Improving diagnostic models for forecasting the behavior of dams equipped with automated monitoring systems

• Veröffentlicht in: Математичне моделювання в економіці
• Datum: 2017
• 1. Verfasser: Stefanyshyn, D.V.
• Format: Artikel
• Sprache: Englisch
• Veröffentlicht: Інститут телекомунікацій і глобального інформаційного простору НАН України 2017
• Schlagworte: Analysis, evaluation and forecasting in economy
• Online Zugang: https://nasplib.isofts.kiev.ua/handle/123456789/131920
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Zitieren: Improving diagnostic models for forecasting the behavior of dams equipped with automated monitoring systems / D.V. Stefanyshyn // Математичне моделювання в економіці. — 2017. — № 3-4(9). — С. 50-61. — Бібліогр.: 7 назв. — англ.

An approach to forecasting the behaviour of dams according to the data of instrumental observations with regard to capabilities of automated monitoring systems has been proposed. The approach is based on the use of situational and inductive models, where the situational models correspond to selective series of dynamics of observed data within limited time intervals and the inductive models which are constructed on model data derived from situational models simulate evolutions of diagnostic parameters. Запропоновано підхід до прогнозування поведінки гребель за даними інструментальних спостережень з врахуванням можливостей автоматизованих систем моніторингу. Підхід ґрунтується на використанні ситуаційних та індуктивних моделей, де ситуаційні моделі відповідають вибірковим рядам динаміки спостережених даних на обмежених інтервалах часу, а індуктивні моделі, що будуються за модельними даними, які визначаються з ситуаційних регресійних моделей, відображають еволюції діагностичних параметрів. Предложен подход к прогнозированию поведения плотин по данным инструментальных наблюдений с учетом возможностей автоматизированных систем мониторинга. Подход основан на использовании ситуационных и индуктивных моделей, где ситуационные модели соответствуют выборочным рядам динамики данных наблюдений на ограниченных интервалах времени, а индуктивные модели, строящиеся по модельным данным, которые определяются при помощи ситуационных регрессионных моделей, отображают эволюции диагностических параметров.