Лекция №15. Экспертные системы Экспертные системы зародились в ходе развития методов обработки данных в ЭВМ. Они являлись результатом попыток расширить автоматизацию обработки информации, обычно выполняемую человеком

Вид материала

Лекция

Содержание 15.2 Характеристика ЭС Экспертные системы 15.3Типы экспертных систем для решения задач ГИС Основой интеграции технологий в ГИС служат технологии САПР, но между ними существуют различия. 15.4Блок моделирования ГИС

Подобный материал:

• Алгоритмы обучения и архитектура нейронных сетей. Нейросетевые системы обработки информации, 21.42kb.
• Курс лекций "Экспертные системы" (Для студентов заочного обучения юридического факультета, 84.44kb.
• И. А. Защита информации в субд. Лекция, 137.23kb.
• 4 Экспертные системы, 51.16kb.
• 40. Динамические экспертные системы, 1383.49kb.
• Говоря простым языком, системы баз знаний это искусство, которое использует достижения, 267.75kb.
• Рабочая программа По дисциплине «Основы обработки визуальной информации» По специальности, 230.56kb.
• «Экспертные системы», 266.3kb.
• Рабочая программа дисциплины «Автоматизированные системы обработки экономической информации», 306.21kb.
• Рабочая программа дисциплины «Архитектура ЭВМ и вычислительных сетей» для специальности, 325.46kb.

Лекция №15. Экспертные системы

Экспертные системы зародились в ходе развития методов обработки данных в ЭВМ. Они являлись результатом попыток расширить автоматизацию обработки информации, обычно выполняемую человеком.

15.1Создание баз знаний и экспертные системы

В последние годы в технологию ГИС стали широко внедряться экспертные системы. Экспертную систему можно определить как «систему искусственного интеллекта, использующую знания из сравнительно узкой предметной области для решения возникающих в ней задач, причем так как это делала бы эксперт-человек, т.е. в процессе диалога с заинтересованным лицом, поставляющим необходимые сведения по конкретному вопросу». Напомним разницу между данными и знаниями.

Под данными понимаются совокупность фактов, представленных в каком-нибудь формализованном виде для их использования в науке или других сферах человеческой деятельности. Данные соответствуют дискретным зарегистрированным фактам относительно явлений, в результате чего мы получаем знания о реальном мире. Слово данные происходит от латинского datum – «факт».

«Знания» - отражение семантических (смысловых) аспектов географической реальности в мозгу человека или даже в технической системе.

Если создавать программы, которые способны анализировать семантику (смысл) используемых данных, необходимо обращение к базам знаний. Такие программы способны производить логические цепочки на основе ранее полученных выводов, пропуская знания как бы через эти выводы, проверяя их логичность.

Знания в работах по искусственному интеллекту знания принято разделять на предметные или обще доступные и индивидуальные или эмпирические. К общедоступным относятся знания из учебников, индивидуальные знания основываются на правилах и подходах, которые эксперт иногда не может однозначно сформулировать – их называют эвристическими.

Для экспертных систем необходимы три компоненты: факты, правила (процедурные знания) и управляющие структуры. Фактические знания сообщаются экспертной системе экспертом географом в процессе диалога и отражают взгляды человека на момент работы. Процедурные знания или правила тесно связаны с практическими, но являются как бы накопленными знаниями, на основе которых вырабатывались правила, определяющие как будет вести себя система, и управляющие знания позволяют подбирать наилучшую стратегию в работе системы.

Причем в интеллектуальных системах, способных само обучаться на основе накопленного опыта анализа, контроля и принятия решений в процессе исследования явлений реального мира появляются знания второго уровня или метазнания.

Факт – Петр подчиняется Фреду, Анна подчиняется Петру.

Правило – если А подчиняется В, а С подчиняется А, то С подчиняется В.

Управляющая процедура – способ применения разнообразных правил. Т.е. решить какое из правил должно быть следующим. Существует много методов, например, можно двигаться по само левой ветви дерева до тех пор пока не будет удовлетворен запрос или не будет достигнут конец ветви. В последнем случае мы возвращаемся в предыдущий узел дерева и с помощью того же метода произвести проверку других ветвей. Это называется сначала в глубь. Если мы проходим все узлы на одном уровне, потом все узлы на другом уровне, это называется сначала вширь.

Вся структура экспертной системы состоит из 4-5 частей: базы знаний, машины вывода, системы накопления метазнаний (т.е. знания второго уровня для самообучения системы), системы объяснения и общения с пользователем.

Знания в базе знаний организуются в виде либо семантически сетей с произвольной структурой, либо регулярных сетей – фреймов. Фреймы выражают общие понятия, слоты или ячейки дают их детализацию, что приводит к типичной иерархической структуре.

Рассмотрим фреймовское представление на примере оценки состояния природной среды с точки зрения ее загрязнения. Образовав фрейм «состояние природной среды» в качестве слотов можно использовать «степень загрязненности атмосферы», «загрязнение подземных и поверхностных вод», «состояние геологической среды», «состояние почвенного покрова», «состояние растительного и животного мира» и др.

Каждый слот может иметь кроме имени несколько значений, например, «выбросы вредных веществ» - “изобутелен», «200», «600».

В настоящий момент большое распространение получили «продукции». Продукции можно представить в виде выражения «если -- то». Для получения выводов, «продукции» могут образовывать сложные цепочки. Продукции допускают использование пост и пред условий, которые разрешают или запрещают применять данное условие.

Важной особенностью экспертных систем является возможность работать с нечеткими данными и нечеткими знаниями. Используя комбинацию элементов знаний мы можем прийти к вполне определенным заключениям.

Машина логического вывода – важная часть экспертной системы. В ответ на запрос система должна строить логические выводы и на их основе приходить к заключению. Здесь проверяется выполнимость условий конкретной ситуации по отношению к имеющимся правилам и подбирать путь их удовлетворения. В экспертной системе пространство поиска сужается за счет того, что и человек и ЭВМ ожидает, что встретит .

Процедура получения выводов путем анализа фреймов или «продукций» называют прямой стратегией. Если человек выдвигает гипотезы, ЭВМ их проверяет, то это называется обратной стратегией. Используются и смешанные стратегии, когда машина выдает ряд вариантов решения, а потом выбрав одно анализирует с помощью обратной стратегии.

Блок накопления метазнаний проверяет непротиворечивость вновь поступающих сведений имевшимся правилам. Достигается это путем проверки семантической непротиворечивости, а также автоматическим тестированием. Автоматическое тестирование проверяет нововведения на большом количестве задач, чтобы оценить сколь положительно они влияют на работу экспертной системы.

Иногда оказывается целесообразным характеристика не отдельных явлений, а их классов, когда конкретная ситуация сравнивается с типичными примерами. Например, классифицируя объекты «Москва», «Орел», «Брянск», человек легко сгруппирует их в города, но Москву в сочетании с Леной и Волгой отнесет к рекам, то же должна иметь эвристическая система.

Иногда требуются не совсем логичные заключения. Кроме того, каждый эксперт имеет свой набор правил, поэтому экспертная система становится вторым Я того или иного ученого.

Система объяснений используется для разъяснения пользователю того, как экспертная система пришла к тому или иному выводу. В процессе работы пользователь может уточнять цели. «Метод рассуждения который не может быть объяснен человеку, является не удовлетворительным».

Как правило, система делает объяснения в обратном порядке. Каждый вывод подкрепляется из правил баз знаний. Экспертная система объясняет почему она не пошла другим путем, какие правила баз знаний этот путь заблокировали. Объяснения экспертной системы помогают совершенствовать базу знаний, показывая слабые места.

^

15.2 Характеристика ЭС

Большое количество информации, разнообразие информационных технологий, повышение сложности ре­шаемых на компьютере задач ставят задачу переноса проблемы выбора и принятия ре­шений с человека на ЭВМ. Одним из путей решения этой задачи являет­ся применение экспертных систем, которые могут быть составной час­тью ГИС.

Экспертную систему от других автоматизированных систем на эта­пе ее использования отличают большая интеллектуальность, специали­зация и ориентация на решение задач в определенной области.

Отличие ЭС на этапе проектирования состоит в том, что в ней долж­ны учитываться особенности решаемых задач на стадии разработки систе­мы. Для сравнения: базы данных поставляются широкому кругу пользова­телей, которые и занимаются их специализацией уже после создания БД.

Эффективное использование и развитие ГИС невозможно без высо­кого уровня автоматизации и применения экспертных систем.

^ Экспертные системы можно рассматривать как класс автоматизи­рованных информационных систем, содержащих базы данных и базы знаний, способных осуществлять анализ и коррекцию данных незави­симо от санкции пользователя, анализировать и принимать решения как по запросу, так и независимо от запроса пользователя и выполнять ряд аналитически-классификационных задач. В частности, ЭС должны раз­бивать входную информацию на группы, консультировать, делать выво­ды, ставить диагноз, обучать прогнозированию, идентифицировать, ин­терпретировать, и т. д.

Основными преимуществами ЭС перед другими автомати­зированными системами являются:

• возможность решения, оптимизации или получения оценок новых классов трудноформализуемых задач, реализация которых на ЭВМ до недавнего времени считалась затруднительной или невозможной;
  
• обеспечение возможности пользователю-непрограммисту вести диалог на естественном языке и применять методы визуализации ин­формации для эффективного использования ЭВМ и решения задач в своей предметной области;
  
• накопление данных, знаний, правил использования знаний, правил самообучения ЭС для получения все более достоверных и квалифици­рованных выводов или решений, включая не санкционированные пользо­вателем;
  
• решение вопросов или проблем, которые сам пользователь не в состоянии решить либо из-за отсутствия у него информации, либо из-за ее многообразия, либо из-за длительности обычного решения даже при помощи ЭВМ;
  
• возможность создания индивидуальных специализированных ЭС за счет использования развитых инструментальных средств и личного опыта пользователя-разработчика этой системы.
  

В основе структуры информации, закладываемой в экспертную сис­тему, лежат два принципа представления знаний - поверхностный и глу­бокий. Первый реализуется с помощью правил, второй - с помощью фреймов.

Реализация знаний в виде программного продукта с помощью пра­вил относительно недорогая, но структура ЭС при этом получается жес­ткой, внесение изменений и поправок оказывается сложным и неэффек­тивным (гораздо более сложным, чем создание самой программы). С другой стороны, хотя поверхностные представления не позволяют фор­мировать суждения и концепции, с их помощью можно находить реше­ния эмпирически ассоциированных проблем.

Генерация знаний с помощью структуры фреймов - процесс слож­ный и дорогостоящий, но при этом достигается модульность, которая позволяет в дальнейшем добавлять новые и корректировать старые эле­менты знаний. Кроме того, фреймы дают возможность формировать суж­дения и выводы на основе обобщений и в результате индуцировать но­вые знания.

Эффективность применения ЭС в ГИС не обусловливает их исполь­зование во всех случаях. По сравнению с базами данных ЭС предъявля­ют более жесткие требования как к организации решения задач, так и к наличию необходимого минимума данных и формализованных знаний,

При создании экспертных систем возникают как минимум три про­блемы:

• обеспечение достаточной полноты информации, заносимой в па­мять. Это требует выделения ключевых (основополагающих) знаний и установления их взаимосвязи в структуре данных, а также созда­ния и использования такой системы кодирования, которая бы позво­лила эффективно применять эту информацию для решения практи­ческих задач;
  
• получение эффективной оценки качества функционирования ЭС и выработка соответствующих критериев. Трудность кроется в том, что знания специалистов - это не просто сумма сведений и фактов. Фор­мальные попытки учета многомерности связей путем добавления но­вых для представления отношений отдельных элементов могут привес­ти к чрезмерной "жесткости" системы, и она станет "закрытой" для до­бавления новых элементов и установления их связей с существующими;
  
• возможность получения недостоверного результата из-за вероят­ностного характера структуры решаемых задач и синтеза знаний.
  

Решение перечисленных проблем является необходимым, но недо­статочным условием применения ЭС в ГИС. Сформулируем требования, при которых разработка ЭС целесооб­разна (эффективна):

• наличие экспертов, желающих передать системе свои знания;
  
• существование проблемной области, в которой эксперты могут вер­бализовать свои методы решения задач;
  
• существование сходимости решений в данной проблемной облас­ти у большинства экспертов (минимум рассогласования);
  
• значимость задач в проблемной области, т. е. они должны быть либо сложными, либо недоступными для решения неспециалистом, либо требующими значительных временных затрат;
  
• наличие большого объема данных и знаний для решения задач;
  
• использование эвристических методов в связи с неполнотой и из­менчивостью информации в предметной области.
  

Возможность решения трех вышеупомянутых проблем и выполне­ние перечисленных требований является необходимым и достаточным условием применения ЭС в геоинформационных системах.

Классификация ЭС. Существует большое число ЭС, различающих­ся своими функциональными возможностями и методами принятия ре­шений.

Планирующие ЭС предназначены для выработки программы дей­ствий, необходимых для достижения определенных целей.

Прогнозирующие ЭС должны предсказывать сценарий будущего, основываясь на событиях прошлого и настоящего, т.е. выводить вероят­ные следствия из заданных ситуаций. Для этого в прогнозирующих ЭС используются динамические параметрические модели. Прогноз погоды, урожайность в с/х.

Диагностирующие ЭС имеют способность находить причины аномальности наблюдаемых явлений. Основой для анализа служат наборы данных, с помощью которых выявляются отклонения от эталонного по­ведения и в результате ставится диагноз. В основном в медицине.

Обучающие ЭС должны предоставлять возможность пользовате­лям ставить диагноз и анализировать ошибки в заданных областях. От таких систем требуется умение формировать гипотезы о знаниях и поведении, определять соответствующие обучающие методы и спо­собы действий.

Этапы создания ЭС. К наиболее важным этапам создания эксперт­ных систем могут быть отнесены концептуализация, идентификация, формализация, реализация, тестирование, внедрение, сопровождение и модернизация.

На этапе концептуализации специалист по разработке ЭС совмес­тно с экспертом решает, какие понятия, отношения и процедуры необ­ходимы для описания метода решения проблем в выбранной области. Главная задача этапа заключается в выборе стратегии задач и ограни­чений, возникающих в процессе решения задач. Концептуализация тре­бует полного анализа проблемы.

На этапе идентификации определяются типы, характеристики, раз­мерность задачи, состав участников процесса разработки; делаются оцен­ки моделепригодности; оцениваются требуемые ресурсы - временные, машинные; устанавливаются цели создания ЭС,

На этапе формализации ключевые понятия и отношения переводятся на некоторый формальный язык представления знаний. Здесь выбира­ется адекватный способ представления данных или моделей для рассмат­риваемой задачи.

На этапе реализации создается физическая оболочка ЭС, способ­ная к выполнению возложенных на нее функций.

Проверка правильности функционирования ЭС возможна на этапе тестирования. Однако даже после тестирования невозможно предуга­дать всевозможные ситуации отказов, которые могут быть вызваны как неверной работой или недостатками ЭС, так и совершенно независи­мым выходом из строя оборудования.

Поэтому необходимо планировать этапы внедрения и сопровожде­ния, которые облегчили бы пользователю поиск причин различных сбой­ных ситуаций.

Появление новых методов, правил, технических средств вызывает необходимость планирования этапа модернизации. При этом существен­но возрастет фактор мобильности ЭС.
^

15.3Типы экспертных систем для решения задач ГИС

Можно выделить несколько групп задач, требующих применения экспертных систем в ГИС:

• обработка видеоизображений;
  
• преобразование растровых изображений в векторные графические модели;
  
• обработка картографической информации;
  
• обработка разнородной информации;
  
• построение моделей объектов или местности;
  
• анализ моделей ГИС;
  
• получение решений на основе геоинформации.
  

Структурная схема экспертной системы ГИС соответствует типовой ЭС (рис. 2.3). Главной проблемой при создании экспертных систем в ГИС остается разработка моделей пространственных данных, требуе­мых для объединения внутри ГИС данных дистанционного зондирова­ния и картографической основы.




ГИС являются хорошей средой для внедрения методов искусствен­ного интеллекта и экспертных систем. Это вызвано, с одной стороны, разнообразием и сложностью данных в ГИС, с другой - наличием боль­шого числа экспертных задач при использовании ГИС. В частности, для ГИС созданы экспертные системы, применяемые для решения разных задач: получения композиции карт, выделения элементов нагрузки, по­лучения тематических карт, поддержки принятия решений, построения оверлейных структур и др.

Можно выделить три типа экспертных систем для ГИС:

• на уровне сбора информации - самоокупающиеся системы авто­матизированного распознавания образов при обработке снимков или ска­нированных картографических данных;
  
• на уровне моделирования или композиции карт - ЭС автоматизи­рованного редактирования картографических данных, оценки качества редактирования. Для управления и принятия решений применяются так­же ЭС всестороннего анализа атрибутивных данных, данных о запросах пользователей, о посредниках и т.д.;
  
• на уровне представления данных - ЭС для генерализации карт, раз­мещения названий, создания издательских оригиналов.
  

Разработан ряд производственных ЭС для решения задач ГИС:

• МАРЕХ - для автоматической генерализации и работы с данными цифрового линейного графа Геологической службы США масштаба 1:24000. Основана на правилах, данные генерализируются в масштабе 1:250000;
  
• AUTOMAP - для размещения названий. Используются эвристи­ческие знания на основе известных процедур и условных знаков. Не­большая серия точных знаний (около 30) содержится в базе знаний. Вна­чале комментируются элементы местности, затем особенности точек и линий;
  
• GES - прототип картографической ЭС. Используется Управлени­ем по энергетическим, минеральным и природным ресурсам Канады в качестве консультанта для картографов при создании электронного ат­ласа Канады. Управление географической базой данных и запросы к ней относятся к фундаментальным операциям любой ГИС.
  

Для расширения числа пользователей ГИС создан ряд специализи­рованных ЭС:

• ОРВ1 - для контроля за доставками ресурсов окружающей среды в Португалии. Использует свойства систем классификации данных окру­жающей среды, обеспечивает принятие решений, включает программу синтаксического анализа естественного языка, меню-программы обра­ботки входных данных жесткого формата, средства аргументации по эта­пам, "подсказки" при обращении к базе данных;
  
• LOBSTER - интеллектуальный интерфейс пользователя к системе управления базой пространственных данных;
  
• KBGIS - для ускорения поиска в больших базах географических данных. База данных представляется в виде четырехуровневого дерева;
  
• SRAC - рабочее место сбора пространственных данных. Запрос в географическую базу данных осуществляется на естественном языке.
  

Разработан целый ряд ЭС для принятия географического реше­ния:

• ASPENEX - для контроля вида деревьев (осин) в Николетском на­циональном лесу и связи с ГИС;
  
• EXSYS - для создания интерфейса пользователя, базы правил и связи между программами. Оснащена микроЭВМ "Резидент";
  
• URBYS - для территориального планирования и анализа городс­ких территорий;
  
• AVL 2000 - для автоматического определения местоположения транспортного средства и навигации. Использует данные глобальной навигационной спутниковой системы в реальном масштабе времени;
  
• GEODEX - для оценки землепользования. В ней предусмотрены формирование прямой цепочки с учетом ограничивающих условий уча­стка и обратной цепочки для выявления непригодности участков и дока­зательства их несоответствия ограничивающим условиям в географи­ческой базе данных.
  
• EIA Expert экспертная система с базой правил для screening-level оценки влияния окружающей среды.
  

Базовая система EIAxpert включает:

1. База данных и инструменты интерактивного редактирования для проектов водных ресурсов, которые позволяют сопровождать (и сравнивать) множественные варианты для каждого проекта;
   
2. Двух уровневая, иерархическая геоинформационная система, покрывающая весь речной бассейн. ГИС использует как векторные данные так и спутниковые снимки;
   
3. Множество баз данных, например., по метеорологии, гидрологии, или наблюдения качества воды, но также технологии environmental такие как обработка потерянной воды (waste water);
   
4. Базы знаний с контрольными таблицами, правилами, информационным окружением и руководящими указаниями инструкциями для анализаторов;
   
5. генератор суммарных отчетов, который суммирует and evaluates the impact assessment и обеспечивает жесткую копию отчетов.
   

По средством правил экспертной системы, внешние модели могут быть активизированы. Модели можно использовать, чтобы вычислить последствия уменьшенного течения, стоки потерянной воды, изменения земле использования, или чтобы оценить параметры проекта такие как требование водного орошения, или изменения к таблице грунтовых вод.

База знаний EIAxpert:

Экспертная система использует правила IF .... THEN для качественной оценки потенциальных задач окружающей среды. База знаний Mekong системы содержит свыше 1000 сгруппированных правил. База правил связана с системой гипертекста, которое обеспечивает объяснения терминов и концепций, основополагающую информацию и инструкцию для пользователей.

Типичные задачи оценки EIAxpert включают: переселение (resettlement); размывание водораздела; вторжение в экосистему; вторжение в исторические и культурные ценности; эрозия водораздела; засорение илом резервуаров; ухудшение навигации; изменения в гидрологии грунтовых вод, заболочение; потери просачивания и испарения; миграция ценных пород рыб; скопление минеральных ресурсов /лесов.


Пространственно - распределенные ГИС способствуют мобильнос­ти ЭС. Актуальным остается разработка методов, повышающих логи­ческую непротиворечивость в ЭС, особенно в тех случаях, когда речь идет о связи пространственных знаний со знаниями других типов с раз­личной степенью неопределенности. По мере совершенствования таких ЭС возрастает важность обработки нечетких данных.

Кроме того, существует класс консультативных ЭС, которые по­зволяют улучшить процесс принятия решений, формализовать геоин­формационные знания и устранить неопределенности в данных.


ВЫВОДЫ

Моделирование в ГИС носит наиболее сложный характер по отно­шению к другим автоматизированным системам. Но, с другой сторо­ны. процессы моделирования в ГИС на каждом системном уровне и в какой-либо из рассмотренных систем весьма близки. В целом основы моделирования и построения моделей в ГИС должны базироваться на известных принципах и подходах, которые применяют в других АС.

^ Основой интеграции технологий в ГИС служат технологии САПР, но между ними существуют различия.

АСУ полностью интегрирована в ГИС и может быть рассмотре­на как подмножество этой системы.

Таким образом в ГИС принципиально решаются все задачи, выпол­няемые прежде в АСУ, но на более высоком уровне интеграции и объе­динения данных. Следовательно, ГИС можно рассматривать как но­вый современный вариант автоматизированных систем управления, использующих большее число данных и большее число методов анализа и принятия решений, причем в первую очередь использующих методы пространственного анализа (см. рис. 2.2). Экспертные системы должны служить составной частью ГИС

как систем принятия решений.

Применение экспертных систем в ГИС позволяет сделать ГИС более эффективным. Имеется опыт работ с использованием ДДЗ для автоматизации процесса генерализации, для мониторинга ладшафтов.


Коммерческий рынок продуктов искусственного интеллекта в мире в 1993 году оценивался примерно в 0,9 млрд. долларов; из них 600 млн. приходится на долю США [2]. Выделяют несколько основных направлений этого рынка:

1) экспертные системы; теперь их часто обозначают еще одним термином - "системы, основанные на знаниях";

2) нейронные сети и "размытые" (fuzzy) логики;

3) естественно-языковые системы.

Коммерческие успехи к экспертным системам и нейронным сетям пришли не сразу. На протяжении ряда лет (с 1960-х годов) успехи касались в основном исследовательских разработок, демонстрировавших пригодность систем искусственного интеллекта для практического использования. Начиная примерно с 1985 (а в массовом масштабе, вероятно, с 1988-1990 годов), в первую очередь, экспертные системы, а в последние два года и нейронные сети стали активно использоваться в реальных приложениях.

Экспертные системы реального времени - основное направление искусственного интеллекта

Среди специализированных систем, основанных на знаниях, наиболее значимы экспертные системы реального времени, или динамические экспертные системы. На их долю приходится 70 процентов этого рынка.

Значимость инструментальных средств реального времени определяется не столько их бурным коммерческим успехом (хотя и это достойно тщательного анализа), но, в первую очередь, тем, что только с помощью подобных средств создаются стратегически значимые приложения в таких областях, как управление непрерывными производственными процессами в химии, аэрокосмические исследования, транспортировка и переработка нефти и газа, управление атомными и тепловыми электростанциями и многие другие.

Статические экспертные системы не способны решать подобные задачи, так как они не выполняют требования, предъявляемые к системам, работающим в реальном времени:

1. Представлять изменяющиеся во времени данные, поступающие от внешних источников, обеспечивать хранение и анализ изменяющихся данных.

2. Выполнять временные рассуждения о нескольких различных асинхронных процессах одновременно (т.е. планировать в соответствии с приоритетами обработку поступивших в систему процессов).

3. Обеспечивать механизм рассуждения при ограниченных ресурсах (время, память). Реализация этого механизма предъявляет требования к высокой скорости работы системы, способности одновременно решать несколько задач (т.е. операционные системы UNIX, VMS, Windows NT,).

4. Обеспечивать "предсказуемость" поведения системы, т.е. гарантию того, что каждая задача будет запущена и завершена в строгом соответствии с временными ограничениями. Например, данное требование не допускает использования в экспертной системе реального времени механизма "сборки мусора", свойственного языку Lisp.

5. Моделировать "окружающий мир", рассматриваемый в данном приложении, обеспечивать создание различных его состояний.

6. Протоколировать свои действия и действия персонала, обеспечивать восстановление после сбоя.

7. Обеспечивать наполнение базы знаний для приложений реальной степени сложности с минимальными затратами времени и труда (необходимо использование объектно-ориентированной технологии, общих правил, модульности и т.п.).

8. Обеспечивать настройку системы на решаемые задачи (проблемная/предметная ориентированность).

9. Обеспечивать создание и поддержку пользовательских интерфейсов для различных категорий пользователей.

10. Обеспечивать уровень защиты информации (по категориям пользователей) и предотвращать несанкционированный доступ.

Подчеркнем, что кроме этих десяти требований средства создания экспертных систем реального времени должны удовлетворять и перечисленным выше общим требованиям.

^

15.4Блок моделирования ГИС

Моделирование одно из наиболее распространенных понятий. Под моделью понимают любой образ – мысленный или условный: изображение, описание, схема или чертеж какого-либо объекта, процесса или явления, используемой в качестве его заместителя.

С точки зрения геоинформатики (учитывая большую значимость для нее пространственных аспектов) можно выделить три разновидности моделей. Первая разновидность – математические модели строятся без учета пространственного координирования явлений и результаты их реализации не подлежат картографированию. Вторая разновидность – результаты картографируются, но пространственный аспект не учитывается на этапе реализаций математических алгоритмов, третья – когда без учета пространственного положения явлений невозможно реализовать математические расчеты.

На долю математической статистики приходится 80% всех проведенных экспериментов. Стало обычным проведение статистического анализа пространственных данных – вычисление СКО, дисперсии, корреляция, различных видов регрессии.

Широкое распространение нашли статистические модели снижения размерности многомерных массивов пространственных данных.

Широко распространилось имитационное моделирование. Например, имитация развития системы населенных мест. Определялись правила развития системы и с помощью алгоритма статистических испытаний (метод Монте-Карло) проигрывалось пути их реализации. Имитация пространственного распространения болезней, эпидемий и т.д.

Широко используются оптимизационные модели. Например, транспортная задача линейного программирования. Применяются модели для оптимизации размещения производства., школ.

ссылка скрыта