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 || 3 |

Методы нелинейной динамики для двухуровневого моделирования задач управления ресурсами здравоохранения

-- [ Страница 2 ] --

где индексом , перенумерованы недели каждого месяца этого периода.

С целью визуализации на рис.2 дано графическое представление этого ряда в виде гистограммы.

По результатам предпрогнозного фрактального анализа исследуемый временной ряд (1) обладает долговременной памятью, глубина которой оценена в терминах нечетких множеств.

Для отражения в клеточном автомате долговременной памяти, присущей рассматриваемому временному ряду, предлагается использовать интервальные значения прогнозируемых показателей, для чего всю область значений наблюдаемых показателей разделяем на 3 интервала: низкий уровень (Н), средний уровень (С), высокий уровень (В). Если каждому числовому значению элементов рассматриваемого временного ряда поставить в соответствие один из этих интервалов, то получим интервальный временной ряд или, в другой терминологии, лингвистический временной ряд.

 - Гистограмма агрегированного временного ряда еженедельных-63

Рис. 2. - Гистограмма агрегированного временного ряда еженедельных показателей поступления больных в отделение пульмонологии республиканской больницы КЧР за период с 01.01.07 по 27.12.09.

Автором предлагается строить лингвистический временной ряд вида , . (2), на базе интервального подхода путем построения верхней и нижней огибающих ломаных для столбцов гистограммы на рис.2. Предлагаемый алгоритм преобразования числового временного ряда в лингвистический временной ряд состоит из трех этапов.

Первый этап начинается с визуализации гистограммы, представляющей ряд (1). На этой гистограмме выделяем жирными точками столбики, представляющие явно большое (малое) количество зарегистрированных больных в течение наблюдаемой недели. Далее, соединяя соседние жирные точки пунктирными отрезками, получаем, как показано на рисунке 3, верхнюю огибающую ломанную (ВОЛ) и нижнюю огибающую ломанную (НОЛ).

На втором этапе последовательно для каждого столбика гистограммы рассматриваем отрезок, соединяющий точку его пересечения с НОЛ точкой его пересечения с ВОЛ. Этот отрезок делим на три равновеликих интервала: нижний, средний и верхний. Отмечаем на каждом из таких отрезков концы среднего интервала, после чего каждую пару соседних верхних (нижних) концов средних интервалов соединяем пунктирным отрезком, в результате чего получаем границы срединной области гистограммы (СОГ).

На третьем этапе исследуемый временной ряд преобразуем в лингвистический временной ряд вида (2), осуществляя окрашивание каждого столбика гистограммы, как показано на рис.3. Рассматривая й столбик этой гистограммы, элемент заменяем термом , если верх столбика находится ниже СОГ, иначе заменяем термом С, если его верх принадлежит СОГ и, наконец, заменяем термом В, если верх этого столбика находится выше СОГ. Работа третьего этапа, а вместе с ним и работа алгоритма заканчивается тогда, когда последний элемент ряда (1) заменяется соответствующим термом. Тем самым лингвистический временной ряд (2) считается построенным.

Полученный для агрегированного временного ряда еженедельного поступления больных в отделение пульмонологии (1) лингвистический ВР (2) представлен таблицей 2..

Временные ряды вида (1) и (2) обладают долговременной памятью. Последнее означает, что такие ряды аккумулируют предыдущую информацию о количестве поступивших больных и степень его влияния на последующее число поступления больных в отделение.

Таблица 2..Лингвистический временной ряд еженедельной регистрации больных в отделении пульмонологии.

1

Н

21

В

41

В

61

Н

81

Н

101

В

121

С

141

С

2

С

22

Н

42

Н

62

С

82

С

102

С

122

В

142

Н

3

В

23

Н

43

С

63

С

83

В

103

С

123

Н

143

С

4

С

24

С

44

С

64

С

84

Н

104

С

124

Н

144

Н

5

В

25

Н

45

Н

65

С

85

С

105

Н

125

С

145

С

6

В

26

Н

46

С

66

Н

86

С

106

В

126

Н

146

Н

7

В

27

Н

47

В

67

В

87

С

107

В

127

С

147

В

8

С

28

С

48

Н

68

Н

88

С

108

С

128

С

148

С

9

В

29

Н

49

Н

69

С

89

Н

109

С

129

В

149

Н

10

С

30

Н

50

С

70

Н

90

С

110

В

130

С

150

С

11

Н

31

Н

51

С

71

Н

91

С

111

В

131

С

151

С

12

С

32

С

52

Н

72

В

92

С

112

В

132

Н

152

Н

13

С

33

Н

53

Н

73

С

93

В

113

В

133

С

153

Н

14

Н

34

С

54

В

74

Н

94

Н

114

Н

134

С

154

В

15

С

35

В

55

С

75

С

95

С

115

Н

135

Н

155

Н

16

С

36

Н

56

С

76

Н

96

С

116

С

136

В

156

С

17

С

37

С

57

С

77

С

97

Н

117

С

137

С

157

Н

18

Н

38

С

58

В

78

Н

98

Н

118

С

138

Н

19

Н

39

Н

59

С

79

Н

99

С

119

В

139

В

20

С

40

С

60

С

80

Н

100

В

120

С

140

Н

Автором сформулировано предложение представлять наличие в лингвистическом временном ряде долговременной памяти в терминах и понятиях клеточного автомата, в частности, линейного клеточного автомата. Работу клеточного автомата в рамках предлагаемой прогнозной модели организуем следующим образом.

Если в лингвистическом временном ряде (2) выделен отрезок , совпадающей с какой-либо фиксированной -конфигурацией вида (3), т.е. , , то по отношению к следующему элементу , условимся говорить, что -конфигурация (3) переходит в состояние , т.е. в лингвистическую переменную , совпадающую с термом .

В предлагаемом автором подходе базовым является следующее теоретическое предположение. Пусть последовательность , (4) неограниченно растет, т.е. в ряду , значение параметра .

Если в этой сколь угодно длинной последовательности некоторая конкретная фиксированная конфигурация (4) появляется, и при этом всякий раз после нее следует переход в одно и тоже состояние , то говорим, что конфигурация (3) обладает памятью. –-103, то говорим, что конфигурация (3) обладает памятью.

Рис. 3. – Гистограмма начального отрезка лингвистического временного ряда числа зарегистрированных больных в отделении пульмонологии после этапов.

Пусть терм-множество имеет мощность . Тогда, если имеют место перемежающиеся переходы в два фиксированные состояния, то говорим, что -конфигурация (4) обладает частичной памятью. Если же фиксированная конфигурация демонстрирует переходы в каждое из трех состояний Н,С,В, то говорим, что данная конфигурация не обладает памятью. Эту память можно представить либо комбинаторно, либо в форме ориентированных двудольных графов.

Таблица 3 – Статистика переходов и оценка памяти соответствующих конфигураций в ЛВР (2)

конфигурации

Всего конфигураций шт.

Всего переходов шт.

Из них переходов

Память

1-знач-ных шт.

2-знач-ных шт.

3-знач-ных шт.

Полная %

Частич- ная %

Отсутствие памяти %

1

3

156

0

0

3

-

-

100

2

9

151

0

1

8

-

11,1

88,9

3

26

151

4

9

13

15,4

34,6

50

4

61

152

31

23

7

51

38

11

5

98

149

73

23

2

74

23

3

6

126

149

112

13

1

89

10

1

7

141

145

138

3

-

97,8

2,2

-

8

143

146

140

3

-

97,9

2,1

-

9

145

146

144

1

-

99,3

0,7

-

10

145

146

144

1

-

99,3

0,7

-

11

145

146

144

1

-

99,3

0,7

-

12

145

145

145

-

-

100

-

-

Итого

1187

1782

1075

78

34

-

-

-

Переходы всех конфигураций с частотами и частостями этих переходов представляют собой память клеточного автомата, являющуюся составной частью математической модели, предназначенной для прогнозирования лингвистического временного ряда (2).(Таблица 3) По составу представленной выше памяти клеточного автомата можно сказать, что выявлено наличие и глубина памяти лингвистического временного ряда (2). Длина отрезка лингвистического временного ряда, не превосходящая 12, определяет состояние прогнозируемого показателя на очередном временном шаге.

Шаг 2. Формирование прогнозных значений для лингвистического временного ряда, верификация и валидация прогнозной модели.

Для конкретного лингвистического временного ряда, представленного табл. 3 осуществим прогнозирование неизвестного терма на основании - конфигураций сформированного множества и с учетом вычисленных выше и представленных в табл.4 частостей, для , где глубина памяти в лингвистическом временном ряде (2).

Таким образом, прогнозное значение количества поступления больных в отделение пульмонология для представляется в виде нечеткого терм-множества . В лингвистических переменных этот прогноз можно сформулировать следующим образом: в первую неделю января 2010 года ожидается средний поток больных или, что менее вероятно, высокий, что соответствует реальности.

Таблица 4. Результат реализации процесса валидации прогнозной модели для отрезка ЛВР (2), состоящего из уровней

Прогноз.

неделя

-

конфигура-ция

Прогнозное

нечеткое терм-множество

Исходные термы

Исход.

числ. данные

ед.

Числен-ный

прог-ноз,

ед.

Пог-реш-ность

числ.

прог-ноз.

Ре- зуль-

тат

вали-дации

По-греш- ность валида- ции

%

Прог-ноз линг-висти-ческий

1

2

4

5

6

7

8

9

10

11

157

Н Н В Н С

U={(Н;0,5), (С;0,37), (В;0,11)}

Н

16

24

50%

25

50%

Н

156

Н Н В Н

U={(Н;0,23), (С;0,7), (В;0,05)}

С

25

25

0%

25

0%

С

155

С С Н Н В

U={(Н;0,8),(С;0,13), (В;0,008)}

Н

22

24

9%

25

14%

С

154

С Н С С Н Н

U={(Н;0,19), (С;0,28), (В;0,53}

В

37

32

14%

35

5%

В

153

В С Н С СН

U={(Н;0,19), (С;0,60), (В;0,21)}

Н

21

25

19%

26

24%

С

152

В С Н С С

U={(Н;0,54), (С;0,32), (В;0,14)}

Н

21

24

14%

24

14%

Н

151

Н В С Н С

U={(Н;0,37), (С;0,48), (В;0,25)}

С

25

25

0%

25

0%

С

150

С Н В С Н

U={(Н;0,12), (С;0,45), (В;0,43)}

С

25

28

12%

29

16%

С

149

С Н В С

U={(Н;0,58), (С;0,32), (В;0,10)}

Н

21

23

10%

24

14%

Н

148

Н С Н В

U={(Н;0,38), (С;0,40), (В;0,22}

С

27

28

4%

27

0%

С

147

С Н С Н СН

U={(Н; 0,05), (С;0,46), (В;0,49)}

В

35

32

9%

29

0%

В

146

С Н С Н С

U={(Н;0,47), (С;0,33), (В;0,2)}

Н

21

23

10%

26

17%

Н

Итого

Средняя погрешность

12%

14%

9%

Шаг 3. Получение числового прогноза и оценка его точности.

Осуществим трансформацию прогнозного нечеткого лингвистического множества в числовой прогноз с помощью известной процедуры дефазификации нечеткого множества.

Пусть получено лингвистическое прогнозное значение

.

(5)

Приведем описание процесса преобразования нечеткого лингвистического множества (5) в числовое (классическое) нечеткое множество(НМ)

.

(6)



Pages:     | 1 || 3 |
 





 
© 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.