Введение
1. Современные математические методы и инструменты, используемые для поддержки принятия решений по управлению экономическими объектами 11
1.1. Информационные системы поддержки принятия решений как инструмент повышения эффективности управления экономическими объектами 11
1.2. Обзор математических методов, используемых в системах поддержки принятия решений для прогнозирования рыночной конъюнктуры 17
1.3. Предпосылки использования принципа самоорганизации для построения нейро-нечетких прогностических моделей экономических систем 34
1.4. Выводы 43
2. Анализ возможностей использования нейро-нечетких методов прогнозирования в системах поддержки принятия решений по управлению электроэнергетическими предприятиями 44
2.1. Анализ современного состояния и перспектив развития электроэнергетической отрасли РФ 44
2.2. Оценка состояния электроэнергетических предприятий Смоленской области 56
2.3. Прогнозирование спроса на рынке электроэнергии как элемент эффективного управления электроэнергетическими предприятиями 66
2.4. Выводы 71
3. Разработка самоорганизующихся нейро-нечетких моделей рыночной конъюнктуры электроэнергетических предприятий 73
3.1. Методические основы построения математических моделей рынка электроэнергии на основе самоорганизации нейро-нечетких сетей 73
3.2. Алгоритм построения самоорганизующихся нейро-нечетких моделей для прогнозирования показателей конъюнктуры рынка электроэнергии 79
3.3. Выбор алгоритмов нечеткого вывода, используемых в нейро-нечетких самоорганизующихся моделях поддержки принятия управленческих решений 88
3.4. Выводы 97
4. Программная реализация и практическое применение нейро- нечетких методов и алгоритмов для поддержки принятия решений по управлению электроэнергетическими предприятиями 98
4.1. Разработка инструментальных средств прогнозирования показателей конъюнктуры рынка электроэнергии 98
4.2. Методика использования нейро-нечетких моделей в системах поддержки принятия решений по управлению электроэнергетическими предприятиями 106
4.3. Применение самоорганизующихся нейро-нечетких моделей и инструментальных средств для прогнозирования электропотребления в Смоленской области 116
4.4. Выводы 122
Заключение 124
Литература 126
Приложения 136
