Адаптивные методы прогнозирования параметров технологических процессов
内容描述: В дисциплине изучаются адаптивные методы прогнозирования, позволяющие строить самонастраивающиеся математические модели, которые способны оперативно реагировать на изменения условий путем учета результата прогноза, сделанного на предыдущем шаге, и учета различной информационной ценности уровней ряда. Рассматривается применения адаптивных методов краткосрочного прогнозирования состояния рабочих технических систем.
贷款数: 6
Пререквизиты:
- Автоматизация технических систем
*СomplexityDiscipline(zh-CN)*:
| *TypesOfClasses(zh-CN)* | *hours(zh-CN)* |
|---|---|
| *Lectures(zh-CN)* | 30 |
| *PracticalWork(zh-CN)* | |
| *LaboratoryWork(zh-CN)* | 30 |
| *srop(zh-CN)* | 30 |
| *sro(zh-CN)* | 90 |
| *FormOfFinalControl(zh-CN)* | экзамен |
| *FinalAssessment(zh-CN)* | Устный экзамен |
零件: Вузовский компонент
循环次数: Профилирующие дисциплины
Цель
- освоение и понимание методов и техник прогнозирования, которые позволяют предсказывать изменение параметров технологических процессов с высокой точностью.
Задача
- изучение основных понятий и принципов адаптивного прогнозирования параметров технологических процессов, преимуществ и ограничений адаптивных методов прогнозирования параметров технологических процессов;
- освоение методов адаптивного прогнозирования, включая методы авторегрессии, скользящей средней, экспоненциального сглаживания и другие;
- освоение алгоритмов и программных инструментов для проведения адаптивного прогнозирования;
- приобретение навыков применения адаптивных методов прогнозирования на примере реальных технологических процессов;
- формирование навыков оценки качества прогнозов и анализа результатов.
Результат обучения: знание и понимание
- описывать теоретические основы адаптивных методов прогнозирования параметров технологических процессов;
- объяснять основные концепции и и сравнивать модели, используемые в адаптивных методах прогнозирования;
Результат обучения: применение знаний и пониманий
- применять различные алгоритмы и методы прогнозирования для получения оптимальных результатов функционирования систем автоматизации технологических процессов;
Результат обучения: формирование суждений
- анализировать большие объемы данных, выбирать подходящие статистические модели и проверять их эффективность;
- оценивать полученные результаты прогнозирования и принимать обоснованные решения на основе этих результатов;
Результат обучения: коммуникативные способности
- использовать на практике умения и навыки в организации исследовательских и проектных работ, в управлении коллективом
Результат обучения: навыки обучения или способности к учебе
- решать задачи прогнозирования параметров технологических процессов на основе адаптивных методов, используя доступные данные и современные инструменты.
*TeachingMethods(zh-CN)*
При проведении учебных занятий предусматривается использование следующих образовательных технологий: - интерактивная лекция (применение следующих активных форм обучения: ведомая (управляемая) дискуссия или беседа; модерация; демонстрация слайдов или учебных фильмов; мозговой штурм; мотивационная речь); - построение сценариев развития различных ситуаций на основе заданных условий; - информационно-коммуникационная (например, занятия в компьютерном классе с использованием профессиональных пакетов прикладных программ); - поисково-исследовательская (самостоятельная исследовательская деятельность студентов в процессе обучения); - решение учебных задач.
*AssessmentKnowledge(zh-CN)*
Преподаватель проводит все виды работ текущего контроля и выводит соответствующую оценку текущей успеваемости обучающихся два раза в академический период. По результатам текущего контроля формируется рейтинг 1 и 2. Учебные достижения обучающегося оцениваются по 100-балльной шкале, итоговая оценка Р1 и Р2 выводится как средняя арифметическая из оценок текущей успеваемости. Оценка работы обучающегося в академическом периоде осуществляется преподавателем в соответствии с графиком сдачи заданий по дисциплине. Система контроля может сочетать письменные и устные, групповые и индивидуальные формы.
| *Period2(zh-CN)* | *TypeOfTask(zh-CN)* | *Total(zh-CN)* |
|---|---|---|
| 1 *Rating(zh-CN)* | Лабораторные работы 1-7 | 0-100 |
| 2 *Rating(zh-CN)* | Лабораторные работы 8-15 | 0-100 |
| *TotalControl(zh-CN)* | экзамен | 0-100 |
*PolicyAssignmentTask(zh-CN)*
| *TypeOfTask(zh-CN)* | 90-100 | 70-89 | 50-69 | 0-49 |
|---|---|---|---|---|
| Excellent | *Grade4(zh-CN)* | *Grade3(zh-CN)* | *Grade2(zh-CN)* | |
| Работа на лабораторных занятиях | Проявлена превосходная теоретическая подготовка. Необходимые навыки и умения полностью освоены. Результат лабораторной работы полностью соответствует её целям. | Проявлена хорошая теоретическая подготовка. Необходимые навыки и умения в основном освоены. Результат лабораторной работы в основном соответствует её целям. | Проявлена удовлетворительная теоретическая подготовка. Необходимые навыки и умения частично освоены. Результат лабораторной работы частично соответствует её целям. | Проявлена неудовлетворительная теоретическая подготовка. Необходимые навыки и умения не освоены. Результат лабораторной работы не соответствует её целям. |
| Устное собеседование | В ответе качественно раскрыто содержание темы. Ответ хорошо структурирован. Прекрасно освоен понятийный аппарат. Продемонстрирован высокий уровень понимания материала. Превосходное умение формулировать свои мысли, обсуждать дискуссионные положения. | Основные вопросы темы раскрыты. Структура ответа в целом адекватна теме. Хорошо освоен понятийный аппарат. Продемонстрирован хороший уровень понимания материала. Хорошее умение формулировать свои мысли, обсуждать дискуссионные положения. | Тема частично раскрыта. Ответ слабо структурирован. Понятийный аппарат освоен частично. Понимание отдельных положений из материала по теме. Удовлетворительное умение формулировать свои мысли, обсуждать дискуссионные положения. | Тема не раскрыта. Понятийный аппарат освоен неудовлетворительно. Понимание материала фрагментарное или отсутствует. Неумение формулировать свои мысли, обсуждать дискуссионные положения. |
*EvaluationForm(zh-CN)*
Итоговая оценка знаний обучающего по дисциплине осуществляется по 100 балльной системе и включает:
- 40% результата, полученного на экзамене;
- 60% результатов текущей успеваемости.
Формула подсчета итоговой оценки:
| И= 0,6 | Р1+Р2 | +0,4Э |
| 2 |
где, Р1, Р2 – цифровые эквиваленты оценок первого, второго рейтингов соответственно; Э – цифровой эквивалент оценки на экзамене.
Итоговая буквенная оценка и ее цифровой эквивалент в баллах:
Буквенная система оценки учебных достижений обучающихся, соответствующая цифровому эквиваленту по четырехбалльной системе:
| Оценка по буквенной системе | Цифровой эквивалент | Баллы (%-ное содержание) | Оценка по традиционной системе |
|---|---|---|---|
| A | 4.0 | 95-100 | Отлично |
| A- | 3.67 | 90-94 | |
| B+ | 3.33 | 85-89 | Хорошо |
| B | 3.0 | 80-84 | |
| B- | 2.67 | 75-79 | |
| C+ | 2.33 | 70-74 | |
| C | 2.0 | 65-69 | Удовлетворительно |
| C- | 1.67 | 60-64 | |
| D+ | 1.33 | 55-59 | |
| D | 1.0 | 50-54 | |
| FX | 0.5 | 25-49 | Неудовлетворительно |
| F | 0 | 0-24 |
Темы лекционных занятий
- Основы адаптивного прогнозирования
- Методы временных рядов в адаптивном прогнозировании
- Адаптивная фильтрация в прогнозировании технологических процессов
- Адаптивные нейронные сети в прогнозировании параметров процессов
- Адаптивная регрессия в прогнозировании технологических параметров
- Адаптивное скользящее среднее в прогнозировании процессов
- Адаптивное экспоненциальное сглаживание в прогнозировании технологических параметров
- Адаптивный калмановский фильтр в прогнозировании процессов
- Адаптивная кластеризация в прогнозировании технологических параметров
- Адаптивный контроль и индикация в прогнозировании процессов
- Адаптивная оптимизация процессов в прогнозировании технологических параметров
- Адаптивная регулировка и управление в прогнозировании процессов
- Адаптивные экспертные системы в прогнозировании технологических параметров
- Адаптивное преобразование фурье в прогнозировании процессов
- Применение адаптивных методов прогнозирования в реальных технологических системах
Основная литература
- Адаптивные системы управления: учебное пособие / А.Р. Гайдук, Е.А. Плаксиенко; Южный федеральный университет. – Ростов-на-Дону; Таганрог: изд-во ЮФУ, 2018. – 120с.
- Акулов А.В. Адаптивные методы прогнозирования параметров технологических процессов: учебное пособие. – Москва: Издательство МГТУ им. Н.Э. Баумана, 2012.
- Кочаров A.C., Линецкий A.В., Земцова Е.С. Адаптивные методы прогнозирования параметров технологических процессов: учебно-методическое пособие. – Москва: Издательство МЭИ, 2009.
Дополнительная литература
- Завьялова И.Б. Адаптивные методы прогнозирования параметров в технологических процессах: монография. – Москва: Наука, 2006.
- Чжан Убун, Чжу Наикен, Хуан Гушэн. Адаптивные методы прогнозирования параметров технологических процессов: научно-практическое пособие. – Пекин: Издательство Науков, 2016.
