Часть II issn 2072-0297

Анализ исследований и публикаций
Сравнительный анализ методов построения детерминированных и вероятностных моделей сложных технологиче-
ских объектов указывает на возможность и эффективность применения метода группового учета аргументов (МГУА) 
для решения задач моделирования сложных технологических объектов [1, с. 3–4, 90–93; 2, с. 64].
В математических моделях, построенных на основе МГУА, учитываются вероятностные взаимосвязи состояний 
и признаков состояний технологических объектов. Это позволяет заменить процесс изучения особенностей, например, 
с точки зрения заданного объекта моделирования, газодинамических процессов протекающих в ГПА, статистической 
обработкой технологической информации, собираемой системой автоматизированного управления (САУ) ГПА. По-
этому модели, построенные на основе МГУА, позволяют оценивать изменение технического состояния объекта управ-
ления используя, например, значение абсолютного отклонения между измеренным технологическим параметром и зна-
чением, рассчитанным на основе модели.
МГУА можно использовать для решения следующих задач [2, с. 64; 3 с. 1]:
— идентификации физических закономерностей;
— аппроксимации многомерных процессов;
— краткосрочного пошагового прогнозирования процессов и событий;
— долгосрочного пошагового прогнозирования процессов и событий;
— экстраполяции физических полей;
— нормативного векторного прогнозирования процессов.

---

163
“Young Scientist” .  #7 (66) .  May 2014
Technical Sciences
Основной результат теории МГУА состоит в том, что при неточных зашумленных данных с объекта управления и ко-
ротких выборках, минимум критерия указывает на нефизическую модель (решающее правило), точность которой выше, 
а структура более простая в сравнении с структурой полной физической модели.
Выделение нерешенных проблем
Математическое моделирование сложных объектов имеет следующие отличительные особенности:
— высокая размерность вектора входных координат 
1 2
( , ,..., )
k
x
x x
x
=
;
— наличие значительного количества внутренних источников случайных помех, статистические характеристики ко-
торых, как правило, неизвестны;
— неизученность механизмов, определяющих направление и особенности протекания процессов в объектах;
— сложность постановки экспериментов для получения значительного количества сигналов 
,
e
e
x y
(
e
y
— одно-
мерный выход объекта).
Указанные особенности усложняют построение неформальных математических моделей сложных объектов. 
Как следствие, статистические режимы их функционирования приходится описывать уравнениями вида:
2
0
1
1
1 1
1 1 1
3
1
( )
...,
k
k
j j
jj j
j
j
k k
k k k
j
j
j p j
p
j
j
p
k
jjj j
j
y f x
a
a x
a x
a x x
a
x x x
a x
γ
γ
γ
γ
γ
γ
=
=
= =
= =
=
=
=
=
+
+
+
+
+
+
+
+
∑
∑
∑ ∑
∑ ∑ ∑
∑
(1)
где 
j
p k
γ
< < <
.