Актуальность работы связана с растущими требованиями по экологическому и экономическому обоснованию производственных и управленческих решений, влияющих на различные аспекты функционирования природно-технических комплексов (ПТК) — территорий, экосистем, технологий и т. д. Непосредственные экспериментальные воздействия на ПТК по различным причинам (ограниченные временные рамки, опасность необратимых изменений, высокая стоимость и др.) обычно невозможны или нежелательны, поэтому основным методом изучения и прогнозирования поведения ПТК при изменениях его структуры, параметров и внешних условий служит моделирование (см., например, [2, 65, 89, 96, 152]).
Моделирование таких объектов с достаточной для получения практически значимых результатов многосторонностью заставляет рассматривать их как сложные пространственные динамические системы с переменной структурой, множественными внешними и внутренними связями. При этом должны учитываться разнообразные информационные, финансовые, материальные, энергетические потоки, необходимо предусматривать анализ последствий изменения структуры объекта, возможных критических ситуаций и т. п. Опишем основные особенности ПТК на качественном уровне, чтобы очертить исследуемую предметную область. Далее эти характеристики будут заданы более формально.
Как следует из названия, любой природно-технический комплекс включает как природные, так и технические объекты. Каждый такой объект может представлять собой многоуровневую систему подобъектов, связанных различными сигналами, которые моделируются потоками данных и трактуются как ресурсы, используемые и/или расходуемые объектами в ходе их жизнедеятельности. Изменения ресурсов внутри объектов описываются некоторым набором процедур или функций, именуемых процессами. Для анализа поведения ПТК и сравнения различных наборов значений ресурсов между собой обычно используются один или несколько критериев качествафункционалов, определенных на тех или иных наборах ресурсов. В терминах теории управления [48] и общей теории систем [112] сигналы, которыми обмениваются объекты, обычно могут интерпретироваться как возмущающие воздействия, рассматриваемые как побочные (нежелательные) результаты функционирования процессов, и управления, используемые для формирования желаемого поведения объекта. Принципиальное различие между природными и техническими объектами состоит в том, что структура и поведение первых непосредственно не зависят от воли человека, в том числе лица, принимающего решения (ЛПР), особенно когда это касается улучшения жизнедеятельности таких объектов. Соответственно, непосредственное управление природными объектами в анализируемой проблематике не осуществляется и далее в работе не рассматривается. Управление же техническими объектами исследуется преимущественно на уровне принятия решений об изменении (или сохранении) их структуры в зависимости от общего состояния и имеющихся тенденций развития ПТК. Аналогичные подходы в настоящее время развиваются для систем поддержки принятия решений (СППР) в чрезвычайных [84] и нештатных [39] ситуациях. СППР такого типа отличаются от описываемой далее системы тем, что из-за особенностей предметной области, во-первых, основной акцент делается на ликвидацию последствий уже реализовавшейся ситуации и, во-вторых, преимущественно ориентируются на сетевые приложения разрабатываемых СППР. Задача же принятия решений по результатам моделирования ПТК более традиционна для теории управления, неформально она может быть поставлена как выбор (из набора альтернативных вариантов) предпочтительной структуры реализации технических объектов, обеспечивающей требуемые характеристики их функционирования при приемлемом состоянии природных объектов. Здесь представляется уместным отметить, что, хотя состояние как природных, так и технических объектов может оцениваться однотипными в математическом смысле критериями, семантическое различие между ними весьма существенно: для технических объектов эти критерии описывают степень реализации цели создания и/или функционирования объекта, а для природных объектов — лишь качество условий их существования, которое формализуется либо как ограничения на уровень входных возмущающих воздействий, например, путем введения ПДК (предельно допустимых концентраций тех или иных веществ), либо как степень деградации интегральных выходных характеристик [89 — 91] таких объектов.
С точки зрения общей теории систем ПТК в настоящей работе рассматриваются как неупреждаемые причинные временны’е системы [112]. По терминологии работ [119, 132, 133] ПТК относятся к гибким дискретным системам (ГДС), то есть системам, способным функционировать в условиях изменения целей, ситуаций и критериев и описываемым в ходе моделирования дискретными множествами моментов времени и значений параметров. Хотя очевидна необходимость дискретизации любых величин перед вводом их в компьютер, акцент на дискретность объекта моделирования делается с целью отойти от оптимизационных стратегий поддержки принятия решений (точнее, вывести их внутрь компонентов объекта исследования, обладающих некоторой «свободой воли») к применению средств искусственного интеллекта на основе управляемого перебора вариантов. Описание природных объектов как дискретных систем может вызвать сомнения, но в данной предметной области представляется оправданным: даже если модель процессов, происходящих в таком объекте, должна функционировать в квазинепрерывном времени, существенные для моделирования всего ПТК моменты изменения состояния природных объектов вполне можно задать дискретно. Ориентация на применение географических информационных систем (ГИС) определяет то, что в рамках предлагаемого подхода в дополнение к требованиям дискретности по времени и по состояниям, предъявляемым к обычным ГДС [119, 132, 133], для моделирования ПТК необходима дискретность их моделей по географическому пространству, то есть возможность сопоставить с каждым компонентом объекта некоторое конечное множество географических элементов стандартной конфигурации, представимых средствами ГИС.
Теперь рассмотрим особенности моделирования сложных объектов класса ПТК, вытекающие из их специфики.
Обобщенная структурная схема моделирования приведена на рисунке 1. Ядром любого программного продукта, поддерживающего постановку и проведение моделирования, — далее такой продукт называется системой моделирования (СМ), -является та или иная модель предметной области (МПО), формализующая представления разработчиков СМ об объекте моделирования. Более строгие определения вводимых здесь терминов будут даны ниже, пока ограничимся качественным рассмотрением задач и способов моделирования таких объектов, как ПТК. Можно выделить два основных режима и этапа моделирования: режим создания и настройки МПО и режим прогноза. В первом режиме вводимые извне экспериментальные данные (ЭД), а также неформальные представления специалистов о свойствах объекта моделирования применяются для создания структуры МПО и подбора ее параметров. Экспериментальные данные в общем случае отображают входы, выходы и параметры объекта. Ввиду того, что для объектов класса ПТК всегда требуется учитывать изменения свойств объекта во времени, основным типом данных в системах моделирования ПТК являются временные ряды. Г.
Входы.
С Ц
6 < н * а.
Р и и.
МПО А.
Структура МПО.
Прогноз.
Параметры МПО.
Параметры а).
Рис. 1. Схема моделирования ПТК: а) режим создания и настройки МПО, б) режим прогноза.
Блок сопровождения МПО б).
Не существует универсальных способов создания МПО, но идея этого, часто длительного и многостадийного, процесса заключается в следующем: выходные данные модели при тех или иных входах, соответствующих имеющимся экспериментальным данным, сравниваются с выходами объекта при тех же входных данных, несоответствие выходов МПО и объекта используется для изменения МПО. На рисунке 1а) это условно показано значком вычитания выходов объекта и модели. Блок сопровождения МПО в данном режиме обеспечивает нетривиальную процедуру определения структуры и параметров МПО. Во втором режиме МПО считается известной, экспериментальные данные о входах и параметрах объекта полностью или частично заменяются гипотетическими данными (сценариями), для которых необходимо выяснить поведение объекта (прогноз). Роль блока сопровождения МПО при этом ограничивается автоматическим изменением параметров и, возможно (на рисунке 16) это показано штриховой стрелкой), структуры МПО по заранее заданным алгоритмам в зависимости от модельного времени (условного машинного времени, маркирующего процесс моделирования) и параметров исследуемого сценария. Смысл задания сценариев заключается в том, чтобы выяснить поведение объекта при таких входных данных и параметрах, для которых экспериментальные данные отсутствуют, поэтому ЭД о выходах объекта во втором режиме не используются, точнее, могут использоваться только для сопоставления при (графическом) выводе результатов прогноза, без непосредственного воздействия на работу СМ в режиме прогноза. В ходе разработки и применения СМ ПТК многократно осуществляются переходы из режима настройки МПО в режим прогноза и обратно, но на каждом текущем этапе работы с СМ структура системы соответствует либо рисунку 1а), либо рисунку. 16).
Зависимость характеристик реальных сложных объектов класса ПТК от времени можно исследовать с помощью двух типов математических моделей: аналитических и имитационных. В аналитических моделях поведение объекта описывается в виде некоторых функциональных соотношений или логических условий. Для сложных систем исследователю зачастую приходится идти на упрощения представления реальных явлений, дающие возможность описать их поведение и представить взаимодействия между их компонентами.
Когда явления в изучаемом объекте настолько сложны и многообразны, что аналитическая модель становится слишком грубым приближением к действительности, приходится использовать имитационное моделирование. В имитационной модели (ИмМ) поведение компонентов объекта описывается набором алгоритмов, которые затем реализуют ситуации, возникающие в реальной системеМоделирующие алгоритмы позволяют по исходным данным, содержащим сведения о начальном состоянии объекта, и фактическим значениям его параметров отобразить реальные явления и получить сведения о возможном поведении объекта для данной конкретной ситуации. На основании этой информации исследователь может принять соответствующие решения. Отметим при этом, что предсказательные возможности имитационного моделирования значительно меньше, чем у аналитических моделей.
Сам термин «имитационное моделирование» означает, что используются такие математические модели, с помощью которых результат нельзя заранее вычислить или предсказать, поэтому для предсказания поведения реального объекта необходим эксперимент (имитация) на модели при заданных исходных данных.
Имитация представляет собой численный метод проведения компьютеризованных экспериментов с математическими моделями, описывающими поведение объекта в течение заданного или формируемого периода времени. Поведение компонентов объекта и их взаимодействие в ИмМ чаще всего описываются набором алгоритмов, реализуемых на некотором языке (языках) моделирования. Имитируя различные реальные ситуации на ИмМ, исследователь получает возможность оценить эффективность различных принципов управления системой, сравнить варианты структуры системы, определить степень влияния изменений параметров системы и начальных условий имитации на показатель эффективности системы.
На основании опыта имитационного моделирования [21, 37, 82, 195] рекомендуется использовать ИмМ сложной системы в следующих случаях:
1. Если не существует законченной постановки задачи исследования и идет процесс познания объекта моделирования. ИмМ служит средством изучения явления.
2. Если аналитические методы имеются, но математические процедуры столь сложны и трудоемки, что имитационное моделирование дает более простой способ решения задачи.
3. Когда, кроме оценки влияния параметров объекта, желательно осуществить наблюдение за поведением его компонентов в течение определенного периода.
4. Когда имитационное моделирование оказывается единственным способом исследования системы из-за невозможности наблюдения явлений в реальных условиях.
5. Когда необходимо контролировать протекание процессов в объекте путем замедления или ускорения явлений в ходе имитации.
6. При подготовке специалистов и освоении новой техники, когда ИмМ обеспечивает возможность приобретения необходимых навыков в ее эксплуатации.
7. Когда изучаются новые ситуации в объекте исследования, о которых мало что известно или не известно ничего. В этом случае имитация служит для предварительной проверки новых стратегий и правил принятия решений перед проведением экспериментов на реальном объекте.
8. Когда особое значение имеет последовательность событий в проектируемом объекте, и ИмМ используется для поиска узких мест в функционировании объекта и других трудностей, появляющихся при введении новых компонентов объекта.
В исследуемой проблематике актуальны все перечисленные варианты использования имитационных моделей, кроме, возможно, второго, который более характерен для давно изучаемых, «устоявшихся» предметных областей. Кроме того, для предлагаемого подхода принципиально важна возможность интегрирования в единую среду моделирования моделей компонентов объекта, построенных разными группами исследователей в разное время и, соответственно, имеющих различные динамические параметры (шаг дискретности, порядок модели и т. д.) и даже различные принципы внутренней организации (например, чисто логические, автоматные и аналитические модели). Необходимость такой интеграции для комплексирования разных форм представления знаний в «слабо изученных» предметных областях отмечается рядом авторов [25, 84, 132, 206], например, в работе [132] говорится: «Проблема не в том, чтобы заново создавать модели и методы решения, а в том, чтобы объединить разнородные по природе и форме информации модели в единую систему». В рассматриваемой области указанный подход обеспечивает еще и возможность реализации ставшей уже стандартной для прикладных систем искусственного интеллекта стратегии ускорения внедрения программных продуктов путем разработки «быстрых прототипов» (например, [68, 105, 139, 142]): при отсутствии или неполной готовности модели некоторого компонента объекта исследования она может быть заменена экспертными правилами, чтобы не тормозить сопровождение всей системы.
Однако имитационные модели наряду с перечисленными достоинствами имеют и существенные недостатки. Разработка хорошей ИмМ часто обходится дороже создания аналитической модели и требует больших временных затрат. Р. Шеннон показал в [195], что ИмМ в принципе не точна, и степень этой неточности невозможно измерить. Тем не менее, имитационное моделирование является одним из наиболее широко используемых методов при решении задач синтеза и анализа сложных систем. К достоинствам имитационного метода с точки зрения его использования в предлагаемой системе моделирования относится также следующее: возможность описания поведения компонентов объекта на высоком уровне детализации, отсутствие ограничений на вид зависимостей между параметрами ИмМ и состоянием внешней среды, возможность исследования динамики взаимодействия компонентов во времени и пространстве параметров системы.
Принципиальная неполнота знаний о сложных объектах существенно ограничивает применимость к ним классических аналитических моделей и определяет ориентацию на использование опыта экспертов, что, в свою очередь, связано с созданием соответствующих средств формализации экспертных знаний и их встраиванием в программную систему моделирования (ПСМ). Поэтому в современном моделировании существенно возросла роль такого понятия, как концептуальная модель предметной области (КМПО) [92, 192]. Строгого определения понятия концептуальная модель" (КМ) в изученной автором литературе не дается. Основное отличие концептуальных моделей от аналитических представляется аналогичным отличию функциональных языков типа ЛИСП и Пролог от процедурных (операторных) языков программирования. А именно, основой КМ является не алгоритмическая модель передачи и преобразования данных, как в аналитических моделях, а декларативное описание структуры объекта и взаимодействия его составных частей. Таким образом, КМПО изначально ориентирована на формализацию знаний экспертов. В КМПО определяются элементы исследуемой предметной области и описываются отношения между ними, которые задают структуру и причинно-следственные связи, существенные в рамках определенного исследования [16−19, 146, 177]. Создание КМ является первичным и основным (по потребляемым ресурсам) этапом моделирования, так как для сложных задач с большим объемом данных эта модель во многом определяет реализацию алгоритмов, характер программ и способы общения исследователей с компьютером. Рассмотрим процесс конструирования МПО несколько подробнее.
Независимо от способа проектирования сложной системы и назначения моделирования можно выделить следующие восемь этапов создания и использования математических моделей [21,22,102]: определение объекта исследования, установление границ и ограничений моделирования, выбор показателей для сравнения эффективности вариантов системы (составление содержательного описания объекта моделирования) — формулировка замысла модели, переход от реальной системы к логической схеме ее функционирования (составление КМ) — реализация описания объекта в терминах математических понятий и алгоритмизация функционирования ее компонентов (составление формального описания объекта) — преобразование формального описания объекта в описание имитационной модели (составление описания ИмМ) — программирование и отладка модели (программирование модели) — проверка модели, оценка ее свойств и затрат ресурсов на имитацию (испытание и исследование модели) — организация модельного эксперимента на компьютере (эксплуатация модели) — интерпретация результатов моделирования и их использование в ходе проектирования сложной системы (анализ результатов).
Составление концептуальной модели производится в следующей последовательности [17, 143, 195, 255].
На основе анализа поставленной задачи определяется общий замысел модели, выдвигаются необходимые для ее построения гипотезы и допущения.
На основании содержательного описания уточняется задача моделирования, определяются процедура и график ее решения. Уточняется методика всего имитационного эксперимента в зависимости от наличных ресурсов, выделенных для имитации. Общая задача моделирования разбивается на частные подзадачи. Устанавливаются приоритеты решения подзадач моделирования.
Выбираются параметры и переменные систем, представляющих интерес для моделированияуточняются критерии эффективности функционирования проектируемой системывыбирается тип аппроксимации компонентов моделипроводится предварительный анализ требований к моделиопределяются необходимые математические уравнения, описывающие реальные процессы, а также возможные методы проверки правильности функционирования модели. Определяются методы проверки программной реализации модели, формулируются технические требования на программирование. Изучаются возможности применения известных методов обработки и анализа результатов, выбираются способы представления результатов моделирования и язык будущей формализации процессов в объекте моделирования.
Результатом выполнения работ являются КМ, выбранный язык формализации и способ организации имитации, который реализуется на этом языке. В состав КМ входят: уточненное содержательное описание объекта моделирования, свободное от всего того, что не представляет интереса для изучения поведения системысписок параметров и переменных моделированиякритерии эффективности функционирования вариантов системысписок методов обработки и способов представления результатов.
Составление формального описания моделирования представляет собой ответственный этап создания модели сложной системы. Цель — получение исследователем формального представления алгоритмов поведения компонентов сложной системы и отражение вопросов взаимодействия этих компонентов между собой. При составлении формального описания модели исследователь использует тот или иной язык формализации. В зависимости от сложности объекта моделирования и внешней среды могут использоваться три вида формализации: аппроксимация явлений функциональными зависимостями, алгоритмическое описание процессов в системе, смешанное представление в виде последовательности формул и алгоритмических записей. Обычно КМ сложной системы представляет собой упрощенное алгоритмическое отображение реальной системы. С учетом рекомендаций специалистов по предметной области сложная система расчленяется на конечное число частей (производится ее декомпозиция) с сохранением связей, обеспечивающих их взаимодействие [22, 165, 195]. Полученные части при необходимости вновь структурируются до тех пор, пока не получатся элементы, удобные для математического или алгоритмического описания. В результате этого сложная система представляется в виде многоуровневой конструкции взаимосвязанных элементов, объединяемых в подсистемы (подмодели) различных уровней. При этом, по крайней мере, в слабо изученных предметных областях, стремятся к тому, чтобы получаемые подмодели отвечали реально существующим фрагментам системы.
Выбор параметров и переменных. Параметрами модели считаются те величины, значения которых исследователь может выбирать по своему разумению, изучение влияния их значений на исследуемую систему и представляет цель моделирования. Остальные характеристики модели могут принимать только вполне определенные значения, задаваемые перед началом имитации. Они являются переменными модели. Параметры обычно входят в состав показателей качества моделируемой системы, выбранных на этапе составления ее содержательного описания, и являются варьируемыми характеристиками в функциях показателей качества.
В общем случае описание параметра должно содержать в себе следующую информацию: его определение и идентификатор, единицы измерения, диапазон изменения, качественные характеристики (однозначный — многозначный, регулируемый — нерегулируемый), место применения в модели, источник получения значений.
Теперь перейдем к обсуждению общих проблем создания и использования.
МПО.
При разработке СМ сложных объектов необходимо удовлетворить два противоречивых требования: свести к минимуму дополнительные разработки при непринципиальных изменениях решаемых задач и, с другой стороны, обеспечить использование результатов исследований в прикладных целях. Первое требование ведет к созданию комплексных СМ (по типу автоматизированных систем научных исследований — АСНИ), которые представляют собой сложные интеллектуальные системы и могут рационально эксплуатироваться только в подготовленных коллективах исследователей. Второе условие связано с разработкой специализированных систем, имеющих в своей предметной области ограниченные возможности, а также не предъявляющих жестких требований к программистской квалификации пользователя [92]. В настоящей работе предлагается разрешать указанное противоречие путем автоматизированной генерации прикладных (проблемно-ориентированных) систем для решения конкретных задач в некоторой предметной области как подсистем комплексной СМ [152]. В зависимости от специфики предметной области и требований пользователя прикладная система может быть в различной степени интегрирована с внешней средой. Подробнее эти вопросы изложены в подразделе 4.3, здесь необходимо лишь отметить, что конструктивные процедуры реализации такого подхода удобнее строить при регулярной структуре КМПО. Кроме того, регулярная организация модели повышает достоверность прогнозирования состояния объекта моделирования [153], а также существенно упрощает логический анализ накапливаемых в КМПО знаний для исключения дублирования и противоречий в них [127, 178].
Процесс организации и проведения моделирования включает в себя этапы, которые, как правило, реализуются специалистами различных профилей — от эксперта по конкретной предметной области до программиста. При этом возникают определенные трудности по адекватному преобразованию модели исследуемой системы от декларативного к программно-алгоритмическому представлению. Решением таких проблем является использование автоматизированных технологий проектирования программного обеспечения, позволяющих строить формальные описания структуры и задач моделирования, осуществлять анализ и оценку качества проекта и генерировать, полностью или частично, исполнительную среду, обеспечивающую реализацию моделирования. Технологии такого типа получили названия CASE (Computer Aided Software Engineering) и CAD (Computer-Aided Design).
Представленная в данной работе система моделирования на основе древовидной КМ является одним из вариантов реализации указанных технологий. При разработке использованы результаты в области концептуального анализа, проектирования и моделирования программного обеспечения пакетов прикладных программ, распределенных вычислительных систем и других информационных систем [16−19, 80, 146, 177]. В связи с изложенным далее описывается программная система, обеспечивающая автоматизированную разработку и сопровождение древовидной КМ для исследования ПТК с ориентацией на использование экспертных знаний [67].
При постановке задачи и подготовке процесса моделирования КМ предназначена для представления знаний о структуре исследуемой предметной области. Для элементов КМ существует соответствие между собственно объектом реального мира и его модельным представлением. В обеспечение возможности автоматизации последующих этапов моделирования осуществляется отображение МПО на адекватную ей формальную систему. Этот переход реализуется в ходе построения КМ путем задания каждому ее элементу некоторого формального описания. В результате, завершение построения КМ будет соответствовать переходу от неформальных знаний об исследуемой предметной области к их формальному представлению, допускающему только однозначную процедурную трактовку. Полученная формальная модель носит декларативный характер, так как в ней описывается в первую очередь состав, структура и отношения между объектами и процессами, независимо от конкретного способа их реализации в компьютере.
Декларативный язык описания КМ [18, 148] состоит из двух частей: части, соответствующей элементам описываемого мира, и части, соответствующей отношениям и атрибутам представленных в модели элементов. В качестве математической основы этого языка использована аксиоматическая теория множеств.
В КМ ПТК описываются три вида элементов (сущностей) реального мираобъекты, процессы и данные (или ресурсы). Объекты отображают организационную и пространственную структуру объекта исследования, с каждым из них может быть связан набор процессов. Под процессом понимается некоторое действие (процедура), преобразующее подмножество данных, называемых входными по отношению к рассматриваемому процессу, в другое их подмножество, именуемое выходным. Данные характеризуют состояние системы. Они используются при реализации процессов, являются результатами их выполнения. Выполнение любого процесса изменяет данные и соответствует переходу системы из одного состояния в другое. Взаимосвязи и взаимодействие объектов реального мира описывается в модели с помощью отношений, задаваемых на множествах объектов, процессов и данных.
Каждое отношение связывает один элемент модели с некоторым подмножеством отличных от него элементов [117, 192].
Любому реальному элементу присущи некоторые признаки, которые позволяют идентифицировать его и сопоставлять с другими элементами. При построении модели в рассмотрение принимаются только существенные, с точки зрения решаемой задачи, атрибуты, характеризующие элемент.
Имена элементов КМ могут задаваться с использованием терминов предметной области. В общем случае каждому элементу модели назначается исполнитель, обеспечивающий его реализацию в ходе моделирования. Тип исполнителя определяет характеристики реализации, например, язык программирования, на котором реализуется исполнитель соответствующего процесса, и тип исполнителя в алгоритмическом языке.
Атрибуты, описывающие тип отношения иерархии [18], конкретизируют представление объектов модели на следующем, нижнем уровне иерархии. Тип отношения «композиция» (&) определяет, что объект строится агрегацией его подобъектов. Тип «классификация» (v) указывает, что объект верхнего уровня является обобщением для группы объектов нижнего уровня. Отношение типа «классификация» в КМ используется для представления различных вариантов элемента верхнего уровня. Тип «итерация» (*) позволяет определять в КМ итеративные процессы и описывать регулярные структуры данных.
В зависимости от типа отношения иерархии объекту назначается управляющее данное. Управляющие данные назначаются для доопределения структуры процессов, имеющих тип отношений иерархии «классификация» или «итерация», и данных, имеющих иерархическое отношение типа «итерация» .
При проведении моделирования можно выделить два класса количественных характеристик — предметные и процедурные.
Процедурные характеристики относятся к исполнителям, представляющим реальные объекты и процессы при моделировании объекта исследования в динамическом режиме. Они позволяют получить количественные оценки вариантов реализации модели. В работах [18, 80] представлены правила вычисления результирующих количественных характеристик для различных элементов с учетом их расположения в модели. Алгоритмы расчета процедурных характеристик изначально закладываются в систему моделирования и не могут изменяться пользователем.
Предметные характеристики — это количественные характеристики, присущие элементам предметной области. В рассматриваемой проблеме к ним относятся материальные ресурсы процессов и объектов КМПО (их входные и выходные данные), а также информационные ресурсы, которые моделируют координирующие воздействия доминирующих объектов модели и сигналы обратной связи от подчиненных им объектов. Использование предметных характеристик дает возможность проведения предварительного анализа решаемой задачи по заданному пользователем набору критериев, не переходя к этапу ее алгоритмической реализации с использованием сложных имитационных моделей.
Формальное представление КМ позволяет существенно автоматизировать анализ корректности структуры и разрешимости КМ [16, 146, 182].
Важным аспектом эффективности СМ является удобство представления результатов моделирования. В настоящее время наиболее перспективной средой для компьютеризованного исследования объектов класса ПТК считаются ГИС [39, 132, 168]. Кроме продвинутых способов визуализации и графической обработки данных, инструментальные средства ГИС в принципе позволяют ставить задачи для пространственно координированных расчетов в дружественной к пользователю графической среде [83, 159], хотя это требует дополнительных разработок программного обеспечения. Кроме того, ГИС-пакеты не рассчитаны на анализ динамики объекта и серьезную математическую обработку данных.
ГИС-представление любого объекта состоит из комплекта условных слоев (покрытий), на каждом из которых в виде графических элементов из стандартного набора отображаются те или иные составные части объекта. Решающим аргументом в пользу выбора ГИС в качестве среды для моделирования является тот факт, что в ГИС изображение не хранится целиком, а строится перед выводом на экран из стандартных элементов по значениям их графических атрибутов, хранящимся в базе данных (БД) ГИС. Обычно используются стандартные элементы трех видов: точки, дуги и полигоны [191]. Точки хранятся в БД ГИС в виде пары координат, дуги (линии) — в виде последовательности точек, которые перед выводом на экран соединяются линиями заданного вида, а полигоны (площадные элементы) — в виде последовательности образующих их линий. Линии имеют начало и конец, то есть ориентированы, соответственно, им могут быть приписаны слева или справа прилегающие полигоны. Базовые положения ГИС — связность (connectivity) и ассоциативность (contiquity) требуют, чтобы линии соединялись только в их начальных или конечных точках (узлах). В принципе, для ГИС безразлична семантика элементов, отображаемых тем или иным видом графических элементов. На одном покрытии в различных цветах полигонами могут отображаться, например, и поля, и озера. Однако в целях упрощения дальнейшей формализации предполагается, что в каждом покрытии элементами одного графического вида отображаются функционально однотипные составные части объекта. Сделанное предположение увеличивает количество покрытий, из которых строится модель объекта, но позволяет автоматически, с помощью встроенных средств ГИС, реализовать принципиальное для последующего рассмотрения свойство модели: в каждом покрытии отображается пространственное разбиение (в смысле теории множеств) некоторой характеристики объекта. Кроме того, однотипность элементов каждого покрытия облегчает контроль корректности КМ и формирование приоритетов альтернативных вариантов реализации структуры объекта.
Еще одно достоинство ГИС в рамках рассматриваемой задачи заключается в том, что с каждым графическим элементом можно связать дополнительные поля БД, доступные для модификации внешними вычислительными модулями, в отличие от графических атрибутов. В частности, эти поля можно использовать для хранения атрибутов КМ, относящихся к данному элементу, и других параметров, необходимых для организации и проведения моделирования.
Таким образом, каждый цикл расчетов в ходе моделирования может быть разделен на три стадии: задание условий расчета, собственно расчет и вывод результатов. Неформальная цель разработки СМ заключается в автоматизации всех этих стадий с обеспечением максимального сервиса непрограммирующему пользователю, то есть с использованием терминологии предметной области и дружественного интерфейса пользователя с компьютером. По тем же соображениям СМ должна быть функционально полной, то есть предоставлять пользователю все нужные ему средства без явного выхода в другие программные среды. Создание специализированных графических библиотек и средств генерации отчетов потребовало бы неоправданных затрат на программирование и значительно удлинило сроки разработки. Поэтому представляется целесообразным компромиссное решение: возложить задачи вывода данных на стандартные пакеты или специализированные программные модули, но в максимальной степени автоматизировать их работу, исключив диалог с пользователем в их среде. Для организации графического вывода (представления данных в виде диаграмм и графиков) и документирования результатов моделирования весьма перспективны разрабатываемые в рамках упомянутого концептуального подхода к моделированию информационных технологий средства концептуального моделирования графических интерфейсов [80, 198]. Следует отметить, что в новых версиях ГИС появляются встроенные функции графического вывода [203].
Следующим и основным по сложности компонентом СМ является комплекс сопровождения «вычислительных» программных модулей, обеспечивающих моделирование объекта в динамическом режиме. В него входят средства анализа корректности заданных описаний, планирования процесса моделирования, выбора (формирования) и анализа сценариев развития исследуемого объекта, а также сама библиотека программных модулей для реализации моделей предметной области на компьютере.
Известные средства сопровождения КМПО [18, 80, 108, 164, 198] не могут непосредственно применяться в рассматриваемой проблеме, поскольку они специализированы для управления проектными разработками, моделирования различных вычислительных сред и информационных систем. Поэтому в них не развивались методы работы с пространственными функциями и временными рядами, методы проведения многовариантных расчетов, имитационные режимы исследования объекта моделирования и совместная логико-аналитическая обработка данных. Кроме того, эти средства не ориентированы на использование ГИС-технологий.
Перечисленные возможности реализуются в предлагаемой СМ на основе развития ситуационного подхода [141] для проблемы моделирования ПТК на основе КМПО [183]. Ситуационный подход применяется в области моделирования и управления сложными объектами, его центральным понятием является понятие ситуации как временного среза траектории изменения характеристик объекта в некотором абстрактном многомерном пространстве. Критерии выбора этого пространства мало изменились по сравнению с требованиями к выбору элементов вектора состояния в классической теории пространства состояний [48], развитой для управления динамическими объектами, которые допускают описание в форме дифференциальных и разностных уравнений. А именно, в пространство состояний должны включаться все меняющиеся во времени характеристики объекта, существенно влияющие на достижение целей моделирования (управления). Процедура построения пространства состояний, то есть отделения собственно объекта исследования от окружающей среды, обычно выносится за рамки процесса моделирования, поскольку конструктивные приемы выбора элементов вектора состояния для реальных объектов отсутствуют. Необходимость сопоставления различных траекторий (сценариев развития объекта) между собой, а также ограничения со стороны практической реализуемости алгоритмов обработки данных об объекте приводят к тому, что область определения характеристик состояния тем или иным способом дискретизируется на основе линейных, нелинейных или порядковых шкал.
Конкретное определение ситуации зависит от предметной области и использованного аппарата формализации [84, 110, 132], в общем случае полная ситуация описывается в трех основных аспектах — это знания о текущей структуре объекта, о текущем состоянии системы управления и о технологии (стратегиях) управления [141]. Таким образом, каждая ситуация описывается набором значений переменных, характеризующих перечисленные аспекты. Основой классического ситуационного управления является семиотическая (знаковая) модель, строящаяся в виде сети, где узлами являются внутренне непротиворечивые формальные модели, а переходы между узлами задаются правилами преобразования параметров формальных моделей — корреляционными или логико-трансформационными правилами (ЛТП). Построение семиотической модели осуществляется на языке ситуационного управления, представляющем собой достаточно сложное по структуре подмножество естественного языка. Так, в работе [141] делается предположение, что для создания систем ситуационного управления достаточно использовать набор из примерно 200 базовых отношений, делящихся на 10−12 категорий и связывающих между собой базовые понятия семиотической модели, причем количество последних на порядок превышает количество базовых отношений и существенно зависит от специфики предметной области. Создание и развитие систем ситуационного управления требует больших затрат ресурсов на сбор сведений об объекте, его функционировании и способах управления им, а также на систематизацию этих сведений в рамках семиотической модели, поэтому авторы метода считают целесообразным применять его только в случаях, когда другие методы формализации приводят к задаче слишком большой (для практической реализации) размерности. Дополнительную сложность вносит отсутствие конструктивных процедур построения семиотических моделей.
Далее исследуются возможности адаптации ситуационного подхода для исследования динамики пространственных объектов на базе КМПО [68, 122, 125, 147, 181, 183], с этой целью рассмотрим формализацию метода ситуационного управления несколько более детально согласно [110, 141, 181, 183, 189]. Исходная информация для построения системы ситуационного управления группируется следующим образом:
Q j, j=T, 2, .m — текущая ситуация на объекте (аналог текущего значения вектора состояния);
Uk, k=l, 2,.n — набор возможных одношаговых воздействий (управлений);
Si — текущая полная ситуация, которая, как упомянуто выше, включает не только текущую ситуацию, но также сведения о состоянии системы управления и стратегиях управления, и переводит объект из одной текущей ситуации в другую, реализуя некоторое одношаговое воздействие:
В.1).
Блок-схема традиционной системы ситуационного управления показана на рис. 2.
Описание текущей ситуации.
Блок случайного выбора.
Воздействие на объект.
Об |, скт.
Рис. 2. Структура системы ситуационного управления.
Здесь Анализатор по описанию текущей ситуации принимает решение о необходимости (или отсутствии таковой) применения какого-либо управления. Если управление необходимо, в действие вступает Классификатор, который должен отнести текущую ситуацию к одному или нескольким классам, соответствующим некоторому одношаговому управлению. Решение Классификатора передается Коррелятору, где хранятся все ЛТП. Если Коррелятору удается выбрать единственное ЛТП, то на объект выдается связанное с этим правилом управлениев противном случае подключается Экстраполятор, предназначенный для выбора управления путем экстраполяции и сравнения последствий всех альтернативных воздействий. Когда не удается выбрать предпочтительное управление и таким путем, воздействие реализуется в результате случайного выбора.
На наш взгляд, значительная часть сложностей в реализации метода ситуационного управления вызвана использованием естественного языка как основы для внутреннего представления знаний в семиотических моделях, а также поисками средств формализации для пространств состояния произвольной структуры, не имеющих собственной метрики. Аналогичные проблемы возникают при разработке формальных моделей текстов на естественном языке в автоматизированных информационных системах [49, 192]. Для преодоления этих сложностей и обеспечения реализации идей ситуационного управления с помощью вычислительных систем широкого применения представляется целесообразной разработка ситуационного подхода при регулярной структуре модели объекта, в частности, при использовании КМПО [67, 122, 125, 149, 181]. Рассмотрим вкратце основные особенности этой модели.
Основной задачей декомпозиции является разделение целого на части. При необходимости этот процесс повторяется, что приводит к иерархическим древовидным структурам, которые определяют отношения концептуальной модели как связи ее элементов с соответствующими подэлементами на каждом уровне иерархии модели. Для разных структур моделей предметной области и степени формализации знаний существуют различные подходы к построению концептуальной модели. Одним из таких подходов является функционально-целевой подход (ФЦП) [67, 92, 149, 164], развитый для класса задач с древовидными моделями предметной области. Исходная посылка функционально-целевого подхода — управление через целеполагание (формирование многоуровневой древовидной системы целей управления). В ФЦП эта иерархия целей используется не только как обычное средство наглядного структурного описания, но и как инструмент структурно-алгоритмического проектирования системы, обеспечивающий учет особенностей структуры предметной области. Модели, разработанные с помощью ФЦП, основаны на двухоперационных алгебрах целей и действий. Функционально-целевой подход вводит соответствие между целями различных уровней КМ по принципу: каждой цели соответствуют функции, обеспечивающие ее достижение, которые в свою очередь являются целями, достигаемыми на следующем, более низком уровне иерархии модели. Использование этих моделей обеспечивает формальную основу синтеза систем, в структурно-алгоритмической организации которых отражена структура целей моделирования. Для задач с древовидными МПО доказана теорема о покрытии [65], которая заключается в следующем: система, построенная из подсистем, покрывающих подзадачи основной целевой задачи системы, покрывает основную целевую задачу системы.
Возможность решения целевой задачи на основе решения ее подзадач особенно важна при исследованиях в тех областях, где: существует ряд наработок, которые должны быть включены в общую моделирующую систему в качестве подсистемнеобходима интеграция логических, численных и комбинированных моделей, которые будут описывать состояние и динамику элементов и подсистем исследуемой системыусловия целевой задачи могут варьироваться, что выдвигает соответствующие требования к адаптационным возможностям модели.
Для решения задач подобного типа предназначен и упомянутый выше подход [119, 132, 133], автор которого вводит понятие ГДС и, в соответствии с методологией общей теории систем [112], выделяет в них три основные подсистемы: организационную, которая определяет выбор цели и критериев функционирования (поведения) системы на основе сформированной цели существования (жизни) системыинформационно-управляющую, обеспечивающую взаимодействие системы с внешней средой и компонентов исполнительной системы между собой в процессе достижения цели поведения, заданной организационной подсистемой в соответствии с текущей ситуацией и критериями функционированияисполнительную, представляющую собой совокупность всех исполнительных средств, которая способна обеспечить выполнение всех действий, необходимых для достижения цели поведения (функционирования) системы.
Модель объекта строится в виде набора иерархий, порождаемых декомпозицией критериев функционирования по некоторому их параметру, причем каждая подсистема и компонент нижележащих уровней в свою очередь состоят из таких же трех функциональных подсистем до тех пор, «пока вариативность целей остается их свойством» [132]. Отмечается, что при построении иерархических систем обычно роль организационной подсистемы некоторого уровня декомпозиции выполняет информационно-управляющая подсистема более высокого уровня, ибо именно она задает цели, критерии, ограничения для информационно-управляющих и исполнительных подсистем более низкого уровня.
Главная трудность при определении состава модели при таком подходе заключается в том, что разделение целостной системы на части является относительным, зависящим от целей моделирования. Поэтому важным этапом построения концептуальной модели является определение целей моделирования.
Тем не менее, иерархические модели достаточно просты и наглядны, обычно они хорошо отражают реальные взаимосвязи предметной области. Кроме этого, построение модели сложного объекта в виде иерархической многоуровневой системы наиболее естественно согласуется с общепринятым в настоящее время модульным принципом программирования. Использование модульности целесообразно и при интеграции уже созданных моделей элементов исследуемой предметной области. Как уже говорилось, иерархическая система лучше адаптируется к изменениям решаемой задачи и обладает большей надежностью (ошибка в какой-либо подмодели не всегда распространяется на всю систему).
Концептуальная модель в настоящей работе базируется на представлении объекта моделирования в виде древовидного И-ИЛИ графа, отображающего декомпозицию структурных элементов этого объекта (объектов КМПО) в соответствии с их организационными связями. Объекты КМПО атрибутированы наборами входных и выходных ресурсов (ими могут быть некие характеристики объектов, данные и т. п.) и наборами процессов, осуществляющих преобразование одних ресурсов в другие.
Подчиненные элементы КМПО доминируются элементами вышележащего уровнясуперобъектами, что индуцирует отношение частичного строгого порядка, лежащее в основе любой иерархии. Декомпозиция некоторого элемента по типу И определяет необходимые для его функционирования подобъекты, декомпозиция по типу ИЛИ (она предусмотрена и для процессов, точнее, для наборов порождаемых этими процессами ресурсов) позволяет ввести в модель альтернативные варианты, подлежащие сопоставлению в ходе исследования объекта моделирования. Элементам КМ различных уровней иерархии при необходимости назначаются исполнители, которые должны обеспечить их реализацию в компьютере. Иерархическое описание, естественно, вносит некоторые ограничения на структуру отображаемых объектов, но зато позволяет существенно повысить конструктивность процедур исследования объекта на различных уровнях описания, а также облегчить формальный анализ самой модели. Наиболее наглядным представлением иерархических моделей является графическое. Следовательно, для поддержки начальных этапов организации моделирования необходимо наличие графического редактора, предоставляющего возможность построения древовидной структуры с указанием типа декомпозиции каждой конкретной вершины графа. С помощью аппарата типизации элементов КМПО поддерживается ее корректность и консистентность, а также автоматизируется выборка исходных данных для расчетов и генерация баз данных для хранения результатов моделирования.
В связи с изложенным представляется резонной попытка достижения компромисса между преимуществами ситуационного подхода и ограничениями со стороны его практической реализуемости на стандартном аппаратном обеспечении за счет дополнения традиционного для ГИС набора атрибутов составных частей объекта атрибутами, поддерживающими функционирование концептуальной модели объекта, и разработки методов анализа и синтеза программного обеспечения задачи моделирования в рамках полученной формализации. При этом не рассматриваются вопросы реализации прямых и обратных связей между моделью и исследуемым объектом, поскольку специфика управления существенно дифференцирована для различных предметных областей.
Кроме использования знаний экспертов при конструировании КМПО, для моделирования компонентов объекта, которым по разным причинам не могут быть сопоставлены имитационные модели, предлагается непосредственно встроить средства логической обработки данных в ПСМ [183]. Для решения этой задачи разработана специализированная оболочка экспертной системы (ОЭС) [45, 127, 128], которая, наряду с традиционными задачами обработки правил, касающихся значений параметров объекта, решает и внутренние задачи предлагаемой ситуационной системы моделирования (ССМ), в частности, используется при доопределении, классификации и обобщении ситуаций в процессе постановки задачи моделирования [184, 189]. Алгоритмы применения ОЭС в ССМ подробно рассмотрены в главах 4, 5, основной элемент новизны заключается в том, что одни и те же параметры объекта или процесса могут вычисляться как аналитическими, так и логическими процедурами. Предпосылкой такой возможности служит унификация форматов программного представления числовых параметров и параметров, определяемых на порядковых шкалах. Для исключения проблем, связанных с малыми изменениями данных, в ССМ допускаются только данные с дискретным конечным множеством значений (типа списковых данных). Это соответствует рассмотренному выше описанию ПТК в классе ГДС. Если значения некоторого данного есть строковые константы, то такое данное называется параметром, и ССМ не контролирует упорядочение его значений. Если данное имеет числовые значения, то оно именуется переменной, и над ним можно выполнять определенные математические операции. Если результат вычислений представляет собой значение переменной, то он округляется до ближайшего значения из списка допустимых значений. В дальнейшем, если сказанное относится к данным любого разрешенного в ССМ типа (и к переменным, и к параметрам), употребляется термин «данное». С точки зрения алгоритмической организации моделирование ПТК представляет собой многовариантный расчет некоторой группы величин при изменениях заданного набора параметров, поэтому в ССМ должны быть включены средства задания условий и сохранения результатов таких расчетов. С этой целью в зависимости от функционального назначения данных в процессе разработки модели вводится три класса данных [67, 127, 181]: постоянные, временные, оперативные. К постоянным относятся данные, которые не изменяются в ходе моделирования (данные натурного эксперимента, постоянные коэффициенты и т. п.). Временные данные — это, как правило, промежуточные или целевые результаты вариантов имитации. При повторных реализациях имитационного режима временные данные могут либо заменяться, либо храниться в виде версий. Постоянные и временные данные записываются в ходе моделирования на внешние запоминающие устройства (ВЗУ) и составляют базу данных предметной области (БДПО) моделирования. Временные данные могут удаляться по завершению имитации. Оперативные данные создаются и хранятся в оперативной памяти только в процессе выполнения соответствующей программы и уничтожаются после ее завершения.
Принятые форматы хранения данных и структура модели предметной области позволяют проводить сопоставительный статический и динамический анализ различных ситуаций, описывающих текущее состояние объекта исследования или некоторой его части, с целью принятия решения об управляющем воздействии на объект, которое осуществляется реализацией одной из допустимых альтернатив структуры объекта, описанных в КМ. Таким образом, ССМ предоставляет ЛПР алгоритмическую поддержку для обоснования его решений об изменении или сохранении структуры подчиненного ему объекта и в этом смысле является альтернативой экспертному совету. Подобные обоснования целесообразны как в случае отсутствия достаточного количества экспертов, так и при ограниченных возможностях их приглашения (по временным, финансовым или иным соображениям).
Следующее базовое понятие предлагаемой формализации — задача. Ее основным естественным параметром является целевая величина (величины), для вычисления которых задача решается, и порождающий эту величину объект КМПО, который называется объектом принятия решения (ОПР). Однако иерархическая структура модели позволяет ввести дополнительный атрибут любой задачи — уровень решения, который может задаваться как на концептуальной модели (например, именем некоторого района, если модель включает административные единицы), так и непосредственно выбором какого-либо участка карты. В общем случае в зависимости от уровня решения может меняться не только набор входных и выходных параметров одной и той же задачи, но и сам алгоритм ее решения. Одна из основных идей разработки рассматриваемой ССМ заключается в автоматизации процедур постановки задачи, подготовки исходных данных для расчетов на концептуальной модели с учетом уровня решения, выполнения самих вычислений и представления их результатов, в этом смысле ССМ относится к CASE-системам [149].
Другая принципиальная особенность ССМ, определяющая многие особенности ее реализации — это ориентация на нестационарные объекты исследования, параметры которых зависят от времени. Как уже отмечалось, ССМ функционирует в дискретизованном времени, поэтому для каждой переменной величины, используемой в расчетах как исходная, в системе должен быть задан временной ряд ее значений. Допускается использование экспериментальных данных либо генерация данных по ходу моделирования. В первом случае с именем величины связывается имя базы данных и полей этой базы, где хранятся ЭД, во втором случае дается ссылка на имя программы, генерирующей данные [67, 125].
Нижний уровень декомпозиции в КМПО — уровень примитивов — задает структурно неделимые компоненты модели, которые в реальности могут соответствовать достаточно сложным составным частям объекта. На более высоких уровнях КМ конъюнктивно (дизъюнктивно) связаны логически последовательные (параллельные) подзадачи [188]. Параллельными считаются задачи обработки данных, которые в каждом цикле расчетов инициируются независимо друг от друга, в противном случае они рассматриваются как логически последовательные.
В рассматриваемой ССМ каждый примитив КМ отображается набором графических элементов на одном или нескольких покрытиях карты, поэтому к его основным атрибутам в КМПО добавляются имена покрытий и идентификаторы графических элементов. Эти атрибуты относятся к категории исполнителей элементов КМПО. Отображения элементов КМПО более высоких уровней синтезируются из отображений примитивов по определенным правилам.
Управление объектом в рассматриваемой постановке трансформируется в выбор одного из возможных вариантов структуры объекта на каждом шаге или такте моделирования. Тогда задача Анализатора текущей ситуации (см. рис.2) в предлагаемой ССМ превращается в задачу оценки предшествующего управления с целью принятия решения об изменении структуры объекта. Функция Классификатора заключается в сужении класса допустимых на текущем шаге воздействий. Для дополнительного учета предпочтений экспертов предоставляется возможность производить сопоставление вариантов с помощью вводимых пользователем весовых функций, на основе которых вычисляются приоритеты заложенных в КМПО вариантов структуры объекта. В результате отбирается один или несколько вариантов структуры объекта, чьи векторы приоритетов в некотором смысле доминируют векторы приоритетов других вариантов, они могут более детально изучаться в имитационном режиме работы системы.
Предложенный подход к моделированию состояния пространственных объектов позволяет естественным образом поддерживать современный сценарный метод поддержки принятия решений. Для этого с помощью встроенных в ССМ средств формируются ряды исходных данных для расчетов на будущие интервалы времени и производится моделирование состояния объекта для этих интервалов. Имеется возможность отдельно исследовать каждый из описанных в КМПО вариантов структуры объекта, помечая соответствующий ему фрагмент концептуальной модели [67] и отключая ввод управлений, предлагаемых на основе анализа ситуации. Предусмотрена возможность отказа от любого последнего интервала времени с целью исследования альтернативной траектории объекта.
Таким образом, далее разрабатывается ситуационная система моделирования на основе интегрированной концептуальной модели нестационарного природно-технического комплекса, ориентированная на автоматизацию всех этапов моделирования, широкое применение экспертных знаний, использование ГИС-технологии для графического представления составных частей объекта, постановки задачи и представления результатов моделирования, а также для выполнения пространственно-зависимых расчетов.
Приведенная выше аргументация обосновывает следующую формулировку цели выполненных автором исследований и разработок.
Цель работы состоит в создании концептуальной модели, интегрирующей геоинформационную и специализированную экспертную систему, и разработке в рамках этой модели методов представления и обработки данных и знаний, а также методов и средств постановки, проведения и представления результатов ситуационного моделирования природно-технических комплексов.
Для реализации этой цели автором решены следующие задачи: определены требования к разрабатываемой ситуационной системе моделирования со стороны предметной области и условий работы системывыполнена параметризация концептуальной модели ПТК и ее основных компонентов, выбор структур данных, стандартов их представления в модели и обработки в ходе моделированияразработаны методы контроля консистентности и разрешимости модели предметной области, объединяющей концептуальную модель, базу знаний экспертной системы, базы данных предметной области и компонентов ССМсозданы методы и средства автоматизированного формирования структуры базы данных предметной области на основе концептуальной модели данныхразработан метаязык ССМ и на его основе — интерфейсы КМПО с ГИС и ЭС на всех этапах моделированияразработаны средства доопределения ситуаций на модели предметной области с возможностью логической обработки экспертных знаний о ситуацияхразработан метод сопоставления заложенных в КМПО альтернативных решений, адекватных текущей ситуации, для классификации и обобщения ситуаций с возможностью анализа влияния погрешностей моделирования на полученные результатыпредложены методы управления выводом и алгоритмы логического вывода при решении задач обработки ситуаций с учетом пространственных и динамических взаимосвязей между характеристиками элементов объекта экспертизысозданы средства автоматизации работы ССМ в имитационном режиме с поддержкой современных сценарных подходов к моделированиюразработана технология и средства автоматизированной генерации проблемно-ориентированных (прикладных) ССМ на базе многофункциональной исследовательской модели предметной области.
Методические отличия разработки от прототипов состоят в следующем: иерархическая концептуальная модель предметной области применяется не только для фиксации структуры объекта и статического контроля взаимосвязей компонентов объекта, но и как основное средство обработки ситуаций на всех этапах моделирования. На этапе постановки задачи моделирования КМПО управляет выбором релевантных исходных данных, участвует в процедурах пополнения и доопределения ситуаций. При реализации имитационного режима КМПО диспетчирует вызов программных модулей и управление потоками данных. По завершении расчетов эта модель организует распределение результатов по модулям хранения и представление результатов моделированияотносительное пространственное расположение составных частей объекта, отображаемое средствами ГИС, используется как естественная основа при построении иерархии объектов КМПО, графические атрибуты ГИС-представления объекта входят в критерии качества компонентов КМПО и участвуют в определении концептуального уровня реализации текущей ситуациизнания экспертов используются не только при построении КМПО, но и непосредственно управляют логическим выводом в ходе доопределения, обобщения и классификации ситуацийпроцедура формального контроля разрешимости и корректности КМПО расширена путем включения условий вычислимости объектов КМПО в состав продукционных правил встроенной экспертной системы и их последующего анализа на адекватность и логическую корректность совместно с собственно экспертными правиламиразработанные структуры и интерфейсы данных позволили унифицировать процедуры обработки числовых и ранжированных данных в процессе моделирования, то есть организовать совместную логико-аналитическую обработку данныхэкспериментальные данные и данные исследуемых сценариев могут вводиться не только на входы листьевых объектов и процессов КМПО, но и на входы любых элементов модели.
Методы исследования. Для решения поставленных в работе задач используются методы теории управления (в частности, ситуационного управления), концептуального моделирования, теории экспертных систем, элементы теории множеств, теории графов, теории вероятностей и математической логики. В качестве общего метода исследования и разработок автором развит ситуационный подход к организации моделирования на базе разработанной концептуальной моделью предметной области.
В основу диссертационной работы положены результаты, полученные автором в ходе исследований по планам научно-исследовательских работ Института информатики и математического моделирования Кольского научного центра РАН в период с 1989 по 1999 годы.
Научная новизна работы определяется тем, что с единых позиций, представленных в форме ситуационного подхода к концептуальному анализу состояния объекта, рассмотрена и решена проблема автоматизации моделирования нестационарных природно-технических комплексов. Основные аспекты научной новизны работы следующие:
1. Разработана и исследована концептуальная модель предметной области анализа и прогноза состояния нестационарного природно-технического комплекса, которая интегрирует пространственно-зависимые данные и экспертные знания об изучаемом объекте как многоуровневой многокомпонентной пространственной системе. Область применимости модели ограничена комплексами, допускающими древовидную декомпозицию и представление их компонентов в виде ограниченного множества ГИС-элементов.
2. Для КМПО ССМ разработаны методы и алгоритмы контроля адекватности, логической корректности и разрешимости с детальностью вплоть до отдельных ресурсов, созданы средства автоматической реализации элементов модели в ходе моделирования с помощью аппарата категорий и исполнителей этих элементов.
3. Предложен ситуационный подход к концептуальному анализу состояния объекта и синтезу программного обеспечения для организации и проведения исследования КМПО, в частности, предложены методы пополнения и доопределения ситуации с учетом экспертных знаний и уровня решения задачи, а также методы обобщения и классификации ситуаций на базе анализа областей доминирования частных критериев в глобальном критерии качества функционирования объекта, дающие возможность исследования влияния погрешностей моделирования на принимаемые управленческие решения. Предложен частный вид критерия качества, пригодный для статического анализа и сопоставления принимаемых решений по управлению структурой объекта и использующийся для обработки ситуаций.
Актуальность и научная новизна работы подтверждены включением одного из ее приложений — инструментальной системы прогноза удароопасности горного массива, созданной коллективом исследователей под руководством автора, — в перечень важнейших результатов Российской академии наук за 1995 год в области теории и методов построения экспертных систем и извлечения знаний. Разработанная автором ситуационная модель регионального промышленного комплекса включена в раздел «Математическое моделирование, вычислительная и прикладная математика для задач информатики» этого перечня за 1999 год.
Практическая ценность работы состоит в следующем.
1. Для задач исследования сложных природно-технических комплексов разработана инструментальная среда сопоставительного анализа эффективности и последствий принятия управленческих решений по изменению структуры объекта, ориентированная на широкое применение картографической информации и экспертных знаний и не требующая программистской подготовки пользователя.
2. Предложены процедуры управления выводом (применением продукций и выбором активируемых данных), направленные на согласование используемого фрагмента КМПО и набора правил ЭС, а также на блокировку неэффективных вариантов пополнения и доопределения ситуаций с использованием управляющих формул, которые построены по результатам классификации и обобщения ситуаций и позволяют учесть знания о пространственно-временных зависимостях в характеристиках элементов модели.
3. Разработана оболочка экспертной системы, ориентированная на решение различных задач обработки ситуаций с использованием детерминированного и вероятностного механизма вывода и учетом возможности наличия недостоверных исходных данных, а также эмпирические индикаторы хода вывода, позволяющие оценить успешность продвижения к цели вывода и принять решение о его прекращении или продолжении.
4. Созданы средства автоматизированного синтеза проблемно-ориентированных систем моделирования, компетентных на заданном наборе ситуаций, на основе универсальной для данной области исследовательской модели, что позволяет уменьшить затраты ресурсов на разработку специализированных прикладных систем без ущерба их эффективности.
Научная апробация работы. Основные результаты работы обсуждались на следующих научно-технических мероприятиях:
ХХГУ Всесоюзная школа по автоматизации научных исследований, 1990, Апатиты, 17−26 сентября;
III Международная научно-техническая конференция «Программное обеспечение ЭВМ», 1990, Тверь, ноябрьмеждународная конференция ЮНЕСКО «Математика, управление и инвестиции», 1993, Москва, 15−19 февраля;
V С.-Петербургская Международная конференция «РИ-96», 1996, Санкт-Петербург, 13−16 мая;
Second International Conference on Information Technology in the Barents Region (BAR-IT'96), 1996, Apatity, 18−19 September;
IV международная конференция «Проблемы управления в чрезвычайных ситуациях», 1997, Москва, 11 февраля;
International Conference on Informatics and Control (ICI&C97), 1997, St. Petersburg, 18−19 September;
12th European Simulation Multiconference 1998 (ESM'98), Manchester, UK, 1998, 16−19 June;
6-я Всероссийская конференция «Муниципальные геоинформационные системы» (МГИС'99), Обнинск, 25 — 29 янв. 1999;
II конгресс обогатителей стран СНГ, 1999, Москва, 16−18 мартаа также на секциях ученых советов Института физико-технических проблем энергетики Севера (ИФТПЭС) КНЦ РАН, Горного института (ГоИ) КНЦ РАН и.
Института информатики и математического моделирования технологических процессов (ИИММТП) КНЦ РАН.
Основные положения работы, выносимые на защиту.
1. Иерархическая концептуальная модель нестационарного природно-технического комплекса, состоящая из трех множеств элементов — объектов, процессов и ресурсов (данных), — на которых определены связи и отношения. Модель включает иерархию объектов (составных частей объекта исследования), отражающую их организационные взаимоотношения. Каждому объекту может приписываться набор процессов, имитирующих преобразование некоторого набора входных ресурсов в выходные. Ресурсы атрибутированы списками допустимых значений, что позволило проводить анализ и расчет ресурсов элементов модели, а также осуществить контроль адекватности, логической корректности и разрешимости модели с детальностью вплоть до отдельных ресурсов. Модель специализирована на применение экспертных знаний и ГИС-технологии.
2. Ситуационный подход к концептуальному анализу состояния объекта и синтезу программного обеспечения расчетов на его модели этого объекта, состоящей из концептуальной модели предметной области и интегрированных с ней ГИС и экспертной системы, в рамках которого разработаны: метод пополнения описания исходной ситуации с учетом экспертных знаний, как использованных при конструировании декларативной концептуальной модели объекта исследования, так и непосредственно выраженных в виде набора продукционных правил ЭС ССМметод классификации и обобщения ситуаций на основе областей доминирования одного из критериев качества функционирования исследуемого объекта, индуцируемых сопоставляемыми альтернативами в обобщенном пространстве критериев, метрика которого может синтезироваться с учетом предпочтений экспертовчастный вид критерия качества, пригодный для статического анализа и сопоставления принимаемых решений по управлению объектом и обеспечивающий конструктивное решение задач обобщения и пополнения ситуаций в ССМ с возможностью исследования влияния погрешностей моделирования на управляющие решенияаппарат синтеза и анализа типов ситуаций, в частности, оптимальных достаточных ситуаций, ориентированный на решение вопросов координации и согласования управляющих воздействий на различных уровнях модели ССМпроцедуры пополнения и обобщения описаний ситуаций с учетом пространственно-временных отношений между элементами этих ситуаций, использующие библиотеку предложенных пространственно-временных функцийпроцедуры управления логическим выводом (применением продукций и выбором активируемых данных) в ходе моделированияавтоматизированная технология генерации проблемно-ориентированных систем.
3. Программно-алгоритмическая организация и практическая реализация ситуационной системы моделирования как большой программной системы: принципы и форматы хранения различных групп данных, метаязык модели и базирующиеся на нем интерфейсы между модулями системы, средства автоматизации синтеза исполнительной среды моделирования по типам элементов модели, а также структура оболочки ССМ.
4. Реализация и внедрение результатов диссертационной работы в виде программных систем, специализированных для решения следующих задач: моделирования динамики техногенного воздействия на лесные экосистемы Северапрогноза удароопасности породного массива в зоне проведения горных работанализа вариантов развития энергетической системы регионаисследования комплексных технологических процессов, в частности, процессов обогащения минерального сырья.
Публикации. По материалам диссертации опубликовано 44 печатные работы в центральных, местных и зарубежных изданиях, в том числе основной материал диссертационной работы отражен в коллективной монографииполученные результаты изложены в ряде отчетов по НИР в ИФТПЭС КНЦ РАН, ГоИ КНЦ РАН и ИИММТП КНЦРАН.
Объем и структура работы. Диссертация состоит из введения, 6 глав и заключения. Работа содержит 345 машинописных страниц текста, а также 17 таблиц, 73 рисунка, 2 приложения и список литературы на 258 наименований.
6.5. Выводы по гл. 6.
Практическая реализация проблемно-ориентированных ССМ в рамках единой технологии показала возможность поэтапной разработки и создания многоуровневых ССМ регионального управления. Внедрение и использование ССМ позволяет повысить качество принимаемых решений, снизить риск нежелательных последствий каких-либо планируемых или возможных действий, а также выработать план мероприятий по минимизации отрицательного воздействия при его неизбежности [106, 58].
Практическое применение разработанных приложений ССМ показало, что предложенный подход позволяет решать специфические задачи в различных предметных областях, таких, как оценка влияния техногенных воздействий на лесные массивы, оценка удароопасности горного массива, моделирование энергетической системы региона, комплексное использование минерального сырья.
ЗАКЛЮЧЕНИЕ
.
В диссертационной работе сформулирована и решена научно-техническая проблема интеграции различных форм представления знаний с целью применения современных методов исследования и прогнозирования поведения сложных нестационарных природно-технических комплексов как многоуровневых многокомпонентных пространственных объектов. В рамках разработанного ситуационного подхода к задаче концептуального моделирования объектов указанного класса получены следующие основные результаты.
1. Разработана и исследована концептуальная модель природно-технических комплексов, специализированная для совместного использования аналитических и логических процедур обработки данных с учетом их семантики, применения экспертных знаний и ГИС-технологии.
2. Предложен ситуационный подход к организации и проведению исследований на разработанной концептуальной модели, в частности, метод пополнения и доопределения ситуации, использующий концептуальную модель и обеспечивающий автоматизированное нахождение минимальной полной ситуации, на которой могут сопоставляться имеющиеся альтернативные решения и проводиться имитация последствий выбранных решений. Созданы конструктивные методы обобщения и классификации ситуаций на базе анализа областей доминирования частных критериев в обобщенном критерии качества функционирования объекта, с возможностью проверки влияния погрешностей моделирования на принимаемые решения.
3. Предложен и обоснован аппарат типизации компонентов концептуальной модели, обеспечивающий автоматизацию всех основных этапов моделирования, от формулировки конкретного варианта расчетов до представления результатов моделирования и сопоставления различных сценариев развития объекта.
4. Созданы средства экспертного анализа пространственно-временных зависимостей в характеристиках компонентов объекта исследования с целью уточнения концептуальной модели и повышения эффективности обработки ситуаций.
5. Реализована исследовательская версия ситуационной системы моделирования, внедренная в ряде предметных областей, результаты эксплуатации которой подтвердили правомерность применения предложенных теоретических и программно-алгоритмических решений для достижения цели настоящей работы.
Проведенные исследования выявили перспективность использования предложенного подхода для проведения анализа состояния и прогноза поведения сложных природно-технических комплексов. Разработанные методы и алгоритмы использованы при создании проблемно-ориентированных приложений ССМ, практическое применение которых показало, что указанный подход позволяет решать.
422 специфические задачи в различных предметных областях, таких, как оценка влияния техногенных воздействий на лесные массивы, оценка удароопасности горного массива, моделирование энергетической системы региона, моделирование задачи комплексного использования минерального сырья.
Среди возможных направлений дальнейших работ по исследованной проблеме представляется целесообразным отметить следующие: поддержка описания и обработки исходной ситуации в формате, когда заданы желаемые значения целевых данных («что нужно, чтобы») — разработка новых видов пространственно-временных функцийразработка методов координации управления в рамках модели ССМанализ связей между метрикой обобщенного критерия качества и результатами классификации ситуаций, в частности, степени согласованности результатов этой классификации со структурой декомпозиции объектаисследование закономерностей и связей между характером декомпозиции объекта и чувствительностью модели к результатам классификации ситуацийразработка и встраивание в модель ССМ модели трехмерной ГИС с возможностью автоматического изменения графических характеристик ГИС-элементов по результатам расчетов.