В сучасних умовах не викликає сумніву те, що саме водний транспорт, як інфраструктурна галузь, має розвиватися швидкими темпами. На думку експертів у 2020-2022 роках, очікується збільшення обсягу перевезення вантажів морськими та річними судами до 2500 млн. тон; переробка вантажів у державних торговельних портах також збільшиться та становитиме близько 240 млн. тон; обсяги пасажирських перевезень становитимуть більш 10900 млн. пасажирів.
Дослідження, яке виконане в межах даної дисертації показує, що рівень безаварійного судноводіння, показники якості та ефективності перевезень пасажирів та вантажів продовжують покращуватися. Особлива увага приділяється саме заходам забезпечення заданого рівня надійності технічних засобів. Значна роль в цьому напрямку – рішення завдання прогнозування технічного стану засобів водного транспорту. Це ще більш підкреслює актуальність наукових досліджень з метою підвищення ефективності технічної експлуатації морських та річних транспортних засовів за рахунок використання інформації про прогноз їх технічного стану.
На теперішній час для забезпечення гарантованого рівня достовірності прогнозування технічного стану засобів водного транспорту активне використовують прогресивні апаратні так програмні рішення. Аналіз закордонного та вітчизняного досвіду розробки та впровадження систем прогнозування технічного стану як комплектуючих підсистем, так ї засобів водного транспорту в цілому свідчить про можливість значного підвищення їх ефективності за рахунок розвитку математичного та алгоритмічного забезпечення. Найбільш актуальним в цьому напрямку є використання моделей та методів штучного інтелекту, а саме, так званих м’яких обчислень. Незважаючи на стрімкий розвиток теорії штучного інтелекту взагалі, актуальним є завдання удосконалення існуючого та розробки нового математичного та програмного забезпечення комп’ютерних систем прогнозування технічного стану засобів водного транспорту на основі м’яких обчислень.
Таким чином, при вирішенні проблематики розвитку транспортної галузі України, водного транспорту зокрема, актуальним є наукове завдання удосконалення існуючих та розробки нових моделей та методів прогнозування технічного стану засобів водного транспорту на основі м’яких обчислень, вирішенню цього завдання і присвячена дана дисертаційна робота.
Наукова новизна одержаних результатів полягає в тому, що:
вперше розроблено концептуальна модель прогнозування технічного стану засобів водного транспорту, яка базується на OLAP-технології з інтелектуальним аналізом даних на м’яких обчисленнях, а саме, комплексному використанні нечіткої кластеризації на основі методів субтрактивної кластеризації (для визначення кількості значень лінгвістичних змінних) та нечітких с-середніх (FCM, Fuzzy C-Means) для побудови функцій приналежностей, а також адаптивної нейронної нечіткої мережі ANFIS. Програмна реалізації моделі значно покращує показники оперативності та достовірності прогнозу за рахунок зменшення кількості операцій та використання нових принципів обробки апріорної інформації та самонавчання;
удосконалено модель формування функції приналежності при прогнозуванні технічного стану ЗВТ, яка на відміну від існуючих використовує нечітку кластеризацію: метод субтрактивної кластеризації для визначення кількості кластерів, яка інтерпретуються як ранг базової терм-множени лінгвістичної змінної та метод нечітких с-середніх для розрахунку значень функції приналежності; це дозволяє значно покращити адекватність процедури фазифікації та точність;
удосконалено метод прогнозу технічного стану ЗВТ на основі нечіткого висновку при застосуванні гібридної мережі, який на відміну від існуючих базується на моделі адаптивної нейронної нечіткої мережевої системи ANFIS (Adaptive Neuro-Fuzzy Inference System), а це надає можливість одночасно використовувати переваги нечіткої логіки та нейронних мереж для підвищення достовірність прогнозування технічного стану.
Практичне значення одержаних результатів в тому, що їх реалізація доцільна в математичному та програмному забезпеченні, як складової технології автоматизації процесу прогнозування технічного стану судна в інтегрованої мостикові системі. Застосування запропонованих моделей і методів дозволяє підвисити достовірність прогнозу технічного стану в деяких випадках до 20-25 %. При цьому, за результатами математичного моделювання, можливе підвищення ймовірності виконання безвідмовного судноводіння до 10 % за рахунок впровадження на практиці.
