Розроблений метод побудови емпіричних моделей складних процесів на основі генетичних алгоритмів, що дозволяє, в порівнянні 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 в залежності від погодних умов.
- Box J. Analysis of time series. Forecast and management / J. Box, G. Jenkins; transl. from the English .. - M.: Mir, 1974. - 406 p. (in Russian)
- Ivakhnenko A.G. Long - term forecasting and management of complex systems / A.G.Ivakhnenko - K .: Tekhnika, 1975. - 312 p. (in Russian)
- V.A. Uspenskii. Gödel's incompleteness theorem / V.A. Uspenskii. - Moscow: Nauka, 1982. - 110 p. (in Russian)
- Ivakhnenko A.G. Modeling stability against disturbances /A.G.Ivakhnenko, V.S.Stepashko - Kyiv: Nauk. Dumka, 1985. – 216 p. (in Russian)
- Ivakhnenko A.G. The prediction of random processes / A.G. Ivakhnenko, V.G. Lapa. - Kyiv: Naukova Dumka, 1969. - 420 p. (in Russian)
- Ivakhnenko A.G. Inductive method of self-organization of models of complex systems / A.G. Ivakhnenko. - Kyiv: Naukova Dumka, 1981. - 286 p. (in Russian)
- Lemke F.. Self-organising Modelling for Decision Support // International Conference in Inductive Modelling ICIM' 2013. Berlin, Germany. 172 – 178 pp.
- Gorbiychuk M.I. Analysis of the parallel algorithm for synthesizing empirical models on the principles of genetic algorithms / M.I. Gorbichuk, V.M. Medvedchuk, A.N. Lazoriv // Problems of Control and Informatics. - 2016. - No. 1. - p. 112 - 130. (in Ukrainian)
- Gorbiychuk M.I. Method of synthesis of empirical models based on the genetic algorithms / M.I. Gorbiychuk, M.I. Kogutyak, O.B. Vasilenko, І. V. Shchupak // Exploration and development of oil and gas fields. - 2009. - No. 4 (33). - p. 72-79. (in Ukrainian)
- Gorbiychuk M.I. Synthesis of functions of classification on the basis of genetic algorithms / M.I. Gorbiychuk, S.T. Samulyak, І.В. Shchupak // Artificial Intelligence. - 2010. - No. 2. - p. 24 - 31. (in Ukrainian)
- O.G. Moroz. The GMDB algorithm with the genetic search for the optimal model. O.G.Moroz // Control systems and machines. - 2016. - No. 6. - p. 73 - 88. (in Russian) https://doi.org/10.15407/usim.2016.06.073
- Ivakhnenko A.G. Self-organization of predictive models / A.G. Ivakhnenko, J.A. Muller-K .: Tehnika, 1984. - 223 p. (in Russian)
- Verzhbitsky V.M. Fundamentals of numerical methods: a textbook for high schools / V.M.Verzhbitsky. - M .: Higher School, 2002. - 840 p. (in Russian)
- Ivakhnenko A.G. Handbook on typical programs for modeling / A.G. Ivakhnenko, Yu. V. Koppa, V.S. Stepashko and others; Ed. A.G. Ivakhnenko. - К .: Technique, 1980. - 184 p. (in Russian)
- Gorbiychuk M.I. Method of motivating mathematical models of folding processes based on the genetic algorithms / M.I. Gorbiychuk, M.A. Shufnarovich / Information Problems of Computer Systems, Jurisprudence, Energy, Economy, Modeling and Control: Proceedings of the International Conference on Science and Technology, Buchach, 01-04.06, 2010, pp. 328-332. (in Ukrainian)
- Rutkovskaya D. Neural networks, genetic algorithms and fuzzy systems / D. Rutkovskaya, M. Pilinsky, L. Rutkovsky; trans. from Polish. I.D. Rudinsky. - Moscow: Hot line-Telecom, 2004. - 452 p. (in Russian)