Разработаны методические основы построения и реализации технологий оптимизации обработки данных и прогноза случайных временных рядов (СВР), направленных на совершенствование традиционных методов идентификации путем включения механизмов отбора информативных элементов, коррекции искаженных данных, настройки переменных вычислительных схем нечетких моделей, нейронных сетей, нейронечетких сетей. Предложены методы моделирования СВР при сильной вариации и волатильности элементов, внешних воздействиях, оценки систематической погрешности идентификации и обработки информации. Сформированы базы данных и базы знаний, включающие набор нечетких правил, механизмы использования статистических параметров, динамических характеристик информации, специфических особенностей моделей. Разработан и реализован обобщенный алгоритм на основе полиномиальной идентификации, нелинейной фильтрации СВР, нечеткого регулирования переменных в программном комплексе обработки данных, который дает более точные результаты и эффективность по сравнению с алгоритмами, не имеющими блока адаптации.

Анъанавий идентификациялаш усулига информатив элементларни танлаш, хато маълумотларни тахрир килиш, нотиник модел, нейрон TapMOFu, нейро-нотиник тармок узгарувчиларини созлаш такомиллашган хисоб схемаларини кулашга йуналтирилган маълумотни кайта ишлаш ва тасодифий вактли каторни (ТВК) башорат килиш макбул технологиясини яратиш ва куллашнинг услубий асослари ишлаб чикилган. Кучли вариация ва элементлар богааниши, ташки таъсирлар, идентификация ва ахборотга ишлов беришда доимий хатоликлар бахоланиши холатларида ТВКни моделлаштиришни амалга оширувчи усуллар таклиф этилган. Нотиник коидалар танламаси, ахборотнинг статистик параметрлари, динамик

Methodical bases are developed for construction and implementation of technologies for optimizing data processing and forecasting of random time series (RTS), oriented to improve the traditional methods of identification by including mechanisms for selecting informative elements, correcting distorted data, adjusting the variables of computational schemes of fuzzy models, neural networks, and neural-fuzzy networks. Methods of modeling of RTS with strong variation and volatility of elements, external influences, estimating of systematic error of identification and processing of information are proposed. Databases and knowledge bases are formed and they includ a set of fuzzy rules, mechanisms for using statistical parameters, dynamic information characteristics, specific features of models. The generalized algorithm based on polynomial identification, nonlinear filtering of RTS, fuzzy regulation of variables in the software complex of data processing is developed and implemented, which gives accurate results and shows its effectiveness than algorithms that do not have an adaptation block.