1 Трус Мария Александровна ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ УФИМСКИЙ ГОСУДАРСТВЕННЫЙ АВИАЦИОННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ КАФЕДРА ВЫЧИСЛИТЕЛЬНОЙ ТЕХНИКИ И ЗАЩИТЫ ИНФОРМАЦИИ Выпускная квалификационная работа на соискание степени бакалавра техники и технологий Научный руководитель - к.ф.м.н., доцент кафедры ВТ и ЗИ Гараев Рашит Аюпович Направление – «Информатика и вычислительная техника»

2 Цель работы: формирование общей архитектуры инструментальных средств прогнозирования, реализация отдельных компонент и их тестирование на реальных данных. Задачи исследования: Анализ существующих научно-обоснованных подходов и инструментальных средств прогнозирования временных рядов. Разработка общей архитектуры интеллектуальных сервис- ориентированных систем прогнозирования временных рядов. Разработка клиентского модуля визуализации системы. Экспериментальное исследование (тестирование) прототипа разработанной системы для прогнозирование объема продаж оптовой фирмы.

3 Прогнозирование временных рядов Интеллектуальные методы прогнозирования: нейронный сети; нечеткая логика; генетические алгоритмы; гибридные методы. В настоящее время, самым перспективным количественным методом прогнозирования являются нейронные сети. При использовании нейронных сетей легко исследовать зависимость прогнозируемой величины от независимых переменных.

4 Существующие подходы Создание группы экспертов; Покупка заказной готовой заказной системы; Создание собственной системы с «нуля»; Создание на основе готовых нейросетевых пакетов

5 Недостатки подхода создания интеллектуальной системы на основе существующего нейросетевого пакета Нехватка вычислительных ресурсов Необходима подготовка данных Нет возможности создавать собственные архитектуры и алгоритмы

6 Взаимодействие клиента с сервером MATLAB 1 Webбраузер передает запрос Webсерверу; 2 Webсервер проверяет права доступа клиента; 3TCP/IP клиент вызывает MATLAB Server; 4, 5 MATLAB выполняет расчет и возвращает результаты расчета TCP/IP клиенту; 6, 7 клиент TCP/IP через Webсервер передает результат запроса клиенту; 1, 7 Webбраузер может затребовать и получить дополнительные материалы с Webсервера.

7 Централизованное хранение указателей на источники данных Открытое добавление новых источников данных Коллективное использование данных

8 Классическая трехуровневая архитектура: Уровень представления Уровень бизнес-логики Уровень данных Клиентское приложение Web-браузер (тонкий клиент) Сервисы Web-сервер Сервер приложений Matlab Server Данные Сервер виртуальных баз данных Сервер баз данных Архитектура интеллектуальной системы прогнозирования временных рядов

9 Web-браузер Mozilla Firefox Web-сервер Apache & TomCat Сервер приложений WebSphere Application Server Matlab Server Данные IBM DB2 Universal Database Критерий выбора средств: применение единых стандартов на всех уровнях системы Язык разработки – Java: Простота Объектная ориентированность Устойчивость Многопоточность Безопасность

10 Прогнозирование объема продаж Исходный временной ряд, ежедневный объем продаж за период май май 2008

11 Пример реализации интерфейса мастера создания нейронной сети Для прогнозирования выбрана архитектура многослойного персептрона Скрытых слоев – 3; Активационная функция – сигмоидальная 1-й слой – 40; 2-й слой – 30; 3-й сло1 – 10; Алгоритма обучения обратного РаспространенияПорог ошибки распознавания – 0.005

12 Прогнозирование с помощью нейронной сети

13 Выводы Из существующих подходов создания интеллектуальной системы прогнозирования наиболее перспективным является создание системы на основе готовых нейросетевых пакетов Предложено использовать SOA в качестве технологии для разработки интеллектуальной системы прогнозирования. Этот подход отличается от существующих реализаций систем возможностью масштабирования и открытостью архитектуры. Что позволяет привлекать сообщество для расширения и модернизации системы. Предложено использовать виртуальные базы данных в качестве механизма интеграции данных. В отличие от существующих подходов на базе независимых реляционных БД, этот подход позволяет упростить процесс объединения данных. Предложено использовать приложение Matlab в качестве математического ядра при разработке системы прогнозирования. Такая реализация системы позволит не только публиковать результаты, но и проводить прогнозирование временных рядов непосредственно в сети.13