Construction of Empirical Models of Complex Oscillation Processes with Non-Multiple Frequencies Based on the Principles of Genetic Algorithms

Abstract

Розроблений метод побудови емпіричних моделей складних процесів на основі генетичних алгоритмів, що дозволяє, порівняно з індуктивним методом самоорганізації моделей, значно скоротити витрати машинного часу на їх реалізацію. Використаний підхід, що дозволяє складну модель розглядати як композицію трьох складових – лінійного тренда, коливальної складової з некратними частотами і рівняння регресії, що спрощує процес побудови складних моделей. Для реалізації запропонованого методу розроблено алгоритмічне і програмне забезпечення. На конкретному прикладі залежності рівня води в р. Дністер від погодних умов показано, що модель, побудована на основі запропонованого методу, з достатньою точністю описує поведінку складних процесів. Отримана емпірична модель може бути використана для прогнозування рівня води залежно від погодних умов.

A method for constructing the empirical models of complex processes has been developed on the basis of genetic algorithms which, compared to the inductive method of self-organization of models, significantly reduces computer time for their implementation. An approach has been used that allows a complex model to be considered as a composition of three components, i.e. a linear trend, an oscillatory component with non-multiple frequencies and a regression equation which simplifies the process of building complex models. To implement the proposed method, algorithms and software have been developed based on a specific example of the dependence of the water level in the river. The Dniester River weather conditions show that a model built on the basis of the proposed method describes the behavior of complex processes with sufficient accuracy. The resulting empirical model can be used to predict the water level depending on weather conditions.