Автоматизация процедур системного анализа на основе нейронных сетей

В современном обществе появляются все новые проблемы, особо сложные на стыке наук, решение которых невозможно без учета системы взаимосвязей объектов реального мира. Поэтому системность становится одним из главных аспектов практической деятельности, она обеспечивает жизненность и реальность предлагаемых путей выхода из периодически возникающих проблемных ситуаций. В этом случае используют системные исследования, которые реализуются посредством системного подхода и системного анализа.

Системный подход есть общий метод исследования объекта как целого, т. е. как совокупности элементов, находящихся во взаимодействии. Он базируется на комплексном понимании существа, роли, значения и взаимосвязи важных факторовпозволяет комплексно и всесторонне изучить проблему, выделить приоритеты и оптимизировать основные параметры системы.

Системный анализ выступает как комплекс специальных процедур, приемов и методов, обеспечивающих реализацию системного подхода. Он относится к тем направлениям современной науки, которые возникли в период обострения социальных, экономических и политических проблем XX века, вызвавших необходимость поиска и обоснования принципиально новых решений в различных областях деятельности. Большой вклад в развитие и становление системного анализа как науки внесли Н. Винер, JI. Берталанфи, М. Месарович, Дж. Данциг, У. Эшби, К. Шеннон, Н. П. Буссленко, А. А. Вавилов, В.М. Глуш-ков, А. А. Дородницин, М. В. Келдыш, Н. Н. Моисеев и другие.

В отличие от многих наук, целью которых является открытие и формулирование объективных законов и закономерностей, присущих предмету изучения, системный анализ, в основном направлен на выработку конкретных рекомендаций, в том числе и на основе использования теоретических достижений различных наук в прикладных целях. Он предназначен для решения, в первую очередь, слабоструктурированных проблем, т. е. проблем, состав элементов и взаимосвязей которых установлен только частичнозадач, возникающих, как правило, в ситуациях, характеризуемых наличием фактора неопределенности и содержащих неформализуемые элементы. Преимущество системной оценки состоит в том, что ее возможно провести даже в случаях, когда обычные методы сопоставления, сравнения невозможно применить. Поэтому идеи и возможности системной методологии привлекли внимание специалистов из слабоструктурированных предметных областей: медицина, экология, социология, финансы и другие практически важные области.

Развитие идей системного анализа привело к необходимости выявления структуры решаемой проблемы и актуальности применения современных технологий для формализации процедур ее исследования. Реализация неформализованных этапов при этом осуществляется с помощью эвристических методов, в частности методов теории искусственных нейронных сетей. Они являются основой для построения модели системы и отличаются от других методов тем, что не нуждаются в заранее известной модели, а строят ее сами на основе предъявленной информации. Именно поэтому нейронные сети вошли в практику везде, где есть плохо алгоритмизируемые задачи, для решения которых необходима либо постоянная работа группы квалифицированных экспертов, либо адаптивные системы, каковыми и являются нейронные сети.

В связи с изложенным становится актуальным формализация некоторых процедур системного анализа на основе нейронных сетей. Для этого необходимо уточнение алгоритма исследований с учетом применения методов нейросе-тевого моделирования, анализ методов теории искусственных нейронных сетей и определение возможных архитектур при решении практических задач.

Предметной областью, в которой уже получили признание нейросетевые методы, является сфера экономики и финансов (оценка рентабельности предприятий, прогнозирование курса валют, прогнозирование курса акций на фондовом рынке, оценка кредитоспособности заемщиков и т. д.), медицина (распознавание сигналов электрокардиограммы, постановка диагноза заболевания), управления автоматическими устройствами. В этих областях нейросетевые алгоритмы нашли свое применение в форме математического ядра интеллектуальных систем принятия решений, экспертных систем, оболочек для имитационного моделирования, нейросетевых баз знаний и др.

Из многообразия практических проблем, при решении которых необходимо использовать методы системного анализа, основанные на теории нейронных сетей, мы остановились на задаче оценки безопасности региона и разработке методов формального описания этой процедуры.

Безопасность и устойчивое развитие общества — взаимосвязанные понятия, имеющие большое значение для процветания общества. Обеспечение безопасности в течение последних десятилетий вошло в разряд наиболее приоритетных проблем, решаемых как административными органами, так и учеными. В связи с этим рассмотрение вопроса оценки безопасности представляется особенно актуальной в настоящий момент.

На сегодняшний день данная проблема является недостаточно проработанной и изученной. В литературе имеются описания подходов к рассмотрению отдельных аспектов безопасности, разрозненных по способу описания объекта исследования и характеризующихся оценкой одного отдельно взятого аспекта безопасности.

Разработаны ряд методов для оценки безопасности [4, 5, 9, 32, 51, 76, 78, 87, 123]. Однако, они не учитывают системности понятия и их применение затруднительно в силу ряда причин: количество информативных признаков той или иной ситуации в регионе может быть достаточно большим, что приводит к усложнению расчетовисходные данные могут быть зашумленызатруднительно проведение комплексной оценки ситуации, так как некоторые виды показателей тесно вязаны между собой. Кроме того, решение реальных системных задач должно осуществляется на основе рационального использования интеллектуальных возможностей человека, математической среды современных компьютерных систем и сетей, эвристических приемов и процедур, компьютерной математики.

Поэтому представляется необходимым и актуальным рассмотреть безопасность как систему, выявить критерии, по которым можно судить об уровне безопасности, разработать единую методику оценки для различных составляющих этого понятия с применением возможностей современных информационных технологий. Построение модели предметной области необходимо выполнять на основе системного подхода и использованием методов системного анализа.

Среди математических моделей безопасности нейронные сети широко не использовались и поэтому их возможности в этой области мало изучены. Применение нейросетевых методов к задаче моделирования и оценки безопасности позволит повысить качество создаваемой модели, так как именно этот инструментарий обеспечивает преодоление трудностей, возникающих при исследовании безопасности традиционными методами.

Таким образом, на сегодняшний день существует необходимость в уточнении алгоритма системного анализа с учетом применения методов нейросете-вого моделирования, анализе методов теории искусственных нейронных сетей и выборе оптимальной архитектуры для решения практических задач, системном исследовании понятия «безопасность», разработке методов построения нейросетевой модели и алгоритма оценки региональной безопасности.

Объектом исследования является методика оценки безопасности региона на основе нейронной сети. Предметом исследования — математическое и программное обеспечение информационной системы для оценки безопасности региона на основе нейронной сети.

Целью данной работы является разработка методики автоматизации процедур системного анализа на основе теории искусственных нейронных сетей и создание информационной системы для ее реализации. Внедрение этой системы осуществляется путем адаптации (настройки параметров) применительно к конкретной предметной области. Она позволит представить лицу, принимающему решение, доступную информацию из различных областей знаний в удобной форме, что способствует повышению оперативности и обоснованности принимаемых решений.

Для достижения этой цели были поставлены и решены следующие задачи:

1. Рассмотреть основные положения системного анализа, этапы его проведения, возможности применения нейронных сетей на различных этапах исследования системы. Описать класс систем, к которым применимы методы ней1росетевого моделирования. Дать характеристику объекта исследования указанными методами.

2. Осуществить аналитическую работу по классификации существующих алгоритмов обучения и архитектур нейронных сетей, оценить возможности их применения на различных этапах проведения системного анализа.

3. Сформулировать уточненный алгоритм системного анализа с нейросетевым блоком, описать особенности применения нейронных сетей при решении практических задач, рассмотреть возможности применения инструментальных средств для реализации указанного алгоритма.

4. Исследовать понятие «безопасность» с точки зрения системного анализа и разработать единый методический подход. Применить алгоритм системного анализа с нейросетевым блоком для оценки безопасности региона с использованием определенной совокупности показателей.

5. Создать информационную систему для реализации процедуры оценки безопасности региона на базе предложенного системного алгоритма с использованием нейросетевой модели. Проанализировать ее структуру и возможности применения.

Содержание диссертационной работы отражает реализацию поставленных задач.

В первой главе рассмотрены вопросы методологии системного анализа, этапы его проведения, даны основные определения и терминология, используемые в системных исследованиях. Обоснован выбор нейросетевой технологии из многообразия моделей, описаны сферы их применения.

На основании проработанного материала сделан вывод о необходимости применения нейросетевой модели при проведении системного исследования сложных объектов.

Во второй главе выполнен анализ основных положений теории нейронных сетей, описан процесс построения сети и его основополагающие принципы, приведена классификация сетей, описаны наиболее часто используемые нейросетевые архитектуры, дан сравнительный анализ нейросетевых архитектур и их возможностей применительно к решению задач системного анализа (классификации, анализа данных, управления, прогнозирования, кластеризации, аппроксимации).

На основании изложенного материала сделан вывод о том, что из многообразия нейросетевых архитектур, применяемых при решении задач системного анализа, можно выбрать наиболее функциональную архитектуру для решения конкретной практической задачи. Установлено, что при исследовании сложных систем методами системного анализа наиболее целесообразно применять гомогенные аналоговые синхронные сети, подвиды которых позволяют решать многие задачи автоматизации ряда процедур системного анализа.

В третьей главе обоснован и описан уточненный алгоритм решения задач системного анализа на основе нейросетевой модели. Он позволяет на основе имеющейся статистической информации произвести оценку состояния объекта и на ее основе принять определенные решения о дальнейшем режиме функционирования объекта. Выполнен обзор современных моделирующих нейросетевых программных пакетов с целью анализа доступности их использования для реализации разработанного алгоритма. Обосновано использование пакета визуального моделирования Matlab в качестве инструментальной среды для создания нейросетевой модели, что позволит создать наиболее полную модель предметной области с учетом факторов внешнего воздействия. Описаны способы решения проблем, возникающих при формировании архитектуры нейронной сети для решения задач системного анализа: подбор оптимальной архитектуры сети, методы наращивания сети, подборка обучающих выборок.

В четвертой главе предложено одно из возможных применений уточненного алгоритма системного анализа. Его использование возможно при исследовании сложных слабоструктурированных систем. Одной из таких является безопасность региона. В связи с этим рассмотрены теоретические аспекты системных исследований применительно к указанной проблеме. Для этого определены объекты и субъекты безопасности, суть проблемы и задачи оценки безопасности, дана характеристика безопасности как объекта системного исследования, описана структура и критерии безопасности.

В пятой главе рассмотрены вопросы создания информационной системы для оценки безопасности региона на базе предложенного уточненного алгоритма системного исследования, описана структура информационной системы с нейросетевым модулем, проведена оценка эффективности системы и верификация результатов, полученных с использованием традиционных методов оценки региональной безопасности и нейросетевого метода.

В заключении описаны выводы и результаты проделанной работы.

Научная новизна исследования заключается в следующих результатах.

1. Разработана теоретическая база применения нейросетевых методов в системных исследованиях, отмечены преимущества нейронных сетей перед другими видами моделей, проведено их сопоставление с типами исследуемых систем, определено место нейронных сетей в процессе системных исследований.

2. Разработана методика проведения системных исследований на основе алгоритма системного анализа, уточненного нейросетевым блоком, она может быть использована при изучении сложных иерархических систем, ее математическую основу составляет алгоритм системного анализа, уточненный нейросетевым блоком.

3. Разработана методика применения уточненного алгоритма системного анализа для оценки безопасности региона, проведено исследование безопасности с точки зрения системного анализа, построена нейросе-тевая модель экономической безопасности региона.

4. На основе проведенных исследований создана информационная система для оценки безопасности региона «Нейрон», который использован при принятии решений по вопросам оценки безопасности региона. Он позволяет производить оценку региональной безопасности по определенному критерию, накапливать и хранить информацию о значениях показателей безопасности, об уровне безопасности в регионах за определенный временной период, проводить сравнительный анализ состояния безопасности регионов.

Основные результаты исследования, рассмотренные в предлагаемом исследовании, заключаются в следующем.

1. Разработана теоретическая база применения методов теории нейронных сетей в системных исследованиях. Рассмотрены вопросы методологии системного анализа, приведено описание этапов его проведения, указаны методы, применяемые на каждом этапе. Из методов, используемых при построении модели, выделены нейросетевые. Отмечены их преимущества перед другими видами моделей, описаны сферы применения, указаны задачи, решаемые с их использованием.

2. Установлено, что в силу своих особенностей нейросетевые методы могут быть использованы как инструментарий системного анализа при исследовании больших сложных, слабоструктурированных систем, характеризующихся большой размерностью признакового пространства и иерархической структурой элементов с разветвленными информационными связями. Отмечено, что методы теории нейронных сетей могут быть применены на этапе анализа, моделирования и синтеза системы. Это позволит построить модель, адекватно отражающую суть исследуемого объекта.

3. Исследованы возможности применения нейронных сетей при автоматизации системных исследований. Для использования в качестве модели системы предложен класс гомогенных аналоговых синхронных сетей, подвиды которых позволяют решать многие задачи автоматизации ряда процедур системного анализа. На основании выполненного анализа алгоритмов обучения и построенных на их основе архитектур нейронных сетей установлено, что в зависимости от сложности и практической направленности исследуемой системы, для создания ее модели можно выбрать наиболее адекватную архитектуру сети.

4. Разработан математический и программный аппарат для решения слабоструктурированных задач нейросетевыми методами. Его математическую основу составляет алгоритм системного анализа, дополненный блоком построения нейросетевой модели, а программная часть представлена средой визуального моделирования Matlab, содержащей пакет расширения Neural Net Toolbox. Эти средства могут быть использованы при исследовании больших слабоструктурированных систем.

5. Разработана методика применения алгоритма системного анализа, уточненного нейросетевым блоком, к исследованию слабоструктурированных систем. Из многообразия существующих проблем выбрана проблема оценки безопасности региона. Проведено исследование безопасности с точки зрения системного анализа, в ходе которого дана характеристика безопасности как системы, описана структура безопасности, разработан набор критериев для оценки безопасности, выделена региональная составляющая и экономический критерий.

6. Разработан алгоритм оценки безопасности региона на основе нейросетевой модели, которая представлена многослойной сетью. Нейроны входного слоя соответствуют количеству критериев безопасности, выходногоколичеству классов безопасности, а количество нейронов скрытых слоев подбирается экспериментально. Такая модель устойчива к шуму в исходных данных, успешно сочетает в себе работу эксперта и нейронной сети для достижения наилучшего результата, дает возможность использовать значения критериев, измеренных в различных единицах. Перечисленные особенности делают использование предложенной модели наиболее удобной при оценке безопасности региона.

7. Разработана и реализована информационная система «Нейрон» на базе предложенного уточненного алгоритма системных исследований. Она имеет удобный для пользователя интерфейс, предусматривает возможность ввода данных в рамках программы или использования данных в формате электронных таблиц, позволяет производить оценку состояния системы по определенному числу критериев и наглядно представлять результаты в виде таблиц, диаграмм и графиков.

8. Система «Нейрон» применена при оценке экономической безопасности регионов Российской Федерации за период 1998;2002 г. г. Результаты ее функционирования получены в виде таблицы распределения регионов по классам безопасности за указанный период. Отличительной особенностью предложенного программного комплекса является легкость его настройки для оценки состояния различных по величине территориальных и экономических образований и возможность изменения критериев оценки.

ЗАКЛЮЧЕНИЕ

.