают реальные объемы загрязнения, а следовательно, и эффективность экономического механизма ничтожно мала. Интересно подчеркнуть, что проводимая рыночная политика известна как экономизация экологии, а это по мнению некоторых авторов, считается неэффективным [114]. Такое утверждение основано па сравнительном анализе экологических платежей и ущерба окружающей среды при выбросе (сбросе) загрязняющих веществ, что показало «значительное несоответствие» полученных величин. В настоящее время Россия не готова к внедрению рыночного механизма в сфере природопользования. Это позволяет сделать вывод что ставки, по которым осуществляются платежи, в следующие годы будут постепенно увеличиваться, чтобы оправдать эффективность экономического механизма.

Вследствие этого, в последнее время в промышленных предприятиях, наряду с модернизацией очистных сооружений, развитием безотходных производств и рядом других мероприятий, поощряется проводить мероприятия направленные на снижение и ликвидацию отрицательного воздействия на окружающую среду.

Четвертое и самое важное направление природоохранной деятельности это создание эффективных систем мониторинга окружающей среды, которые позволяют решать качественно новые задачи за счет использования современных методов математического моделирования и средств обработки данных. Такие системы можно классифицировать по их уровню функциональной развитости и степени автоматизации [112]. Если объектом экологического мониторинга является химическое предприятие, то среди прочих можно выделить «Автоматизированные системы экологической зашиты» технологического процесса, которые в свою очередь являются составной частью АСУ ТП.

Безусловно, в последующие годы российские промышленные предприятия будут испытывать серьезное давление со стороны соответствующих государственных органов, (как подчеркивалось выше) и можно предвидеть последовательное ожесточение законов по ООС и постепенное повышение ставок платежей за нормативные и сверхнормативные выбросы и сбросы вредных веществ. Этим теперь и объясняется проявляющий интерес химических предприятий к автоматизированным системам экологического мониторинга, так как они позволяют не только следить за состоянием загрязняющих потоков, но и в какой то степени управлять ими.

Данная работа посвящена развитию и разработке таких систем.

Работы по созданию систем контроля окружающей, в том числе водной среды, в России ведутся в основном последние три десятилетия, причем темпы создания этих систем, явно не удовлетворяют решению стоящих задач.

Системы такого рода реализованы многими фирмами и накоплен значительный опыт по их созданию и эксплуатации. Итак, по предписанию органов Госкомприроды водопользователи обязаны обеспечить токсикологический контроль сточных вод, установку и эксплуатацию автоматизированных устройств, предназначенных для постоянного контроля над расходом, составом и свойствами сбрасываемых вод, а так же объединение этих устройств в автоматизированные системы, позволяющие осуществлять централизованный контроль и управление сбросом вод. Примерами автоматизированных систем контроля качества воды и водных объектов (АСККВ) могут служить системы на реке Северный Донец и в бассейне реки Москвы. Имеющийся до настоящего времени опыт создания АСККВ в России и в частности на предприятиях по производству минеральных удобрений крайне ограничен. Основными причинами такого состояния дел является следующее:

- экономическая не заинтересованность в создании АСККВ;

- отсутствие единой политики в стране и в отраслях по этой проблеме;

- низкая культура производства и технологической дисциплины;

- отсутствие надежных технических средств для реализации АСККВ российского производства;

- отсутствие понимания у общественности о необходимости создания систем экологического контроля.

С другой стороны в промышленности, в т.ч. химической, встречается обычная картина: значительное количество предприятий нуждается в модернизации и оснащении современными системами автоматизации. Как отмечалось выше, такие системы должны обеспечивать эффективное управление технологическими процессами и производствами, включающими в себя, в том числе подсистемы мониторинга состояния и управления стоками и выбросами. Между тем, значительная стоимость технического обеспечения таких систем вынуждает промышленные предприятия откладывать на неопределенное время их внедрение.

Имеющиеся в настоящее время результаты в области математического моделирования и теории принятия решения создают определенные предпосылки для решения указанной проблемы. Однако существующая неопределенность, обусловленная сложностью химических производств, их взаимосвязью между собой, трудоемкостью процедур построения математического описания, недостаточного количества или вовсе отсутствия средств получения информации о состоянии загрязнения промышленных площадок ограничивает применение традиционных математических подходов. В то же время использование и обработка качественной информации на основе математического аппарата нечетких множеств способствует преодолению указанных трудностей. Вместе с тем развитие современных информационных технологий и искусственного интеллекта позволяет создавать советующие экспертные системы способные решать поставленные задачи.

В силу этого, в условиях рассмотренных ограничений, высока актуальность создания и развития советующих экспертных систем, способных производить непрерывный мониторинг, поддержку и принятие решений управления загрязнением промышленных площадок в реальном масштабе времени.

Накопленный опыт разработки и создания экспертных систем для химических производств [12, 25, 27, 70, 150, 157] не дает универсальную методику их построения и это объясняется тем, что круг решаемых задач многообразен. Разумеется, от выбранной методики зависит точность ожидаемых результатов. Можно еще подчеркнуть, что выбор методики обработки имеющейся качественной и количественной информации зависит не только от поставленных задач, но и от особенности исследуемых объектов.

Примером может служить Новомосковский акционерный комбинат «АЗОТ» и, в частности, производство аммиачной селитры, где проблема ООС имеет особую актуальность, так как аммиачные соединения, попадая в промышленную канализацию, в конечном итоге наносят ущерб экологическому состоянию водного бассейна региона. В нашем случае экологическим объектом управления является, с одной стороны, пруд-отстойник (ПО) и канализационные линии (источники стоков - это отдельные цеха и производства), а с другой стороны цех аммиачной селитры который имеет взаимосвязь с другими цехами.

Цель настоящей работы - показать целесообразность создания распределенных экспертных систем иерархического типа для поддержки принятия решений при управлении промышленными стоками предприятия, разработать локальную открытую экспертную систему действующего производства по упреждению превышения предельно допустимой концентрации аммиачной селитры в стоках.

В соответствии с этим были поставлены и решены следующие задачи:

1) Проведение анализа влияния промышленного предприятия на экологическое состояние близлежащего водного бассейна.

2) Проведение анализа технологии особо загрязняющего производства с целью выявления источников вредных веществ.

3) Применить аппарат нечетких множеств для математического моделирования выпарных аппаратов производства аммиачной селитры, что позволяет в режиме реального времени определять концентрацию аммиачной селитры в стоках.

4) Проведение экспертного опроса в производственных условиях.

5) Разработка модели ситуационного управления стоками на основе нечеткого эколого-экономического критерия.

6) Разработка функциональной структуры ситуационной советующей системы поддержки принятия решения (СССППР) по управлению стоками.

7) Разработка программной оболочки экспертной системы поддержки принятия решения управления промышленными стоками.

Работа выполнялась в соответствии с постановлением Правительства РФ «Об утверждении положения о предоставлении информации о состоянии окружающей природной среды, ее загрязнении и чрезвычайных ситуациях техногенного характера, которые оказали, оказывают, могут оказать негативное влияние на окружающую природную среду» № 128 от 14.02.2000 года.

Автор благодарит и выражает свою признательность профессору Венту Дмитрию Павловичу, доценту Сидельникову Сергею Ивановичу за постоянное внимание к этой работе, ценные советы и замечания.

Заключение диссертации по теме «Автоматизация и управление технологическими процессами и производствами (по отраслям)», Сентельяс Лима Сандро Эфрайн

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Сформулирована постановка задачи оперативного контроля загрязнения промышленных сточных вод и эффективного управления ими для упреждения катастрофических ситуаций.

2. Предложен современный подход к комплексному решению экологических задач при совместном управлении ряда производств путем создания двух уровневой советующей системы поддержки принятия решений для управления промышленными стоками на основе нечетких множеств.

3. Предложена функциональная структура ситуационной советующей открытой системы поддержки принятия решения по управлению стоками на основе нечеткой логики

4. Разработано математическое и программное обеспечение эколого-ориентированной информационной советующей системы для производства аммиачной селитры.

5. На основе разработанных алгоритмов и методов искусственного интеллекта получена нечеткая модель выпарных аппаратов первой ступени производства аммиачной селитры для определения концентрации аммиачной селитры в стоках.

6. Проведен экспертный опрос ЛПР исследуемого объекта с целью создания субъективной информационной базы. Данный процесс был реализован видоизмененной итеративной процедурой без личных контактов между экспертами с контролируемой обратной связью. Такая процедура распространялась и на экспертов верхнего уровня для обеспечения обратной связи между верхним и нижним уровнем двух уровневой экспертной системы.

7. Для действующего производства, на основе принципов построения и функционирования систем принятия решения с нечеткой логикой разработана ситуационная модель управления объектом, класса «ситуация - стратегия управления - действие». Основная цель модели - выдача рекомендаций по устранению превышения ПДК аммиачной селитры в стоках.

8. Корректность предложенных подходов проверена на модельном примере и подтверждена при обработке реальных данных указанного производства.

Список литературы диссертационного исследования кандидат технических наук Сентельяс Лима Сандро Эфрайн, 2002 год

1. Мелихов А.Н., Берштейн JI.C., Коровин С.-Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука. Гл. рд. Физ-мат. лит., 1990.

2. Клыков Ю. И. Ситуационное управление большими системами. М., «Энергия», 1974.

3. Трахтенгерц Э. А. Методы генерации, оценки и согласования решений в распределенных системах поддержки принятия решений // Автоматика и телемеханика. 1995. № 4. с. 3 52.

4. Тоценко В. Системы поддержки принятия решений / Компьютерра № 34.- М. 1998:-с. 19-25.

5. Болдырев В. И. Экология Новомосковского района. Новомосковск, 2000.

6. Лукас В.А. Основы фази-управления: Учебное пособие. Екатеринбург: Изд-во УГГГА, 2000.

7. Mamdani, Е.Н., and Baaklini, N.: Prescriptive methods for deriving control policy in a fuzzy logic controller. Electron. Lett. 11 (1975).

8. Елисеев П. И. Консультативная экспертная система управления технологическим процессом с учетом экологических задач. Диссертация на соискание ученой степени кандидата технических наук. -М.,1990.

9. Кафаров В. В., Дорохов И. Н., Марков Е. П. Системный анализ процессов химической технологии. Применение метода нечетких множеств. М.: Наука. 1986.

10. Вент Д. П., Сидельников С. И., Сивильдин А. Б. Осуществление прогноза экопараметров на промышленных площадках в условиях неопределенности // Вестник академии: Информатика, Экология, Экономика. т.2.-Москва: РАДСИ,1998.-с. 184.

11. Вент Д. П., Сидельников С. И., Сентельяс Лима С. Э. Экспертная система поддержки принятия решений по управлению промышленными стоками // Вестник академии: Информатика, Экология, Экономика. т.З.-Москва: РАДСИ1999.-е. 44-50.

12. Фаткуллина P.P., Зайнулгабидинов Э.Р., Салова Л.В. Комплексный анализ неполных и плохо определенных экологических данных. Труды международного семинара «Мягкие вычисления -96» Казань, 1996, 205 - 207.

13. Salski A. Fuzzy clusters and fuzzy models in ecological research, in: Proceedings of the First European Congress on Fuzzy and Intelligent Technologies, Aachen, 1993, pp.485 490.

14. Batyrshin Ildar, Fatkullina Rimma. Fuzzy expert system for natural ecosystems, in: 9th International Symposium on Computer Science for Environmental Protection, CSEP'95 Metropolis-Verlag, Marburg, 1995, pp.713-718.

15. Еиляров B.H, Крюков АЛО, Бондарчук П.В. Использование Neuro-Fitzzy технологии для генерации и оптимизации эвристических правил Труды международного семинара "Мягкие вычисления - 96". Казань, 1996, 92 - 100.

16. Аверкин А.Н., Батыршин И.З., Блишун А.Ф., Силов В.Б., Тарасов В.Б. Нечеткие множества в моделях управления и искусственного интеллекта /Под ред. Поспелова Д.А. М.: Наука, 1986.-312с.

17. Борисов А.Н., Алексеев А.В., Крумберг О.А. и др. Модели принятия решений на основе лингвистической переменной. -Рига: Зинатне, 1982.- 256с.

18. Заде JI. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976 - 165с.

19. Нечеткие множества и теория возможностей. Последние достижения /Под ред. Р. Янгера,- М.: Радио и связь, 1986. 391 с.

20. Брештейн Л.С., Коровин С.Я. Мелихов А.Н. Сжатие множества эталонных ситуаций в лингвистических моделях ситуационного управления // Автоматика и телемеханика. 1985. - №2.

21. Мешалкин В. П. Экспертные системы в химической технологии. Основы теории, опыт разработки и применения. -М.: Химия, 1995.

22. Уотермен Д. Руководство по экспертным системам. Пер. с англ./М.: Мир, 1989.

23. Искусственный интеллект. Кн. 1. Системы общения и экспертные системы: Справочник / Под ред. Э. В. Попова. М.: Радио и связь, 1990.

24. Кафаров В. В., Мешалкин В. П. Принципы разработки интеллектуальных систем в химической технологии/ДАН СССР. 1989. Е. 306. № 2.

25. Шнейдерман М. В., Шошин П. Б. Эмпирическое сравнение двух итеративных процедур групповой экспертизы. АиТ, 1985, № 1 1, с. 93-99.

26. Панкова Л. А., Шнейдерман М. В. Последовательная процедура экспертного опроса. АиТ, 1975, № 8, с. 73-80.

27. Van de Ven A., Delbecq A. Nominal Versus Interacting Group Processes for Comitee Decision Making Effectiveness // Acad. Manag. J. 1971. V. 14. № 2. p. 203-212.

28. Иорданский Д. И. Метод группового обсуждения с отнесением оценки // Всесоюз. совещ. по количественным методам в социологии. М.: Ин-т конкретных социологических исследований АН СССР, 1967. с. 49 59.

29. Clark С. H. Brainstorming — the dynamic new way to create succesful ideas. Carden City, Double-day, 1958.

30. Dalkey N., Helmer O. Experimental Application of the Delphi Method to the use of Expert // Manag. Sci. 1963. V. 9. #3. p. 458 467.

31. Панкова JI. А., Петровский A. M., Шнейдерман M. В. Организация экспертизы и анализ экспертной информации. М.: Паука. 1984.

32. Орловский C.A. Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 1981. - 208 с.

33. Батыршин И.З. Лексикографические оценки правдоподобности с универсальными границами. I. Техническая кибернетика. Известия академических наук. N 5.- 1994. - с. 28-45.

34. Закуанов Р.А., Батыршин И.З., Бикушев Г.С., Архиреев В.П. Представление нечетких понятий в гибридной экспертной системе СМОШШКС. Труды международного семинара "Мягкие вычисления - 96"/ Под ред. И.З. Батыршина, Д.А. Поспелова, Казань, 1996, 122 - 128.

35. Оразбаев Б. Б. Методы решения многокритериальной задачи оптимизации. Деп. В КазгосИНТИ, №5212-К 94, от 4.8.94. - 5с.

36. Оразбаев Б. Б., Рыков А. С., Джигитчсева К. М. , Муханбсткалнев К. И. Многокритериальный выбор при управлении сложными объектами в условиях неопределенности. Деп. В КазгосИНТИ, №5928-Ка 95, от 3.03.95. 12с.

37. Оразбаев Б. Б., Сериков Т. П., Муханбеткалиев К. И. Применение методологии теории нечетких множеств для многокритериального выбора. Деп. В КазгосИНТИ, №5927-Ка 95, от 3.03.95. 14с.

38. Wald A., Statistical Decision Funtions, New York. J. Wiley & So., 1950.

39. Литвак Б.Г. Дискретные методы анализа экспертных оценок. В кн.: Эксертные методы в системных исследованиях: Сб. трудов ВНИИСИ - М., 1979, вып. 4., с. 15-28.

40. Бурков В.Н., Литвак Б.Г. Дискретный анализ экспертной информации. В кн.: Всесоюзная конференция «Нечисловая статистика, экспертные оценки и смежные вопросы (Тезисы докладов) - М. - Таллин, ВНИИСИ, 1984, с. 26-28.

41. Литвак Б.Г. Экспертная информация. Методы получения и анализа. М.: Радио и связь, 1982.

42. Кини Р.Л., Райфа X. Принятие решений при многих критериях: предпочтения и замещения. М.: Радио и связь, 1981.

43. Ларичев О.И. Проблемы взаимодействия человек-ЭВМ в системах поддержки принятия решений. В сб.: Процедуры оценивания многокритериальных объектов. М.: ВНИИСИ, 1984, №9, с. 20-28.

44. Белкин А.Р., Левин М. Щ. Комбинаторно-графовые модели обработки информации при принятии решений (препринт) М.:Науч. Совет по комп. пробл. «Кибернетика» АН СССР, 1985.

45. Сидельников Ю.В. Разработка методов повышения точности экспертных оценок. Дис. Канд. техн. Наук М.: ВНИИСИ, 1987.

46. Arrow K.J. Social choice and individual values. N.Y.: Wiley, 1963.

47. Литвак Б.Г. Меры близости на метризованных отношения. В кн. Прикладной многомерный статистический анализ. - М.: Наука, 1978, с. 138150.

48. Yong Н.Р., Levenglick A. A consistent extension of Condorset's election principle. SIAM

49. J. Appl. Math., 1978, v. 35, n.2, p. 285-300.

50. Литвак Б.Г. Анализана проблемных сетях и метризованные отношения.- В кн. Анализ на проблемных сетях.- М.: ИМЭМО, с. 131-150, 1080.

51. Дрейнер Н., Смит Г. Прикладной регрессионный анализ. М.: Статистика,, 1973.

52. Деменков Н. П., Мочалов И. А., и др. Нечеткие вероятностно-статистические методы в задачах управления производственными процессами. Приборы и системы. Управление контроль, диагностика. №4. М.: Научтехлитиздат, 2002. с. 8-15.

53. Пешель М. Моделирование сигналов и систем. Москва.: Издательство «Мир», 1981.

54. Волков В.Ю. Применение удаленного доступа к информационным ресурсам при экологическом мониторинге. // Вестник академии: Информатика, Экология, Экономика, т.5. часть 1.-Москва: МАСИ.-2001.-с. 149-181.

55. К.В. Кибизов. О Восстановлении зависимости стохастической переменной и ее косвенном измерении. В сб.: Вопросы кибернетики. Принятие решений и анализ экспертной информации. М.: КИБЕРНЕТИКА, 1989, с. 172-178.

56. Поспелов Д. А. Логико-лингвистические модели в системах управления. -М.: Энергоиздат, 1981.-231 с.

57. Мушик Э., Мюллер П. Методы принятия технических решений: Пер. с нем. -М.: Мир, 1990. 208с.

58. Ларичев О. И. Наука и искусство принятия решений. М.: Наука, 1979

59. Фомин Г. Ф. Некоторые вопросы создания автоматизированной системы контроля и управления загрязнением воздуха промплощадки В сб. Проблеммы контроля и зашита атмосферы от загрязнения. Вып. 14. Киев.: Наукова думка, 1987, с22-24.

60. Морз Ф., Кэмбелл Д. Методы исследования операций. М., «Советское радио», 1956.

61. Саати Г. Математические методы исследования операций. М., Воеииздат, 1963.

62. Карлин С. Математические методы в теории игр, програмировании и экономике. М., «Мир», 1964.

63. Кофман А. Методы и модели исследования операций. М., «Мир», 1966.

64. Математическая теория оптимальных процессов. М., Физматгиз, 1961. Авт.: Потрягин J1. С. и др.

65. Экспертные системы: принципы работы и примеры /под ред. Р. Форсайта. -М.: Радио и связь, 1987.

66. Ларичев О.И. Новый подход к разработке и обоснованию методов принятия решений // Принятие решений при многих критериях. Тезисы докл. V Межресп. Семинара по исследованию операций и ситемному анализу. М.: ВШДП им. Швеерника, 1985. - С. 24 - 32.

67. Миллер Дж. Магическое число семь, плюс или минус два. О некоторых пределах нашей способности перерабатывать информацию // Инженерная психология. М.: Прогресс, 1964. - С. - 192-225.

68. Литвак Б.Г. Экспертная информация: методы получения и анализа. М.: Радио и связь, 1982.

69. Козелецкий Ю. Психологическая теория решений. М.: Прогресс, 1979.

70. Ouyang Н., Wu Y. On fuzzy differential equation // Fuzzy sets and systems. 1989. №32.

71. Kaleva O. Fuzzy differential equation // Fuzzy sets and systems. 1987. №24.

72. Kaleva O. The Gauchy problem for fuzzy differential equation // Fuzzy sets and systems. 1990. №35.

73. Гусева Т. В., Дайман С. Ю. Оценка воздействия на окружающую среду и экологический аудит промышленных предприятий. Анализ методологий. -Химическая технология. № 4. 2000. - с. 34 - 43.

74. Ma М., Friedman М., Kandel A. Numerical solutions of fuzzy differential equations // Fuzzy sets and systems. 1999. №105.

75. Zadeh L. A. Probability measures of fuzzy events. J. Math. Anal. N. Y. 1983.

76. Мочалов И. А. и др. Методы робастного, нейро-нечеткого и адаптивного управления / Под ред. Пупкова К. А. М. : МГТУ им. Н. Э. Баумана, 2001.

77. Kandel A., Byatt W. J. Fuzzy processes // Fuzzy sets and systems. 1980. №4.

78. Bhatacharyya M. Fuzzy markovian decision process // Fuzzy sets and systems. 1998. №99.

79. Эделыитейн Ю. Д., Мишин Ю. А. Исследование и основные технические решения по созданию АСКОС НпО «АЗОТ» (вода). НО СП «СТЕРХ-Автоматизация». Новомосковск 1992.

80. Мочалов И. А., Редькин А. С., Цегельский С. В. Оценка состояния компрессорной системы с использованием нечеткого теста Гаусса / Труды международного симпозиума «Надежность и качество», Пенза, 2001.

81. Деменьков Н. П., Мочалов И. А. Адаптивная система автоматической автоматизации с нечеткой последовательной процедурой проверки статических гипотез // Вестник Российского университета дружбы народов. Серия «Кибернетика», 1999, №1.

82. Taheri S. М. Behboodian J. A. Bayesian approach to fuzzy hypotheses testing // Fuzzy sets and systems, 2001. № 123.

83. Saade J. J. Extension of fuzzy hypotheses testing with hybrid data // Fuzzy sets and systems, 1994. №63. t

84. Тэрано Т., Асаи К., Сугено М. Применение теории нечетких множеств. М.: Мир, 1990.

85. Tanaka Н., Hayashi J., Watada J. Possibilistic linear regression analysis for fuzzy data. Eur. J: Opre. Res., 1989, №40.

86. Алиев P. А. Церковский А. Э. Мамедова Г. А. Управление производством принечеткой исходной информации. М.: Энергоатомиздат, 1991.

87. Savic D. A., Pedryc Z. Evaluation of fuzzy linear regression models // Fuzzy sets and systems, 1991. №39.

88. Kim В., Bishu R. R. Evaluation of fuzzy linear regression models by comparing membership functions // Fuzzy sets and systems, 1998. №100.

89. Yu C. Correlation of fuzzy numbers // Fuzzy sets and systems, 1993, №55.

90. Hong D. H., Hwang S. Y. Correlation of intuitionistic fuzzy sets in probability spaces // Fuzzy sets and systems, 1995. №75.

91. Chiang D. A., Jin N. P. Correlation of fuzzy sets // Fuzzy sets and systems, 1999. №102.

92. Kratsschemer V. A. A unified approach of fuzzy randomvariables // Fuzzy sets and systems, 2001. № 123.

93. Feng Y. Sums of independent fuzzy random variables // Fuzzy sets and systems, 2001. №123.

94. Wang X. Z., Wang Y. D., Xu X. F., Jing W. D., Yeung D. S. A new approach of fuzzy rule generation: Fuzzy extension matrix // Fuzzy sets and systems, 2001. №123.

95. Негойце К. Применение теории систем к проблемам управления. М.: Издательство «Мир», 1982.

96. Айзерман М. А. Нечеткие множества, нечеткие доказательства и некоторые нерешенные задачи теории автоматического регулирования. -Автоматика и телемеханика, 1976, № 7.

97. Беллман Р., Заде Л., Принятие решений в расплывчатых условиях. В сб.: Вопросы анализа и процедуры принятия решения. М.: Издательство «Мир», 1976, с. 172-215.

98. Беляев Л. С. Решение сложных оптимизационных задач в условиях неопределенности. — Нобосибирск.: Издательство «Наука», 1978.

99. Льюс Р. Д., Райфа X. Игры и решения. М.: Издательство «Мир», 1961.

100. Шнейдерман М. В. Процедуры коллективного экспертного опроса и их экспериментальное исследование // Автоматика и телемеханика. 1988. - №5.

101. Алгоритмы и программы исследования зоны неопределенности оптимального решения линеаризуемых систем. Под. Ред. А. А. Макарова. Иркутск, 1970. 126 с.

102. Вопросы построения автоматизированных информационных систем управления развитием электроэнергетических систем. Вып. 1. Учет неопределенности исходной информации. Под. Ред. Л. С. Беляева. Иркутск, 1973.

103. Bezdek J. С., Dunn J. С. Optimal Fuzzy Partitions: A Heuristic for Estimating the parameters in the Parameters in a Mixture of Normal Distributions, IEEE Trans, on Computers C-24 (1975), 865-838.

104. Baker F. В., Hubert L. J., Measuring the Power of Hierarchical Cluster Anaysis, Journal of the American Statistical Association, 70 (March 1975), 31-38.

105. Минаков H. H., Эделынтейн Ю. Д., и др. Основные направления природоохранной деятельности муниципального образования г. Новомосковск и Новомосковский район. - В сб.: Тульский экологический бюллетень - 2001. Тула.: ИПП «Гриф и К», 2001, с. 27-33.

106. ИЗ. Шептухина Л. И. Управления охраной окружающей среды в Самарской области. В сб.: Биосфера и человек: проблемы взаимодействия - Шестая международная научно-практическая конференция. Пенза, 2002. с. 139-142.

107. Корыстен С. И, Булгакова Л. М. Проблемы экономизация экологии. В сб.: Биосфера и человек: проблемы взаимодействия - Шестая международная научно-практическая конференция. Пенза, 2002. с. 19-22.

108. Feng Y., Ни J., Shu Н. The varianca and covarianca of fuzzy random variables and their aplications // Fuzzy sets and systems, 2001. №120.

109. Мочалов И. А., Петрунин H. Г., Цегельский С. В. Вибродиагностика электрооборудования с использованием нечеткой последовательной процедуры А. Вальда. Труды международного симпозиума «Надежность и качество», Пенза, 2001.

110. Giljarow, W. Systematische Untersuchungen zur Gewinnung und Prazisierung von Zugehorigkeitsfunktionen heuristischer Regeln zur ProzeBsynthese verfahrenstechnischer Systeme. Unveroffentlicher Bericht iiber Forschungsergebnisse. /TU Berlin. 1995

111. Hafner, S. Hrsg. Neuronale Netze in der Automatisierungstechnik. /R. Oldenbourg Verlag Miinchen Wien. 1994

112. Henning, H. Tryba, V. Miihlenfeld, E. Automatische Generierung von Fuzzy-Systemen mit genetischen Algorithmen. /Fuzzy Logic. Theorie und Praxis, B.Reusch Hrsg., Springer-Verlag 1994, ss. 167-174

113. Ishibuchi, H. Kwon, К. Tanaka, H. Learning of fuzzy neural network from fuzzy inputs and fuzzy targets. /Fifth IFSA Word Congress (1993) 147-150

114. Kosko, B. Neural Networks and Fuzzy Systems: a dynamical systems approach to machine intelligence. /Prentice Hall, Englewood Cliffs. 1992

115. Krjukov, A. Unveroffentlicher Bericht iiber Forschungsergebnisse im Rahmen des DAAD-Stipendiums. /TU Berlin. 1996

116. Kruse, R. Nauck, D. Learning methods for fuzzy systems. /3rd German GI-Workshop „Neuro-Fuzzy-Systeme". Darmstadt, 15.-17. November 1995

117. Mamdani, E.H. Application of fuzzy algorithms for the control of a simple dynamic plant. /Proc. IEEE 121, 1585-1488. 1974

118. Nauck, D. Klawonn, F. Kruse, R. Neuronale Netze und Fuzzy-Systeme /Vieweg, Braunschweig /Wiesbaden, 1994

119. Shann, J.J. Fu, H.C. A fuzzy neural network for knowledge learning. /Fifth IFSA World Congress (1993) 151-154

120. Sugeno, M. ed., Industrial applications of fuzzy control. North-Holland. 1985

121. Wagenknecht, M. Otto, O. Hartmann, K. Theoretische und praktische Aspekte der unscharfen Modellierung. Unveroffentlicher Vortrag /TU Berlin. 1995

122. Zadeh, L.A. Fuzzy Sets. Information and Control, (1965) 8:338-353

123. Zimmermann, H.-J. Fuzzy sets theory and its application. / Kluwer Academic Publishers Boston /Dordrecht /London. 1991

124. FLEB Fuzzy Logic E-Book by xfuzzy-team

125. SE-CNM / Spain. 1997-2001.

126. Savage L. J. The theory of Statistical Decision, Journal American Statistic Association 46 (1951), S. 55.67. ■

127. Hurwicz L., Optimality criteria for decision making under ignorance, Cowles Commission Discussion Paper, Statistics (1951), 370.

128. Гермейер Ю. Б., Введение в теорию исследования операций. М.: «Наука», 1971.

129. Peschel М., Ingenieurtechnische Entscheidungen. Berlin: Verlag Technik, 1980.

130. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь,1982.

131. Постоянный технологический регламент производства гранулированной аммиачной селитры НАК "АЗОТ". 1999.

132. Мельников Е. Я., Салтанова В. П., Наумова А. М., Блинова Ж. С. Технология неорганических веществ и минеральных удобрений. М.: Химия,1983.

133. Позин М. Е. Технология минеральных удобрений. 5-е изд. Перераб. JL: Химия. 1983.

134. Разрешение на специальное водопользование Новомосковского производственного объединения «Азот». Новомосковск 1996 г.

135. Вент Д. П., Сидельников С. И., Сентельяс Лима С. Э. Постановка задачи управления промышленными объектами для упреждения сбросов // «Математические методы в технике и технологиях» ММТТ-2000. т. 1.-Санкт Петербург:.-2000 с. 135.

136. Вент Д. П., Сидельников С. И., Сентельяс Лима С. Э. Управление промышленными стоками в условиях неопределенности // «Международнаяконференция молодых ученых по химии и химической технологии» МКХТ-2000.-Москва:.- 2000.- с. 79 80.

137. Вент Д.-П., Сидельников С. И., Сентельяс Лима С. Э. Разработка модели стоков производства аммиачной селитры • на основе нечетких множеств // «Математические методы в технике и технологиях» ММТТ-2000. т.1-Смоленск:.-2001.- с. 211-212.

138. Вент Д. П., Сидельников С. И., Сентельяс Лима С. Э. Обеспечение экологической безопасности водного бассейна промышленных объектов // Научно-практическая конференция «Экология XXI века в Тульском регионе».-Тула:.- 2001.- с. 31-33.

139. Сидельников С. И., Сентельяс Л. С., Экспертная система по управлению промышленними стоками на основе нечетких ситуационных алгоритмов. // «Международная конференция молодых ученых по химии и химической технологии» МКХТ. Москва, 2002.

140. График аналитического контроля водного хозяйства НАК «Азот», г. Новомосковск. 1999.

141. Трахтенгерц Э. А. Согласование решений в распределенных вычислительных системах поддержки принятия решений // Автоматика и телемеханика. 1994 №2.

142. Ермоленоко Б. В. Информационные технологии в задачах управления средозащитной деятельностью предприятия. Химическая технология. № 4. -2000.-с. 26-34.

143. Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот М.Д. Статистические динамические экспертные системы. М.: Финансы и статистика, 1996.

144. Artificial intelligence applications in chemistry. ACS symposium series 306: American Chemical Society, Washington, DC 1986.

145. Егоров А. Ф., Савицкая Т. В., Макарова А. С. Разработка моделей и методики оценка риска для предприятий химической промышленности // Хим. Пром., 1998, №7(439). с. 55 - 63.

146. Егоров А. Ф., Савицкая Т. В., Алексеева А. А. Интеллектуальная СППР для управления безопасностью химических производств // «Математические методы в технике и технологиях» ММТТ-14. т.2.-Смоленск:.-2001 -е. 189-191.

147. Алтунин А. Е., Семухин М. В. Модели и алгоритмы принятия решений в нечетких условиях: Монография. Тюмень: Издательство Тюменского государственного университета, 2000.