энергопотреблении. Эти данные получены в результате измерений потребляемой энергии для каждого клиента. Измерения проводились каждые 15 мин, причем известно, что некоторые из них ошибочны. С помощью нейросетей была построена система выявления ошибочных измерений, а также система прогнозирования потребления энергии в каждый момент времени. Знание точного прогноза позволило энергетической компании использовать гибкую тарифную политику и увеличить свою прибьшь.
(http: www.zsolutions.com/examples.htm)
14.5.12.Оценка недвижимости. Стоимость дома или квартиры зависит от большого числа факторов, таких как общая площадь, удаленность от центра, экологическая обстановка, престижность, тип дома и т.д. Так как вид этой зависимости неизвестен, то стандартные методы анализа неэффективны в задаче оценки стоимости квартиры. Как правило, эта задача решается экспертами-оценщиками, работающими в агентстве по недвижимости. Недостатком такого подхода является субъективность оценщика, а также возможные разногласия между различными экспертами. Существуют успешные примеры решения задачи объективной оценки с помощью нейросети. В частности, фирма Attrasoft приводит лример оценки стоимости домов в Бостоне с учетом 13 параметров.
(http: attrasoft.com/decision/examples.html)
14.5.13.Прогнозирование свойств полимеров. В 1997 г. фирма Aspen Technology, один из лидеров среди производителей программных продуктов для моделирования и оптимизации производственных процессов, приобрела компанию NeuralWare Inc., владеющую нейросетевыми технологиями. Это слияние, в частности, дало возможность создать технологию прогнозирования свойств материалов в химических полимерных производствах с помощью нейросетей. Этот подход оказался гораздо более дешевым, чем разработка теоретической модели, и даже более эффективным. Уже добилась успеха на этом пути компания DuPont, создавшая новый сорт безопасного стекла с помощью пакета NeuroShell. (http: news.chemicalonline.com/industry-news/chemind90897.html)
14.5.14.Анализ страховых исков. Фирмой Neural Innovation Ltd. создана нейросетевая система Claim Fraud Analyser, позволяющая мгновенно выявлять подозрительные страховые иски, относящиеся к повреж-
денным автомобилям. На входы системы подаются такие параметры, как возраст и опыт водителя, стоимость автомобиля, наличие подобных происшествий в прошлом и др. В результате обработки выдается число - вероятность того, что данный иск связан с мошенничеством. Такая система позволяет не только сэкономить за счет выявления фальсификаций, но и улучшить отношения с клиентами за счет более быстрого удовлетворения честных исков. (http: www.neural.co.uk/fmance/fraud.html)
* * *
Приведенные примеры показывают, что технологии нейронных сетей и генетических алгоритмов применимы практически в любой области. В некоторых задачах, таких как прогнозирование котировок или распознавание образов, нейросети стали уже привычным инструментом. Нет сомнений, что повсеместное проникновение новых технологий и в другие области - вопрос времени. Аналогичный процесс уже произошел с компьютерами, которые в течение всего 20 лет распространились из военных вычислительных центров в каждый офис и во многие квартиры.
Внедрение новых наукоемких технологий в коммерческой фирме - достаточно непростое дело, требующее кроме денег и времени еще и некоторой перемены психологии. Однако практика показывает, что эти вложения окупаются и выводят компанию на качественно новый уровень.
Deductor - это пакет приложений, предназначенный для быстрого и эффективного анализа информации. В нем сосредоточены самые современные методы извлечения, очистки, манипулирования и визуализации данных. С применением Deductor-a вам становятся доступны моделирование, прогнозирование, кластеризация, поиск закономерностей и многие другие технологии обнаружения знаний. Пакет состоит из 5-ти интегрированных приложений - Cube Analyzer, RawData Analyzer, Tree Analyzer, SOMap Analyzer и Neural Analyzer.
ПРИМЕРЫ УСПЕП1НОГО ПРИМЕНЕНИЯ МЕТОДОВ ИССЛЕДОВАНИЯ ОПЕРАЦИЙ В СОЦИАЛЬНО-ЭКОНОМИЧЕСКОЙ СФЕРЕ
Стратегии минимальной стоимости развития системы железных дорог на основе имитационного и параметрического анализа.
Столкнувшись с ожиданием увеличения железнодорожного трафика в 2 раза в ближайшие 10 лет на уже перегруженной единственной основной ветке западной Канады, Канадские национальные железнодорожные линии сформировали команду транспортного планирования для выбора наиболее эффективных средств обеспечения растущего трафика. Используя методы имитационного моделирования, удалось выработать ряд рекомендаций, которые сэкономили около 300 млн долл. капитальных затрат.
Система управления гидросистемами. Ключевая задача эффективного исполгования гидроресурсов состоит в выработке оптимального расписания гидрогенерации, которое определяет, из какого резервуара и через какую водонапорную систему взять гидроресурсы, чтобы интегрально максимизировать полезный выход гидроэлектроэнергии, при этом надо, чтобы расписание удовлетворяло различным физическим, санитарным, юридическим и контрактным ограничениям. В результате использование модели нелинейного математического программирования бьша создана рабочая система, которая позволила увеличить выход гидроэлектроэнергии на 2-3% (Тихоокеанская Компания по газу и электроэнергии, Сан-Франциско, США).
Совершеиствоваиие системы муниципального хозяйства. Применение моделирования группой специалистов по теории управления сыграло решающую роль в системе принятия решений санитарным департаментом, отвечающим за уборку улиц Нью-Йорка. Использование методов статистического анализа, имитационного моделирования и аналитических методов анализа внесло решающий вклад в систему принятия оперативных решений департамента. Следствием этого стало существенное повышение уровня чистоты улиц в последующие 4 года (Санитарный Департамент, Нью-Йорк, США).