потанина марина викторовна
реклама
mДля заказа доставки работы воспользуйтесь поиском на сайте http://www.mydisser.com/search.html СЕВАСТОПОЛЬСКИЙ НАЦИОНАЛЬНЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ На правах рукописи ПОТАНИНА МАРИНА ВИКТОРОВНА УДК 681.5.015:519.87 ИДЕНТИФИКАЦИЯ МОДЕЛИ ОБЪЕКТА УПРАВЛЕНИЯ ПАССАЖИРОПЕРЕВОЗКАМИ ПРИ МУЛЬТИКОЛЛИНЕАРНОСТИ ФАКТОРОВ Специальность 05.13.07 – Автоматизация процессов управления Диссертация на соискание ученой степени кандидата технических наук Научный руководитель – доктор технических наук, профессор Цуканов А.В. Севастополь – 2013 СОДЕРЖАНИЕ Список условных сокращений……………………………………….... 5 Введение……………………………………………………………………. 6 Раздел 1. Проблема идентификации модели объекта управления 15 пассажироперевозками в условиях мультиколлинеарности …………… 1.1. Анализ городских пассажироперевозок, как объекта 15 управления.................................................................................................. 1.2. Идентификация объекта управления 21 пассажироперевозками………………………………………………... 1.3. Проблема выбора метода оценивания параметров 30 регрессионной модели…………………………………………………... 1.4. Идентификация структуры модели……..…………………………. 30 1.5. Проблема выбора параметра регуляризации………...…… 36 1.6. Постановка задачи одновременного выбора структуры модели 40 объекта управления и параметра регуляризации при использовании априорной информации…………………………… ………………….. 1.7. Выводы по разделу……………………..…………………………. 42 Раздел 2. Исследование процедуры выбора параметра регуляризации в 44 случае мультиколлинеарности факторов……………………………………. 2.1. Критерий оптимальности процедуры оценивания параметров 44 модели при наличии дополнительной априорной информации……………………………………………………………. 2.2. Учет априорной информации………………………………… 53 2.3. Исследование СКОП в случае ридж-регрессии на 57 экстремум………………………………………………………………… 2.4. Исследование СКОП с помощью имитационных 61 экспериментов…………………………………………………………… 2.5. Итерационная процедура нахождения оптимального параметра 66 регуляризации rOPT для ридж-регрессии……………………………… 2.6. Исследование «Z» - процедуры с помощью имитационных 73 экспериментов…………………….……………………………………... 2.7. Имитационный эксперимент по сравнению результатов «Z» - 83 процедуры с теоретическим значением СКОП……………………… 2.8. Сравнительный анализ регуляризованных оценок Джеймса- 88 Стейна и ридж-регрессии путем моделирования на ЭВМ………….. 2.9. Выводы по разделу………………………………………………….. 91 Раздел 3. Идентификация ридж-регрессионных моделей объектов 93 управления …………………………………………………………………. 3.1. Матрица канонической формы для критерия Ср–Маллоуза при 93 идентификации ридж-регрессионных моделей……………………… 3.2. Свойства критерия селекции моделей Ср–Маллоуза для ридж- 94 регрессии ………………………………………………............................ 3.3. Интегрированный метод идентификации ридж-регрессионных 98 моделей…………………………………………………………………… 3.4. Имитационный эксперимент по оценке эффективности 100 применения критерия Ср–Маллоуза для МНК и ридж-регрессии 3.5. Анализ регрессионных эффективности моделей по метода критерию идентификации ридж- вероятности выбора 111 наилучшей модели……………………………………………………. 3.6. Выводы по разделу…………………………………………… Раздел 4. Применение интегрированного ридж - регрессионного 118 120 метода идентификации модели объекта управления для прогнозирования и оптимизации рентабельности городских пассажироперевозок………………………………………………………… 4.1. Проблема повышения рентабельности городских 120 пассажироперевозок…………………………………………………… 4.2. Анализ данных……………………………………………………. 123 4.3. Построение прогнозирующих моделей оценки прибыли и 133 расходов…………………………………………………………………. 4.4. Автоматизированное управление рентабельностью 137 пассажироперевозок………………………………………………........... 4.5. Выводы по разделу 149 Заключение…………………………………………………………………. 151 Приложение А……………………………………………………………... 152 Приложение Б…………………………………………………………....... 163 Приложение В……………………………………………………………... 167 Список использованных источников…………………………………….. 169 СПИСОК УСЛОВНЫХ СОКРАЩЕНИЙ АСУ – автоматизированная система управления АТП – автотранспортное предприятие ИППР – интеллектуальная поддержка принятия решений МНК – метод наименьших квадратов МО – математическое ожидание СОУ – сложный объект управления СВ – случайная величина СКОП – среднеквадратическая ошибка прогноза МО СКОП – математическое ожидание среднеквадратической ошибки прогноза СУ – система управления ВВЕДЕНИЕ Современное автотранспортное предприятие (АТП), осуществляющее городские пассажироперевозки, является сложной социально-технической системой, включающей в себя большое число взаимосвязанных элементов. Успешное функционирование АТП во многом зависит от анализа, учета и оперативного контроля за рациональным соотношением ресурсов и заявок на пассажироперевозки. Кроме того, скорость получения и обработки необходимых информационных сведений становятся ключевыми факторами, влияющими на эффективность управления АТП. Мощным средством автоматизации процесса управлением предприятиями такого типа является использование автоматизированных систем управления (АСУ), которые характеризуются сложной структурой и выполнением большого количества операций в условиях быстроизменяющейся внешней среды. АСУ определяет информационное объединение различных подразделений АТП в единый информационно-технологический комплекс. Комплексная автоматизация АТП с помощью АСУ позволяет навести порядок в учете ресурсов и обязательств, обеспечить непрерывный контроль и анализ состояния дел, что многократно повышает эффективность функционирования предприятия. Эффективность использования АСУ АТП зависит от показателей ее функционирования: скорости подготовки планов пассажироперевозок, мощности и надежности системы, возможности ее адаптации и корректировки к изменениям. При этом необходимо обеспечить качество самого процесса пассажироперевозок в целом. Повышения эффективности работы АТП за счет оптимального распределения автобусов по маршрутам является одним из путей повышения эффективности пассажироперевозок. Обеспечение качества пассажироперевозок невозможно без повышения качества принятия решений АСУ. Решение этой проблемы связано с подсистемой интеллектуальной поддержки принятия решений (ИППР) АСУ, который позволяет строить модели управления в условиях неопределенности при управлении сложными объектами. Понятие «модель управления» позволяет раскрыть основные системы управления. Модель управления содержит в себе четыре основные составляющие: модель объекта, модель подсистемы сбора информации, модель закона управления и модель критерия оптимизации. Задача идентификации модели объекта управления является первоначальной по значимости по отношению к задаче построения модели управления этим объектом. Нельзя управлять объектом, если он не идентифицирован или заранее или в процессе управления. Следует заметить, что такой сложный объект как процесс пассажироперевозок характеризуется огромным количеством мультиколлинеарных факторов и неопределенностью структуры, что затрудняет процесс описания внутренних связей и свойств. Модели управления подобными сложными объектами зависят от времени. В данном классе можно выделить подкласс объектов, которые описываются случайными процессами с детерминированными компонентами. Последовательность измерений описывается как детерминированная или, по крайней мере, как частично детерминированная, считая возмущения, поступающие в систему, случайными величинами. В результате выходной сигнал системы становится случайным процессом с детерминированными компонентами. Такие процессы называются квази-стационарными. Управление пассажироперевозками является объектом, описанным такими квази-стационарными процессами, и рассматривается в предлагаемой диссертационной работе. регрессионными моделями, экспериментальным путем. Актуальность темы: Такой объект параметры обычно описываются которых определяют Настоящая работа направлена на решение ряда проблем, связанных с повышением эффективности функционирования подсистемы ИППР АСУ АТП, на основе идентификации пассажироперевозками при модели объекта управления мультиколлинеарности факторов, характеризующих подобный объект. Вопросы формирования и управления системой городского пассажирского транспорта нашли отражения в работах Анисимова А.П. [84], Афанасьева Л.Л. [7], Галушко В.Г.[19], [55], Черкасова О.Н. [94,95] и др. Большой вклад в развитие теории АСУ предприятием и их составляющих внесли работы Норенкова И.П. [56], Вермишева Ю.Х. [12, 13], Бесекерского В. А. [9]. Проблеме идентификации моделей объектов управления в условиях неопределенности посвящено большое количество работ, отечественной, так и в зарубежной литературе. Это работы как в Вапника В.Н. [11], Ивахненко А.Г. [35, 36], Степашко В.С. [38, 87, 88], Юрачковского Ю.П. [99, 100], Цуканова А.В. [108-114], зарубежных ученых Andrews D.W.K. [101], Mallows C. L. [118], Daniels M. J. [105], Miller A.J. [120], Shibata R. [127] и др. Проблема мультиколлинеарности была исследована в целом ряде работ Тихонова А.Н., Арсенина В.Я. [89], Hoerl A. и Kennard R. [115, 116], и др. Однако ряд вопросов связанных с идентификацией модели объекта управления в условиях мультиколлинеарности факторов, остаются открытыми. Современный уровень вычислительной техники позволяет сделать следующий шаг в повышении эффективности решения задачи идентификации рассматриваемого класса объектов за счет интенсивного использования методов имитационного моделирования и новых результатов, полученных в теории управления. Сказанное выше позволяет сделать вывод, что тема работы является полезной для автоматизации процессов управления пассажироперевозками Украины и актуальна на сегодняшний день. Связь с научными программами, планами, темами. Диссертационные исследования выполнены в рамках тематических планов НИР Севастопольского национального технического университета и нашли отражение в работах по хоздоговорным темам: 1460 «Исследование статистических закономерностей в ампелографии/селекции винограда и совершенствовании баз данных/знаний в виноградарстве» - заказчик институт «Магарач» город Ялта, теме «Разработка и исследование системы управления бизнес-процессами малого и среднего предприятия на базе компьютерного тренажера» («Тренажер 2», № госрегистрации 0105u009115), темы «Разработка экономико-математических методов, моделей, информационных технологий и организационных систем управления устойчивым инновационным развитием хозяйствующих субъектов» («Инфоэкономика-2» № госрегистрации 0110U003198), темы «Разработка комплекса методов и средств обеспечения устойчивой эффективности предпринимательской деятельности в условиях обострения конкуренции в связи со вступлением Украины во ВТО» (шифр «Щит» № госрегистрации 0111U003332). Цели и задачи исследования. Целью диссертации является повышение эффективности работы АСУ АТП объекта управления на основе городскими идентификации пассажироперевозками моделей при мультиколлинеарности факторов. Для достижения поставленной цели необходимо решить следующие задачи: 1. Проанализировать и структурировать проблемы функционирования, характерные внутренние подсистемы и связи АСУ АТП, осуществляющего городские пассажироперевозки, проблемы идентификации модели сложного объекта в условиях мультиколлинеарности факторов для подсистемы ИППР в АСУ АТП. 2. Определить параметрической особенности и критерии эффективности процедур идентификации прогнозирующих моделей объекта управления пассажироперевозками. 3. Провести сравнительный анализ и классификацию существующих методов идентификации и оценивания моделей объектов управления при мультиколлинеарности факторов. 4. Разработать и исследовать метод идентификации в условиях неопределенной структуры модели с использованием априорной информации об объекте управления для определения наилучшей прогнозирующей модели при мультиколлинеарности факторов и смещенном оценивании. 5. Определить и исследовать прогнозирующих моделей с коэффициентов модели свойства метода одновременным идентификации смещенным оцениванием и выбором метода оценивания полученных результатов. 6. Разработать прототип информационного и программного обеспечения АСУ АТП для реализации разработанного метода и оценить его качество при помощи имитационного моделирования. 7. Разработать прогнозирующие модели объекта управления пассажироперевозками и оценить коэффициенты прогнозирующих моделей при наличии мультиколлинеарности, смещенном оценивании. 8. Апробировать идентификации структуры модели разработанный объекта интегрированный управления при метод неопределенности модели и мультиколлинеарности данных для повышения эффективности подсистемы ИППР функционирования АСУ АТП. Объект исследования – АСУ АТП, осуществляющего городские пассажироперевозки. Предмет исследования – методы интеллектуального анализа данных в подсистеме ИППР АСУ АТП, позволяющие объекта управления пассажироперевозками, идентифицировать модели обладающие свойствами в условиях мультиколлинеарности факторов. заданными Методы исследования. Для решения поставленных задач в диссертации использовались следующие методы: системного анализа, имитационного компьютерного моделирования, прикладной статистики, матричной алгебры и нелинейного математического программирования. Компьютерное моделирование выполнялось с помощью пакетов MATHCAD, MATLAB, MINITAB. Научная новизна полученных результатов заключается в следующем. 1. Впервые предложен, разработан и реализован интегрированный метод идентификации модели квази-стационарного объекта управления, характеризующегося мультиколлинеарностью факторов, с одновременным выбором структуры модели и параметра регуляризации ридж-оценивания, который позволяет уменьшить величину среднеквадратической ошибки прогноза (СКОП) в заданной области. 2. Впервые разработана итерационная процедура поиска оптимального параметра регуляризации при оценивании ридж-регрессии на основе разработанных аналитических зависимостей для СКОП в заданной области. Процедура позволяет значительно сократить время поиска оптимального параметра регуляризации rOPT . 3. Впервые показано, что разработанный интегрированный метод идентификации объекта управления при мультиколлинеарности факторов имеет меньшее математическое ожидание (МО) СКОП, чем традиционный метод идентификации с применением МНК и критерия Ср-Маллоуза [118] в определенной области параметров. 4. Получил дальнейшее совершенствование и развитие критерий идентификации модели объекта управления Ср–Маллоуза за счет использования для параметров матрицы модели, канонической который формы позволил идентификации модели объекта управления. повысить ридж-оценивания эффективность 5. Получила дальнейшее усовершенствование и развитие подсистема ИППР в АСУ АТП за счет использования интегрированного метода идентификации модели объекта управления пассажироперевозками, позволяющая повысить рентабельность процесса управления городскими пассажироперевозками. Достоверность исследований подтверждалась на базе результатов активного машинного эксперимента и исследований. Практическое значение полученных результатов. 1. Предложенный в диссертации интегрированный метод идентификации модели объекта управления имеет практическое значение для повышения эффективности подсистемы ИППР АСУ АТП, осуществляющего городские пассажироперевозки. 2. Разработанный интегрированный метод внедрен на предприятиях ЧП «Зенит-Автотранс» и ЧП «Северное сияние», г. Севастополь, Украина и показал свою эффективность. Использование разработанного метода позволило оптимизировать численность автобусов на маршрутах указанных АТП с точки зрения рентабельности, тем самым повысить эффективность городских пассажироперевозок.. 3. Получен комплекс математических моделей для подсистемы ИППР АСУ АТП, позволяющий пассажироперевозок прогнозировать рентабельность ЧП «Зенит-Автотранс» и ЧП «Северное сияние», г. Севастополь. 4. Разработанные алгоритмы и прототип программного обеспечения (ПО) интегрированного метода идентификации модели объекта управления в АСУ АТП могут найти применение и дать соответствующий экономический эффект для многих предприятий Украины, занимающихся пассажироперевозками. 5. Предложенный интегрированный в диссертации метод идентификации, а также алгоритмы и программы, разработанные реализации, внедрены процесс в для его учебный Севастопольского национального технического университета и дисциплинах используются в «Эконометрия» и «Моделирование бизнес процессов», а также для курсового проектирования и дипломного для студентов специальности 7.03060101 «Менеджмент организаций администрирования», и специализирующихся информационных в применении технологий в менеджменте. Личный вклад соискателя состоит в том, что все научные и практические результаты, содержащиеся в диссертации, получены самостоятельно. В научных работах, опубликованных в соавторстве, разработано лично: релевантности построена информационной прогнозирующая технологии модель для организации оценки сайта с использованием интегрированного метода идентификации регрессионных моделей [68], разработан алгоритм выбора вида транспортного средства с целью оптимизации итерационной процесса процедуры пассажироперевозок [71], платежей транспортного для перевозок [60], моделирования разработан алгоритм процесса городских построенная имитационная модель лизинговых предприятия с использованием метода имитационного программирования [62, 63], получена матрица канонической формы критерия Ср–Маллоуза в случае оценки коэффициентов модели с помощью ридж-регрессии [122], разработан алгоритм выбора оптимального параметра регуляризации rOPT на основе минимума СКОП при смещенном оценивании параметров регрессионных уравнений [123], получены аналитические зависимости средних значений СКОП по области и в точках плана эксперимента при фиксированной модели исследуемого класса сложных квази-стационарных объектов управления для метода оценивания – ридж-регрессия [76], определены критерии выбора метода оценивания регрессионной модели в условиях мультиколлинеарности разработан интегрированный метод идентификации управления с учетом мультиколлинеарности факторов [61], модели объекта факторов, неопределенной структуры модели и при наличии априорной информации об объекте управления [74], проведены вычислительные эксперименты на ЭВМ, связанные с обработкой, оценкой и прогнозированием результатов исследований, результатов выполнена статистическая обработка исследований, верификация моделей в реальных условиях [58, 59, 62, 63, 68, 72, 74, 122]. Апробация результатов диссертации. Основные положения диссертационной работы докладывались и обсуждались на следующих международных конференциях: и IX всеукраинских Всесоюзной научных и конференции по научно-технических планированию и автоматизации эксперимента в научных исследованиях, Москва, сентябрь 1989 г., зональной научно- технической конференции Пенза, 1989 г., конференции «Технология ремонта машин и механизмов», Крым, май 1994 г., международной научно-практической конференции «Менеджмент малого и среднего бизнеса», международной принятия Севастополь, 2007, 2008, 2009, 2010, 2012 г.г., научной решений и конференции проблемы «Интеллектуальные вычислительного системы интеллекта (ISDMCI’2013)», г. Евпатория, май 2013 г., международном семинаре «Экспериментально-статистическое моделирование материаловедении», Одесса, май 1993, в компьютерном научных семинарах кафедры технической кибернетики, кафедры информационных систем, кафедры математики, кафедры экономики и маркетинга, кафедры менеджмента экономико-математических методов Севастопольского и национального технического университета. Публикации результатов научных исследований. Основные результаты диссертационных исследований опубликованы в печатных трудах, из которых 8 статей в специальных научных изданиях, включенных в перечень Высшей аттестационной комиссии Украины, в том числе 2 зарубежные, 13 работ в трудах конференций и научных сборниках. ЗАКЛЮЧЕНИЕ Общим итогом диссертационной работы является создание комплекса математических моделей, позволяющих повысить эффективность функционирования подсистемы ИППР АСУ АТП на основе идентификации моделей объекта управления городскими пассажироперевозками при мультиколлинеарности факторов, характеризующих данный объект. Результаты работы состоят в следующем. 1. В результате проведенного анализа показано, что ряд вопросов связанных городскими с идентификацией и селекцией модели объекта управления пассажироперевозками в условиях мультиколлинеарности факторов, недостаточно исследован. Одним из перспективных направлений повышения эффективности функционирования подсистемы ИППР АСУ АТП является идентификация моделей объекта управления. Поэтому предложен, разработан и реализован интегрированный метод идентификации модели квази-стационарного объекта управления, характеризующегося мультиколлинеарностью факторов, с одновременным выбором структуры модели и параметра регуляризации ридж-оценивания, который позволяет решить эту проблему. 2. Для разработанного интегрированного метода идентификации получены соответствующие аналитические зависимости СКОП по области и в точках плана эксперимента при фиксированной модели исследуемого класса сложных квази-стационарных объектов управления для метода оценивания - ридж-регрессии и исследованы их свойства. 3. Разработана итерационная процедура поиска оптимального параметра регуляризации при rOPT мультиколлинеарности регрессионной оценивании для модели ридж-регрессии определения на основе в неизвестных минимума СКОП, условиях параметров позволяющая значительно сократить время поиска rOPT . 4. Показано, что разработанный интегрированный метод идентификации объекта управления при мультиколлинеарности факторов имеет меньшее математическое ожидание СКОП, чем традиционный метод идентификации с применением МНК и критерия Ср-Маллоуза в определенной области параметров. 5. Получил дальнейшее совершенствование и развитие критерий идентификации модели объекта управления Ср–Маллоуза за счет использования для параметров матрицы модели, канонической который формы позволил ридж-оценивания повысить эффективность идентификации модели объекта управления, получены области ограничений на прогнозирующие модели, для которых данный критерий более предпочтителен в применении, чем традиционный. 6. Получены прогнозирующие модели объекта управления пассажироперевозками и произведена оценка коэффициентов этих моделей при наличии мультиколлинеарности, смещенном оценивании и ограниченной выборке данных. 7. Разработан прототип информационного и программного обеспечения АСУ для реализации идентификации и разработанного произведена имитационного моделирования. оценка интегрированного его качества при метода помощи 8. Усовершенствована подсистема ИППР в АСУ АТП за счет применения интегрированного метода идентификации модели объекта управления пассажироперевозками. 9. Эффективность разработанного подтверждена документами о внедрении интегрированного метода на предприятиях ЧП « Зенит- Автотранс» и ЧП «Северное сияние», г. Севастополь, Украина. 10. Использование разработанного интегрированного метода разрешило оптимизировать численность автотранспортных средств на маршрутах указанных АТП с точки зрения рентабельности, тем самым повысить эффективность городских пассажироперевозок. СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 1. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности/ под редакцией Айвазяна С.А. М.: Финансы и статистика, 1989.- 607 с.: ил. 2. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. - М.: Финансы и статистика, 1983.- 471 с. 3. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Статистическое исследование зависимостей. - М.: Финансы и статистика, 1983.- 471 с. 4. Алгоритмы и программы восстановления зависимостей// Под ред. В.Н. Вапника. – М.: Наука, 1984. – 816 с. 5. Андерсон Т. Введение в многомерный статистический анализ. - М.: Физматгиз, 1963, с.500, ил. 6. Анисимов А.П. Организация и планирование работы автотранспортных предприятий / А.П. Анисимов // – М.: Транспорт, 2001. – 270с. 7. Афанасьев Л.Л. Автомобильные перевозки / Л.Л. Афанасьев С.М. Уцкербер //– М.: Транспорт, 2000. – 320с. 8. Барсегян А.А. Анализ данных и процессов/ А.А. Барсегян// Спб: БХВПетербург, 2009. – 512 с. 9. Бесекерский В.А., Израинцев В.В. Системы автоматического управления с микро-ЭВМ. – М.: Наука, 1987. – 320 с. 10. Блоч Б., Хуань К. Дж. Многомерные математические методы для экономики. М.: Статистика, 1979.- 317с., ил. - (Математико-статистические методы за рубежом) 11.Вапник В.Н. Восстановление зависимостей по эмпирическим данным. – М.: Наука, 1979. – 448 с. 12. Вермишев Ю.Х. Методы автоматического поиска решений при проектировании сложных технических систем. – М.: Радио и связь, 1982. – 152 с. 13. Вермишев Ю.Х. Основы автоматизации проектирования - М.: Радио и связь, 1988. - 280 с. 14. Виленчик Д.В. Программа построения уравнения регрессии по мультиколлинарным переменным. - Депонировано в ГосФАП СССР(РФАП БССР) 13 мая 1983г., инв. номер ЦИФ ГосФАП П005832. 15. Виленчик Д.В. Смешенное оценивание систем регрессионных уравнений. - Депонировано в ВИНИТИ 2 июля 1982., 3441-82 Деп.- 25 с. 16. Виленчик Д.В., Подвинцев Ю.В. Смещенное оценивание уравнений регрессии случайных полей.- В кн.: Тезисы докладов Всесоюзной конференции "Перспективные методы планирования и анализа экспериментов при исследовании случайных полей и процессов" ч.1. М., 1982, с.15-16. 17. Воронцов К.В. [Электронный ресурс]. Лекции по алгоритмическим – Машинное обучение. // композициям Режим доступа: http://www.machinelearning.ru/wiki/images/0/0d/Voron-ML-Compositions.pdf (дата обращения: 17.03.2012 г.). 18. Вучков И. Прикладной регрессионный анализ / И. Вучков. – М.: Финансы и статистика, 1987. – 239 с. 19.Галушко В.Г. Кoмплексна статистична обробка пасажиропотокiв по часовим перiодам на автотранспортi / В.Г.Галушко // Автомобильный транспорт. – 2004 – N4. – с.87 – 89. 20. Гантмахер Ф.Р. Теория матриц. – М.: Наука, 1971. – 576 с. 21. Гилл Ф., Мюррей У. Численные методы условной оптимизации. М.: Мир, 1977. – 128 с. 22.Гирко В.Л. Предельные теоремы для функций случайных величин. – Киев: Вища школа, 1983. – 207 с. 23.Гирко В.Л. Случайные матрицы. – Киев: Вища школа, 1975. – 448 с. 24.Гирко В.Л. Теория случайных детерминантов. – Киев: Вища школа, 1980. – 368 с. 25.Головаченко С.Л. /Экономика автомобильного транспорта/. С.Л. Головаченко – М.: Высшая школа, 1999. – 352 с. 26. Демиденко У.З. Линейная и нелинейная регрессия. – М.: Финансы и статистика, 1981. - 453 с. 27.Дисперсионная идентификация / под редакцией Н.С. Райбмана. – М.: Наука, 1981. – 336 с. 28.Дрейпер Н., Смит Г. Прикладной регрессионный анализ. M.: Финансы и статистика, 1986. - 443 с. 29.Дубровский С.А. Прикладной многомерный статистический анализ. М.: Финансы и статистика, 1982. – 216 с. 30.Забелин В.Н., Уланова Е.С. Методы корреляционного и регрессионного анализа в агрометрологии / В.Н. Забелин, Е.С. Уланова. – Л.: Гидрометеоиздат, 1990. – 206 с. 31.Закс Л. Статистическое оценивание. – М.: Статистика, 1976. – 598 с. 32.Ивахненко А.Г. Долгосрочное прогнозирование сложными системами. – Киев: Техника, 1975. – 312 с. и управление 33.Ивахненко А.Г. Индуктивный метод самоорганизации моделей сложных систем. – Киев: Наук. Думка, 1982. – 296 с. 34.Ивахненко А.Г. Проблемы расширения пакета прикладных программ для решения задач моделирования на основе МГУА// Программные продукты и системы. – 1991. – № 1. – С. 7-11. 35.Ивахненко А.Г. Системы эвристической самоорганизации в технической кибернетики. – Киев.: Техника, 1971. – 372 с. 36.Ивахненко А.Г., Жолпарский А.А. Оценка коэффициентов полиномов в параметрических алгоритмов МГУА по улучшенному методу инструментальных переменных// Автоматика. – 1992. - № 3. – С.25-33. 37.Ивахненко А.Г., Мюллер Й.А. Самоорганизация прогнозирующих моделей. – Киев: Техника, 1985. – 225 с. 38.Ивахненко А.Г., Степашко В.С. Помехоустойчивость моделирования. – Киев: Наук. Думка, 1985. – 200 с. 39.Ивахненко А.Г., Юрачковский Ю.П. Моделирование сложных систем по экспериментальным данным. – М.: Радио и связь, 1987. – 120 с. 40.Кендалл М. Дж., Стьюарт А. Многомерный статистический анализ и временные ряды. – М.: Наука, 1976. – 736 с. 41.Кендалл М. Дж., Стьюарт А. Статистические выводы и связи. – М.: Наука, 1973. – 890 с. 42.Кокс Д., Снелл Э. Прикладная статистика. Принципы и примеры – М.: Мир, 1984. – 200 с. 43.Кокс Д., Хинкли Д. Теоретическая статистика. – М.: Мир, 1978. – 560 с. 44.Королев Н.С. /Эффективность работы автомобильного транспорта./ Н.С. Королев// – М.: Транспорт, 2002. – 231 с. 45. Кочерга Ю.Л. Оптимизация структуры линейных регрессионных прогнозирующих моделей в условиях неопределенности// Автоматика. – 1992. - № 3. - С. 42-46. 46.Крамер Г. Математические методы статистики. – М.: Мир, 1975. – 648 с. 47.Кудрявцев А.В. Оценки Джеймса – Стейна в ценообразовании и страховании продуктов / А.В. Кудрявцев. – Вестник ИНЖЭКОНа, Серия «Экономика», 2010. С. 37-38. 48.Леман Э. Проверка статистических гипотез. – М.: Наука, 1979. – 408 с. 49.Льюинг Л. Идентификация систем. Теория пользователя. – М.: Наука, 1991. – 432 с. 50.Малинво Э. Статистические методы эконометрии. - М.: Статистика, 1975, - с. 424 51.Малинво Э. Статистические методы эконометрии. - М.: Статистика, 1976, - с. 328 52.Малышев А.И. /Экономика автомобильного транспорта./ А.И. Малышев// – М.: Транспорт, 2003. – 336 с. 53.Межов, В.Е. Модель пассажирских транспортных потоков / В.Е. Межов, О.Н. Черкасов // Управление в социальных и экономических системах: межвуз. сб. науч. тр. / Воронеж. гос. технич. ун-т. – Воронеж, 2002. - С. 36-37. 54.Методика расчета тарифов на услуги пассажирского автомобильного транспорта № 1175 от 17.11 2009 г. с изменениями и дополнениями, внесенными указом министерства инфраструктуры Украины от 8 января 2013 г. 55.Москвичев С.А. Транспорт в инфраструктуре города / С.А.Москвичев // Автомобильный транспорт. – 2004. – N3. – с.12 – 15. 56.Норенков И.П. Основы автоматического проектирования. - Учеб. для вузов. 2-е изд., перераб. и доп. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2002. 336 с.: ил. 57.Перельман И.И. Оперативная идентификация объектов управления. – М.: Энергоиздат, 1982. – 272 с. 58.Потанина М.В. База данных о программных модулях в АСНИ / М.В. Потанина, А.В. Цуканов //Сборник тезисов зональной научно-техн. конф. «Обработка информации в АСНИ» г. Пенза, 1989. – С. 31–32. 59.Потанина М.В. База программных модулей в среде СУБД ПАЛЬМА/ М.В. Потанина, А.В. Цуканов // Деп. в УкрНИИНТИ, 1989. – N 497 – Ук89. С. 26. 60. Потанина М.В. Выбор вида транспорта в логистике/ М.В. Потанина, Е.А. Скворцова//: Сборник Тез. Десятой Междунар. Научн.-практич. конф. Менеджмент малого и среднего бизнеса: Логистика, г. Севастополь, 24-29 сент. 2012 г. – Севастополь: Изд-во СевНТУ, 2012. С. 33-34. 61.Потанина М.В. Выбор метода оценивания регрессионной модели для прогнозирования эффективности технологического процесса ремонта машин и механизмов/ М.В. Потанина, А.В. Цуканов // Сборник тезисов научн.-техн конф. "Технология ремонта машин и механизмов", май Крым. 1994. – Киев: Знание, 1994. – С.84. 62.Потанина М.В. Лизинг как направление повышения эффективности ведения бизнеса транспортного предприятия/ М.В. Потанина, Е.В. Жандарова//: Материалы Шестой Междунар. Научн.-практич. конф. Менеджмент малого и среднего бизнеса: Управление знаниями, г. Севастополь, 24-28 сент. 2007 г. – Севастополь: Изд-во СевНТУ, 2008. С. 100-103. 63.Потанина М.В. Лизинг как направление повышения эффективности ведения бизнеса транспортного предприятия/ М.В. Потанина, Е.В. Жандарова//: Сборник Тез. Шестой Междунар. Научн.-практич. конф. Менеджмент малого и среднего бизнеса: Управление знаниями, г. Севастополь, 24-28 сент. 2007 г. – Севастополь: Изд-во СевНТУ, 2007. – С. 100-101. 64. Потанина М.В. Оптимизация работы городского транспорта для решения задач «Пассажирской логистики» / М.В. Потанина//: Сборник Тез. Десятой Междунар. Научн.-практич. конф. Менеджмент малого и среднего бизнеса: Логистика, г. Севастополь, 24-29 сент. 2012 г. – Севастополь: Издво СевНТУ, 2012. С. 30-31. 65.Потанина М.В. Оценка качества идентификации сложного объекта управления в условиях мультиколлинеарности / М.В. Потанина//: Вестник СевНТУ. Сер. Автоматизация процессов управления: сб. науч. тр. – Севастополь, 2009. – Вып. 95. – С. 135-140. 66.Потанина М.В. Повышение рентабельности процесса городских автобусных пассажироперевозок за счет его оптимизации / М.В. Потанина//: Вісник СевНТУ: зб. Наук. пр. Вип.. 130/2012. Серія: Економіка і Фінанси. – Севастополь, 2012. С. 185-190. 67.Потанина М.В. Построение модели оценки рентабельности автотранспортного средства методом смещенного оценивания параметров регрессионных уравнений / М.В. Потанина// Вестник СевНТУ. Экономика и финансы: Сб. науч. тр., Севастополь, 2008. – Вып. 92. – С. 166-170. 68.Потанина М.В. Построение прогнозирующей модели для оценки релевантности информационной технологии организации сайта/М.В. Потанина, А.В. Цуканов //: Вісник СевНТУ: зб. Наук. пр. Вип.. 131/2012. Серія: Інформатика, електроніка, зв’язок. – Севастополь, 2012. С. 19-23. 69.Потанина М.В. Проблемы повышения рентабельности городских автобусных пассажироперевозок/ М.В. Потанина//: Сборник Тез. Восьмой Междунар. Научн.-практич. конф. Менеджмент малого и среднего бизнеса: Эффективность, конкурентоспособность, устойчивость, г. Севастополь, 2125 сент. 2009 г. – Севастополь: Изд-во СевНТУ, 2009. С. 81. 70.Потанина М.В. Процедура селекции ридж-регрессионных моделей/ М.В. Потанина//: Індуктивне моделювання складних систем: зб. Наук. пр. – Вип. 3. – К.: Міжнар. Науково-навч. Центр інформаційних технологій та систем НАН та МОН України, 2012. – С. 234-235. 71. Потанина М.В. Пути повышения эффективности управления пассажироперевозками в городе/ М.В. Потанина, А.Ю. Кокорина//: Сборник Тез. Восьмой Междунар. Научн.-практич. конф. Менеджмент малого и среднего бизнеса: Эффективность, конкурентоспособность, устойчивость, г. Севастополь, 21-25 сент. 2009 г. – Севастополь: Изд-во СевНТУ, 2009. С. 8586. 72.Потанина М.В. Реляционная база данных по планированию многомерных факторных экспериментов/ М.В. Потанина, А.В. Цуканов //Сборник тезисов IX Всесоюзн. конф. Планирование и автоматизация эксперимента в научных исследованиях», г. Москва, сентябрь 1989. – М.: МЭИ, 1989. – ч.2. – С. 64. 73.Потанина М.В. Решение проблемы повышения эффективности и конкурентоспособности городских пассажироперевозок путем оптимизации автобусных маршрутов/ М.В. Потанина//: Сборник Тез. Девятой Междунар. Научн.-практич. конф. Менеджмент малого и среднего бизнеса: Управление проектами, г. Севастополь, 20-24 сент. 2010 г. – Севастополь: Изд-во СевНТУ, 2010. С. 55. 74.Потанина М.В. Совместный выбор метода оценивания и метода селекции при построении оптимальной регрессионной модели сложного объекта/ М.В. Потанина, А.В. Цуканов //Сборник тезисов международного семинара «Экспериментально-статистическое моделирование в компьютерном материаловедении», г. Одесса, май 1993 г. – Киев: Знание, 1993. – С. 27. 75. Потанина М.В. Сравнительный анализ качества регрессионных моделей при использовании регуляризованных оценок Джеймса – Стейна и ридж-регрессии/ М.В. Потанина//: Вісник СевНТУ: зб. Наук. пр. Вип.. 125/2012. Серія: Автоматизація процесів та управління. – Севастополь, 2012. С. 227-231. 76.Потанина М.В. Сравнительный анализ эффективности процедуры селекции переменных и ридж-регрессии / М.В. Потанина, А.В. Цуканов // Деп. в ГНТБ Украины № 1652-УК94, 1994. С. 10. 77.Райбман Н.С. Что такое идентификация? М.: Наука, 1970. – 324 c. 78.Рао С.Р. Линейные статистические методы и их применения. – М.: Наука, 1968. – 547 с. 79.Расстригин Л.А. Системы экстремального управления. – М.: Наука, 1974. – 623 с. 80.Расстригин Л.А., Маджаров Н.Е. Введение в идентификацию объектов управления. – М.: Энергия, 1977. – 216 с. 81.Репин В.Г., Тартаковсий Г.П. Статистический синтез при априорной неопределенности и aдаптация информационных систем. – М.: Радио и связь, 1977. – 432 с. 82.Романов В.Л. Выбор наилучшей линейной регрессии: сравнение формальных критериев// Заводская лаборатория. – 1990. – №1. – С.90-95. 83.Савицкая Г.В. Анализ хозяйственной деятельности предприятия. – М.: Инфра-М, 2009 г. – 536 с. 84.Скурихин В.М., Шифрин В.Б., Дубровский В.В. Математическое моделирование. – К.: Техніка, 1983. – 270 с. 85. Советов Б.Я., Яковлев С.А. Моделирование систем: Учебник для вузов. – М.: Высшая шк., 1988. – 320 с. 86.Современные методы идентификации систем / под редакцией П. Эйкхоффа. – М.: Мир, 1983. – 400 с. 87.Степашко В.С. Асимптотические свойства выбора моделей// Автоматика. – 1988. - №6. – С. 65-70. 88.Степашко В.С. Структурная идентификация прогнозирующих моделей в условиях планируемого эксперимента// Автоматика. – 1992. - №1. – С. 2635. 89.Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач / А.Н. Тихонов, В.Я. Арсенин. – М.: Наука, 1974. – 276 с. 90. Томашевський В.М. Моделювання систем. – К.: Видавнича група ВНV. 2005. – 352 с. 91.Федоров В.В. Теория оптимального эксперимента. – М.: Наука, 1971. – 312 с. 92.Фишер Ф. Проблема идентификации в эконометрии. М.: Статистика, 1978. – 233 с. 93. Хартман К., Э. Лецкий, В. Шефер. Планирование эксперимента в исследовании технологических процессов. - М.: Мир, 1977. – 552 с. 94. Черкасов О.Н. математического Принципы и модель формирования структуры обеспечения управления автотранспортными предприятиями / О.Н. Черкасов //Научный журнал КубГАУ, № 76(02), 2012. – С. 1 – 10. 95. Черкасов, О.Н. Декомпозиция задач принятия информационной среде управления предприятием решений в / О.Н. Черкасов, Г.Е. Ковалев, Ю.К. Фортинский // Интеллектуальные информационные системы: тр. всерос. конф./ Воронеж. гос. технич. ун-т. – Воронеж, 2005. – С. 71 – 77. 96.Шметтеррер Л. Введение в математическую статистику. – М.: Наука, 1976. – 520 с. 97.Эйкхофф П. Основы идентификации систем управления. – М.: Мир, 1978. – 418 с. 98.Эфрон Б. Нетрадиционные методы многомерного статистического анализа. – М.: Финансы и статистика, 1988. – 263 с. 99. Юрачковский Ю.П. Структурное моделирование по выборкам Оптимальное разбиение наблюдений// Автоматика. – 1983. – №1. – С. 30-38. 100. Юрачковский Ю.П., Грошков А.Н. исходных данных на обучающую и проверочную последовательности на основе анализа функций распределения критерия// Автоматика. – 1980. - №2. – С. 5-12. 101. Andrews D.W.K. Consistent Moment Selection Procedures for Generalised Method of Moment Estimation // Econometrica. 1999. – Vol. 67, № 3. – P. 543 – 564. 102. Baltagi B.H. Econometric Analysis of Panel Data. New York: Wiley, 1995. 398p. 103. Bradlow E. T., Zaslavsky A. M. A Hierarchical Latent Variable Model for Ordinal Data From a Customer Satisfaction Survey With “No Answer” Responses // Journal of the American Statistical Association. – 1999. – Vol. 94, № 445. – P. 43 – 52. 104. Chen J., Gupta A.K. Nesting and Location Variance Changepoints With Application to Stock Prices // Journal of the American Statistical Association. 1999. – Vol. 92, № 438. – P. 739 – 747. 105. Daniels M.J., Gatsonis C. Hierarchical Generalized Linear Models in the Analysis of Variations in Health Care Utilization// Journal of the American Statistical Association. – 1999. – Vol. 94, № 445. – P. 29 – 43. 106. Gauch H.G. Jr. Model Selection and Validation for Yield Trials with Interaction // Biometrics. 1988. – 44. – P. 705 – 715. 107. Goldstein M., Smith A. Ridge – type estimators for regression analysis// J.Roy. Stat. Soc. – Ser. B. – V. 36. – 1974. – P. 284-291. 108. Herzberg A. M., Tsukanov A.V. The Monte-Carlo comparison of two criteria for the selection of the models // Journal of Statistical Computation and Simulation. GB: Gordon and Breach, 1985. N. 22.- P. 113-126. 109. Herzberg A.M., Tsukanov A.V. A Note on Modification of the Jackknife Criterion for Model selection.// Utilitas Mathematica. – Winnipeg, 1986. - №29. P. 209-216. 110. Herzberg A.M., Tsukanov A.V. A Note on the Choice of the Best Selection Criterion for the Optimal Regression Model // Utilitas Mathematica. – 1999. – Vol. 55. P. 243 – 254. 111. Herzberg A.M., Tsukanov A.V. The design of Experiment for Model selection: Minimization of the Expected Mean-Squared Error // Utilitas Mathematica. – 1995. – Vol. 47. P. 85 – 96. 112. Herzberg A.M., Tsukanov A.V. The design of Experiment for Model selection with the Jackknife Criterion// Utilitas Mathematica. – Winnipeg, 1985. №29. P. 209-216. 113. Herzberg A.M., Tsukanov A.V. The Design of Experiments for Model Selection // Proceedings of the 1st World Congress of the Bernoulli Society. – 1987. – Vol. 2. – P. 175 – 178. 114. Herzberg A.M., Tsukanov A.V. The Monte-Carlo Comparison of two Criteria for the Selection of Models// J. Statist. Comput. Simul. – 1985. – Vol. 22. – P. 113 – 126. 115. Hoerl A., Kennard R. Ridge regression: biased estimation for no orthogonal problems//Technometrics. – V. 12. – 1970. – P. 55-67. 116. Hoerl A., Kennard R., Baldwin K. Ridge regression: some simulation// Comm. Stat. – V. 4. – 1975. – P. 105-123. 117. James M., Stein C. Estimation with quadratic loss/Proc. Fourth Berkeley Symp. Math. Stat. Prob. - V. 1. – 1961. – P. 361-379. 118. Mallows C. L. Some Comments on Cp. // Technometrics. 1973. – Vol. 15, № 4. — P. 661— 676. 119. María Carina Roldan. Pentaho 3.2 Data Integration: Beginner's Guide. Packt Publishing, 2010. – 492. 120. Miller A.J. Subset Selection in Regression. - London: Chapman and Hall, 1990. – 240 p. 121. Obenchain. Good and optimal ridge estimations// Ann. Stat. – V. 6. – 1978. – P. 111-1112. 122. Potanina M.V. The choice of the estimation method for the selection of the optimal regression model of a complex object/ M. V. Potanina, A.V. Tsukanov// Advances in modeling & analysis. – 1995. – Ser.B. – V.22. – N3. – P.55-63. 123. Potanina M.V. The comparison analysis of the efficiency of the selection method of variable and ridge regression/ M. V. Potanina, A.V. Tsukanov// Systems control information Methodologies & application. – AMSE, China 1995. – P. 279-283. 124. Pulvirenti Adrian Sergio, Roldan Mar a Carina. - Pentaho Data Integration 4 Cookbook. - Packt Publishing, 2011. – 352. 125. Ronchetti E., Field C., Blanchard W. Robust Linear Model Selection by Cross-Validation // Journal of the American Statistical Association. – 1997. – Vol. 92, № 439. – P. 1017 – 1023. 36 126. Shao J. Bootstrap Model Selection // Journal of the American Statistical Association. – 1996. – Vol. 91, № 434. – P. 655 – 665. 127. Shibata R. Regression variables, selection// Encyclopedia of Stat. Sciences. - 1986. V.7. – P. 709-714. 128. Sitter R.R. Variance Estimation for the Regression Estimator in Two-Phase Sampling // Journal of the American Statistical Association. 1999. – Vol. 92, № 438. – P. 780 – 787. 129. Teylor S.J. Modelling Financial Time Series. — Chichester : Wiley, 1986. — 507 p. 130. Theobald C. Generalization of mean square error applied to ridge regression// J. Roy. Stat. Soc. – ser. B. – V. 36. – 1974. – P. 103-106. Для заказа доставки работы воспользуйтесь поиском на сайте http://www.mydisser.com/search.html
