Национальный цифровой ресурс Руконт - межотраслевая электронная библиотека (ЭБС) на базе технологии Контекстум (всего произведений: 468839)
Консорциум Контекстум Информационная технология сбора цифрового контента
Информационные системы и технологии

Информационные системы и технологии №2 2009 (240,00 руб.)

0   0
Страниц111
ID624
АннотацияЖурнал об информационных системах и технологиях.
Информационные системы и технологии .— Орел : ОрелГТУ .— 2009 .— №2 .— 111 с.

Предпросмотр (выдержки из произведения)

Т.Д. КАРМИНСКАЯ, В.И. АЛЕКСЕЕВ ГИБРИДНАЯ МОДЕЛЬ ПРОГНОЗИРОВАНИЯ ПОТРЕБНОСТЕЙ В КВАЛИФИЦИРОВАННЫХ КАДРАХ ДЛЯ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ СИСТЕМ РЕГИОНАЛЬНОГО УРОВНЯ УПРАВЛЕНИЯ На основе моделей нейронных сетей, нечетких множеств, адаптивного самонастраивающегося алгоритма многомерной глобальной оптимизации и алгоритмов прогнозирования разработана гибридная модель прогнозирования потребностей региональной экономики в квалифицированных кадрах трех уровней профессионального образования (высшего, среднего и начального). <...> Ключевые слова: Нейронные сети; нечеткие множества; многомерная адаптивная оптимизация; прогнозирование; уровни профессионального образования; пакет программ. <...> Гибридная система включает: математические балансовые модели спроса и предложения на рынке труда и рынке образовательных услуг [1,2], эффективный алгоритм многопараметрической глобальной оптимизации [3,4] и модели прогнозирования на нейронных сетях и нечетких множествах [5,6]. <...> Например, погрешности в статистических исходных данных, используемых в работе, компенсируются возможностями обобщения нейронных сетей, нечетких и оптимизационных алгоритмов. <...> 3) определение коэффициентов ротации для занятого населения в зависимости от уровня образования и отрасли экономики; Известия ОрелГТУ № 2/52(563)2009 3 Известия ОрелГТУ <...> 4) определение матриц профессионально-квалификационного соответствия между 28 укрупненными группами специальностей и 13 отраслями экономики; <...> Эта функция является непрерывной, монотонно возрастающей и дифференцируемой в диапазоне значений [0,1]. <...> При моделировании процессов возможности нейронных сетей могут усиливаться за счет применения технологии обработки информации, основанной на нечетких множествах и нечетком выводе. <...> Прелагаемый подход не только ослабляет требования к точности данных в процессе построения модели, но и позволяет описать сложные <...>
Информационные_системы_и_технологии_№2_2009_(1).pdf
Н а у ч н ый ж ур н ал Орловского государственного технического университета Выходит шесть раз в год № 2/52(563) март-апрель 2009 Редакционный совет: Голенков В.А., председатель Радченко С.Ю., зам. председателя Борзенков М.И. Колчунов В.И. Константинов И.С. Попова Л.В. Степанов Ю.С. Главный редактор: Константинов И.С. Редколлегия: Аверченков В.И. Архипов О.П. Гайндрик К.Г. Еременко В.Т. Зубарев Ю.М. Иванов Б.Р. Иванников А.Д. Ипатов О.С. Колесников К.С. Корндорф С.Ф. Коськин А.В. Подмастерьев К.В. Поляков А.А. Распопов В.Я. Сотников В.В. Шкатов П.Н. Ответственный за выпуск: Константинова Г.А. Адрес учредителя журнала: 302020, г. Орел, Наугорское шоссе, 29 (4862) 43-48-90, 40-96-14 www.ostu.ru E-mail: nmu@ostu.ru Зарег. в Министерстве РФ по делам печати, телерадиовещания и средств массовой информации. Свидетельство: ПИ № 77-15496 от 20 мая 2003 года Подписной индекс 86294 по объединенному каталогу «Пресса России» © ОрелГТУ, 2009 Со второго полугодия 2009 г. журнал будет выходить под названием «Информационные системы и технологии» («ИСиТ»). ISSN 2072-8964. Св-во о регистрации средства массовой информации ПИ № ФС77-35333 от 17.02. 2009г. Жиляков Е.Г., Черноморец А.А., Заливин А.Н. Об эффективности метода оценивания значений долей энергии изображений на основе частотных представлений ............................................................................ Боровинская Е.С., Решетиловский В.П., Холоднов В.А. Интервальное оценивание параметров математического описания химикотехнологических процессов на основе вычислительного эксперимента .................................................................................................. Кутышкин А.В., Шульгин О.В., Шульгина Н.В. Управление организационными системами на основе нейросетевого моделирования их функционирования ..................................................... Куровский В.Л., Фомичёва С.Г., Попкова А.А. Система мониторинга информационно-библиотечного фонда вуза ........................................... Иванов М.И., Иванов С.М. Синтез варианта полевого волоконнооптического кабеля ........................................................................................ Иващук О.А., Чудный Ю.П. Построение системы экомониторинга при организации автоматизированного управления экологической безопасностью промышленно-транспортного комплекса ..................... Илюхин А.А., Дубровин А.Г. Оптимизация структуры суперфрейма для запросных каналов в спутниковых сетях стандарта DVB-RCS ..... Марков В.В., Куликов А.М., Рыбакова Н.В. Алгоритм экспериментальных исследований тепловых процессов в трибосопряжениях ......................................................................................... Евсегнеев О.А., Рогович В.И., Вайнштейн И.А. Параллельный генетический алгоритм для моделирования термостимулированных процессов ........................................................................................................ Новокрещенов Ю.В. Методы повышения производительности систем электронного документооборота, основанных на сервере приложений ZOPE .......................................................................................... Шурыгин К.С. Разработка алгоритма фонетического анализа речи на основе информационной теории восприятия речи ................................ Озаренко О.В., Раков В.И. Методика обнаружения и коррекции внепротокольных прерываний в сетях передачи данных ..................... 12 СОДЕРЖАНИЕ Карминская Т.Д., Алексеев В.И. Гибридная модель прогнозирования потребностей в квалифицированных кадрах для социальноэкономических систем регионального уровня управления .................. 3 ИЗВЕСТИЯ ОрелГТУ Информационные системы и технологии Издается с 2002 года. Учредитель – ГОУ ВПО «ОрелГТУ» 23 32 41 55 61 68 74 81 86 90 Светкин А.В. Защита данных в системах управления сайтами ............ 95 103 Журнал «Известия ОрелГТУ» входит в перечень ведущих рецензируемых научных журналов и изданий, определенных ВАК, для публикации трудов на соискание ученых степеней.
Стр.1
IZVESTIA Sc ient i f i c jour n a l of Orel State Technical University Periodicity of the edition 6 times a year № 2/52(563) March-April 2009 Editorial council: Golenkov V.A., president; Radchenko S.Y., vice-president; Borzenkov M.I. Kolchunov V.I. Konstantinov I.S. Popova L.V. Stepanov Y.S. Editor-in-chief: Konstantinov I.S. Editorial Committee: Averchenkov V.I. Arhipov O.P. Gaindrik K.G. Eremenko V.T. Zubarev Y.M. Ivanov B.R. Ivannikov A.D. Ipatov O.S. Kolokolov J.V. Korndorf S.F. Koskin A.V. Podmasteriev K.V. Polyakov A.A. Raspopov V.Ya. Sotnikov V.V. Shkatov P.N. Responsible for edition: Konstantinova G.A. The address of the founder of magazine: 302020 Orel, Highway Naugorskoye, 29 (4862) 43-48-90, 40-96-14, www.ostu.ru, E-mail: nmu@ostu.ru Journal is registered in State Committee jf Russian Federatijn on printing. The certificate of registration ПИ № 77-15496 from 20.05.03. Index on the catalogue of the «Pressa Rossii» 86294 © ОрелГТУ, 2009 From the second half of the year 2009 the magazine will leave under the name «Information systems and technologies» («ISaT»). ISSN 2072-8964 The certificate of registration ПИ № ФС77-35333 from 17.02. 2009. CONTENT Karminskaya T.D., Alekseev V.I. A Hybrid Model for forecasting the demand for qualified personnel in regional socio-economic infrastructure .................................................................................................... Zhilyakov E.G., Chernomorets A.A., Zalivin A.N. ON EFFICIENCY OF THE ESTIMATION METHOD OF IMAGE ENERGY PARTS VALUES ON THE BASIS OF FREQUENCY REPRESENTATIONS .............................................. Borovinskaya E.S., Reshetilovski V.P., Kholodnov V.A. The interval evaluation of parameter for the mathematical description of technological processes based on computer experiment ........................... Kutyshkin A.V., Shulgin O.V., Shulgina N.V. Managtment of organizational systems on the basic of neuronet modelling of their functioning .............. Kurovskiy В.L., Fomichyova S.G., Popkova A.A. System of the monitoring information-library fund of the high school .................................................. Ivashchuk O.A., Chudni Y.P. Construction of system of ecological monitoring at the organization of automated management by ecological safety of an industrial and transport complex .............................................. Ilyukhin A.A., Dubrovin A.G. Optimal time-frequency superframe design for return channels of a satellite networks with DVB-RCS .......................... Markov V.V., Kulikov A.M., Ribakova N.V. Algorithm of the experimental researches the thermal processes in the tribological objects .................... Evsegneev O.A., Rogovich V.I., Vainshtein I.A. Parallel genetic algorithm for simulation of thermostimulated processes ............................................. Novokreshchenov Y.V. Methods of rise of productivity of systems of the electronic document circulation grounded on the server of applications ZOPE ................................................................................................................. Shurygin K.S. Algorithm design of phonetic speech analysis on basis of informational theory of speech perception ................................................... Ozarenko O.V., Rakov V.I. Methods of detections and correction not protocol interruptions in networks ................................................................. 3 12 23 32 41 Ivanov M.I., Ivanov S.M. Syntesis of a variant of the field fiber optic cable . 55 61 68 74 81 86 90 Svetkin A.V. Data security in content management systems........................ 95 103 OREL STATE TECHNICAL UNIVERSITY Information Systems and Technologies The journal is published since 2002 The founder – Orel State Technical University Journal is included into the list of the Higher Examination Board for publishing the results of thesises for competition the academic degrees
Стр.2
Информационные_системы_и_технологии_№2_2009.pdf
Информационные системы и технологии УДК 303.732.4 Т.Д. КАРМИНСКАЯ, В.И. АЛЕКСЕЕВ ГИБРИДНАЯ МОДЕЛЬ ПРОГНОЗИРОВАНИЯ ПОТРЕБНОСТЕЙ В КВАЛИФИЦИРОВАННЫХ КАДРАХ ДЛЯ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ СИСТЕМ РЕГИОНАЛЬНОГО УРОВНЯ УПРАВЛЕНИЯ самонастраивающегося алгоритма многомерной глобальной оптимизации и алгоритмов прогнозирования разработана гибридная модель прогнозирования На основе моделей нейронных сетей, нечетких множеств, адаптивного потребностей региональной экономики в квалифицированных кадрах трех уровней профессионального образования (высшего, среднего и начального). Разработан пакет программ и получены численные результаты. Ключевые слова: Нейронные сети; нечеткие множества; многомерная адаптивная оптимизация; прогнозирование; уровни профессионального образования; пакет программ. Based on neural network models, fuzzy sets, adaptive self-adjusting algorithm for multidimensional global optimization, and prediction algorithm a hybrid model to forecast the regional demand for qualified personnel of three educational levels (higher, secondary, primary professional education), programmer package have been developed, numerical results have been obtained. Keywords: neural networks; fuzzy sets; multidimensional global optimization; forecasting; professional education; programme package. ВВЕДЕНИЕ Одним из эффективных механизмов управления системой образования является использование прогнозирующей математической модели, количественно описывающей связи между участниками системы «образование-рынок труда и экономика» для определения структуры и объемов подготовки специалистов. Предлагается прогнозирующая математическая модель, которая основана на использовании гибридной системы. Гибридная система включает: математические балансовые модели спроса и предложения на рынке труда и рынке образовательных услуг [1,2], эффективный алгоритм многопараметрической глобальной оптимизации [3,4] и модели прогнозирования на нейронных сетях и нечетких множествах [5,6]. Преимуществом использования гибридных систем является то, что такие системы, взаимодействуя между собой, позволяют уменьшить недостатки отдельных элементов системы и усилить преимущества других. Например, погрешности в статистических исходных данных, используемых в работе, компенсируются возможностями обобщения нейронных сетей, нечетких и оптимизационных алгоритмов. Последовательно решены задачи: 1) моделями; 2) ХМАО; прогнозирование временных рядов нейронными сетями и нечеткими определение среднегодовой численности работников в 13 отраслях экономики и промышленности по 7 уровням профессионального образования 3) определение коэффициентов ротации для занятого населения в зависимости от уровня образования и отрасли экономики; Известия ОрелГТУ № 2/52(563)2009 3
Стр.1
Известия ОрелГТУ 4) между 28 укрупненными группами специальностей и 13 отраслями экономики; 5) определение матриц профессионально-квалификационного соответствия определение потребности экономики региона по 28 укрупненным группам специальностей с разным уровнем профессионального образования (высшим, средним и начальным). В качестве исходных в работе использованы статистические данные по ХантыМансийскому автономному округу (ХМАО) [7]: распределение среднегодовой численности населения, занятого в экономике по видам экономической деятельности; распределение численности населения по шести возрастным группам (мужчины, женщины); распределение численности выпуска квалифицированных рабочих со средним и высшим профессиональным образованием. ПРОГНОЗИРОВАНИЕ ВРЕМЕННЫХ РЯДОВ НЕЙРОННЫМИ СЕТЯМИ И НЕЧЕТКИМИ МОДЕЛЯМИ Перечисленные выше задачи прогнозирования y = + e 1 где S = 1 −C S * , абсцисс, ∑wi xi −взвешенная сумма (сумма произведений входных сигналов i i=1 весовые коэффициенты i c > −0 коэффициент, характеризующий ширину сигмоидной функции по оси n x на w , −n число входных сигналов). Эта функция является непрерывной, монотонно возрастающей и дифференцируемой в диапазоне значений [0,1 ].Структура трехслойной сети зависит от числа входных сигналов. В решаемых нами задачах число входных данных (элементов временного ряда) варьировалось в интервале от 5 до 15 измерений. Для обучения нейронной сети прогнозированию используется выборка известных элементов временного ряда. Обучение сети производится на множестве алгоритмов поиска минимума функции – обратного распространения, ЛевенбергаМаркара, квази-Ньютона – и метода сопряженных градиентов или их комбинаций. После обучения сеть прогнозирует временной ряд на упреждающий промежуток времени. Процесс прогнозирования временного ряда называется проекцией временного ряда. Проекция ряда строится следующим образом: сеть обрабатывает начальный набор значений и выдает прогноз; первое наблюдение из исходного набора отбрасывается, вместо него ставится прогноз, полученный на первом шаге; по новому набору входных значений строится следующий прогноз и т.д. Процесс проектирования можно продолжить неограниченно. При этом среднеквадратическая ошибка прогнозирования растет с увеличением шага прогноза. По этой причине горизонт прогнозирования ограничивается небольшим числом шагов. При моделировании процессов возможности нейронных сетей могут усиливаться за счет применения технологии обработки информации, основанной на нечетких множествах и нечетком выводе. Этот метод связан с оцениванием функции принадлежности элементов к множествам с помощью нечетких логических операторов. Прелагаемый подход не только ослабляет требования к точности данных в процессе построения модели, но и позволяет описать сложные системы с помощью 4 Известия ОрелГТУ № 2/52(563)2009 параметров занятости населения в экономике региона решены с использованием трехслойных нейронных сетей с сигмоидной функцией активности:
Стр.2