Модель прогнозирования

Для использования экспертно-лингвистических высказываний используется аппарат теории нечетких множеств. Согласно этой теории, лингвистические оценки <низкий>, <ниже среднего> и другие формализуются при помощи функций принадлежности. Будем использовать модель функции принадлежности, введенные в главе 3. Выбранные экспертом параметры и для разных лингвистических оценок, которые используются в правилах, представлены в табл. 8.12.

Полученные при этом функции принадлежности показаны на рис. 8.12.

Таблица 8.12.

Параметры функций принадлежности до настройки

Лингвистические оценки переменных	Параметр
низкая (Н)
ниже среднего (нС)
средняя (С)
выше среднего (вС)
высокая (В)

Помимо выбранных выше двухпараметрических функций принадлежности, могут быть использованы и другие функции, например, треугольные или трапециевидные [85], содержащие три и четыре настраиваемых параметра, соответственно.

Обозначим через диапазон возможных значений количества заболеваний. Разобьем этот диапазон на пять частей:

которые ассоциируются с лингвистическими оценками: низкая (Н), ниже среднего (нС), средняя (С), выше среднего (вС), высокая (В). Тогда, используя нечетко-логические операции min (И), max (ИЛИ) и операцию дефаззификации для преобразования функции принадлежности к четкому числу, можно записать модель прогнозирования в явном виде:

При помощи полученной модели можно грубо прогнозировать количество заболеваний, как показано на рис. 8.13.

Для повышения точности прогноза необходимо перейти к настройке модели.

Не нашли, что искали? Воспользуйтесь поиском: