vdgtuВестник Дагестанского государственного технического университета. Технические наукиHerald of Dagestan State Technical University. Technical Sciences2073-61852542-095XDaghestan State Technical University10.21822/2073-6185-2018-45-2-104-113vdgtu-544Research ArticleТЕХНИЧЕСКИЕ НАУКИ. ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕTECHNICAL SCIENCE. COMPUTER SCIENCE, COMPUTER ENGINEERING AND MANAGEMENTОПИСАНИЕ И ИДЕНТИФИКАЦИЯ ТЕМПОРАЛЬНЫХ ЗАКОНОМЕРНОСТЕЙ ДЛЯ НЕЧЕТКОГО ВРЕМЕННОГО РЯДА С ПРИМЕНЕНИЕМ ГИБРИДНЫХ ОЛСПАТТЕРНОВDESCRIPTION AND IDENTIFICATION OF TEMPORAL REGULARITIES FOR FUZZY TIME SERIES WITH APPLICATION OF HYBRID OLS-PATTERNSДульцевД. В.DultsevD. V.

656038, г. Барнаул, пр. Ленина, 46

Дульцев Денис Вячеславович – аспирант, кафедра информатики, вычислительной техники и информационной безопасности.

46 Lenina Ave., Barnaul 656038

Denis V. Dultsev –Graduate Student, Department of Computer Science, Computer Engineering and Information Security.

Lloid92@yandex.ruСучковаЛ. И.SuchkovaL. I.

656038, г. Барнаул, пр. Ленина, 46

Сучкова Лариса Иннокентьевна – доктор технических наук, профессор, кафедра информатики, вычислительной техники и информационной безопасности.

46 Lenina Ave., Barnaul 656038

Larisa I.Suchkova – Dr.Sci. (Technical), Prof., Department of Computer Science, Computer Engineering and Information Security.

li.suchkova@yandex.ruАлтайский государственный технический университет им. И.И. ПолзуноваРоссияPolzunov Altai State Technical UniversityRussian Federation201814122018452104113Copyright © Дульцев Д.В., Сучкова Л.И., 20182018Дульцев Д.В., Сучкова Л.И.Dultsev D.V., Suchkova L.I.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://vestnik.dgtu.ru/jour/article/view/544Цель

Цель. Цель исследования сводится к разработке принципа хранения шаблонов данных с учетом их темпоральной природы, позволяющего сократить время принятия решений.Для описания и идентификации темпоральных закономерностей поведения нечетко заданных временных рядов в режиме реального времени поставлена задача разработать гибридную структуру данных, позволяющую учитывать последовательности нечетких значений, формируемых из четких наблюдаемых данных, длину этих последовательностей и возможные неравномерные временные промежутки между наблюдениями.

Метод

Метод. В статье рассматривается подход к формализации описания временных причинно-следственных связей между событиями на объекте и в окружающей его среде, основанный на множестве односвязных списков триплетов. Каждый триплет содержит нечеткий терм лингвистической переменной, продолжительность его наблюдения и допустимый интервал наблюдения незначимых данных.

Результат

Результат. Разработан алгоритм обнаружения паттернов базы знаний в реальном времени с учетом возможности временного сдвига при наблюдении длинных последовательностей идентичных значений наблюдаемой величины. Учтена возможность частичного перекрытия данных, соответствующих триплетам разных паттернов. Предложенный гибридный паттерн позволяет ускорить обнаружение темпоральных закономерностей в данных.

Вывод

Вывод. Научные результаты представляет разработанная структура хранения информации о темпоральных закономерностях в данных, основанная на односвязном линейном списке, а также алгоритм поиска закономерностей в данных наблюдений с применением набора ОЛС-паттернов. Преимуществом данной структуры и алгоритма по сравнению с известными способами хранения и анализа темпоральных данных является сокращение объема памяти, необходимой для хранения шаблонов в базе знаний, а также возможность применения ОЛС-паттернов для принятия решений.

Objectives The aim of the research is to develop the principle of storing data templates to take their temporal natureinto account, making it possible to reduce decision-making times.In order to describe and identify temporal patterns in fuzzy time series behaviour in real time, the task was set to develop a hybrid data structure that allows for a consideration of sequences of fuzzy values formed from clear observable data as well as a determination of the length of these sequences and possible uneven time intervals between the observations.

Methods The article discussesan approach to formalising the description of temporal cause-effect relationships between events occurring at the object location as well as that of its environment, based on a set of singly-connected lists of triplets. Each triplet contains a fuzzy linguistic variable, the duration of its observation and the permitted interval of observation of insignificant data.

Results An algorithm for detecting knowledge base patterns in real time was developed, taking into account the possibility of a time shift in observing long sequences of identical values of the observed value. The possibility of partial data overlapping corresponding to triplets of different patterns is taken into account. The proposed hybrid pattern makes it possible to accelerate the detection of temporal regularities in the data.

Conclusion Scientific results are presented by the developed structure for storing information on temporal regularities in data, based on a singly linked linear list, as well as an algorithm for finding regularities in observational data using a set of OLS-patterns. The advantage of this structure and algorithm in comparison with the known ways of storing and analysing temporal data is a reduction in the amount of memory necessary for storing templates in the knowledge base, as well as the possibility of applying OLS patterns for decisionmaking purposes.

формализация экспертных знанийобнаружение закономерностейгибридный подходОЛС-паттерн поведенияэкспертные системыformalisation of expert knowledgeregularity detectionhybrid approachOLS behaviour patternexpert systemsReferencesКовалев С.М. Модели представления и поиска нечетких темпоральных знаний в базах временных рядов [Текст] / С.М. Ковалев // Труды XI Национальной конференции по искусственному интеллекту с международным участием. – Дубна, 2008.Kovalev S.M. Modeli predstavleniya i poiska nechetkikh temporal'nykh znanii v bazakh vremennykh ryadov. Trudy XI Natsional'noi konferentsii po iskusstvennomu intellektu s mezhdunarodnym uchastiem. Dubna; 2008. [Kovalev S.M. Models for presenting and searching for fuzzy temporal knowledge in time series bases. Proceedings of the 11th National conference on artificial intelligence with international participation. Dubna; 2008. (in Russ.)]Антипов С. Г. Методы диагностики динамических объектов на основе анализа временных рядов [Текст] / С. Г. Антипов, В. Н. Вагин, М. В. Фомина // ИТНОУ: информационные технологии в науке, образовании и управлении, 2017. – № 2 (2). – C. 3-12.Antipov S.G., Vagin V.N., Fomina M.V. Metody diagnostiki dinamicheskikh ob"ektov na osnove analiza vremennykh ryadov. ITNOU: informatsionnye tekhnologii v nauke, obrazovanii i upravlenii. 2017;2(2):3-12. [Antipov S.G., Vagin V.N., Fomina M.V. Methods for diagnosing dynamic objects based on time series analysis. ITNOU: informatsionnye tekhnologii v nauke, obrazovanii i upravlenii. 2017;2(2):3-12. (in Russ.)]Антипов С. Г. Проблема обнаружения аномалий в наборах временных рядов [Текст] / С. Г. Антипов, М. В. Фомина // Программные продукты и системы, 2012. – № 2. – C. 78-82.Antipov S.G., Fomina M.V. Problema obnaruzheniya anomalii v naborakh vremennykh ryadov. Programmnye produkty i sistemy. 2012;2:78-82. [Antipov S.G., Fomina M.V. The problem of detecting anomalies in sets of time series. Software and systems. 2012;2:78-82. (in Russ.)]Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений[Текст] / Л.А. Заде – М.: Мир, 1976. – 165 с.Zade L.A. Ponyatie lingvisticheskoi peremennoi i ego primenenie k prinyatiyu priblizhennykh reshenii. M.: Mir; 1976. 165 s. [Zade L.A. The concept of a linguistic variable and its application to the adoption of approximate solutions. M.: Mir; 1976. 165 p. (in Russ.)]Афанасьева Т.В. Нечеткое моделирование временных рядов и анализ нечетких тенденций [Текст] / Т. В. Афанасьева, Н. Г. Ярушкина. – Ульяновск: УлГТУ, 2009. – 299 с.Afanas'eva T.V., Yarushkina N.G. Nechetkoe modelirovanie vremennykh ryadov i analiz nechetkikh tendentsii. Ul'yanovsk: UlGTU; 2009. 299 s. [Afanas'eva T.V., Yarushkina N.G. Fuzzy modeling of time series and analysis of fuzzy trends. Ul'yanovsk: UlGTU; 2009. 299 p. (in Russ.)]Староверова К. Ю. Мера различия временных рядов, основанная на их характеристиках [Текст] / К. Ю. Староверова, В. М. Буре // Вестник Санкт-Петербургского университета. Прикладная математика. Информатика. Процессы управления, 2017. – Т. 13. Вып. 1. – С. 51–60.Staroverova K.Yu., Bure V.M. Mera razlichiya vremennykh ryadov, osnovannaya na ikh kharakteristikakh. Vestnik Sankt-Peterburgskogo universiteta. Prikladnaya matematika. Informatika. Protsessy upravleniya. 2017;13(1):51–60. [Staroverova K.Yu., Bure V.M. A measure of the difference in time series based on their characteristics. Vestnik of St. Petersburg State University. Series 10. Applied Mathematics. Computer Science. Control Processes. 2017;13(1):51–60. (in Russ.)]Song, Q. Forecasting enrollments with fuzzy time series – Part I [Text] / Q. Song, B. Chissom // Fuzzy Sets Systems, 1993. – Vol. 54. – P. 1–9.Song Q., Chissom B. Forecasting enrollments with fuzzy time series. Part I. Fuzzy Sets Systems. 1993;54:1–9.Tanaka, H. Linear Regression Analysis with Fuzzy Model [Text] / H. Tanaka, S. Uejima, K. Asai // IEEE Transactions on Systems, Man and Cybernetics. – 1982. – Vol. 12. – P.903-907.Tanaka H., Uejima S., Asai K. Linear regression analysis with fuzzy model. IEEE Transactions on Systems, Man and Cybernetics. 1982;12:903-907.Kacprzyk J. Linguistic Summarization of Time Series by Using the Choquet Integral [Text] / J. Kacprzyk, A. Wilbik, S. Zadrozny // Proceedings of 12th Fuzzy Systems Association World Congress (IFSA’2007, Cancun, Mexico, June 18-21, 2007) Theoretical Advances and Applications of Fuzzy Logic. – N-Y.: Springer Verlag, 2007.Kacprzyk J., Wilbik A., Zadrozny S. Linguistic summarization of time series by using the Choquet integral. Proceedings of 12th Fuzzy systems association world congress (IFSA’2007, Cancun, Mexico, June 18-21, 2007). Theoretical advancesand applications of fuzzy logic. N-Y.: Springer Verlag; 2007.Pedrycz W. Granular Сorrelation Analysis in Data Mining [Text] / W. Pedrycz, M.H. Smith // Proceedings of IEEE International Fuzzy Systems Conference, Korea. – 1999. – Vol.III. – IH-1240.Pedrycz W., Smith M.H. Granular correlation analysis in data mining. Proceedings of IEEE International Fuzzy Systems Conference, Korea. 1999; III:IH-1240.Новак, В. Интегральный метод принятия решений и анализа нечетких временных рядов / Новак В., Перфильева И.В., Ярушкина Н.Г., Афанасьева Т.В. // Программные продукты и системы. – 2008. – № 4(84). – С. 65-68.Novak V., Perfil'eva I.V., Yarushkina N.G., Afanas'eva T.V. Integral'nyi metod prinyatiya reshenii i analiza nechetkikh vremennykh ryadov. Programmnye produkty i sistemy. 2008;4(84):65-68. [Novak V., Perfil'eva I.V., Yarushkina N.G., Afanas'eva T.V. Integral method of decision-making and analysis of fuzzy time series. Software and systems. 2008;4(84):65-68. (in Russ.)]Batyrshin, I. Perception based time series data mining in intelligent decision making systems / Batyrshin I., Sheremetov L. – IPEK YOLU. CollectionofarticlesofAzerbaijanUniversity. – 2009. - № 2. - pp. 68-72.Batyrshin I., Sheremetov L. Perception based time series data mining in intelligent decision making systems. IPEK YOLU. Collection of articles of Azerbaijan University. 2009;2:68-72.Ковалев С.М. Гибридные нечетко-темпоральные модели временных рядов в задачах анализа и идентификации слабо формализованных процессов [Текст] / С.М. Ковалев // Интегрированные модели и мягкие вычисления в искусственном интеллекте. Труды IV-й Международной научно-практической конференции (Коломна, 28-30 мая 2007 г.): в 4 т. – М.: Физматлит, 2007. – Т. 1. – С. 26-41.Kovalev S.M. Gibridnye nechetko-temporal'nye modeli vremennykh ryadov v zadachakh analiza i identifikatsii slabo formalizovannykh protsessov. Trudy IV-i Mezhdunarodnoi nauchno-prakticheskoi konferentsii “Integrirovannye modeli i myagkie vychisleniya v iskusstvennom intellekte” v 4 t. T.1. (Kolomna). M.: Fizmatlit; 2007. S. 26-41. [Kovalev S.M. Hybrid fuzzy-temporal models of time series in problems of analysis and identification of weakly formalized processes. Proceedings of the IVth International Scientific and Practical Conference “Integrated Models and Soft Computing in Artificial Intelligence” in 4 volumes. Vol.1. (Kolomna). M.: Fizmatlit; 2007. P. 26-41. (in Russ.)]Ковалев С.М. Обнаружение особых типов паттернов во временных рядах на основе гибридной стохастической модели [Текст] / С.М. Ковалев, А. В. Суханов // Известия ЮФУ. Технические науки. – 2014. – №4 (153). – С. 142-149.Kovalev S.M., Sukhanov A.V. Obnaruzhenie osobykh tipov patternov vo vremennykh ryadakh na osnove gibridnoi stokhasticheskoi modeli. Izvestiya YuFU. Tekhnicheskie nauki. 2014;4(153):142-149. [Kovalev S.M., Sukhanov A.V. Detection of special types of patterns in time series based on a hybrid stochastic model. Izvestiya SFedU. Engineering sciences. 2014;4(153):142-149. (in Russ.)]Ковалев С.М. Методы многошагового предсказания аномалий в темпоральных данных [Текст] / С.М. Ковалев // Известия ЮФУ. Технические науки. – 2013. – №7 (144). – С. 85-91.Kovalev S.M. Metody mnogoshagovogo predskazaniya anomalii v temporal'nykh dannykh. Izvestiya YuFU. Tekhnicheskie nauki. 2013;7(144):85-91. [Kovalev S.M. Methods of multi-step prediction of anomalies in temporal data. Izvestiya SFedU. Engineering sciences. 2013;7(144):85-91. (in Russ.)]Ковалев С.М. Упреждающее распознавание нечетких темпоральных паттернов в потоковых данных на основе адаптивных марковских моделей [Текст] / С.М. Ковалев // XIII национальная конференция по искусственному интеллекту с международным участием КИИ-2012 (16-20 октября 2012 г., Белгород, Россия): труды конференции в 4 т. – Белгород: Изд-во БГТУ, 2012. – Т. 2. – С. 313-322.Kovalev S.M. Uprezhdayushchee raspoznavanie nechetkikh temporal'nykh patternov v potokovykh dannykh na osnove adaptivnykh markovskikh modelei. XIII natsional'naya konferentsiya po iskusstvennomu intellektu s mezhdunarodnym uchastiem KII-2012 (16-20 oktyabrya 2012 g., Belgorod, Rossiya): trudy konferentsii v 4 t. Belgorod: Izd-vo BGTU; 2012;2:313-322. [Kovalev S.M. Predictive recognition of fuzzy temporal patterns in streaming data based on adaptive Markov models. XIII National conference on artificial intelligence with international participation KII-2012 (October 16-20, 2012, Belgorod, Russia): Proceedings of the conference in 4 volumes. Belgorod: Izd-vo BGTU; 2012;2:313-322. (in Russ.)]Ковалев С.М. Формирование ассоциативных темпоральных правил в базах данных временных рядов на основе темпоральных сетевых моделей [Текст] / С.М. Ковалев // XII национальная конференция по искусственному интеллекту с международным участием КИИ-2010 (20-24 сентября 2010 г., Тверь, Россия): труды конференции в 4 т. – М: Физматлит, 2010. – Т. 3. – С. 321-329.Kovalev S.M. Formirovanie assotsiativnykh temporal'nykh pravil v bazakh dannykh vremennykh ryadov na osnove temporal'nykh setevykh modelei. XII natsional'naya konferentsiya po iskusstvennomu intellektu s mezhdunarodnym uchastiem KII-2010 (20-24 sentyabrya 2010 g., Tver', Rossiya): trudy konferentsii v 4 t. M: Fizmatlit; 2010;3:321-329. [Kovalev S.M. Formation of associative temporal rules in time series databases on the basis of temporal network models. XII National Conference on artificial intelligence with international participation KII-2010 (September 20-24, 2010, Tver, Russia): Proceedings of the conference in 4 vol. M: Fizmatlit; 2010; 3:321-329. (in Russ.)]Сучкова Л.И. Подход к прогнозированию нештатных ситуаций в системах мониторинга с использованием паттернов поведения группы временных рядов [Текст] / Л.И. Сучкова // Ползуновский вестник. – 2013. – № 2. – С. 88-92.Suchkova L.I. Podkhod k prognozirovaniyu neshtatnykh situatsii v sistemakh monitoringa s ispol'zovaniem patternov povedeniya gruppy vremennykh ryadov. Polzunovskii vestnik. 2013;2:88-92. [Suchkova L.I. Approach to forecasting abnormal situations in monitoring systems using the behavior patterns of a group of time series. Polzunovsky vestnik. 2013;2:88-92. (in Russ.)]Бучацкая В. В. Обработка аномальных значений уровней временного ряда как этап комплексной оценки информации в подсистеме прогнозирования для ситуационного центра [Текст] / В. В. Бучацкая// Вестник Адыгейского государственного университета. Серия 4: Естественно-математические и технические науки, 2013. – № 3 (122). – C. 105-110.Buchatskaya V.V. Obrabotka anomal'nykh znachenii urovnei vremennogo ryada kak etap kompleksnoi otsenki informatsii v podsisteme prognozirovaniya dlya situatsionnogo tsentra. Vestnik Adygeiskogo gosudarstvennogo universiteta. Seriya 4: Estestvenno-matematicheskie i tekhnicheskie nauki. 2013;3(122):105-110. [Buchatskaya V.V. Treatment of the anomalous values of the time series levels as a stage of complex information evaluation in the forecasting subsystem for the situational center. The Bulletin of the Adyghe State University, the series “Natural-Mathematical and Technical Sciences”. 2013; 3(122):105-110. (in Russ.)]Вульфин А. М. Нейросетевая модель анализа технологических временных рядов в рамках методологии Data Mining [Текст] / А. М. Вульфин, А. И. Фрид // Информационно-управляющие системы, 2011. – № 5. – С. 31-38.Vul'fin A.M., Frid A.I. Neirosetevaya model' analiza tekhnologicheskikh vremennykh ryadov v ramkakh metodologii Data Mining. Informatsionno-upravlyayushchie sistemy. 2011;5:31-38. [Vul'fin A.M., Frid A.I. Neural network model of the analysis of technological time series within the framework of the Data Mining methodology. Information and Control Systems. 2011;5:31-38. (in Russ.)]

The authors declare that there are no conflicts of interest present.