Помощь в написании студенческих работ
Антистрессовый сервис

Алгоритмические и программные средства аналитического и неразрушающего контроля параметров природной среды на основе метода выделения структур

Диссертация: Алгоритмические и программные средства аналитического и неразрушающего контроля параметров природной среды на основе метода выделения структур
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Разработанная методика выделения структур (МВС) исходного поля или его компонент, по пространственным (или временным) характеристикам позволяет разбить исследуемое пространство (или период времени) на определенное (как правило, небольшое) число областей (интервалов времени), в которых временные ряды обладают схожим поведением. Предложенные на основе МВС методы анализа многомерных временных рядов… Читать ещё >

Алгоритмические и программные средства аналитического и неразрушающего контроля параметров природной среды на основе метода выделения структур (реферат, курсовая, диплом, контрольная)

Содержание

  • Глава. /.Обнаружение закономерностей в массивах экспериментальных данных
    • 1. 1. Введение
    • 1. 2. Основные подходы, применяемые в кластерном анализе
    • 1. 3. Метод выделения структур
      • 1. 3. 1. Алгоритм метода выделения структур (REVPAT)
      • 1. 3. 2. Пример работы алгоритма МВС
      • 1. 3. 3. МВС и кластерный анализ
    • 1. 4. Алгоритм BINREL
      • 1. 4. 1. Структуры на случайном фоне
    • 1. 5. Метод структурного анализа (MSA)
    • 1. 6. Классификация данных
    • 1. 7. Выводы к главе 1
  • Глава 2. Задача аппроксимации случайного потока однородных событий МС-потоком
    • 2. 1. Использование МВС для выделения участков стационарности во входящем потоке событий
    • 2. 2. Пример
    • 2. 3. Пример
    • 2. 4. Выводы к главе 2
  • Глава 3. Исследование геофизических полей
    • 3. 1. Методика выявления пространственных структур профилей концентрации углекислого газа. ЗО-кластеризация
      • 3. 1. 1. Применение МВС к нахождению пространственной структуры профиля концентрации С
        • 3. 1. 1. 1. Первый вариант
        • 3. 1. 1. 2. Второй вариант
      • 3. 1. 3. Пространственная структура поля концентрации СОг у поверхности Земли
    • 3. 2. Подход к исследованию периодических полей
      • 3. 2. 1. Первый этап. Разложение временных рядов на составляющие
      • 3. 2. 2. Второй этап. Выделение структур
      • 3. 2. 3. Третий этап. Сопряженность геофизических полей
    • 3. 3. Исследования поведения общего содержания озона
      • 3. 3. 1. Северное полушарие. Анализ спутниковых измерений
      • 3. 3. 2. Сравнение с данными озонометрических станций
  • России и СНГ
    • 3. 3. 3. Южное полушарие. Спутниковые данные
    • 3. 4. Пространственная интерполяция и МВС
    • 3. 4. 1. Выбор наиболее эффективного метода пространственной интерполяции
    • 3. 4. 2. Влияние «размножение данных» на классификацию
    • 3. 5. Выводы к главе 3
  • Глава 4. Задача обнаружения и распознавания подповерхностных объектов из данных отраженного СШП электромагнитного сигнала
    • 4. 1. Введение
    • 4. 2. Моделирование распределения температуры и влажности в пористой среде при различных внешних климатических условиях
      • 4. 2. 1. Процессы теплопроводности в пористых материалах
      • 4. 2. 2. Процессы влагопроводимости в почвах
      • 4. 2. 3. Основные уравнения одномерной модели тепловлажностных процессов в пористых материалах
      • 4. 2. 4. Определение параметров
      • 4. 2. 5. Алгоритмы решения тепловлажностной задачи
      • 4. 2. 6. Иллюстрации и пояснения к результатам расчетов
    • 4. 3. Моделирование функции комплексной диэлектрической проницаемости в капиллярно-пористых материалах
    • 4. 4. Зависимость отраженного от среды СШП сигнала от среды с профильным распределением влажности
      • 4. 4. 1. Описание модели
      • 4. 4. 2. Методика расчета отраженного сигнала
      • 4. 4. 3. Результаты численного моделирования
    • 4. 5. Алгоритмы обнаружения подповерхностных объектов
      • 4. 5. 1. Метод выявления структур в задаче обнаружения подповерхностных объектов
      • 4. 5. 2. Алгоритмы нахождения контрастных точек в рамках МВС. 199 4.5.3 Структура матрицы расстояний и функция плотности распределения расстояний
    • 4. 6. Результаты
      • 4. 6. 1. Пример 1. Модельная радарограмма с локальными объектами
      • 4. 6. 2. Пример 2. Модельная радарограмма с локальными объектами и шумами
    • 4. 7. Задача обнаружения объектов за преградой. Модельные сигналы
    • 4. 8. Обнаружение подповерхностных объектов с помощью ВШКЕЬ. Реальные сигналы
      • 4. 8. 1. Пример. Исследования на стенде
    • 4. 9. Метод структурного анализа
      • 4. 9. 1. Пример реализации предложенного подхода
    • 4. 10. Выводы к главе 4
  • Глава 5. Исследование экспериментальных данных, характеризующих биологические системы
    • 5. 1. Использование МВС для выявления модельных деревьев
    • 5. 2. Способ дифференциальной диагностики депрессивного расстройства и органического поражения центральной нервной системы у постинсультных больных
      • 5. 2. 1. Исходный эмпирический материал
      • 5. 2. 2. Результаты исследования
      • 5. 2. 3. Анализ по отдельным составляющим лейкоцитарной формулы
    • 5. 3. Минеральный гомеостаз у больных с инсультом и сопутствующей депрессией
      • 5. 3. 1. Исходный эмпирический материал
      • 5. 3. 2. Результаты исследования
      • 5. 3. 3. Определения динамики центра тяжести больного по потоку изображения
    • 5. 4. Выводы к главе 5
  • Глава 6. Описание программ и практические примеры
    • 6. 1. Введение
    • 6. 2. Программа для обработки экспериментальных данных ICCC
      • 6. 2. 1. Применение пакета ICCC для исследования пространственно-временной структуры среднемесячных температур на территории Сибири
    • 6. 3. Программа для анализа георадиолокационных данных
      • 6. 3. 1. Описание TWES
      • 6. 3. 2. Пакет GEO
      • 6. 3. 3. Примеры практического использования пакета GEO
        • 6. 3. 3. 1. Интерпретация георадиолокационных данных участка возможных захоронений в период сражений 1812 и 1942 годов на Бородинском поле
        • 6. 3. 3. 2. Интерпретация георадиолокационных данных, полученных на диафрагме плотины Богучанской ГЭС
    • 6. 4. Пакет программ для аппроксимации входящего потока событий МС-потоком
      • 6. 4. 1. Аппроксимация МС-потоком реального потока событий
    • 6. 5. Выводы к главе 6

Для решения глобальных проблем, стоящих перед человечеством, необходимо иметь глубокое понимание процессов, происходящих на нашей планете. Построение реалистичных моделей, описывающих различные явления, происходящие в такой сложной системе, как наша планета, требует знания большого числа параметров. Именно поэтому в настоящее время проводится большое количество разнообразных измерений в режиме мониторинга, что порождает стремительный рост объемов получаемых данных. Эти данные несут в себе много скрытой информации, поскольку они, как правило, отражают совместное действие большого количества влияющих факторов. И здесь исследователи сталкиваются с большими трудностями, связанными, в частности, с отсутствием универсального подхода, который позволял бы получать необходимую информацию. Каждая сложная система требует своего набора методов исследования, зависящего от цели исследования, специфики рассматриваемой системы, ограничений различного рода, типа и объема имеющихся данных.

Если отбор эмпирических данных о системе проведен на основе корректных теоретических воззрений, то массив таких данных будет внутренне структурирован. В философском словаре под структурой понимается «совокупность устойчивых связей объекта, обеспечивающих его целостность и тождественность самому себе, т. е. сохранение основных свойств при различных внешних и внутренних изменениях» [1].

Поиск регулярности — это доминирующая тема в попытках человека понять окружающий его мир. Любая попытка такого рода базируется на неявном или явном допущении о том, что явления природы и события искусственного мира, созданного человеком, подчиняются определенным законам, определяющим упорядоченную структуру" [2]. И согласно 7.

Н.Винеру, высшее назначение математики как раз и состоит в том, чтобы находить скрытый порядок в хаосе, который нас окружает [3].

Мир системен, и неудивительно, что с древних времен человек систематизировал практически все, с чем приходилось сталкиваться. Такое наведение порядка в вещах и явлениях систематизировало и мысли человека о природе, позволяло ему лучше ориентироваться в окружающем его мире, осознавать своем место и в какой-то степени прогнозировать будущее. Классификация при этом играла очень важную, если не основную, роль. Наука продолжает эту традицию — структурировать мир, делить его на составные части, изучать эти части и взаимодействия между ними, чтобы потом вновь их структурировать. Любое научное исследование какой-либо системы начинается со сбора фактов и их анализа. И уже на этом первом этапе структуризация предоставляет дополнительные возможности осмысления того, что предстоит изучать. Выявление информации о существующих связях, т. е. обнаружение определенных закономерностей в наборе данных — это одна из задач обработки данныхочень полезный этап, позволяющий, в частности, сжать исходную информацию и представить задачу в обозримом виде, что дает возможность строить гипотезы и модели для дальнейших более глубоких исследований.

Для решения подобных задач обычно используют, наряду с обычными статистическими методами, методы многомерной статистики: факторный, дискриминантный и кластерный анализы. Как справедливо отмечается в [4], методы многомерного анализа сейчас широко развиваются, и этот процесс не может быть отнесен только к математической или прикладной статистике. Использование методов многомерной статистики предполагает обращение к системному анализу рассматриваемого явления, основных его составляющих и их связей, принятие решения о характере установленных закономерностей.

4]. 8.

1<�И{V г":* к^.АулЛа'^Й?М, У/ЦНЪ.

Данная диссертационная работа посвящена разработке подходов, созданию методов и алгоритмов на основе предлагаемого автором метода выявления структур (МВС) для изучения сложных систем различной природы. МВС относится к классу кластерных методов, т. е., является процедурой, позволяющей либо провести разложение данных на структуры, либо обнаружить в них заранее заданные структуры. Структуры в данных наблюдений — это математические структуры. Они отражают совокупное проявление связей между переменными системы, которые не всегда очевидны, и по этой причине часто являются скрытыми.

Фактически МВС реализует скрытый алгоритм, присутствующий в определении понятия математической структуры: «Структуры математические — родовое название, объединяющее понятия, общей чертой которых является то, что они применимы к множествам, природа элементов которых не определена. Чтобы определить структуру, задают отношения, в которых находятся элементы множества, затем постулируют, что данные отношения удовлетворяют условиям — аксиомам структуры» [9].

Эта формулировка и определила название метода, которое показалось автору довольно удачным, поскольку оно, кроме всего прочего, отражает главную цель кластерного анализа — поиск существующих структур [4].

Надо заметить, что согласно [10] существуют два различных класса задач разделения многомерных совокупностей по результатам измерений.

Дискриминация. Известно существование некоторого количества генеральных совокупностей и дано по одной выборке из каждой совокупности. По данным имеющихся выборок необходимо выработать правила, позволяющие приписать некоторый новый объект к правильной генеральной совокупности, когда неизвестно, к какой совокупности он принадлежит. ^ ^ ь Л ц 11 Л ^ ^ }.

Классификация. Разбиение совокупности объектов по различимым группам. Если при дискриминации существование групп дано, то при классификации их выявление составляет задачу[11].

Кластерный анализ — это обобщенное название ряда интуитивных процедур, целью которых является создание классификации, т. е. распределение объектов на небольшое число групп, которые называются кластерами, с использованием при этом того или иного принципа схожести объектов по выбранной системе признаков. Согласно [4], различные приложения кластерного анализа можно свести к четырем основным задачам:

1) разработка типологии или классификации;

2) исследование полезных концептуальных схем группирования объектов;

3) порождение гипотез на основе исследования данных;

4) проверка гипотез или результатов исследования для определения, действительно ли типы (группы), выделенные тем или иным способом, присутствуют в имеющихся данных.

Задачи, рассмотренные в данной диссертационной работе, можно отнести, главным образом, к третьему, четвертому типам и в меньшей степени ко второму.

Прозрачность главной идеи кластерного анализа и относительная простота кластерных алгоритмов привели к созданию большого количества методов и большому разнобою в терминологии и методологии. В литературе можно встретить разнообразные названия, характеризующие, в общем, одну и ту же задачу — разбиение множества объектов, обладающих общей системой признаков, на классы.

Общепринятого определения понятия кластер нет, в каждом конкретном случае исследователь вкладывает свой смысл, который зависит от своеобразия задачи и используемого алгоритма. После разбиения объектов.

10 на классы можно вычислить статистические характеристики исследуемых признаков для каждого кластера: среднее значение, дисперсия, и т. д. Но, кроме этого, каждому кластеру можно приписать и определенные универсальные (структурные) характеристики, зависящие только от отношений (длин связи) между элементами: среднее значение длины связи, ее дисперсия, изолированность и компактность кластера, и т. д. Это, безусловно, полезно, т.к. дает возможность количественно сравнивать различные кластеры друг с другом по этим структурным параметрам и оценить все разбиение в целом из анализа удаленности кластеров друг от друга. В терминах длины связи обычно формулируется и критерий качества всего разбиения, который обычно называется функционалом качества. С той или иной степенью подробности эти вопросы обсуждаются далее в тексте диссертации.

Рассматриваемые в диссертации задачи относятся к классу обратных задач, которые, как известно, не имеют однозначного решения за редким исключением. Каждая задача обладает своими особенностями, языком описания и областью практического применения. Естественно, что при исследовании и интерпретации полученных результатов использовались и другие методы, но МВС в той или иной модификации в качестве одного из этапов присутствует в каждой задаче. Адаптация МВС к конкретной проблеме заключается, главным образом, в выборе объектов, системы признаков для них и определении понятия структуры.

Цель исследований.

Разработка и исследование методов и алгоритмов с использованием МВС для изучения и неразрушающего контроля параметров сложных систем различной природы, а также построение на их основе программных средств решения задач обнаружения закономерностей в экспериментальных данных наблюдений.

Основные задачи исследований.

1. Разработать алгоритмы, создать программы, реализующие выделения структур из эмпирических данных произвольной природы.

2. Разработать подход к исследованию периодических и непериодических полей данных.

3. Изучить с помощью предлагаемого подхода различные метеорологические поля (температуры, осадков, Ог, С02, ветра и т. д.).

4. Разработать алгоритмы и создать программы, позволяющие исследовать тепловлажностные и диэлектрические свойства пористых сред (почв и строительных материалов) для разнообразных внешних воздействий, а также моделировать поведение отраженного от такой среды электромагнитного импульса.

5. Создать алгоритмы и программы, позволяющие обнаруживать структуру подповерхностного слоя и объекты, находящиеся в нем, а также объекты, располагающиеся за преградой из данных по электромагнитному зондированию сверхширокополосным сигналом.

6. Создать алгоритмы и программы на основе МВС, позволяющие аппроксимировать неизвестный поток событий МС-потоком.

7. Разработать на основе МВС метод по потоку изображений находить контур движущегося объекта.

Объект исследования — данные различной природы.

Предмет исследования — математические и алгоритмические методы и информационно-компьютерные технологии обработки и анализа данных различной природы.

Основные положения, выносимые на защиту.

1. Метод выявления структур (МВС), дающий возможность отыскивать структуры в массивах данных по заданному правилу объединения.

11 ^.

ГЗДЧ Ч 1 ^ I .< ф.

VII.

1| I.

•А V и* им элементов в структуру, и не требующий вычисления функционала качества.

2. Комплексный подход к исследованию периодических и непериодических геофизических полей естественного и антропогенного происхождения, заключающийся в выполнении последовательности известных алгоритмов по определенным правилам.

3. Методика обработки пространственно-временных наборов данных электромагнитного сверхширокополосного зондирования, основанная на МВС, позволяющая выявлять структуры изучаемого подповерхностного слоя.

4. Методика обработки данных электромагнитного сверхширокополосного зондирования, представляющая собой алгоритмическую разновидность МВС, позволяющая проводить обнаружение объектов неизвестной природы, в том числе находящихся за преградой.

5. Методика обработки информационных потоков, базирующаяся на принципах МВС, позволяющая только по временам прихода событий аппроксимировать входящий поток МС-потоком.

6. Основанная на МВС быстрая методика обработки и анализа потока изображений, позволяющая выделять движущиеся объекты.

Научная новизна.

1. Создан метод выявления структур (МВС), позволяющий отыскивать структуры в массивах данных по заданному правилу объединения элементов в структуру. Метод и его модификации, в отличие от многих существующих, не требует априорной информации о природе исследуемых экспериментальных данных, способах их получения, а также о числе отыскиваемых структур.

2. Предложен и использован при решении задач геофизики комплексный подход к исследованию природных периодических полей, заключающийся в согласованном выполнении ряда этапов: разложения геофизических полей на составляющие, их кластеризации и компонентного анализа.

3. В задачах определения структуры подповерхностного слоя и обнаружения находящихся в нем объектов по данным электромагнитного сверхширокополосного зондирования впервые предложены оригинальные алгоритмы, являющиеся модификациями МВС.

4. Предложена алгоритмическая разновидность МВС, адаптированная к задаче построения радиоизображения объектов, находящихся за преградой, с использованием данных электромагнитного сверхширокополосного зондирования.

5. Впервые предложен подход, использующий совместное решение тепловлажностной задачи и задачи обнаружения, к решению проблемы распознавания подповерхностных объектов по данным электромагнитного сверхширокополосного зондирования. Этот подход позволяет более точно интерпретировать отраженный сигнал, поскольку учитывает зависимость формы отраженных пиков от профиля влажности в среде.

6. Впервые предложен метод, использующий идеологию выделения структур для выявления участков стационарности во входящем потоке событий. Это позволяет решать задачу аппроксимации входящего потока событий дважды стохастическим марковским потоком.

7. Для решения задачи отбора модельных деревьев впервые применен метод, в основе которого лежат базисные положения МВС, позволяющий описывать пространственно-временные характеристики окружающей среды.

14 } < * «.

I' I.

II1 п 1,1.

И У< ' Ч Г 1 М.

МР *.

I 1 и.

1 4 И Л.

I I.

11, V.

Гц*.

8. Впервые предложен алгоритм локализации фигуры человека, на основе МВС, обладающий значительно большей устойчивостью и скоростью обнаружения, при сохранении точности существующих методов. Достоверность результатов и выводов диссертационной работы обеспечивается строгостью используемых математических методов, непротиворечивостью результатов и выводов с ранее полученными данными исследований, совпадением результатов и выводов с расчетами других авторов и экспериментальными данными.

Практическая значимость диссертационной работы определяется возможностью широкого применения методов выделения структур в различных модификациях при решении практических задач. Они могут быть использованы при создании математического обеспечения для решения задач мониторинга окружающей средыдля геолокаторов и других геофизических приборов, предназначенных для решения разнообразных задач инженерного и экологического планаа также при разработке и исследовании систем массового обслуживания. Созданы программы:

1. Разложения временных рядов на составляющие с последующей классификацией и компонентным анализом каждой составляющей (ICCC).

2. Для моделирования при заданных граничных условиях профилей температуры, влажности в слоистых пористых материалах (почвы, строительные материалы), построения для этих профилей модельной функции комплексной диэлектрической проницаемости и расчета отраженного от такой структуры электромагнитного сигнала (TWES).

3. Решения задачи профилирования и обнаружения подповерхностных объектов из данных по электромагнитному зондированию сверхширокополосным сигналом (GEO).

4. Решения задачи аппроксимации входящего потока событий дважды стохастическим потоком (APFLOW).

Личный вклад автора состоял в постановке научных задач, разработке методов и алгоритмов, обсуждении и интерпретации полученных результатов. Подход к изучению периодических полей, изложенный в главе 1, создавался совместно с к.г.н Кусковым А. И. Комплекс программ пакета TWES разрабатывался и создавался совместно с к.ф.м.н. Чернышовым В. Н. Все остальные комплексы программ разрабатывались и создавались автором лично.

Использование результатов работы.

Разработанный программный продукт ICCC используется на кафедре метеорологии ТГУ (г. Томск), экологии и природопользовании ЮГУ (г. Ханты-Мансийск) и в ИМЭКС (г. Томск) при изучении различных метеорологических полей. В ОАО Томгипротранс (г. Томск), ОАО Фундаментпроект (г. Москва) и РГУПС (г. Ростов-на-Дону) при решении георадиолокационных задач применяются программы интерпретации георадарных данных комплекса GEOTWES.

Разделы работы, посвященные изучению поведения природных полей, использовались при чтении лекций студентам гуманитарных специальностей по курсу «Концепции современного естествознания» Томского государственного педагогического университета.

Апробация работы. Основные результаты работы докладывались на Сибирском Совещании по климатоэкологическому мониторингу (I, Томск 1995, III 1999, IV 2001, VI 2005), 4-ой Международной научно-технической конференции «Распространение и дифракция электромагнитных волн в неоднородных средах» (Москва, 1994), Российской научно-техническая конференция по дифракции и распространению волн" (Улан-Удэ, 1996),.

Progress in Electromagnetic Research Symposium (PIERS), (1996, Innsbruck, Austria), 3-ем Сибирском Конгрессе по прикладной и индустриальной математике, ИНПРИМ-98 (Новосибирск, 1998), Научно-практической конференции «Актуальные вопросы неврологии и нейрохирургии» (Рязань, 1999), Всероссийской конференции «Актуальные проблемы профилактики неинфекционных заболеваний» (Москва, 1999), VII-ом Международном симпозиуме «Оптика атмосферы и океана», KOREA-RUSSIA International Symposium on Science and Technology (Tomsk, 2001, 2004), Сибирском поляризационном семинаре, СибПол (Сургут 2004), Международной конференции по измерениям, моделированию и информационным системам для изучения окружающей среды, ENVIROMIS (Томск 2004, 2008, 2011), Conference on spatial interpolation in climatology and meteorology (Budapest,.

2004), Всероссийской научно-практической конференции Проблемы информационной безопасности государства, общества и личности (Томск.

2005), Всероссийских симпозиумах «Радиолокационное исследование природных сред» (XXV Санкт Петербург 2006, XXVI Санкт Петербург 2007), 11-th international conference on ground penetrating radar (Columbus Ohio, USA.

2006), 3-ей, 5-ой и 7-ой международных научно-практических конференциях «Инженерная и рудная геофизика» (Геленджик, 2007, 2009, 2012, Москва, 2011), Международной конференции Ultrawideband and Ultrashort impulse signals, (UWBUSIS'08, Sevastopol, 2008), 2-ой Международной геолого-геофизической конференции «Тюмень — 2009» (Тюмень, 2009), 29th Annual EARSeL Symposium 2009 — Chania, 15th — 18th June, Crete, Greece.

Объем и структура работы.

Список публикаций автора содержит 77 наименования. Из них 14 статей в журналах, рекомендованных ВАК, 2 монографии, 2 патента, 3 авторских свидетельства на программы, 7 статей в других журналах и 48 тезисов и материалов научно-технических конференций.

Диссертация состоит из введения, 6 глав, заключения и приложения. Полный объем диссертации 352 страниц текста с 150 рисунками и 40 таблицами.

Список литературы

состоит из 284 наименований.

6.5. Выводы к главе 6.

В данной главе приведено описание структуры и возможностей пакетов программ 1ССС, Т1? Е8, СЕО и АРЕЫЖ.

Рассмотрены примеры применения указанных программ при решении конкретных практических задач.

ЗАКЛЮЧЕНИЕ

.

Диссертация посвящена разработке и исследованию методов и алгоритмов, которые могут быть использованы для обнаружения закономерностей в экспериментальных данных геофизической и иной природы, что при изучении и контроле состояния сложных систем является одним из начальных этапов, а также построению на их основе соответствующих программных средств. Проведенные автором исследования позволили сформулировать следующие выводы.

1. Разработанная методика выделения структур (МВС) исходного поля или его компонент, по пространственным (или временным) характеристикам позволяет разбить исследуемое пространство (или период времени) на определенное (как правило, небольшое) число областей (интервалов времени), в которых временные ряды обладают схожим поведением. Предложенные на основе МВС методы анализа многомерных временных рядов обеспечивают необходимую (наперед заданную) точность при их аппроксимации. Это дает возможность построить структурную модель поля метеорологических параметров и, тем самым, сжать первичную информацию без существенной потери точности. Так, структурная модель поля концентрации глобально распределенного СО2 (найденная на основе МВС) включает в себя около сотни регионов, что сокращает необходимый объем дальнейших вычислений в случае сетки 2.5°х2.5°, по крайней мере на 2 порядка.

2. Разработанный подход к исследованию периодических и непериодических геофизических полей, состоящий из разложения временных рядов (тренд, сезонная и аномалии) и последующей структуризации каждой из этих составляющих, дает возможность получить разнообразную информацию о системе в виде набора параметров, характеризующих результаты разложения, и параметров, связанных с описанием структуры системы. Такая информация вместе с эмпирическими функциональными зависимостями между параметрами может рассматриваться в качестве ч.

Ч1 й'.

V И* * г п,.

I" ' «к «V п 4.

305 1*1 ^.

Г I, С.

I «.

11 *" Л Г 1″ л ' Л [ V" А" Г1.

VI обобщенных экспериментальных данных о системе. Кроме того, получаемые закономерности могут служить основой для создания гипотез и моделей о факторах, влияющих на исследуемую величину.

3. Показано, что пространственная интерполяция повышает эффективность подхода МВС, при изучении геофизических полей на редкой сетке точек.

4. Определен минимально возможный набор вычислительных процедур (интерполяция, выделение составляющих, структуризация и компонентный анализ) для анализа периодических геофизических данных. Получаемый в результате набор характеристик изучаемого поля обладает минимально-достаточными свойствами для его описания.

5. Создан подход, на основе метода выделения структур, позволяющий решать задачи обнаружения закономерностей с непериодическими полями. Созданные в рамках подхода алгоритмы, позволяют обнаруживать структуры в исследуемой среде (отдельные объекты, находящиеся в изучаемом слое, либо располагающиеся за преградой) при георадарном зондировании. Результаты обработки реальных геолокационных данных при автоматической обработке радарограмм показали эффективность подхода.

6. Предложенный подход выделения структур позволяет аппроксимировать неизвестный поток событий МС-потоком с применением метода нахождения интервалов стационарности, который, в отличие от существующих подходов, использует только времена поступления событий и не требует другой исходной информации о входящем потоке.

7. Показана универсальность МВС при исследовании биологических объектов, которые обладают высокой степенью индивидуальности, что сказывается на пределах изменения каждого изучаемого параметра. Для решения задачи отбора модельных деревьев и описания пространственно-временных характеристик окружающей среды применена методика, в основе которой лежат базисные положения МВС. При нахождении характеристик двигательной активности человека из потока изображений, разработанные.

Ч1 ''' V ' О ч 1.

V <

I".

Н р, а VI п., ш.

I ч <, Л.

Л;

1 л.

I у, П.

А («**».

Г .11 и.

1 • ' * I, 1), а '.

Ь X м, л !,'(>тЖ алгоритмы позволяют перейти к режиму обработки, близкому к real-time, в отличие от известных, матричных подходов обработки изображений.

Результаты диссертационной работы показывают широкие возможности применения метода выделения структур в различных модификациях и в сочетании с другими известными методами для решения разнообразных практических задач неразрушающего контроля состояния сложных систем. Надо подчеркнуть, что все используемые варианты MB С, в отличие от многих существующих, не требуют априорной информации о природе исследуемых экспериментальных данных, способах их получения, а также о числе отыскиваемых структур. Они могут быть использованы как самостоятельный исследовательский инструмент, так и в качестве одного из блоков при создании математического обеспечения для решения задач мониторинга окружающей среды, медицины, для геолокаторов и другой геофизической аппаратуры, а также при разработке и исследовании систем массового обслуживания.

Показать весь текст

Список литературы

  1. Философский энциклопедический словарь. М.: Советская энциклопедия, 1983. — с. 657.
  2. У. Лекции по теории образов. 3 Регулярные структуры / У. Гренандер М.: Мир, 1983 — 430 с.
  3. Н. Я математик / Н. Я. Винер. — М.: Наука, 1964. — с.27.
  4. Факторный, дискриминантный и кластерный анализ: пер с англ. / Дж.-О. Ким и др.- под ред. И. С. Енюкова. М.: Финансы и статистика, 1989. — 215 с.
  5. Прикладная статистика: классификация и снижение размерности: Справ. Изд. / С. А. Айвазян и др.- под ред. С. А. Айвазяна. М.: Финансы и статистика, 1989. — 607 с.
  6. Э. М. Структурные методы обработки данных / Э. М. Браверманн, И. Б. Мучник. М.: Наука, 1983. — 464 с.
  7. Фу К. Структурные методы в распознавании образов / К. Фу. М.: Мир, 1977.-320 с.
  8. Н. Г. Алгоритмы обнаружения эмпирических закономерностей /Н. Г. Загоруйко, В. Н. Елкина, Г. С. Лбов. -Новосибирск: Наука, 1985. -105 с.
  9. Математическая энциклопедия. Т.5- М.: Советская энциклопедия, 1985. с. 250.
  10. М. Многомерный статистический анализ и временные ряды / М. Кендалл, А. Стюарт. М.: Наука, 1976. — 736 с.
  11. В.Б., Лбов Г. С. «Современные тенденции в кластерном анализе». Источник: http:// www.ict.edu.ru/ft/5 638/62315el-st02.pdf
  12. Rand W. Objective criteria for the evaluation of clustering methods // Journal of American Statistical Association, 1971. V.66. P.846−850.
  13. P., Харт П. Распознавание образов и анализ сцен М.: Мир, 1976. — 559 с.
  14. Gowda, K. C., Krishna, G. Agglomerative clustering using the concept of mutual nearest neighborhood // Pattern Recognition, 1977. V. 10. P. 105−112.
  15. Jain, A. K., Mao Artificial neural networks: A tutorial // IEEE Computer, 1996. V. 29. P. 31−44.
  16. Kohonen T. Self-Organization and Associative Memory 3rd ed. Springer information sciences series. Springer-Verlag, New York, NY. 1989.
  17. Theodoridis, S. and Koutroumbas, K., Pattern Recognition, Academic Press, New York, NY, U.S.A. (1999).
  18. Goldberg, D. E., Genetic Algorithms in Search, Optimizationand Machine Learning, Addison-Wesley, New York, NY, U.S.A. (1989).
  19. Maulik, U. and Bandyopadhyay, S., «Genetic Algorithm-Based Clustering Technique,» Pattern Recognition, Vol. 33, pp. 1 455 465 (2000).
  20. Parzen E. On the estimation of a probability density function and mode // Annals of Mathematical Statistics. 1962. Vol. 33. Pp. 1065−1076.
  21. Rosenblatt M. Remarks on some nonparametric estimates of a density function //Annals of Mathematical Statistics. 1956. Vol. 27, no. 3. Pp. 832−837.
  22. Dempster A. P., Laird N. M., Rubin D. B. Maximum likelihood from incomplete data via the EM algorithm// J. of the Royal Statistical Society, Series B. 1977. No. 34. P. l-38.
  23. Zahn C. T. Graph-theoretical methods for detecting and describing gestalt clusters // IEEE Trans. Comput., 1971. C-20. P. 68−86.
  24. Karypis G., Aggarwal R., Kumar V., Shekhar S. Multilevel hypergraph partitioning: Applications in VLSI domain // Proceedings of the Design and Automation Conference, 1997.
  25. L. Breiman Machine Learning, 45, 5−32, 2001, с 2001 Kluwer Academic Publishers. Manufactured in The Netherlands.
  26. Pal M. Random forest classifier for remote sensing classification // International Journal of Remote Sensing. 2005. — V.26. — P. 217−222.
  27. J. C. Dunn (1973): «A Fuzzy Relative of the ISODATA Process and Its Use in Detecting Compact Well-Separated Clusters», JOURNAL OF CYBERNETICS 3: 32−57
  28. J. C. Bezdek (1981): «Pattern Recognition with Fuzzy Objective Function Algoritms», Plenum Press, New York.
  29. D.E. Gustafson, W.C. Kessel, «Fuzzy Clustering with a Fuzzy Covariance Matrix,» in Proc. of IEEE CDC, 1979.
  30. Anderberg M.R. Cluster Analysis for Applications. Academic Press, Inc., New York, 1973.
  31. A. M. Оценивание состояний МС-потока событий при наличии ошибок измерений / А. М. Горцев, JI. А. Нежельская, Т. И. Шевченко // Изв. Вузов «Физика». 1993. — № 12. — С. 67−85.
  32. JI.A., Горцев A.M. Оценивание длительности мертвого времени асинхронного дважды стохастического потока событий в условиях его неполной наблюдаемости // АиТ. 2003. № 12. С. 69−79.
  33. И.В., Горцев A.M. Оптимальная оценка состояний синхронного дважды стохастического потока событий// АиТ. 2004. № 9. С.40−51.
  34. А. М. Оптимальная нелинейная фильтрация марковского потока событий с переключениями / А. М. Горцев, JI. А. Нежельская //Техника средств связи. Серия: Системы связи.- 1999. Вып. 7. — С. 46 — 54.
  35. И. С. Оптимальная оценка параметров потока событий с переключениями // Вестник ТГУ. 2000. — № 271.
  36. Е. Н. Об одном алгоритме распознавания МС-потокасобытий / Е. Н. Беккерман, С. Г. Катаев, С. С. Катаева // Вестник ТГУ. 2000. — № 271. — С. 41−45.
  37. К. Математическая теория связи // Работы по теории информации и кибернетике. М.: ИЛ, 1963.
  38. Е. Н. Исследование информационных признаков пуассоновского потока при малом количестве событий / Е. Н. Беккерман, С. С. Катаева // Вестник ТГУ. 2003. — № 6. — С.216−219.
  39. Е. Н. Аппроксимация MC-потоком реального потока событий / Е. Н. Беккерман, С. Г. Катаев, С. С. Катаева, Д. Ю. Кузнецов // Вестник ТГУ. 2005. — Приложение № 14. — С. 248−252.
  40. Г. С., Гинзбург A.C. Оценки возможности «быстрого» метанового потепления 55 млн. лет назад // Докл. АН. 2007. -Т.143, N 6. — С.816−819
  41. Ю.М. Глобальная система мониторинга параметров атмосферы и поверхности СПб. — 2009. — 129 с.
  42. Межерис 3. Лазерное дистанционное зондирование. М.: Мир. -1987.-550 с.
  43. Метеорологическое зондирование подстилающей поверхности из космоса. Под ред. К. Я. Кондратьева. Л.: Гидрометеоиздат 1979. -247 с.
  44. В.Е., Комаров B.C. Статистические модели температуры и газовых компонент атмосферы. Л.: Гидрометеоиздат. 1986. — 263 с.
  45. В. Е. Креков Г. М. Оптические модели атмосферы. Л.: Гидрометеоиздат. 1986. — 256 с.
  46. И.Л., Розанов В. В., Тимофеев Ю. М. Газовые примеси в атмосфере. Л.: Гидрометеоиздат. 1983. — 192 с.
  47. Maksyutov, S., R. Onishi, М. Naja, A. Yaremchuk, Р. К. Patra, G. Inoue, Atmospheric C02 simulations with a high resolution model andsynoptic scale variability of C02 column, CGER-I058−2007, v. 14, 2007. pp. 49−54
  48. И.И. Диагностика структуры климатической системы. -СПб.: Гидрометеоиздат. 1993. — 271 с.
  49. С.П., Петросянц М. А. Метеорология и климатология. М.: Изд-во МГУ. — 2004. — 582с.
  50. Г. В. Статистика и анализ гидрометеорологических данных / Г. В. Груза, Р. Г. Рейтенбах. JI.: Гидрометеоиздат, 1982. — 215 с.
  51. Предстоящие изменения климата / под ред. М. И. Будыко и др. -Л.: Гидрометеоиздат, 1991. 272 с.
  52. Г. В. Структура и изменчивость наблюдаемого климата. Температура воздуха Северного полушария /Г. В. Груза, Э. Я. Ранькова. Л.: Гидрометеоиздат, 1980. — 72 с.
  53. К. Я. Современные изменения глобального климата// ВНИИГМИ МЦД. Сер. метеорология. — 1985. — Вып. 8. — С. 5−20.
  54. И. И. Изменения температуры воздуха Северного полушария за период 1881—1976 гг.. / И. И. Борзенкова, К. Я. Винников // Метеорология и гидрология. 1976. — № 1. — С. 3−14.
  55. К. Я. Современные изменения климата Северного полушария / К. Я. Винников, Г. В. Груза, В. Ф. Захаров // Метеорология и гидрология. 1980. — № 6. — С. 5−18.
  56. Л. В. Колебания температуры воздуха на южной половине Европейской территории СССР в 1891—1990 гг.. // Вестник МГУ. Сер.5. 1992. -№ 1. — С. 25−30.
  57. Е. С. Структура колебаний температуры воздуха на Северном полушарии / Е. С. Рубинштейн. Л.: Гидрометеоиздат, 1973.-34 с.
  58. Г. В. Структура и изменчивость современного климата / Г. В. Груза, Э. Я. Ранькова//Метеорология и гидрология. -1989. № 7.- С.14−18.
  59. К. Я. Изменения средней температуры воздуха Северного полушария за 1841−1985 гг. / К. Я. Винников, П. Я. Гройсман, К. М. Лугина//Метеорология и гидрология. 1987. — № 1.- С.45−56.
  60. Е. П. Круговорот углерода и климат / Е. П. Борисенков, К. Я. Кондратьев. Л.: Гидрометеоиздат, 1988. — 319 с.
  61. Глобальное потепление: доклад Гринпис / под ред. Дж. Леггета. -изд-во МГУ, 1993. 272 с.
  62. М. И. Современное потепление / М. И. Будыко, Н. А. Ефимова, К. М. Лугина // Метеорология и гидрология. 1993. — № 7.- С.29−35.
  63. Л. А. Изменения температуры воздуха и облачности в 1967—1990 гг.. на территории бывшего СССР / Л. А. Ефимова, И. М. Строкина, И. М. Байкова // Метеорология и гидрология. — 1994. -№ 6. С. 66 -69.
  64. Л. А., Строкина И. М., Байкова И. М. Изменения основных элементов климата на территории СССР в 1967—1990 гг.. // Метеорология и гидрология. 1996. — № 4. — С.34 — 42.
  65. М. И. Климат в прошлом и будущем / М. И. Будыко. Л.: Гидрометеоиздат, 1980. — 350 с.
  66. К. Я. Глобальный климат / К. Я. Кондратьев. Л.: Гидрометеоиздат, 1992. — 359 с.
  67. Ma Xiaobo. Gaoyuan qixiang Plateau meteorol. Res. 1995. — 14, № 3.-С. 348−358.
  68. Wang D. Hangzhou daxue xuebao. Ziran kexue ban. // I. Hangzhou Univ. Natur. Sci.Ed. 1994. — 21, № 2. — C.227−234.
  69. Salinger M. Climate trends in the southwest Pacific / M. Salinger, R. Basher, I. Hay//Int. I. Climatol. 1995. — 15, № 3. — C. 285−302.
  70. Monastersky Richard Tropical Trouble. Two decades of Pacific warmth have fired up the globe // Sci. News. 1995. — 147, № 10. — C. 154 155.
  71. Rudloff Hans von. Zmiany klimatu w Europie: wplywy urbanizacji i efekt cieplarniany // Wiad. inst. meteorol. i gosp. wod. 1993. 16, № 1.- C. 75−89.
  72. Climate update // Weather. 1995. — 50, № 5. — C. 180. — Англ. Реф.: Изменения климата. — РЖ Геофизика. — 1995. — 12Б346. — С. 37.
  73. Tsuyoshi Nitta Trends and interannual and interdecadal variations of global and surface air temperature / N. Tsuyoshi, Y. Ian // Meteorol. Soc. lap. 1993.-71, № 3. — C. 367−375.
  74. Yoshimura Ian. Kishocho Kenkyujiho // I. Meteorol. Res. — 1992. -44, № 4.-C. 173−179.
  75. Parker D. Interdecadal changes of surface temperature since the latte nineteenth century / D. Parker, P. Jones, C. Follang //1. Geophys. Res.
  76. D. 1994. — 99, № 7. — C. 14 373−14 399.
  77. M. И. Антропогенные изменения глобального климата // Метеорология и гидрология. 1981. — № 8. — С. 5−14.
  78. Е. А. Авторегрессионные оценки связи полей приземной температуры воздуха и крупномасштабной циркуляции атмосферы /
  79. E. А. Рыбак, О. О. Рыбак // Метеорология и гидрология. 2002. — № 4.- С. 39−49.
  80. Е. М. Об интерпретации зимнего потепления на континентах Северного полушария в 1977—1994 гг.. / Е. М. Володин,
  81. В. Я. Галин // Метеорология и гидрология. 1999. — № 1. — С. 20−29.
  82. О взаимосвязи колебаний климата в Арктике и в средних и низких широтах / Алексеев Г. В. и др. // Метеорология и гидрология. -2000.-№ 6.-С. 5−17.
  83. И. И. Центры действия в атмосфере и тенденции их изменения / И. И. Мохов, В. К. Петухов // Известия АН. Физика атмосферы и океана. 2000. — Т. 36, № 3. — С. 321−329.
  84. Л. В. Об изменениях климата в центре и на юге европейской территории России в холодном полугодии текущего столетия // Метеорология и гидрология. 1998. — № 11. — С. 59−64.
  85. В. Н. Связь средних месячной, сезонной и годовой температур воздуха на севере России с индексами зональной циркуляцией зимой // Метеорология и гидрология. 2003. — № 2. — С. 15−28.
  86. С. Г. Катаев Исследование озонных полей над территорией России и сопредельных государств. I. Составляющие полей озона и их структура / Катаев С. Г., Кусков А. И. // Вестник ТГПУ. 1998. -Вып.5. — С. 3−9.
  87. С. Г. Исследование озоновых полей над территорией России и сопредельных государств. II. Классификация составляющих полей озона / С. Г. Катаев, А. И. Кусков // Вестник ТГПУ. Сер.: Естественные и точные науки. 1998. — Вып. 5. — С. 10−17.
  88. С. Г. Проблемы исследования геофизических полей / С. Г. Катаев, А. И. Кусков // Вестник ТГПУ. Сер.: Естественные иточные науки. 2000. — Вып. 2 (15). — С. 21−27.
  89. А. И. Закономерности современных изменений теплового поля в приземном слое атмосферы Сибири и на Дальнем Востоке / А. И. Кусков, С. Г. Катаев // Изв. Вузов «Физика». 2004. — № 11. — С. 81−92.
  90. А. И. Структура и динамика приземного температурного поля над азиатской территорией России / А. И. Кусков, С. Г. Катаев. Томск: Изд-во ТГПУ, 2006. 176 с.
  91. Kataev S. G. Method of natural dynamic systems description / S. G. Kataev, A. I. Kuskov // The 5 KOREA-RUSSIA International Symposium on Science and Technology, Proceedings. Tomsk, 2001. -Vol. 2.-P. 219−223.
  92. Kataev S. G. Structure and dynamic of the ozone field above the Northern hemisphere / S. G. Kataev, A. I. Kuskov // The 6 KOREA-RUSSIA International Symposium on Science and Technology, Proceedings. Tomsk, 2004. — Vol. 1. — P. 374−377.
  93. А. И. Классификация составляющих полей температуры в районе Большого Васюганского болота / А. И. Комаров, А. И. Кусков, С. Г. Катаев // Современные проблемы физики и технологии: сб. статей молодых ученых. Томск: Изд-во ТГУ, 2002. — С. 204−207.
  94. М. В. Пространственно-временные изменения температурного режима Сибири / М. В. Кабанов, Г. О. Задде, И. И. Ипполитов, А. И. Кусков, С. Г. Катаев // Материалы VII Межд.
  95. Симп. «Оптика Атмосферы и Океана». 2000. — С. 44.
  96. Г. О. Структура и динамика поля температуры Сибири / Г. О. Задде, И. И. Ипполитов, А. И. Кусков, С. Г. Катаев // Тезисы докладов 4-ого Сибирского совещания по климато-экологическому мониторингу. Томск, 2001. — С. 36.
  97. С. Г. Метод описания природных динамических систем / С. Г. Катаев, А. И. Кусков // Четвертое Сибирское совещание по климато-экологическому мониторингу: тезисы докладов. Томск: Изд-во Томского научного центра СО РАН, 2001. — С. 24.
  98. И. И. О влиянии Васюганского болота на температуру окружающей среды / И. И. Ипполитов, М. В. Кабанов, А. И. Комаров, А. И. Кусков, С. Г. Катаев // Болота и биосфера: материалы 1 научной школы. Томск: Изд-во ТГПУ, 2003. — С. 123 135.
  99. С. Г. Внутренняя структура полей температуры в Томской области / С. Г. Катаев, А. И. Кусков // Вестник ТГПУ. Сер.: Естественные и точные науки. 2000. — Вып. 2 (15). — С. 33−39.
  100. А. И. Формирование поля долговременного тренда осадков на азиатской территории России / А. И. Кусков, М. А. Волкова, С. Г. Катаев // Вестник ТГПУ. Сер.: Естественные и точные науки. 2006. — № 6 (57). — С. 92−98.
  101. В. В. Результаты комплексных наблюдений озонных аномалий на СЛС / В. В. Зуев, С. В. Смирнов // Оптика атмосферы и океана. 1997. — № 12.-С. 1400−1415.
  102. В. В. Комплексное оптическое исследование процессов трансформации озоносферы над Томском / В. В. Зуев, С. В. Смирнов // Изв. вузов «Физика». 1998. — № 9. — С. 75−82.
  103. В. И. Пространственные и сезонные особенности климатического распределения общего содержания и парциального давления озона // Метеорология и гидрология. 1991. — № 11. — 47 с.
  104. Оценка уменьшения озона над Евразией в 1973—1995 гг. на основе откорректированных данных наблюдений фильтровых озонометров / Божков Р. Д. и др. // Метеорология и гидрология. 1995. — № 9. -С. 17−23.
  105. Исследование отрицательных аномалий общего содержания озона Восточно-Сибирского максимума / Дорохов В. М. и др. // Метеорология и гидрология. 1996. — № 6. — С. 53−62.
  106. Воздействие явления Эль-Ниньо 1997−1998 гг. на озоновый слой Земли / Черников Л. И. и др. // Метеорология и гидрология. 1998. — №.3. — С. 104−110.
  107. Лидарные и спектрофотометрические измерения вертикального распределения озона / Маричев В. Н. и др. // Оптика атмосферы и океана. 1996. — Т.9., № 12. — С. 1604−1608.
  108. Уменьшение общего содержания озона над горами средней Азии / Авдюшин С. И. и др. // Изв. РАН. Сер. Ф.А.О. 1995. — Т.31, № 3. -С. 35−40.
  109. Особенности вертикального распределения озона в Восточной Сибири в зимне-весенний период 1994—1996 гг. / Дорохов В. М. и др. // Метеорология и гидрология. 1998. — № 4. — С. 44−57.
  110. О связи общего содержания озона в северном полушарии с Арктическим и Североатлантическим колебаниями / Звягинцев A.M., Крученицкий Г. М. //Известия РАН. Физика атмосферы и океана. 2003. — т.39. — № 4. — с. 505−509.
  111. Общее содержание озона над Россией и прилегающими территориями в 1997 году / Крученицкий Г. М. и др. // Метеорология и гидрология. 1998. — № 2. — С. 119−122.
  112. Е. А. Анализ связей межгодовых вариаций ОСО и циркуляции стратосферы / Е. А. Жадин, Н. А. Дианский // Метеорология и гидрология. 1997. — № 9. — С. 25−34.
  113. В. В. Лидарные и спектрометрические наблюдения стратосферного озонового слоя над Томском // Оптика атмосферы и океана. 1996. — т. 9. -№ 9.-С. 1171.
  114. В. А. Влияние полярных стратосферных облаков на озоновый слой // Природа. 1993. — № 9. — С. 35−45.
  115. . Е. О связи аномалий общего содержания озона над Северо-Западом России зимой с квазидвухлетним циклом экваториальной стратосферы и солнечной активностью // Метеорология и гидрология. 1997. — № 9. — С. 35−44.
  116. В. М. Современные данные об изменении слоя озона под действием антропогенных факторов и разработка заменителей ХФУ и галлонов / В. М. Захаров, А. А. Черников // Метеорология и гидрология. 1990.-№ 1.-С. 116−120.
  117. В. И. Сезонный ход ОСО при различных фазах КДЦ // Метеорология и гидрология. 1993. — № 1. — С. 33−38.
  118. Г. П. Суммарный озон в атмосфере / Г. П. Гущин, Н. Н. Виноградова. Л.: Гидрометеоиздат, 1983. — 235с.
  119. В. И. Влияние центров действия атмосферы на ОСО в Сибири / В. И. Бекорюков, И. В. Бугаева // Метеорология и гидрология. 1997. — № 7. — С. 33−39.
  120. Ю. А. Аномалия в общем содержании и высотном распределении атмосферного озона / Ю. А. Борисов, В. У. Хаттатов, В. А. Юшков // Изв. РАН. Сер. ФАО. 1995. — Т. 31, № 1. — С. 2633.
  121. А. Ф. О связи региональной изменчивости общего содержания озона с циклонической активностью // Метеорология и гидрология. 1997. — № 5. — С. 15−26 .
  122. С. П. Современные проблемы атмосферного озона / С. П. Перов, А. X. Хргиан. J1.: Гидрометеоиздат. — 1980. — 287 с.
  123. О. Е., Schoner W. Applications of spatial interpolation of climatological and meteorological elements by the use of geographical information systems (GIS), Report no. 1/WG2 Spatialisation / COST-719, DNMI report 28/02 KLIMA, Oslo, Norway.
  124. Akima H. A new method of interpolation and smooth curve fitting based on local procedures // Journal of Association for Computing Machinery. vol. 17, № 4. — P. 589−602.
  125. Barnes S. L. Mesoscale objective map analysis using weighting time series observations / NOAA. Tech. Memo. ERL. NSSL 62. U.S. Department of Commerce, 1973. — 60 P.
  126. Cressman G. P. An operational objective analysis system // Monthly
  127. Weather Review. vol. 87, 1959. — p. 367−374.
  128. Shepard D. A two-dimensional interpolation dunction for irregulary space data // Proc. Of the 1968 ACM National Conference. 1968. — P. 517−524.
  129. Cressie N. Statistic for spatial data / N. Cressie New York: Wiley, 1991.- 900 p.
  130. Matheron G. Splines and Kriging their formal equivalence. In Merriam D.F. Eds. Down-to-Earth Statistics: Solutions Looking for Geological Problems. Syracuse University Geology Contribution, New York. — 1981. P.77−95.
  131. Wackernagel H. Multivariate Geostatistics. Springer — Verlag. — 256 pp.
  132. Daley R. Atmospheric Data Analysis / R. Daley Cambridge University Press, 1991.
  133. Kondratyev K. Ya. Global Change and Remote Sensing: The Russian Experience / K. Ya. Kondratyev, A. Buznikov, Pokrovsky O. John Wiley and Sons Inc., London, 1995.
  134. Livitus S. Climatological Atlas of the World Ocean // U.S. Department of Commerce, NOAA Publication. 1982. — Report Number 12.
  135. Pokrovsky O. M. Comparison of Statistical Methods of Dual Problems Solution of the Atmosphere Optics // Proc. of the USSR Academy of Sciences. Ser. «The atmosphere and ocean physics». 1972. — v. 8, № 2.
  136. Kastelec D. Spatialisation of Extreme precipitation in Complex terrain: extended abstracts / D. Kastelec, M. Dolinar // International Conference on Alpine Meteorology and MAP-Meeting. Brig, Switzerland, 2003. -Zurich: MeteoSwiss, 2003.
  137. Dolinar M. Spatial structure of convective precipitation / M. Dolinar, A. Zgonc // II Voltaire Workshop: booklet of abstracts. Ljubljana, 6−8 Oct. 2004. Ljubljana: Faculty of Mathematics and Physics, 2004. — P.
  138. Engen-Skaugen Т. Growing-season and degree-day scenario in Norway for 2021−2050 / T. Engen-Skaugen, О. E. Tveito // Climate research. 2004. — vol. 26. — P. 221−232.
  139. Hanssen-Bauer I. Temperature and precipitation scenarios for Norway. Comparison of results from dynamical and empirical downscaling / I. Hanssen-Bauer, E. J. Forland, J. E. Haugen, О. E. Tveito // Climate Research. 2003. — vol 25. — P. 15−27.
  140. Szentimrey T. Meteorological interpolation based on surface homogenizes basis data (MISH) / T. Szentimrey, Z. Bihari, S. Szalai // European Geosciences Union, General Assembly 2005. Vienna, Austria, 24−29 April, 2005.
  141. JI. С. Статистические методы интерпретации метеорологических данных / Л. С. Гандин, Р. Л. Каган. Л.: Гидрометеоиздат, 1963.- 287 с.
  142. А. И. Интерполяция полей средних месячных значений температуры в Горном Алтае / А. И. Кусков, С. Г. Катаев // Материалы 6-ого Сибирского совещания по климато-экологическому мониторингу. Томск, 14−16 сентября, 2005 г. С. 192−196.
  143. Kataev S. G. An approach for the investigation of structure and dynamic of the climatic field / S. G. Kataev, A. I. Kuskov // Conference on spatial interpolation in climatology and meteorology. Budapest, October 24−29, 2004. P. 31.
  144. L. Fiorani, A. Aiuppa, M. F. Buongiorno, F. Colao, D. Del Bugaro, R. Fantoni, G. Giudice, G. Giuffrida, L. Guerrieri, R. Guida, M. Yu. Kataev, S.G. Kataev, M. Liuzzo, A. V. Lonchin, A. Palucci, C. Spinetti, A. Ya.
  145. Sykhanov. Chemicomorphological characterization of Etna’s plume bythatmospheric lidar, satellite radiometers and in-situ measurements / 29 Annual EARSeL Symposium 2009 Chania, 15th — 18th June, Crete, Greece. — p.105.
  146. M. И. Применение радиолокационного подповерхностного зондирования в инженерной геологии / М. И. Финкелынтейн, В. А. Кутев, В. П. Золотарев- под ред. М. И. Финкелынтейна. М.: Недра, 1986. — 128 с.
  147. Подповерхностная радиолокация / М. И. Финкелынтейн и др. -М.: Радио и связь, 1994. 216 с.
  148. JI. Ю. Основы сверхширокополосных радиолокационных измерений / JI. Ю. Астанин, А. А. Костылев М.: Радио и связь, 1989.
  149. JI. Ю., Бершадская Т. Н., Николаев В. А. // Сб. научных трудов «Радиолокационные комплексы многоцелевого назначения» /под ред. А. А. Маркова. СПб.: Береста, 2006. — С. 265.
  150. М. JI. Введение в георадиолокацию: учеб. пособие / М. JI. Владов, А. В. Старовойтов. М.: изд-во МГУ, 2004. — 153 с.
  151. Hugenschmidt J. Zerstorungsfreie Untersuchungen von Asphaltbelagen nth Georadar / J. Hugenschmidt, M. N. Parti // Bitumen. 1999. -M4. -P. 125−130.
  152. Simonn J.-M. Evaluation de systemes radar pour Controller I’epaisseur des couches de chausses // Bulletin des laboratories des Ponts et Chaussees. 2002. — M 238, mai-juin. — P. 51−59.
  153. И. В. Дорожный рентген. Георадиолокационные исследования при дорожном строительстве и диагностике состояния дорог // Строит, техника и технологии. 2001. — № 5. — С. 38−39.
  154. А. М. Использование георадаров в дорожной отрасли Финляндии (по материалам семинара в Рованиеми) / А. М. Кулижников, М. А. Шабашева // Наука и техника в дор. отрасли. -2000.-№ 2.-С. 29−31.
  155. А. М. Георадары в дорожном строительстве / А. М. Кулижников, М. JI. Шабашева. М., 2000. — Вып. 2. — 51 с. -(Автомоб. дороги: Обзорн. информ. / Информавтодор).
  156. А. М. Георадарные технологии в проектах автомобильных дорог // Дороги России XXI века. 2003. — № 4. — С. 70−72.
  157. А. Б. Практический опыт СШП reo локационного зондирования асфальтобетонного покрытия автомобильных дорог /
  158. A. Б. Смирнов, С. М. Шабуров, С. П. Медведев, А. В. Муравьев, М.
  159. B. Кипке // Труды XXIII симпозиума «Радиолокационное исследование природных сред». Санкт-Петербург, 19−21 апреля 2005 г. С. 285−289.
  160. А. Ф. Алгоритм и программа локальной регуляризации обратного преобразования Радона при формировании изображений в сверхширокополосных радиолокационных системах : сб. алгоритмов и программ типовых задач. МО РФ, 2001. — вып. 19. — С. 71−81.
  161. Rudenchik Е. A. Array Current Reconstruction by Surface Wave Measurements. Two-Dimensional Approximation / E. A. Rudenchik, L. B. Volkomirskaya, A. E. Reznikov // Physics of Wave Phenomena, 2008. Allerton Press, Inc., 2008. — vol. 16, № 3. — P. 1−10.
  162. Soldovieri F. A linear inverse scattering algorithm for realistic GPR applications / F. Soldovieri, J. Hugenschmidt, R. Persico, G. Leone // Near Surface geophysics. 2007. — vol. 5, № 1. — P. 29−41.
  163. А. В. Вопросы подповерхностной радиолокации: коллективная монография / А. В. Андриянов, JI. Ю. Астанин- под ред. А. Ю. Гринева. М.: Радиотехника, 2005. — 416 с. -(Радиолокация).
  164. Н. А. Современные проблемы подповерхностной радиолокации / Н. А. Арманд, Д. С. Лукин, Н. П. Чубинский // Конспект лекций «Сверхширокополосные системы в радиолокации и связи». Муром, 2003. — С. 92−107.
  165. С. Обработка экспериментальных данных с использованием компьютера: пер. с япон. / С. Минами и др. — под ред. С. Минами. М.: Радио и связь, 1999. — 256 с.
  166. А. Б. Цифровая обработка сигналов / А. Б. Сергиенко. -СПб.: Питер, 2005. 604 с.
  167. Rudenchik E. A. Array Current Reconstruction by SurfaceWave Measurements. Two-Dimensional Approximation / E. A. Rudenchik, L. B. Volkomirskaya, A. E. Reznikov // Physics of Wave Phenomena, 2008. Allerton Press, Inc., 2008. — vol. 16, № 3. — P. 1−10.
  168. Rudenchik E. A. Study of Signal Propagation in One-Dimensional
  169. Steeples D. W. Engineering and environmental geophysics at the millennium // Geophysics. 2007. — vol. 66. — P. 31−35.
  170. Goodman D. GPR surveying over burial mounds: correcting for topography and the tilt of the GPR antenna / D. Goodman, H. Hongo, N. Higashi, H. Inaoka, Y. Nishimura // Near Surface geophysics. 2007. -vol.5, № 6. — P. 383−388.
  171. Leckebusch J., Rychener J. Verification and topographic correction of GPR data in three dimensions / J. Leckebusch, J. Rychener // Near Surface geophysics. 2007. — vol. 5, № 6. — P. 395−404.
  172. Capizzi P. Geophysical investigations in the Himera archaeological / P. Capizzi, P.L. Cosentino, G. Fiandaca, R. Martorana, P. Messina, S. Vassalo // Near Surface geophysics. 2007. — vol. 5, № 6. — P. 417−426.
  173. А. В. Теория теплопроводности / А. В. Лыков М., 1967. -599с.
  174. А. Ф. Теплофизические характеристики дисперсных материалов / А. Ф. Чудновский. М, 1962. — 456 с.
  175. В. В. Геотермический метод исследования толщ мерзлых пород / В. В. Редозубов. М.: Наука, 1966. — 155 с.
  176. Г. Н. Методы расчета температурного режима грунтов и развития криогенных процессов / Г. Н. Фельдман. Новосибирск, 1967. -с.182.
  177. Г. Н. Прогноз температурного режима грунтов и развития криогенных процессов / Г. Н. Фельдман. Новосибирск, 1977. — с.185.
  178. В. Г. Сведение задачи Стефана к системам обыкновенных дифференциальных уравнений // Изв. АН СССР. Сер. Геофизич. 1958. — № 7. — С. 848−869.
  179. В. Г. Мерзлотные исследования // М.: Изд-во Моск. Унта. 1966. — Вып. 6. — 243 с.
  180. David J. Bergman Dielectric constant of composite materials a problem in classical Physics // Physics Reports. — 1978. — V.43. — № 9. -P. 377−407.
  181. Hanai T. Dielectric Theory on the Interfacial Polarization for Two -Phase Mixtures // Bull. Inst. Chem. Res., Kyoto Univ. 1975. — vol. 53, № 2.-P. 153−160.
  182. Hanai T. Dielectric Theory on the Interfacial Polarization for Two Phase Mixtures // Bull. Inst. Chem. Res., Kyoto Univ. — 1975.vol. 53, № 2.-P. 153−160.
  183. Wang J. R. An empirical model for the complex dielectric behavior of soil as a function of water content / J. R. Wang, T. J. Schmugge // IEEE Trans. Geosci. Rem Sensing. -1980. v. 18, №.4 — p. 280−295.
  184. Wang J. R. The dielectric properties of soil-water mixtures at microwave frequencies // Radio Science. 1980. — Vol.15. — P. 971−985.
  185. A. M. СВЧ-радиометрия водной поверхности и почвогрунтов / А. М. Шутко. М.: Наука, 1986. — 190 с.
  186. В. В. Диэлектрические свойства влажных дисперсных материалов в СВЧ диапазоне / В. В. Загоскин, В. М. Нестеров, Т. Г. Михайлова, Е. А. Замотринская // Изв. вузов «Физика». 1981. — № 7. — С. 74−78.
  187. В. В., Нестеров В. М. // Изв. вузов «Физика». 1982. -№ 1. — С. 65.
  188. P. Аналитические методы теории волноводов/ Р. Митра, С. Ли. -М.: Мир, 1974.
  189. Р. Антенны в материальных средах: в 2 кн.: пер. с англ. / Р. Кинг, Г. Смит. М.: Мир, 1984. — Кн. 1. — 824 с.
  190. Хакиев З. Б Исследование влияния физических свойств среды на результаты георадиолокационной диагностики объектов инженерной инфраструктуры/ автореферат диссертации на соискание ученой степени кандидата физико-математических наук. Ростов-на Дону, 2010.
  191. Электроразведка. Справочник геофизика: в 2 кн. / под ред. Хмелевского В. К., Бондаренко В. М. 2-е изд, доп. и перераб. — М. ¡-Недра, 1989.-Кн. 1.- 438с.
  192. Экспериментальное исследование электродинамических характеристик почв в сверхширокополосном частотном диапазоне (50МГц и до бГГц) и разработка статистической электрофизической модели почв / Отчет IS 1 010−1 ТУСУР / Дельфт, 2001. 88 с.
  193. Zagoskin V. V. Dielectric properties of moist soils / V. V. Zagoskin, V. N. Iljushenko, L. P. Ligthart, S. G. Kataev, S. G. Yarovoy // 11th International Conference on Ground Penetrating Radar. Columbus Ohio, USA, June 19−22, 2006.
  194. Kataev S. G. An approach of detection the structure of subsurface layers using reflected GPR signals // Ultrawideband and Ultrashort impulse signals, (UWBUSIS'08) conference, Proceedings. Sevastopol, Ukraine, September 15−19, 2008. P. 124.
  195. С. Г. Исследование влияния профиля влажности на электромагнитный сигнал, отраженный от подповерхностного объекта / С. Г. Катаев, В. Н. Чернышов, В. В. Загоскин // Изв. Вузов
  196. Физика". 2008. — № 6. — С. 66−72.
  197. С. Г. Об одном методе обнаружения подповерхностных объектов из данных сверхширокополосного зондирования / С. Г. Катаев, В. Н. Чернышов, В. В. Загоскин // Изв. Вузов «Физика». -2008. -№ 11. С. 93−100.
  198. A.A., Журбин И. В., Модин И. Н., Шевнин В.А.Применение электротомографии для решения археологических задач. Инженерная и рудная геофизика 2009, Геленджик, 26−30 апреля 2009 г. 2с. (Электронная версия).
  199. И.Н., Ерохин С. А. Геофизические исследования на территории Бородинского поля, с.150−161. В сб. «Бородино в истории и культуре». Материалы Международной научной конференции, 7−10 сентября 2009 г./ Сост.A.B. Горбунов-Можайск, 2010. 468 с.
  200. Ф. И. Введение в системный анализ / Ф. И. Перегудов, Ф. П. Тарасенко. М.: Высшая школа, 1986.
  201. В.А. Антенна для скоростного мониторинга железнодорожного пути. / В. А. Явна, В. А. Попов, В. В. Ковдус, З. Б. Хакиев // Вестник РГУПС. Железнодорожный путь и транспортное строительство, 2006, -№ 2.-С.20−23.
  202. Khakiev Z.B. Improving GPR monitoring of track ballast and railway structural integrity / Z. B Khakiev, V. A Bilalov, A. V Morozov and V.A. Yavna // First break 2009. V. 27. — P. 93−95.
  203. A.A., Кислица К. Ю., Шаповалов B.JI., Морозов A.B., Явна В. А. диагностика объектов транспортной инфрастуктуры методом георадиолокации //Вестник РГУПС, 2011.-№ 4.-С.148−154.
  204. Е. А. Дендроклиматические исследования в Урало-Сибирской Субарктике / Е. А. Ваганов, С. Г. Шиятов, В. С. Мазепа. Новосибирск: Наука, 1996. — 246 с.
  205. Л. И. Влияние гидрологического и температурного режимов на радиальный прирост лиственных деревьев в пойме Нижней Оби // Экология. 1995. — № 6. — С. 436 — 443.
  206. Т. Т. Биоэкологические основы дендроклиматических исследований / Т. Т. Битвинскас. Свердловск, 1984. — 50 с.
  207. Н. М. Влияние биологических и ценотических факторов на годичный прирост и анатомические свойства древесины / Дендрохронология и дендроклиматология. Новосибирск: Наука, 1986.-С. 71−76.
  208. С. Г. Итоги дендрохронологических исследований в восточных районах страны за 1968−1982 гг. и перспективы их развития / С. Г. Шиятов, Г. Е. Комин // Дендрохронология и дендроклиматология. Новосибирск: Наука, 1986. — С. 3−19.
  209. Э. Выравнивание рядов ширины годичных слоевспособом постоянных сумм отрезков выравнивания // Дендроклиматохронология и радиоуглерод. Материалы Второго Всесоюзного совещания по дендрохронологии и дендроклиматологии. Каунас, 1972. — С. 184- 188.
  210. Т. Т. Дендроклиматические исследования / Т. Т. Битвинскас. Л.: Гидрометеоиздат, 1974. — 172с.
  211. Н. А. Депрессивные расстройства. Диагностика, систематика, семиотика, терапия / Н. А. Корнетов. Томск: изд-во Том. Ун-та, 2000. — 128 с.
  212. Образовательная программа по депрессивным расстройствам WPA/PTD. Модуль 2: Депрессивные расстройства при соматических заболеваниях. Пер. с англ. по общ. ред. Н. А. Корнетова. Киев: Сфера. — 2002. — 62 с.
  213. Loeb С. Vascular dementia: stilla debatable entity? / С. Loeb, J. S. Meyer. J. Neurol, SCI, 1996. — p. 31−40.
  214. Lipsey J. R. Nontriptyline treatment of poststroke depression: a double- blind study / J. R. Lipsey, R. G. Robinson, G. D. Pearson. -Lancet, 1984. p. 297−300.
  215. Фармакотерапевтические основы реабилитации психических больных / под ред. Р. Я. Бовина, Г.-Е. Кюне. М., 1989.
  216. Руководство по психиатрии / под ред. акад. АМН СССР А. В. Снежневского. М., 1983. — Т.2.
  217. X. Биология стресса // Биологическая медицина. 2000. -№ 7.-С. 7−12.335ti f t
  218. И. В. Иммунологические аспекты травмы и сосудистых поражений головного мозга / И. В. Ганнушкина. М: Медицина, 1974. — 200 с.
  219. В. Д. Острые нарушения мозгового кровообращения / В. Д. Трошин, А. В. Густов, О. В. Трошин. Н. Новгород, 2000.
  220. Нарушения нервной системы и психической деятельности при соматических заболеваниях / Шумаков В. М. и др. М., 1979. — с. 406−409.
  221. Виберс Давид О., Фейгин В., Браун Роберт Д. Руководство по цереброваскулярным болезням / Давид О. Виберс, В. Фейгин, Роберт Д. Браун- пер. с англ. проф. В. JI. Фейгина. М., 1999.
  222. Международная классификация болезней (10-й пересмотр). -СПб., «Оверлайд», 1994.
  223. А. Т. An Inventory fo measuring depression / A. T. Beck, C.H. Ward, M. Mendelson // Arch / Gen. Psychiatry. 1961. — Vol. 4. — P. 561−571.
  224. Н. Г. Клинико-лабораторная диагностика органических и депрессивных психических расстройств у постинсультных больных / Н. Г. Катаева, Н. А. Корнетов, С. Г. Катаев, А. Ю. Левина // Российский психиатрический журнал. 2005. — № 4. — С. 9 — 12.
  225. Jl. X. Адаптационные реакции и резистентность организма / JI. X. Гаркави, Е. Б. Квакина, М. А. Уколова. Изд-во Ростовского университета, 1977.
  226. И. В. Общая патология человека / И. В. Давыдовский М.: Медицина, 1969. — 610 с.
  227. В. Н. Организационные вопросы помощи больным депрессией // Психиатрия и психофармакотерапии. 2001. — № 5. — С. 152−154.
  228. С. Ф. Нервно-психические заболевания в свете иммунопатологии мозга / С. Ф. Семенов, Н. Н. Попова. М.: Медицина, 1969. — 204 с.
  229. А. Б. Депрессии в общей медицине. Руководство для-врачей / А. Б. Смулевич. М.: МИА, 2001.
  230. Katon W. Depression and chronic medical illness / W. Katon, M. Sullivan // J. Clin. Psychiatry. 1990. — Vol. 5. — P. 3−11.
  231. Pocket Guide to the ICD-10 Classification of Mental and Behavioral Disorders, with Glossary and Diagnostic Criteria for Research, ICD-10: DCR-10 / Ed. Cooper J.E. Edinburgh: Churchill Livingstoun, 1994. -441 p.
  232. Parker J. C. Melancholia: A Disorder of Movement and Mood / J. C. Parker, D. Hadzi-Pavlovic. New York: Cambridge University Press, 1996.
  233. Т. Ф. Исследования уровня кортизола и гормонов щитовидной железы у больных реактивной депрессией // Актуальные вопросы психиатрии. 1987. — Вып. 3. — с. 74−75.
  234. О значении некоторых ферментов медиаторного обмена для оценки депрессии и терапевтического подхода / Вертоградова О. П. и др. // Журнал невропатологии и психиатрии им. Корсакова. -1992. Т. 92, вып. 1.- с. 99−103.
  235. В. И. Иммунологические показатели больных реактивной депрессией / В. И. Решетников, Г. В. Глотова, С. А. Иванова // Актуальные вопросы психиатрии. 1987. — Вып. 3. -с.58−60.
  236. В. Е. О связи депрессивных состояний с гипоталямо-гипофизарно-адреналовой системой и о клиническом значении определения экскреции уропепсина при них: автореф. дисс. на соиск. учен. ст. канд. мед. наук / В. Е. Старостин. Д., 1967.
  237. Применение дексаметазонового теста для выявления гиперадаптоза и скрытой психической депрессии у онкологических больных: методические рекомендации. Д., 1983.
  238. Пламенно-фотометрический и атомно-абсорбционный методы анализа: методическое пособие / сост. В. И. Отмахов, 3. И. Петрова, 3. И. Отмахова. Томск, 1988. — 64 с.
  239. В. Р. Микроэлементы в жизни растений, животных и человека / В. Р. Сорока. Киев, 1964.- с.298−302.
  240. В. С. Микроэлементы и нервная система // Журнал невропатологии и психиатрии им. Корсакова. 1965. — T. LXV, вып.1. — С. 128−134.
  241. Вредные вещества в промышленности: справочник в 3 т. т. 3. -под ред. Лазаревой Н. В. и др. — Ленингр. отд. — Химия, 1977.
  242. Важнейшие алюминозы человека // Архив патологии. 1986. -T.XLVIII, вып.5. — С. 3−10.
  243. А. Б., Потопович Г. М., Мусагагиева Г. М. Изменение содержания алюминия в крови и тканях при мышечной деятельности, гипокинезии и восстановлении // Здравоохранение Туркменистана. -1983. 7.0. — С.35−40.
  244. Г. Основы сенсорной физиологии. М.: Медицина, 1976. -520 с.
  245. А. С. Закономерности нормальной и патологической ходьбы человека. М.: Зеркало-М. — 1998. — 272 с.
  246. Физиология человека: учебник для вузов/ под ред. В. М. Покровского, Г. Ф. Коротько. М.: Медицина, 2007. — 656 с.
  247. Д.В. Клинический анализ движений. Анализ походки. -Иваново: Стимул, 1996. 334 с.
  248. H.A. Очерки по физиологии движений и физиологии активности. М.: Медицина, 1966. — 349 с.
  249. Э. Алгоритмы оптимизации на сетях и графах / Э. Майника. М.: Мир, 1971.-322 с.
Заполнить форму текущей работой

Сессия? Спокойно!