авторефераты диссертаций БЕСПЛАТНАЯ РОССИЙСКАЯ БИБЛИОТЕКА - WWW.DISLIB.RU

АВТОРЕФЕРАТЫ, ДИССЕРТАЦИИ, МОНОГРАФИИ, НАУЧНЫЕ СТАТЬИ, КНИГИ

 
<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 | 2 || 4 |

МЕТОДИЧЕСКОЕ ОБЕСПЕЧЕНИЕ АВТОМАТИЗИРОВАННОЙ ОЦЕНКИ ПРОФЕССИОНАЛЬНОЙ ГОТОВНОСТИ АВИАЦИОННЫХ СПАСАТЕЛЕЙ К ДЕЯТЕЛЬНОСТИ ПО ЛИКВИДАЦИИ ЧРЕЗВЫЧАЙНЫХ СИТУАЦИЙ В УСЛОВИЯХ

-- [ Страница 3 ] --

По этой матрице были рассчитаны главное собственное значение (max), компоненты вектора приоритетов = (0,6491; 0,2789; 0,0719), индекс согласованности (ИС) и отношение согласованности (ОС):

max=3,0648; ИС=0,0324; ОС=0,0559.

Таким образом, в результате использования метода анализа иерархий было синтезировано решающее правило, позволяющее оценить вклад каждой методики в определение класса функциональной надежности:

,

где pi1, pi2, pi3 – апостериорные вероятности отнесения объекта к i-му классу функциональной надежности, полученные по результатам применения дискриминантного анализа к данным обследования спасателей методиками ВСР, ГД, ПФ соответственно.

Поиск решающего правила для определения принадлежности обследуемых лиц к классам функциональной надежности производился также в нейросетевом базисе. Исходя из того, что решаемая в данном исследовании задача относится к классу задач распознавания с использованием обучения «с учителем», применялись следующие искусственные нейронные сети (ИНС): многослойные персептроны (МП), сети на радиальных базисных функциях (РБФ), вероятностные нейронные сети (ВНС). Для понижения размерности входов нейронной сети и выбора подходящей комбинации входных переменных использовался генетический алгоритм, значительно сокращающий вычислительную стоимость перебора различных битовых масок, накладываемых на вектор входных переменных. Целевая функция была представлена в виде вероятностной нейронной сети [Goldberg, 1989].

С помощью программного эмулятора были синтезированы различные типы нейросетевых топологий и проведена структурная и параметрическая адаптация решающего правила применительно к цели исследования. Полигоном структурной адаптации для многослойных персептронов являлась сеть с количеством слоев не более 3 и количеством нейронов в слое не более 64. Полигоном параметрической адаптации для них являлась совокупность параметров скорости и момента µ обучения в алгоритме обратного распространения ошибки, которые задавались в диапазонах соответственно [0,001,…,0,1] с шагом 0,001 и [0,3…0,9] с шагом 0,1. Начальный разброс весов полагался =0,3.

В процессе поиска ИНС, имеющей наименьшую ошибку на контрольном наборе примеров, была найдена структура ИНС, которая способна эффективно решать задачу распознавания класса функциональной надежности (таблица 5).

Таблица 5. Результаты структурной и параметрической адаптации решающего правила нейронной сети

№пп Тип сети Кол-во входов µ Точность прогноза
1 МП 24 0,01 0,951 0,09 0,56 - 89,1
2 МП 48 0,121 0,913 0,10 0,51 - 88,6
3 МП 116 0,358 0,837 0,25 0,40 - 86,4
4 РБФ 26 0,267 0,849 - - 0,08 85,9
5 ВНС 24 0,286 0,896 - - 0,06 85,8

В этой таблице:

– минимум функции суммарной квадратичной ошибки на контрольной выборке [С.Хайкин, 2006]; R2 - коэффициент детерминации:

,

где – наблюдаемые и предсказанные значения выходов ИНС i=1…n;

- среднее значение .

–изменяемый параметр сглаживания функции Гаусса [Spech D., 1990].

Для обучения МП использовался алгоритм обратного распространения ошибки [А.И.Галушкин, 1974], в котором для надежного нахождения глобального минимума функции суммарной квадратичной ошибки важную роль играют изменяемые параметры скорости - и момента - µ обучения, связанные уравнением:

,

где - весовой коэффициент нейронной сети между i-м и j-м узлами МП; - поправка к весовому коэффициенту на t-й эпохе обучения.

В результате обучения и тестирования различных типов ИНС с различными параметрами, было определено, что, для решения поставленной задачи можно использовать искусственную нейронную сеть – многослойный персептрон, со следующими характеристиками: активационная функция нейрона – сигмоидальная, количество входов – 24, внутренних слоев – 2, каждый их которых содержит по 16 нейронов, количество выходов – 4.

Для следующих двух компонентов ПГ, физической работоспособности и психологической готовности решающие правила представляют собой линейные дискриминантные функции.

Система линейных дискриминантных функций для показателей, определяющих физическую работоспособность (F2):

Z1=2,54+1,12ЧСС3,95ЧСС+2.15Т +3.08B,

Z2=2,95+2,18ЧСС3,45ЧСС+2.54Т +4.14B,

Z3=3,55+2,91ЧСС4,12ЧСС+2.74Т +6.04B,

Z4=3,87+3,10ЧСС4,55ЧСС+2984Т +7.78B,

где: ЧСС –частота сердечных сокращений непосредственно после окончания движения, уд/мин; ЧСС – разность частоты сердечных сокращений перед стартом и непосредственно после окончания движения, уд/мин; Т – время преодоления дистанции с перепадом высот 500 м, углом наклона трассы 25 градусов на высоте 2000 м, мин; B – субъективная тяжесть испытываемой нагрузки по шкале Борга в баллах. Правильные решения составляют не менее 90,6 %. F(4;316) = 63,5; p< 0,001.

Система ЛДФ для группы психологических методик, определяющих класс психологической готовности (F3):

Z1=106,85+11,10S13,56A12.19N+21,75ST+44,53LT+21,40M14.21R,

Z2=72,45+9,10S18,58A13.13N+18,31ST+34,88LT+24,43M16.45R,

Z3=59,30+7,14S19,56A14.19N+17,78ST+25,11LT+34,20M18.25R, Z4=39,85+3,44S19,96A16.19N+16,53ST+14,53LT+43,10M21.95R,

где: S - самочувствие, A - активность, N - настроение, LT –личностная тревожность, ST – ситуативная тревожность, M – уровень мотивации, R – готовность к риску. Правильные решения составляют не менее 84,4%. F(4;316) = 14,8; p< 0,001.

Последние два компонента ПГ определяются с помощью решающих правил, представленных в виде линейной шкалы оценок.

Класс технической подготовленности (F4) определяется по сумме набранных баллов, выставляемых инструкторами за 11 тестовых упражнений, в зависимости от попадания в соответствующий диапазон (таблица 6).

Таблица 6. Определение класса технической подготовленности

Сумма баллов Класс технической подготовленности
(23…33) 1
(17…22) 2
(11…16) 3
(0…10) 4

Класс тактической подготовленности (F5) определяется по сумме набранных баллов за решение 5 ситуационных задач, в зависимости от попадания в соответствующий диапазон (таблица 7).

Таблица 7. Определение класса тактической подготовленности

Сумма баллов Класс тактической подготовленности
(11…15) 1
(9…10) 2
(5…8) 3
(0…4) 4

Результаты классификации по разработанным решающим правилам функциональной надежности, физической работоспособности, психологической готовности спасателей во время прохождения учебных сборов в высокогорье представлены в таблицах 8 – 12.

Таблица 8. Результаты оценки класса функциональной надежности

Функциональная надежность Фактический класс Итого Точность оценки, %
I II III IV
По результатам распознавания I 23 1     24 95,80
II 1 29 1   31 93,50
III   1 4   5 80,00
IV       4 4 100,00
Итого 24 31 5 4 64 93,80

Количество ошибочных решений 1-го рода – 2 (3,1%)
Количество ошибочных решений 2 -го рода – 2 (3,1%)
Точность оценки – 93,8%

Таблица 9. Результаты оценки класса физической работоспособности

Физическая работоспособность Фактический класс Итого Точность оценки, %
I II III IV
По результатам распознавания I 15 1     16 93,80
II   25 2   27 92,60
III   1 12 1 14 85,70
IV     1 6 7 85,70
Итого 15 27 15 7 64 90,60

Количество ошибочных решений 1-го рода – 2 (3,1%)
Количество ошибочных решений 2 -го рода – 4 (6,2%)
Точность оценки – 90,6%

Таблица 10. Результаты оценки класса психологической готовности

Психологическая готовность Фактический класс Итого Точность оценки, %
I II III IV
По результатам распознавания I 14 1     15 93,30
II 2 12 2   16 75,00
III   1 11 3 15 73,30
IV     1 17 18 94,40
Итого 16 14 14 20 64 84,40

Количество ошибочных решений 1-го рода – 4 (6,2%)
Количество ошибочных решений 2 -го рода – 6 (9,4%)
Точность оценки – 84,4%

Таблица 11. Результаты оценки класса технической подготовленности

Техническая подготовленность Фактический класс Итого Точность оценки, %
I II III IV
По результатам распознавания I 16 1     17 94,10
II   16 2   18 88,90
III   1 12 2 15 80,00
IV     2 12 14 85,70
Итого 16 18 16 14 64 87,50

Количество ошибочных решений 1-го рода – 3 (4,7%)
Количество ошибочных решений 2 -го рода – 5(7,8%)
Точность оценки – 87,5%

Таблица12. Результаты оценки класса тактической подготовленности

Тактическая подготовленность Фактический класс Итого Точность оценки, %
I II III IV
По результатам распознавания I 6 1     7 85,70
II 1 24 2   27 88,90
III   2 12 2 16 75,00
IV     2 12 14 85,70
Итого 7 27 16 14 64 84,40

Количество ошибочных решений 1-го рода – 5 (7,8%)
Количество ошибочных решений 2 -го рода – 5 (7,8%)
Точность оценки – 84,4%

Ошибочное решение первого рода состоит в том, что будет отвергнута правильная гипотеза о принадлежности к классу, а ошибочное решение второго рода состоит в том, что будет принята неправильная гипотеза о принадлежности к классу.

Точность распознавания принадлежности обследуемых к классам функциональной надежности, физической работоспособности, психологической готовности, технической подготовленности, тактической подготовленности для различных решающих правил представлена в таблице 13.

Таблица 13. Решающие правила для компонентов профессиональной готовности

№ пп Компоненты профессиональной готовности Методики Решающие правила Точность оценки
1 Функциональная надежность ВСР показатели и их разность после и до нагрузки Дискриминантная функция 85,7%
Гемодинамика показатели и их разность после и до нагрузки Дискриминантная функция 83,0%
КЧСМ показатели и их разность после и до нагрузки Дискриминантная функция 86,8%
РДО показатели и их разность после и до нагрузки
Стабилография, показатели и их разность после и до нагрузки
Все методики Синтез интегрального показателя 93,8%
Все методики Дискриминантная функция 87,4%
Все методики Искусственная нейронная сеть 89,1%
2 Физическая работоспособность Преодоление перепада высоты 500 м. с измерением ЧСС и тяжести испытываемой нагрузки по шкале Борга Дискриминантные функции 90,6%
3 Психологическая готовность САН Дискриминантные функции 84,4%
Тревожность
Мотивация
Склонность к риску
4 Техническая подготовленность Оценка по 11 тестам технических умений Шкала оценивания 87,5%
5 Тактическая подготовленность Оценка решений 5 ситуационных задач Шкала оценивания 84,4%


Pages:     | 1 | 2 || 4 |
 








 
© 2013 www.dislib.ru - «Авторефераты диссертаций - бесплатно»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.