Работа посвящена вопросам разработки программного комплекса интеллектуальной системы принятия решений в задачах управления процессами функционирования объектами ядерной энергетики. Показано, что построение программного комплекса требует выбора структуры на основе анализа поставленных перед программным обеспечением задач. С учётом разработанного математического обеспечения, реализованного в виде комплекса математических моделей, позволяющих производить анализ данных путём обработки входной информации, и алгоритмов, выполняющих формирование структуры системы, её оптимизацию и обеспечивающих её работу, были определены и реализованы следующие основные функции: формирование регрессионной модели в зависимости от входного информационного потока информативных данных; формирование нейросетевой структуры в зависимости от входного информационного потока данных; настройка параметров системы с целью обеспечения требуемого качества её функционирования; визуальное отображение информации о качестве функционирования программного обеспечения; обеспечения хранения данных в доступной и удобной для понимания форме; обеспечение хранения настраиваемых параметров системы и их динамики в процессе обучения ANFIS-подобной нейросетевой модели. Предложенные инженерные решения позволили повысить качество принятия решений за счет оперативности и достоверности обрабатываемой информации, а также за счет снижения общей ошибки прогноза.
The work is devoted to the development of the software complex of the intellectual decision-making system in the problems of management of the processes of functioning of nuclear power facilities. It is shown that the construction of the software complex requires the choice of structure based on the analysis of the tasks assigned to the software. Taking into account the developed mathematical software, implemented in the form of a set of mathematical models that allow to analyze data by processing the input information, and algorithms that perform the formation of the system structure, its optimization and ensure its operation, the following main functions were identified and implemented: the formation of a regression model depending on the input information flow of informative data; the formation of a neural network structure depending on the input information flow of data; configuration of system parameters in order to ensure the required quality of its functioning; visual display of information about the quality of the software; providing data storage in an accessible and easy to understand form; providing storage of configurable system parameters and their dynamics in the learning process ANFISlike neural network model. The proposed engineering solutions have improved the quality of decision-making due to the efficiency and reliability of the processed information, as well as by reducing the overall error of the forecast.
The authors declare that there are no conflicts of interest present.