Об’єктом дослідження є процес аналізу неоднорідних послідовностей при оцінюванні поточного стану предметної області. Метою дисертаційної роботи є розробка моделей, методів та інтелектуальної інформаційної технології аналізу неоднорідних послідовностей даних для підвищення ефективності оцінювання поточного стану предметних областей в інформаційно-аналітичних системах. Методи дослідження: методи теорії нечітких множин, регресійного аналізу, нечіткої апроксимації даних, математичної статистики. Результати та їх новизна: вперше запропоновано метод визначення значущих чинників нечіткої регресійної моделі неоднорідних послідовностей даних, який, на відміну від існуючих, містить етапи підбору коефіцієнтів за критерієм рівнозначності кутів відхилення між вектором похибки і векторами змінних та відбору підмножини значущих чинників з коефіцієнтами, що перевищують порогове значення та дозволяє запобігти перенавчанню нечіткої лінійної регресії та отримати підмножину значущих чинників за скінченну кількість ітерацій. Отримав подальший розвиток метод фільтрації компонент неоднорідних послідовностей, в якому, на відміну від існуючих, для виявлення тренду початкова послідовність ітеративно розбивається на скінчену кількість нечітких розділів, для кожного з яких розраховується усереднене значення із врахуванням функції належності, яка асоційована із нечітким розділенням, що дозволяє підвищити ефективність оцінювання зміни стану предметної області за рахунок фільтрації коливань різних періодів та виділення трендової складової. Отримала подальший розвиток тренд-сезонна модель неоднорідних послідовностей, в якій, на відміну від існуючих моделей, трендова складова подається у вигляді інтерпольованих усереднених значень із врахуванням функції належності, яка асоційована із кожним нечітким розділенням, що дозволяє застосовувати дану модель для коротких вибірок без втрати крайових значень і тим самим підвищити ефективність моделювання стану предметних областей в інформаційно-аналітичних системах. Вдосконалено інтелектуальну інформаційну технологію аналізу неоднорідних послідовностей даних, яка, на відміну від існуючих, містить методи та засоби визначення значущих чинників нечіткої регресійної моделі та фільтрації компонент часових рядів даних, що дозволяє підвищити ефективність аналізу неоднорідних послідовностей. Розроблена інформаційна технологія впроваджена в діяльність ТОВ «Ендейвер», м. Полтава, Головного управління національної поліції Харківської області. Запропоновані методи використовуються в навчальному процесі Харківського національного університету радіоелектроніки та можуть бути застосовані для аналізу даних в діяльності правоохоронних органів, медичних закладів та інших установ.
