Исследование семантической информационной модели управления качеством грунтовых вод на рисовых оросительных системах - Статья

Генерация информационного портрета класса представляет собой решение обратной задачи прогнозирования, т.к. при прогнозировании по системе факторов определяется спектр наиболее вероятных будущих состояний объекта управления, в которые он может перейти под влиянием данной системы факторов, а в информационном портрете наоборот, по заданному будущему состоянию объекта управления определяется система факторов, детерминирующих это состояние, т.е. вызывающих переход объекта управления в это состояние. В начале информационного портрета класса идут факторы, оказывающие положительное влияние на переход объекта управления в заданное состояние, затем факторы, не оказывающие на это существенного влияния, и далее - факторы, препятствующие переходу объекта управления в это состояние (в порядке возрастания силы препятствования). Информационный (семантический) портрет фактора - это список классов, ранжированный в порядке убывания силы влияния данного фактора на переход объекта управления в состояния, соответствующие данным классам. Сначала в этом списке идут состояния объекта управления, на переход в которые данный фактор оказывает наибольшее влияние, затем состояния, на которые данный фактор не оказывает существенного влияния, и далее - состояния, переходу в которые данный фактор препятствует. Если взять несколько информационных портретов факторов, соответствующих градациям одной описательной шкалы, отфильтровать их по диапазону градаций некоторой классификационной шкалы и взять из каждого информационного портрета по одному состоянию, на переход в которое объекта управления данная градация фактора оказывает наибольшее влияние, то мы получим зависимость, отражающую вероятность перехода объекта управления в будущие состояния под влиянием различных значений некоторого фактора.Предложена принципиальная когнитивная модель, отражающая структуру системы факторов, влияющих на минерализацию и уровень грунтовых вод, а также урожаи риса. Разработана конкретная система из 8 классификационных и 88 описательных шкал, каждая из которых включает по 7 градаций, позволяющая формализовать как целевые и нежелательные будущие состояния оросительной системы, так и природные, антропогенные и технологические факторы, детерминирующие эти состояния. В работе проведено углубленное исследование семантической информационной модели минерализации и уровня грунтовых вод, полученной на основе фактических данных за 1983-2003 годы. Данная модель отражает влияние 88 факторов различной природы на минерализацию и уровень грунтовых вод и на урожаи риса. Показана возможность фактического применения предложенного количественного интегрального критерия уровня качества жизни для идентификации лет исследуемого периода, а также получены функции влияния объемов и направленности инвестиций на значения интегрального критерия и частных критериев уровня качества жизни населения региона.

Предложена принципиальная когнитивная модель, отражающая структуру системы факторов, влияющих на минерализацию и уровень грунтовых вод, а также урожаи риса.

Разработана конкретная система из 8 классификационных и 88 описательных шкал, каждая из которых включает по 7 градаций, позволяющая формализовать как целевые и нежелательные будущие состояния оросительной системы, так и природные, антропогенные и технологические факторы, детерминирующие эти состояния.

Спроектирована обучающая выборка, количественно характеризующая динамику работы рисовой оросительной системы АО «Черноерковское» по 616 показателям за 1983-2003 годы. Обучающая выборка автоматически импортирована в универсальную когнитивную аналитическую систему "Эйдос". рис минерализация семантический информационный

Осуществлен синтез семантической информационной модели, отражающей влияние факторов различной природы на состояние оросительной системы и урожаи риса.

В работе проведено углубленное исследование семантической информационной модели минерализации и уровня грунтовых вод, полученной на основе фактических данных за 1983-2003 годы.

Данная модель отражает влияние 88 факторов различной природы на минерализацию и уровень грунтовых вод и на урожаи риса.

Показана возможность фактического применения предложенного количественного интегрального критерия уровня качества жизни для идентификации лет исследуемого периода, а также получены функции влияния объемов и направленности инвестиций на значения интегрального критерия и частных критериев уровня качества жизни населения региона.

Данные исследования открывают возможность обоснования рекомендаций по структуре и объемам инвестиций, наиболее эффективно влияющих на повышение уровня качества жизни населения региона.

Главные выводы, которые можно сделать по результатам проведенного исследования, состоят в следующем: 1. Продемонстрирована возможность эффективного применения конкретных методик, разработанных и апробированных в процессе адаптации и применения общей методологии системно-когнитивного анализа для исследования влияния большого количества разнородных факторов на минерализацию, уровень грунтовых вод и урожаи риса.

2. Разработаны методики прогнозирования состояний оросительной системы и выработки научно-обоснованных рекомендаций по принятию управленческих решений, направленных на перевод данной системы в целевые состояния и избежание нежелательных состояний.

На основе проведенных исследований предлагаются следующие рекомендации: 1. Организовать научно-исследовательский и технологический центр мониторинга и прогнозирования состояния оросительных систем.

2. На основе общей методологии системно-когнитивного анализа и конкретных предложенных в данной работе методик его применения в данной предметной области разработать и стандартизировать методику мониторинга состояния краевой оросительной системы, в которой должны быть стандартизированы конкретные показатели, формы и информационные технологии, по которым собирается и накапливается информация.

3. Применять эту методику в текущей работе центра для решения следующих задач: - накопление данных мониторинга МИУГВ по краевой оросительной системе в сопоставимом виде в единой стандартной форме;

- анализ данных мониторинга с целью выявления и уточнения причинно-следственных зависимостей в предметной области, т.е. для генерации информации о силе и направлении влияния различных факторов на МИУГВ;

- использование полученной информации для прогнозирования МИУГВ в условиях предположительного применения тех или иных технологических воздействий на оросительную систему;

- поддержка принятия решений по управлению оросительной системой за счет использования знаний о влиянии технологических факторов на МИУГВ и урожаи и качество риса.

1. Луценко Е.В. Автоматизированный системно-когнитивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организационно-технических систем): Монография (научное издание). - Краснодар: КУБГАУ, 2002. - 605 с.

2. Сафронова Т.И., Луценко Е.В. Проблема управления качеством грунтовых вод на рисовых оросительных системах и концепция ее решения // Научный журнал КУБГАУ. - 2004.- №5(7). - 9 с. - http://ej.kubagro.ru.

3. Сафронова Т.И., Луценко Е.В. Когнитивная структуризация и формализация задачи управления качеством грунтовых вод на рисовых оросительных системах // Научный журнал КУБГАУ. - 2004.- №5(7). - 15 с. - http://ej.kubagro.ru.

4. Сафронова Т.И., Луценко Е.В. Синтез, оптимизация и верификация семантической информационной модели управления качеством грунтовых вод на рисовых оросительных системах // Научный журнал КУБГАУ. - 2004.- №5(7). - 8 с. - http://ej.kubagro.ru.

5. Пат. № 2003610986 РФ. Универсальная когнитивная аналитическая система "ЭЙДОС" / Е.В. Луценко (Россия); Заяв. № 2003610510 РФ. Опубл. от 22.04.2003. - 50 с.

6. Луценко Е.В. Системно-когнитивный анализ как развитие концепции смысла Шенка-Абельсона // Научный журнал КУБГАУ. - 2004.- №3(5). - 21 с. - http://ej.kubagro.ru.

Размещено на .ru