Интеллектуализация управления объектами с прогнозируемыми рисками на основе трансформации нечеткой информации в базу знаний тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Фиртыч, Оксана Александровна

• Фиртыч, Оксана Александровна
• кандидат наук
• 2015

Оглавление диссертации кандидат наук Фиртыч, Оксана Александровна

Содержание

Введение

1 Пути повышения эффективности управления объектами с прогнозируемыми рисками

1.1 Анализ современных подходов к оценке и управлению объектами с прогнозируемыми рисками

1.2 Особенности использования нечеткой информации и методы ее обработки при идентификации и прогнозировании рисков

1.3 Необходимость процедур трансформации нечеткой информации при интеллектуализации управления

1.4 Цели и задачи исследования

2 Разработка процедур трансформации нечеткой информации в базу знаний системы управления объектами с прогнозируемыми рисками

2.1 Трансформация ретроспективной информации в нечеткие правила

2.2 Построение функций принадлежности нечетких переменных

2.3 Модель хранения нечетких знаний в реляционной базе данных при управлении объектами с прогнозируемыми рисками

3 Формирование процедур интеллектуализации управления объектами с прогнозируемыми рисками с использованием нечеткой информации

3.1 Интеллектуализация процесса обработки входной информации с применением разработанных процедур трансформации ретроспективной информации в базу нечетких знаний

3.2 Алгоритм создания базы нечетких правил на основе ретроспективных данных

3.3 Использование аппарата ассоциативных связей на основе базы нечетких знаний при принятии решений управления объектами с прогнозируемыми рисками

3.4 Принятие решения в условиях риска. Выбор процедур устранения рисков

4 Анализ эффективности управления инвестиционным процессом как объектом с прогнозируемыми рисками на основе разработанных процедур и алгоритмов

4.1 Формирование списка потенциальных факторов риска инвестиционного проекта подготовки кадров в условиях суперкомпьютерных технологий

4.2 Оценка степени воздействия факторов риска инвестиционного проекта подготовки кадров в условиях суперкомпьютерных технологий

4.3 Принятие решений по полученным сведениям из оценки рисков инвестиционных проектов как объектов с прогнозируемыми рисками

Заключение

Список литературы

Введение диссертации (часть автореферата) на тему «Интеллектуализация управления объектами с прогнозируемыми рисками на основе трансформации нечеткой информации в базу знаний»

Введение

Актуальность темы диссертационного исследования. Управление целым рядом технических объектов на начальных этапах их жизненного цикла направлено на минимизацию рисков отклонения от желаемых требований значений характеристик функционирования и развития. При этом идентификацию и оценку рисков приходится осуществлять' в условиях неопределенности и случайного характера внешних и внутренних воздействий. Таким образом, возникает необходимость формирования специальных методов, моделей и процедур управления объектами с прогнозируемыми рисками и прогнозирования состояний системы с учетом управляющих воздействий.

Современные научные исследования и практика управления этим классом объектов основаны на использовании математических методов оценки по расчетным критериям (Г. Маркович, С. Conde, К. Ю. Доладов, Д.А. Новиков), классических методов теории вероятностей и математической статистики при расчете прогноза (Д. Бернулли, Бююль А., Цефель П., Бешелев С.Д. Орлов А.И) [1]. В значительно меньшей степени рассматривается возможность интеграции этих подходов со следующими методами интеллектуализации поддержки принятия решений, зарекомендовавших себя при управлении другими классами объектов в условиях неопределенности и размытости информации;

формализация качественных прогностических оценок с использованием теории нечетких множеств [2,3];

нечеткое моделирование и управление (Piegat А, Леденева Т.М.); структуризация знаний в виде нечетких правил и их применение для принятия управленческих решений (Yiha Мао, Wenjing Wu [4], Bogdan Rebiasz. [5], Недосекин А.О., );

динамический анализ формализованных знаний, характеризующих различные факторы риска (Хэнли Э., Кумамото X., [6] Дмитриев М.Н.).

Таким образом, актуальность диссертации определяется необходимостью повышения эффективности управления специальным классом объектов с прогнозируемыми рисками путем создания проблемно-ориентированных моделей и алгоритмов, основанных на комбинации вероятностных методов прогнозирования и экспертного оценивания с методами интеллектуализации обработки нечеткой информации и принятия управленческих решений.

Работа выполнена в рамках основного научного направления ФГБОУ ВПО «Воронежский государственный технический университет» «Интеллектуальные информационные системы» и госбюджетной НИР кафедры САПРИС этого вуза по ФЦП «Научные и научно-педагогические кадры инновационной России»: «Разработка поисковой среды интеллектуальной поддержки проектно-производственного процесса освоения инвестиций в создании жидкостных ракетных двигателей» (20102012 г.г.).

Объект исследования. Система управления объектами с прогнозируемыми рисками.

Предмет исследования. Модели и алгоритмы оценки прогнозирования и процедуры интеллектуализации принятия управленческих решений.

Цели и задачи исследования. Целью работы является разработка комплекса моделей и алгоритмов управления объектами с прогнозируемыми рисками на основе интеграции процедур интеллектуализации обработки нечеткой информации и принятия решений с использованием баз знаний.

Для достижения поставленной цели необходимо решить следующие

задачи:

Выявить пути повышения эффективности управления объектами с прогнозируемыми рисками.

Разработать процедуру трансформации нечеткой информации в базу знаний системы управления объектами с прогнозируемыми рисками.

Разработать процедуру интеллектуализации управления объектами с прогнозируемыми рисками с использованием нечеткой информации.

Рассмотреть эффективность управления объектами с прогнозируемыми рисками на основе разработанных процедур и алгоритмов на примере управления инвестиционным процессом.

Методы исследования. В работе использовались основные положения и методы системного анализа, интеллектуальной обработки данных и знаний, прогнозирования, оптимизации, теории управления, нечетких множеств, теории вероятностей и математической статистики [5658].

Тематика работы соответствует следующим пунктам паспорта специальности 05.13.01:

п.4. Разработка методов и алгоритмов решений задач системного анализа, оптимизации, управления, принятия решений и обработки информации;

п.9. Разработка проблемно-ориентированных систем управления, принятия решений и оптимизации технических, экономических, биологических, медицинских и социальных объектов;

п.11. Методы и алгоритмы прогнозирования и оценки эффективности качества и надежности сложных систем.

Научная новизна работы. В диссертации получены следующие основные результаты, выносимые на защиту и характеризующиеся научной новизной:

процедура трансформации нечеткой информации об уровне рисков отклонения характеристик объекта от желаемых, отличающаяся математическими приемами введения альтернативных переменных, определяющих тип функции принадлежности, при оптимизационном моделировании по функции истинности выбора наиболее адекватных нечетких правил для включения в базу знаний;

модель прогнозирования рисков с использованием нечетких правил, отличающаяся способом преобразования формализованных знаний в реляционную структуру данных, необходимых для принятия управленческих решений;

алгоритм оценивания вероятности риска, отличающийся ориентацией на динамический анализ нечетких ассоциативных связей и учетом идентифицируемых признаков положительных и отрицательных ассоциаций при реализации компенсационного режима управления;

проблемно-ориентированная система принятия решений, отличающаяся формой интеграции процедуры интеллектуализации обработки нечеткой информации и экспертного выбора на множестве альтернативных сценариев управления объектом с прогнозируемыми рисками.

Практическая значимость и результаты внедрения. Практическая значимость работы заключается в следующем:

разработаны структурные схемы и программная реализация алгоритмов оценки рисков и эффективности управления объектами на начальных этапах их жизненного цикла в условиях неопределенности и нечеткой информации;

сформирована поэтапная методика использования проблемно-ориентированной системы принятия решений для повышения эффективности управления инвестиционными проектами как объектами с прогнозируемыми рисками.

Результаты работы внедрены по поручению аналитического центра при организации экспертного оценивания и прогнозирования рисков Правительства Российской Федерации управления инвестиционными процессами в инновационной сфере для проекта «Создание системы подготовки высококвалифицированных кадров в области суперкомпыотерных технологий и специализированного программного обеспечения», а также в учебный процесс кафедры САПРИС Воронежского

государственного технического университета для студентов, обучающихся по направлению «Информационные системы и технологии».

Апробация работы. Основные результаты исследования докладывались и обсуждались на следующих научных мероприятиях:

Всероссийская молодежная конференция «Молодежь и современные информационные технологии» (ВИВТ, 9-10 сентября 2011 г.)

Международная школа-семинар «Интеллектуальные компьютерные обучающие системы» (ВИВТ, 19 октября 2011 г.).

Всероссийская конференция «Интеллектуальные информационные системы» (ВГТУ, 22-23 июня 2011 г.)

Всероссийская научная школа «Информационно-

телекоммуникационные системы и управление» (ВИВТ, 8 ноября 2011 г.)

Х-ая международная научно-практическая конференция «Актуальные проблемы профессионального образование: подходы и перспективы» (ВИВТ, 2012)

Международная молодежная конференция «Математические проблемы современной теории управления системами и процессами» в рамках фестиваля науки (ВИВТ, 4 сентября 2012 г.)

Ежегодная всероссийская конференция «Интеллектуальные информационные системы» (ВГТУ, 2013)

Ежегодная всероссийская конференция «Интеллектуальные информационные системы» (ВГТУ, 2014)

А также на ежегодных научно-технических конференциях профессорско-преподавательского состава и аспирантов ВГТУ (2012-2014 гг.)

Публикации. По результатам исследования опубликовано 13 научных работ, в том числе 3 - в изданиях, рекомендованных ВАК РФ.

В работах, опубликованных в соавторстве и приведенных в конце авторефертата, лично соискателю принадлежат следующие научные результаты: интеллектуализация процесса принятия решений в условиях

неопределенности и риска; управление объектами с прогнозируемыми рисками; трансформация нечеткой информации в базу знаний для оценки рисков; интеллектуализация процесса идентификации и прогнозирования рисков.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы. Основная часть работы изложена на 149 страницах, содержит 27 рисунков, 9 таблиц. Список литературы содержит 83 наименования.

1 Пути повышения эффективности управления объектами с прогнозируемыми рисками

Необходимо рассмотреть понятие риска и неопределенности в рамках современных исследований и стандартов. Приведено описание процесса управления рисками и анализ методик управления на различных его этапах. Рассматриваются методы как количественной, так и качественной оценки. Обзор сопровождается ссылками на литературные источники, описывающие процесс с различных точек зрения и в различных сферах деятельности.

Применительно к рискам и управлению ими предлагается использование подхода теории нечеткой логики, так как данная методология позволит оперировать не только количественными данными, но также экспертными оценками, в том числе качественными и неопределенностью с достаточной степенью автоматизации.

В конце первой главы будут сформулированы цели и задачи исследования.

1.1 Анализ современных подходов к оценке и управлению объектами с прогнозируемыми рисками

Последнее десятилетие прошлого века обогатило практику управления рисками методами, ранее присущими тем областям человеческой деятельности, где существовала необходимость решать сложные проблемы политического, социального, технического, экологического характера: медицина, охрана окружающей среды, программирование, психология и другие. К этому же периоду относятся и первые попытки систематизации знаний о выборе в условиях риска и разработке процедур управления риском [7-9].

Под термином «риск» понимают некоторую возможную потерю, вызванную наступлением случайных неблагоприятных событий.

В ряде случаев под рискованностью понимается возможность отклонения будущих параметров, характеризующих поведение или состояние объекта от ожидаемых или необходимых значений. Чем больше отклонение, тем риск более неоправданным считается [10].

В настоящее время многие авторы определяют риск как производную от факторов неопределенности. При этом под неопределенностью понимается неполнота или неточность информации об условиях реализации управляемого процесса, в том числе о связанных с ними затратах и результатах. Неопределенность, связанная с возможностью возникновения в ходе реализации неблагоприятных ситуаций и последствий, характеризуется понятием риска [11].

В результате проведения оценки риска, независимо от его природы и классификации управляемого объекта должны быть получены ответы на следующие вопросы:

- идентификация опасности;

- с какой вероятностью может произойти реализация опасной ситуации;

- каковы последствия реализации опасной ситуации.

Особенности и рекомендации по управлению рисками описан в

международном стандарте 180/1ЕК 31010:2009 [12]. В Российской федерации также действует идентичный стандарт, впервые введенный в 1 декабря 2011 г., ГОСТ Р ИСО/МЭК 31010-2011 [ 13].

В [14] рассмотрены общие положения управления объектами с прогнозируемыми рисками и дана структурная схема системы, содержащей такие объекты (рис. 1.1).

Рисунок 1.1- Структурная схема управления объектами с прогнозируемыми рисками

Таким образом, система управления объектами с прогнозируемыми рисками определяется как совокупность управляемого объекта, средств автоматизации, нормативной и организационной документации, рабочих процедур, штатных позиций и конкретных

сотрудников их занимающих, предназначенная для управления рисками в рамках процесса управления объектом.

По сфере возникновения риска такие системы можно классифицировать на следующие группы:

производственные системы, риск в которых связан с невыполнением предприятием своих планов и обязательств по производству продукции, товаров, услуг, других видов производственной деятельности в результате неблагоприятного воздействия внешней среды, а также неадекватного использования новой техники и технологий, основных и оборотных средств, сырья, рабочего времени. Среди наиболее важных причин возникновения производственного риска можно отметить: снижение предполагаемых объемов производства, рост материальных и/или других затрат, уплата повышенных отчислений и налогов, низкая дисциплина поставок, гибель или повреждение оборудования и др;

коммерческие системы, риск в которых связан с возникновением в процессе реализации товаров и услуг, произведенных или закупленных предпринимателем. Причинами коммерческого риска являются: снижение объема реализации вследствие изменения конъюнктуры или других обстоятельств, повышение закупочной цены товаров, потери товаров в процессе обращения, повышения издержек обращения и др.

финансовые системы, риск в которых связан с возможностью невыполнения фирмой своих финансовых обязательств. Основными причинами финансового риска являются: обесценивание инвестиционно-финансового портфеля вследствие изменения валютных курсов, неосуществления платежей;

страховые системы риск в которых связан наступлением предусмотренного условиями страховых событий, в результате чего страховщик обязан выплатить страховое возмещение (страховую сумму). Результатом риска являются убытки, вызванные неэффективной страховой деятельностью как на этапе, предшествующем заключению договора

страхования, так и на последующих этапах - перестрахование, формирование страховых резервов и т.п. Основными причинами страхового риска являются: неправильно определенные страховые тарифы, азартная методология страхователя.

Таким образом, система управления объектами с прогнозируемыми рисками будут классифицироваться на вышеназванные группы, которые будут оказывать влияние на правила построения и содержания базы знаний.

Объект с прогнозируемыми рисками - ресурс, изменение различных характеристик которого возможно под влиянием возникновения рисковой ситуации, которую необходимо спрогнозировать, чтобы предсказать и предотвратить ущерб, который может быть нанесен объекту, как в рамках различных стадий реализации управляемого процесса, так и в конечном результате.

Такой объект имеет жизненный цикл со следующими этапами:

1. Нормальное функционирование объекта.

2. Проявление тренда изменения характеристик объекта.

3. Предупреждение рисковой ситуации.

4. Реализация рисковой ситуации.

5. Устранение последствий рисковой ситуации для объекта и управляемой системы

Оценка и прогнозирование рисков подразумевает набор практик управления объектом с прогнозируемыми рисками с целью определения и дальнейшего уменьшения влияния рисков на цели и конечное состояние управляемого объекта. Управлением рисками занимается либо руководящий состав, либо специально выделенный для этих целей сотрудник - риск-менеджер. В этом случае они являются субъектами риска. Если в процессе управления объектами с прогнозируемыми рисками выбрана тактика централизованного управления рисками, то в ее рамках производится сбор и обработка информации и знаний об управлении рисками, идентифицированных рисках, методах предупреждения и реагирования и т.д.

Централизованное управление объектами с прогнозируемыми рисками — это набор процедур, алгоритмов сбора, обработки и распространения информации и знаний о рисках между всеми задействованными подсистемами. К распространению в таком случае относятся методические инструкции и другие нормативно-справочные материалы, сопровождающие процесс принятия решений по управлению объектами с прогнозируемыми рисками, типовые планы реагирования на риски различных категорий, описание лучших практик по управлению рисками.

Основные этапы управления рисками:

Определение контекста риска подразумевает сбор информации о состоянии объекта с прогнозируемыми рисками, предварительную оценку процессов, в которых объект участвует, и классификацию объекта и процессов.

Этап оценки риска разделяется на две стадии: качественную и количественную. Первая представлена на схеме в виде блока Идентификация риска. Здесь необходимо составить перечень рассматриваемых рисков. Анализ риска предполагает определение степени влияния риска на результаты управляемого процесса, а так же идентификацию временного периода, на котором риск может проявиться. Далее при проектировании рисков переходят к непосредственной количественной оценке рисков.

Принятие и реализация рискового решения является заключительным этапом, на котором разрабатываются схемы нейтрализации негативного влияния риска на результаты.

Оценка и прогнозирования рисков не может быть проведено точными математическими методами и так или иначе должна быть основана на работе экспертов. Экспертам сложно оценивать степень воздействия риска в виде точных цифровых оценок. Поэтому логичнее применить в системе

оценку с помощью нечетких переменных с заранее присвоенными диапазонами числовых значений.

Оценка и прогнозирование рисков происходит в три этапа:

1. Выявление возможных рисков.

2. Определение степени воздействия риска на объект с прогнозируемыми рисками.

3. Оценка вероятности наступления риска.

Первый этап является реализацией качественного подхода оценки объекта с управляемыми рисками. Задача, стоящая на данном этапе, - это выявление всех возможных рисков. Кроме того, на данном этапе необходимо описать вероятный ущерб от данного типа риска, а также выдвинуть предположения о мерах к снижению или полному предотвращению наступления риска.

Качественная оценка может быть сравнительно простой, ее главная задача - определить возможные виды рисков, а также факторы, влияющие на уровень рисков при выполнении определенного вида деятельности [15].

Результатом данного этапа должен быть список рисков, которые будут подвергаться дальнейшей оценке экспертами, и получение определенных числовых данных на основе аппарата нечеткой логики, теории вероятности, математической статистики и др.

Среди качественных методов оценки риска наиболее часто используются следующие:

- метод аналогий;

- анализ уместности затрат;

- метод экспертных оценок.

Чтобы получить наиболее точный перечень рисков предлагается на первом этапе объединить все три метода, создав интегрированную экспертную систему идентификации рисков, которым подвержен управляемый объект.

Опишем подробнее каждый из методов и его адаптацию для системы оценки прогнозирования рисков объекта.

Метод аналогий. Данный подход заключается в выборе рисков, соответственно статистике, собранной по ранее завершенным процессам. Изучив влияние неблагоприятных факторов на процессы в прошлом, можно получить некоторое представление о воздействии рисков на результаты актуального проектирования.

Основная сложность при применении метода аналогий состоит именно в правильном подборе аналога, т.к. на сегодняшний момент отсутствуют формальные критерии и четкая методология принятия подобного решения. В основном делается ставка на интуицию эксперта. Но даже если удается подобрать аналог, то оказывается очень трудно сформулировать перечень всех возможных неблагоприятных сценариев, так как большинство подобных ситуаций качественно различны и, кроме того, состоят в сложной взаимосвязи со многими другими факторами.

Метод анализа уместности затрат ориентирован на выявление потенциальных зон риска и используется лицом, принимающим решения, для минимизации риска, угрожающего результатам проектирования [16].

Согласно этому методу, в качестве возможных причин реализации риска предлагаются следующие факторы, которые могут присутствовать по отдельности или в различных комбинациях [17],[18].

- первоначальная недооценка необходимых ресурсов в целом или на отдельных стадиях;

- изменение границ проектирования, обусловленное непредвиденными обстоятельствами;

- недостаточная производительность (ошибки при расчетах планируемой производительности);

- увеличение изменения минимальных или максимальных допустимых границ входных параметров под влиянием внешних факторов.

На базе типового перечня составляется контрольный список возможных рисков по статьям, учтенным при проектировании поведения объекта с проектируемыми рисками [19].

Экспертный анализ рисков применяют на этапах проектирования в случае, если объем исходной информации является недостаточным для количественной оценки эффективности и риска в управляемом процессе. Метод экспертных оценок применяется в случаях, когда:

- длина исходных динамических рядов недостаточна для оценивания с использованием статистических методов;

- связь между исследуемыми явлениями носит качественный характер и не может быть выражена с помощью традиционных количественных измерителей;

- входная информация неполная и невозможно предсказать влияние всех факторов;

- возникли экстремальные ситуации, когда требуется принятие быстрых решений. Суть экспертных методов заключается в организованном сборе суждений и предположений экспертов с последующей обработкой полученных ответов и формированием результатов.

Методы экспертных оценок рисков являются комплексами психологических и математических процедур получения от специалистов-экспертов информации о рисках, ее анализа и обобщения (консолидации) с целью выработки рациональных рисковых решений.

В настоящее время разработано достаточно большое количество математико-статистических методов экспертных оценок и вычислительных алгоритмов [20]-[26].

Данные методы решают задачу преобразования информации, получаемой от экспертов, в форму, удобную для дальнейшего анализа, направленного на подготовку и принятие рационального решения. Обработка

информации, получаемой от экспертов, наиболее часто производится методами непосредственной оценки, ранжирования и парных сравнений.

Суть экспертных методов заключается в организованном сборе суждений и предположений экспертов с последующей обработкой полученных ответов и формированием результатов.

Выделяют следующие стадии экспертного опроса:

1. Формулировка цели экспертного опроса.

2. Подбор основного состава рабочей группы.

3. Разработка и утверждение технического задания на проведение экспертного опроса.

4. Разработка подробного сценария проведения сбора и анализа экспертных мнений (оценок), включая как конкретный вид экспертной информации (слова, условные градации, числа, ранжирование, разбиения или иные виды объектов нечисловой природы), так и конкретные методы анализа этой информации.

5. Подбор экспертов в соответствии с их компетентностью.

6. Формирование экспертной комиссии.

7. Проведение сбора экспертной информации.

8. Анализ экспертной информации.

9. Интерпретация полученных результатов и подготовка заключения.

10. Принятие решения - выбор альтернативы.

Существует масса методов получения экспертных оценок. В одних с каждым экспертом работают отдельно, он даже не знает, кто еще является экспертом, а потому высказывает свое мнение независимо от авторитетов.

В других - экспертов собирают вместе, при этом эксперты обсуждают проблему друг с другом, учатся друг у друга, и неверные мнения отбрасываются. В одних методах число экспертов фиксировано, в других -число экспертов растет в процессе проведения экспертизы.

Среди наиболее распространенных методов получения экспертных оценок можно выделить:

- метод "Дельфи";

- метод "снежного кома";

- метод "дерева целей";

- метод "комиссий круглого стола";

- метод эвристического прогнозирования;

- матричный метод.

Анализ согласованности ответов экспертов предназначен для проверки достоверности экспертных оценок и выявления причин их неоднородности с помощью статистической обработки информации, полученной от экспертов [27].

Достоинствами экспертного анализа рисков являются:

- отсутствие необходимости в точных исходных данных и дорогостоящих программных средствах;

- возможность проводить оценку до расчета эффективности проекта;

- простота расчетов.

К основным недостаткам данного метода следует отнести:

- трудность в привлечении независимых экспертов;

- субъективность оценок.

Эксперты, привлекаемые для оценки рисков, должны:

- иметь доступ ко всей информации об объекте, риски которого необходимо спрогнозировать, а также об окружающей среде, в которой протекает управляемый процесс;

- иметь достаточный уровень креативности мышления;

- обладать необходимым уровнем знаний в соответствующей предметной области;

- быть свободными от личных предпочтений в отношении управляемого объекта;

Список литературы диссертационного исследования кандидат наук Фиртыч, Оксана Александровна, 2015 год

Список литературы

1. Бююль A. SPSS: искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей /

A.Бююль, П. Цефель; пер. с нем. - СПб.: ООО «ДиаСофтЮП», 2001. - 608 с.

2. Buckley J. Fuzzy Statistics / James J. Buckley - «Springer», 2004.

- 170 c.

3. Недосекин A.O. Нечетко-множественный анализ риска фондовых инвестиций [Электронный ресурс] / А.О. Недосекин - СПб., 2002. -181с. - Режим доступа: http://www.mirkin.ru/_docs/book23.pdf

4. Мао Y. Fuzzy real option evaluation of real estate project based on risk analysis / Yiha Mao, Wenjing Wu. // Systems Engineering Procedia. - 2011. -№1. - C. 228-235.

5. Rebiasz B. Fuziness and randomness in investment project risk appraisal / Bogdan Rebiasz // Computers&Operations Research. - 2007. - №34. -C. 199-210

6. Хэнли Э. Надежность технических систем / Э. Хэнли, Х.Кумамото; пер. с англ: В. С. Сыромятникова, Г. С. Деминой; под общ. ред.

B.C. Сыромятникова. -М.: Машиностроение, 1984. — 528 е., ил.

7. AS/NZS 4360:1999 Национальные стандарты управления рисками Австралии и Новой Зеландии и его вторая редакция - Risk Management Guidelines Companion - Sydney: Standards Australia International Ltd., 1999.- 131 pages.

8. CAN/CSA-Q850-97 Канадский национальный стандарт управления рисками - Risk Management Guidline for Decision-Makers. A National Standart for Canada - Ontario: Canadian Standerts Assosiation, 1997. -54 pages.

9. EPA 40CFR68 Требования нормативных документов Агентства Охраны Окружающей Среды США - EPA's Risk Management Planning Rules -EPA, 1996.-55 pages.

10. Четыркин Е.М. Финансовый анализ производственных инвестиций / Е.М. Четыркин. - М.: Дело, 1998. - 256 с.

11. Попова Ю.А. Качественная оценка риска инвестиционного проекта [Электронный ресурс] / Ю.А. Попова - Адыгейский государственный университет, 2006. - Режим доступа: http://ej.kubagro.ru/2006/03/07/

12. ISO 31000:2009 Международный стандарт «Риск Менеджмент - Принципы и руководство» - 2009. - 32 с.

13. ГОСТ Р ИСО/МЭК 31010-2011 «Менеджмент риска - Методы оценки риска» - М.: «Стандартинформ», 2012. - 74 с.

14. Марцынковский Д.А. Руководство по риск-менеджменту / Д.А. Марцынковский, А.В. Владимирцев, О.А. Марцынковский; Асоциация по сертификации «Русский Регистр» - СПб.: -Береста, 2007. - 331 с.

15. Забродин Ю.Н. Управление нефтегазостроительными проектами / Ю.Н. Забродин, B.JI. Коликов, А.М. Михайльчинко, А.М.Саруханов - М.: «Омега-Л», 2006. - 475 с.

16. Маринина О. А. Анализ методов оценки инвестиционных рисков / О.А. Маринина // Сборник научных статей «Проблемы взаимодействия хозяйствующих субъектов реального сектора экономики России: финансово-экономический социально-политический, правовой и гуманитарный аспекты». - СПб.: Институт бизнеса и права, 2011. - С. 122126

17. Доладов К. Ю. Экономическая оценка инвестиционного риска при принятии управленческих решений: На примере промышленных предприятий Самарской области : дис. ... канд. экон. наук: 08.00.05 / К.Ю.Доладов. - Самара, 2002. - 187 с.

18. Колотынюк, Б. А. Инвестиционные проекты: учебник / Б.А.Колотынюк. - СПб. : Изд-во Михайлова В. А., 2000. - 422 с.

19. Damodaran A. Strategic Risk Taking: A Framework for Risk

Management / Aswath Damodaran - Pearson Prenbtice Hall, 2008. - 388 pages.

139

20. Бешелев С.Д. Математико-статистические методы экспертных оценок / С.Д. Бешелев, Ф.Г. Гурвич -М.: Статистика, 1980. -263 с.

21. Бешелев С.Д. Выбор перспективной техники с помощью метода экспертных оценок / С.Д. Бешелев, И.В. Карпова // Экономика и математические методы. - 1972. - Т. VIII. - Вып. 1. - С. 82.

22. Макаров И.М. Теория выбора и принятия решений / И.М.Макаров, Т.М. Виноградская, А.А. Рубчинский и др. - М.: Наука, 1982. -328 с.

23. Евланов Л.Г. Экспертные оценки в управлении / Л.Г. Евланов,

B.А. Кутузов-М.: Экономика, 1978. - 133 с.

24. Китаев Н.Н. Групповые экспертные оценки / Н.Н. Китаев. - М.: Экономика, 1975. - С. 64.

25. Бешелев С.Д. Экспертные оценки в принятии плановых решений / С.Д. Бешелев, Ф.Г. Гурвич - М.: Экономика, 1976. - С. 79.

26. Лисецкий Ю.М. Метод комплексной экспертной оценки для проектирования сложных технических систем / Ю.М. Лисецкий // Математичш машини i системи. - 2006. - № 2. - С. 141-146.

27. Литвак Б.Г. Экспертная информация: Методы получения и анализа / Б.Г. Литвак. -М.: Радио и связь, 1984. - С. 118

28. Conde, С. Driving risk classification based on experts evaluation /

C. Conde, G. Reyes, E. Cabell // Intelligent Vehicles Symposium. - (IV), 2010 -IEEE 21-24 June 2010, Page(s): 1098-1103.

29. Bonti, G. Credit risk concentrations under stress / G. Bonti, M. Kalkbrener, C. Lotz, G. Stahl // Journal of Credit Risk - 2 (III) 2006. - Page(s): 115-136.

30. Frachot, A.. Loss distribution approach for operational risk / A. Frachot, P. Georges, T. Roncalli // Available at SSRN [Электронные данные]. -March 30, 2001 - Page: 39. Режим доступа: http://ssrn.com/abstract= 1032523

31. Marrison, C. The fundamentals of risk management / C. Marrison -McGraw-Hill. - 2002. - Page(s): 415.

32. Батин Б.А. Анализ чувствительности оценок рисков инвестиционных проектов промышленного предприятия методами эконометрического моделирования / Б.А. Батин // Вестник НИИ развития профессионального образования. Сер. «Экономика и управление». М.: ИИЦ НИИРПО. 2008. Вып. 2. - С. 101-114.

33. Беренс В. Руководство по оценке эффективности инвестиций / В. Беренс, П.М. Хавранек - М.: «Интерэксперт», 1995. - 528 с.

34. Балабанов И.Т. Риск-менеджмент / И.Т. Балабанов - М.: Финансы и статистика, 1996. - 192 с.

35. Бланк И.А. Принятие решений в условиях неопределенности [Электронные данные]/ И.А. Бланк. - Элитариум: Центр дистанционного образования, 2010. - Режим доступа: http://www.elitarium.ru/

36. Лефевр В.А. Формула человека: контуры фундаментальной психологии / В.А. Лефевр; пер. с англ. -М: Прогресс, 1991. - 108 с.

37. Zadeh L.A. Fuzzy sets / L.A. Zadeh - Information and Control. -(8) 1965 - Page(s): 338-353.

38. Zadeh L.A. Outline of a New Approach to the Analysis of Complex Systems and Decision Processes / L.A. Zadeh - IEEE Transactions on Systems -№1.- 1973,-Page(s) 28-45.

39. Buckley, J. The Fuzzy Mathematics of Finance / J. Buckley // Fuzzy Sets & Systems, 1987 - № 21. - Page 39.

40. Шапкин А.С. Теория риска и рисковых ситуаций / А.С.Шапкин, B.C. Шапкин - М.: 2005. - 880 с.

41. Пупков К.А. Методы робастного, нейро-нечеткого и адаптивного управления: учебник / К.А. Пупков; под ред. Н.Д. Егупова. - М: изд-во МГТУ им. Н.Э. Баумана, 2002. - 744 с.

42. Деменков Н.П. Язык нечеткого управления / Н.П. Деменков // Промышленные АСУ и контроллеры. - 2005. - № 5. - С. 30-36.

43. Деменков Н.П. Нечеткое управление в технических системах: учеб. пособие / Н.П. Деменков - М.: изд-во МГТУ им. Н.Э. Баумана, 2005. -200 с.

44. Олсон Г. Цифровые системы автоматизации и управления / Г.Олсон, Дж. Пиани - СПб.: Невский Диалект, 2001. -270 с.

45. Smidth, F. L. Computing with a human face / F.L. Smidth - New Scientist - 6 May, 1982. - Результаты исследований в области нечетких систем в Японии.

46. Sangalli A. Fuzzy logic goes to market / A. Sangalli, G.R. Klir-New Scientist-8 Feb., 1992.

47. Штовба С.Д. Проектирование нечетких систем средствами MATLAB. / С.Д. Штовба. - М.: Горячая линия - Телеком,- 2007.- 288 с.

48. Uziel Sandler, Lev Tsitolovsky Neural Cell Behavior and Fuzzy Logic. Springer, 2008.-478 c. ISBN 978-0-387-09542-4

49. Новак В. Математические принципы нечёткой логики / В. Новак, И. Перфильева, И. Мочкрож - Физматлит, 2006. - 352 с.

50. Рутковский JL Искусственные нейронные сети. Теория и практика / JT. Рутковский - М.: Горячая линия - Телеком, 2010. - 520 с.

51.Усков А.А. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика / А.А. Усков, А.В.Кузьмин - М.: Горячая Линия - Телеком, 2004. - 143 с.

52. Круглов В.В. Нечёткая логика и искусственные нейронные сети / В.В. Круглов, М.И. Дли, Р.Ю. Голунов - М.: Физматлит, 2001. - 221 с.

53. Mamdani Е. Н. An Experiment in Linguistic Synthesis with a Fuzzy Logic Controller / E.H. Mamdani, S. Assilian - International Journal of Man-Machine Studies - 7( 1): 1 -13 (1975).

54. Борисов A.H. Принятие решений на основе нечетких моделей: примеры использования / А.Н. Борисов, О.А. Крумберг, И.П. Федоров - Рига: Зинатне. 1990.- 184 с.

55. Ягер P.P. Нечеткие множества и теория возможностей. Последние достижения / Под ред. P.P. Ягера. - М.: Радио и связь, 1986. -409с.

56. Kosko, Bart. Neural Networks and Fuzzy Systems / B. Kosko -Englewood Cliffs, NJ: Prentice-Hall, 1991. - Page(s): 449.

57. Zemankova-Leech, M. Fuzzy Relational Data Bases: A Key to Expert Systems / M. Zemankova-Leech, A. Kandel. - Cologne: Verlag TUV Rheinland, 1984.

58. Kosko, Bart Fuzzy Thinking / B. Kosko. - Hyperion. - 1993. -Page(s): 318.

59. Масалович А.И. Этот нечеткий, нечеткий, нечеткий мир / А.И. Масалович // PC Week/RE- 1995.-№16.

60. Масалович А.И. Прогноз дает... компьютер / А.И. Масалович // Софтмаркет, 1996 - №3 - с.6.

61. Петров Б.Н. Теория моделей в процессах управления / Б.Н.Петров, Г.М. Уланов, И.И. Гольденблат. - Информационный и термодинамический аспекты. -М.: Наука, 1978.

62. Тэрано Т. Прикладные нечеткие системы / Т. Тэрано, К. Асаи, М.Сугено; пер. с япон. Ю.Н. Чернышева. - М.: Мир, 1993. - 368 с.

63. Yagashita О. Application of fuzzy reasoning to the water purification process, in Industrial Applications of Fuzzy Control / O. Yagashita, O. Itoh, M.Sugeno M. - Ed. Amsterdam: North-Holand 1985 - Page(s): 19-40.

64. Леоненков А. Нечеткое моделирование в среде MATLAB и fuzzyTech / А. Леоненков - СПб.: БХВ-Петербург, 2003. - 736 е.: ил.

65. Штовба С.Д. Введение в теорию нечетких множеств и нечеткую логику [Электронный ресурс] / С.Д. Штовба — Режим доступа: http://matlab.exponenta.ru/fuzzylogic/bookl/

66. Недосекин А.О. Оценка риска бизнеса на основе нечетких данных [Элекронные данные] / А.О. Недосекин - Режим доступа: http://librarum.org/book/16079/62

67. Кофман А. Введение в теорию нечетких множеств / А. Кофман; пер. с франц. - М.: Радио и связь, 1982. - 432 с.

68. Масалович А. Нечеткая логика в бизнесе и финансах [Электронные данные] / А. Масалович - Режим доступа: http://www.tora-centre.ru/library/fuzzy/fuzzy-.htm/

69. Рэдхэд К. Управление финансовыми рисками / К. Рэдхэд. - С. Хыос. М.: ИНФА-М. 1996.-288 с.

70. Алтунин А.Е. Модели и алгоритмы принятия решений / А.Е. Алтунин, М.В. Семухин. - Тюмень: Издательство Тюменского государственного университета, 2000.

71. Носков М.В., Нелинейная многопараметрическая регрессия данных наблюдений / М.В. Носков, К.В. Симонов, A.JI. Щемель // Вопросы математического анализа. Красноярск: ИЦП КГТУ. - 2003. - Вып. 7. -С.103-120.

72. Коннолли Т. Базы данных: проектирование, реализация и сопровождение. Теория и практика / Т. Коннолли, К. Бегг, А. Страчан // М.: Издательский дом «Вильяме», 3-е изд.: Пер. с англ.: Уч.пос. 2003,- 1440с.

73. Ferrer, J. С. Criterion for Estimation of an Investment Project Using the Concept of Fuzzy Event Probability / J.C. Ferrer, N. Clara, X. Bertran, E. Cassu, J. Rabaseda (Eds) // Proceedings of MS'2002: International Conference on Modelling and Simulation in Technical and Social Sciences, Girona, Catalonia, Spain, Universität de Girona. - 2002 - Page(s): 99-104.

74. Фролов B.H. Моделирование и оптимизация сложных систем (избранные главы). / В.Н. Фролов - Воронеж: ВГТУ. - 1997.

75. Zadeh L.A. From computing with numbers to computing with words — from manipulation of measurements to manipulation of perceptions / L.A. Zadeh // International Journal of Applied Math and Computer Science, 2002. - vol. 12, no. 3. -Page(s): 307-324.

76. Zade L. A. The concept of a linguistic variable and its application to approximate reasoning. Part 1, 2, 3/ L.A. Zadeh // Information Sciences - n. 8 Page(s): 199-249, pp.301-357; n. 9 Page(s): 43-80.

77. Zadeh F. My life and travels with the father of fuzzy logic / F. Zadeh -TSI Press: Альбукерке, 1998 (на русском языке: Жизнь и путешествия с отцом нечеткой логики от Фей Заде. Баку: Чашыоглы, 2001).

78. Нечеткая логика на практике [Электронные данные] / Режим доступа: http://habrahabr.ru/post/125614/

79. Luban F. Fuzzy model of risks analysis / F. Luba //, Journal of Industrial Engineering International, Islamic Azad University, South Tehran Branch, July 2007. - Vol. 3, No. 5. - Page(s): 19-26.

80. Методика управления рисками — обобщение моего опыта работы над проектами [Электронные данные] / Режим доступа: http://habrahabr.ru/post/13 7645/

81. Вычисление рисков методом Value at Risk [Электронные данные] /Режим доступа: http://habrahabr.ru/company/luxoft/blog/145075/

82. Управление рисками [Электронные данные] / Режим доступа: http://habrahabr.ru/post/73571/

83. Risk Management: предотвращение проблем vs. ведение регистра рисков [Электронные данные] / Режим доступа: http://habrahabr.ru/post/128370/

84. Yu W.-S. Fuzzy model based adaptive control for class of nonlinear systems / W.-S. Yu, C.-J. Sun// IEEE Trans, on Fuzzy Systems. - 2001, Vol. 9, No 3, June. - Page(s): 413-425.