Автоматизированный синтез карты экологических рисков в ГИС Текст научной статьи по специальности «Компьютерные и информационные науки»

This article discusses the concepts of SIFT algorithm works scheme. Key words: image, singular points, Gaussians pyramid, local extremum

Safonov Alexander Sergeevich, student, [email protected], Russia, Tula, Tula State University

УДК 004.9; 528.87

АВТОМАТИЗИРОВАННЫЙ СИНТЕЗ КАРТЫ ЭКОЛОГИЧЕСКИХ

РИСКОВ В ГИС

А.И. Таганов, А.Н. Колесенков, В.Г. Псоянц, Н.В. Акинина

Предлагается новый подход к повышению оперативности формирования и наглядности отображения картины экологических рисков в ГИС защиты окружающей среды. В основе подхода лежит структурно-символьный метод (ССМ) представления базовых графических моделей (БГМ) экологических рисков, лингвистические правила и грамматика построения БГМ на основе заданного набора контуров, граф связности БГМ и теоретико-множественные операции синтеза карты экологических рисков средствами ГИС. В число основных методов структурного построения электронной базы БГМ в статье рассмотрены: прямой ССМ представления графических моделей экологических рисков; лингвистический метод представления алфавита и моделей экологических рисков; программный и программно-лингвистический методы представления алфавита БГМ экологических рисков.

Ключевые слова: экологический мониторинг, геоинформационная система, ГИС, графический элемент, библиотека, риск, структурно-символьный метод, лингвистический метод, программный метод, программно-лингвистический метод.

Современные геоинформационные системы (ГИС) защиты окружающей среды представляют собой важную группу ГИС, которые обеспечивают сбор, хранение, обработку и анализ пространственных, временных и тематических данных для представления состояния окружающей среды в условиях ее загрязнения [1]. Для повышения оперативности формирования и наглядности отображения картины экологических рисков на компьютерном экране предлагается при проектировании программного обеспечения ГИС использовать ССМ моделирования и отображения экологических рисков [2,3]. Предлагаемый подход заключается в автоматизированном синтезе картины экологических рисков региона на основе использования электронной базы ключевых графических моделей (БГМ) и теоретико-множественных операций преобразования этих БГМ средствами машинной графики ГИС. В связи с этим в статье рассматриваются различные методы построения электронной базы БГМ с использованием ССМ моделирования [4, 5].

Методы организации базы БГМ. Прямой ССМ. Графическая модель экологических рисков региона в виде контурных областей в заданной системе координат на основе ССМ может быть задана в следующем

виде [6] _

м = {г], (х, у,) 7, (X к) у, Q},( у = 1, N), (1)

где tj - код БГМ рисковой ситуации региона, представленной в виде у -го БГМ в базе; (х, у); - абсолютные координаты центра относительной системы координат у -го БГМ; (£к)у, (К = 1,2,...,Iу) - кортеж системных параметров у -го БГМ (масштаб, код ориентации и др.); Q = (E,U) - граф отношений БГМ, в котором набору вершин Е = {в1, в2,..., ^} соответствует набор БГМ в модели [1], а набору дуг и = {«1,«2,...,«ь} - набор пар БГМ, находящихся в определенном теоретико-множественном отношении.

При задании графа Q в виде матрицы весовых соотношений

С =

Су

, элемент Сц = Лц, если вершины е у и е; являются смежными,

N х N У ч * у 1

и Су = 0 в противном случае. Значение определяет код заданного теоретико-множественного отношения БГМ между собой из числа операций, поддерживаемых системой обработки и отображения графической информации [7].

В частном случае граф Q может иметь структуру дерева выполнения графических операций Q = Q2,..., Qr}, где Qi = (Е; ,1) содержит кортеж Е1 = (вц,в;2,...,е.^ ), упорядоченный в соответствии с последовательностью выполнения теоретико-множественных операций 1 = (ЛъЛ 2,...,11К1 ).

Из структуры модели [1] можно выделить ряд ее особенностей:

- возможность задания БГМ экологических рисков региона достаточно высокой сложности посредством программного синтеза контурных моделей рисковых областей на основе базы БГМ;

- простая и компактная структура, не требующая значительных ресурсов;

- гибкость модели в процессе настройки ГИС на отображение контурных моделей рисковых областей;

- математическая модель БГМ однозначно задается в виде:

М = К. Су. Еу. Ч )> (2)

где К у - набор контуров у - го БГМ; О у - набор представлений, задающее взаимное расположение элементов набора К у; Ьу - набор представлений градаций, используемых при построении у - го БГМ; Еу - набор представлений, задающих отображение Еу : К у ® Ьу.

Лингвистический метод. Математическая модель базы БГМ экологических рисков региона представляется в виде алфавита [8]:

М5 = {Му },(] = ), (3)

где N - длина алфавита.

Компонуя элементы наборов Му, (у = 1, N), по функциональному

признаку, представим выражение [3] в виде:

м § = (к §, о§, е§, ь§), (4)

где К§ ={' 0) ={ф; к ={у; ("уФу){Кг ПКу =2).

Рассматривая всю совокупность набора контуров, входящих в К§, всегда можно выделить некоторое поднабор контуров К (А), на основе которого строятся поднабора К у (А), необходимые для представления каждого у -го БГМ:

п

К (А) = (*1(А), к2(Л),....,кг (А),...,кп (А)} = и кг (А), (5)

I=1

где к1(А), к2(А),....,к| (А),...,кп (А) - контуры, привязанные к системе координат БГМ в базе.

В соответствии с лингвистическим методом совокупность элементов набора К§ рассматривается как некоторый формальный язык. Каждое отдельное поднабор К у (А) е К§,( у = 1, N) этого языка можно представить

"фразой", составленной из ряда контуров - "слов". При этом грамматика включает указания, какие контуры входят в состав синтезируемых наборов Ку е К§,(у = ).

Давая каждому из абсолютных представлений контуров кI (А) е К у (А),(1 = 1, п;) = 1^) относительные представления и указывая, какие относительные представления содержат элементы набора К у (А), задаются грамматические правила синтеза элементов набора К§.

В этом элементы набора К у (А) содержат относительные представления, что позволяет упростить структурное построение базы БГМ рисковых полей в виде:

п

К' (О) = {1ау1,2ау2,...,пауп} = иI"у1, (6)

I=1

I, при а у| = 1

•а ц где I -1 = <

, г - относительные представления контуров 0, при а уг = 0

VI

к (О) е К (О), (I = 1й).

Представление алфавита базы БГМ описывается табл. 1.

Таблица 1

Алфавит базы БГМлингвистического метода

к(О) 1 1

К(О)

К1(О) а11 аИ а1п

К2(О) а21 а21 а2п

ККО) а)1 аЦ а.Щ

КК(О) аШ аМ а№

т т1 т1 тп

Такое преобразование представлений позволяет организовать структуру контурной информации в базе БГМ на основе двух наборов:

K § (A) = {K § (O), K (A)}, (7)

где при использовании обозначений в форме условного суммирования под-наборов контуров и объединения относительных представлений контуров имеем:

N N п а

K§(O) = {К 7 (О)} = I KJ (О) = I иа. (8)

7=1 J=li=l

Из работ [7] и [8] следует, что исключается многократное дублирование абсолютных представлений контуров в представлении набора К (А),

и хранятся в базе два набора представлений, включающие в себя соответственно абсолютные представления всех оригинальных контуров и относительные представления К § (О), задающие состав каждого БГМ в базе.

Информационный объем представлений (ИОП) набора К§ по грамматическому принципу определится как:

N п а.. п

V(2)(А) = I IV 7 (О) + IV(А), (9)

7=1/=1 i=1

где второе слагаемое отражает ИОП всех контуров набора, а первое слагаемое является ИОП уже относительных представлений элементов набора К§(О) в модели [6].

N п

V(О) = I (О). (10)

7=1 /=1

Из выражения [9] видно, что по критерию требуемого ИОП эффективность лингвистического метода задания набора К§ возрастает в тех случаях, когда элементы набора К(А) многократно используются при за-

дании элементов К7 е К§ и когда абсолютные представления набора К(А)

требуют более значительных ресурсов для хранения в базе по сравнению с их относительными представлениями [9].

Программный метод. Рассмотрим следующий предлагаемый метод задания набора К (А) в модели (6), основанный на программном синтезе его элементов [10,11]. Будем считать, что в целях сокращения числа хранимых абсолютных представлений контуров в базе БГМ удалось выделить некоторое набор К'(А) е К(А) такое, что Кр'(А) = К(А)\ К'(А) синтезируются на основе К' (А) программными средствами графической системы, т.е.

К(А) ° Кр (А) = {Кр (А),К'(А)}, (11)

где Кр (А) - набор требуемых абсолютных представлений контуров; К'(А) - набор хранящихся абсолютных представлений контуров; Кр'(А) - набор

представлений программно-синтезируемых на основе К' (А).

Для упрощения дальнейших рассуждений условно можно записать:

п

Кр (А) = {Кр1 (А)} = I Кр1 (А), (12)

/=1

где Кр1 (А) - информационное представление, достаточное для программного синтеза контура к/ (А); п - количество контуров, необходимое для построения всего алфавита базы [6].

По аналогии с [6] введем обозначения:

к 'Р (А) = \к*(^ при Р =1

г ( ) [0, при Р = 0.

Тогда для синтеза абсолютного представления 1-го контура следует выполнить:

КР1 (А) = {к^ (А),к2Р2 (А),...,кп-'р1п' (А),р1} =

п

= {и кг ^ (А), р/}, (13)

г=1

где Р/^ принимает значения 1 и 0 в зависимости от участия того или иного

контура при программном синтезе контура к1; р/ - набор кодов операций программного синтеза с использованием элементов набора

п

к/'(А) = и кгР (А). г=1

Информация о каждом Кр '(А) е Кр (А) может быть задана в табличном виде (табл. 2).

Определим ИОП, необходимый для программного синтеза всей совокупности контуров К §. Для этого введем обозначения [5]: Уг (А)- ИОП контура к\ (А); Ур{ (А) - ИОП кодов операций для программного синтеза

к< (А).

Тогда ИОП набора Кр (А) будет равен:

УР1 (А) = I У?и (А) + УР1 (А), (14)

г=1

и соответственно ИОП набора Кр (А) определится как:

УКр(.А) = I (I УЬг (А) + У (А)), (15)

р /=1 г=1

Таблица 2

Алфавит базы БГМ программного метода

к'(А) к'1(А) кЧ(А) к'п'(А) р

Кр(А)

Кр(А)

Кр1(А) Р11 рн Р1п' Р1

Кр2(А) Р21 Р21 Р2п' Р2

Кр1(А) Р11 рн Р1п' Р1

Крп(А) Вп1 рт Рпп' Рп

Я г1 п гп '

Выражение (5) на основании данных табл. 3 преобразуем к виду

(3) п п

Укр (А) = IV (А)гг + 1Ур1 (А). (16)

р г=1 /=1

Из выражения [16[ видно, что ИОП УК ( А) определяется числом

контуров п', ИОП каждого контура кг'(А)е К'(А), частотой гг использования представлений каждого контура при синтезе других контуров, а также ИОП хранения кодов операций Ур{.

Программно-лингвистический метод. Здесь вместо ИОП Кр1 (А)

введем также относительные представления Кр1 (О), указывающие, где

хранятся абсолютные представления [5,12]. Такое разделение позволит хранить без повторений всю совокупность абсолютных представлений К ( А) и отдельно хранить с возможными повторениями уже относительные представления в виде:

Кр(А) = {К<р (О),К'(А)}, (17)

п

где К'р (0)- набор задается как К'р (О) = {К'(О)} = IК'(О), а набор

г г=1 г

относительных представлений определится как

К (О) = {{1П/1 ,2П/ 2,...,гП/г }} = {и гП/г (А), Р1}.

г=1

Тогда всю совокупность Кр (А) по программно-лингвистическому методу удобно выразить в табличном виде (табл. 3).

Таблица 3

Алфавит базы БГМ программно-лингвистического метода

к'(О) 1 1 п' р

Кр(О)

К'р1(О) Р11 рн Р1п' р1

К'р2(О) Р21 Р2п' р2

К'р1(О) Р11 рн Р1п' р1

К'рп(О) Вп1 рт Рпп' рп

Я г1 п гп '

Я г1 п гп '

Получим выражение для ИОП набора Кр (А) при программно-

лингвистическом методе его представления. На основании [17] и значений, представленных в табл. 3 имеем [13]:

(Л\ п п п п

4}(А) = I (!У?/г (О) + УР1 (А)) + IV (А), (18)

р /=1 г=1 г=1

или в другом виде через значения

(4) п п

Я = {1, /2,..., ГЛ, 4 (А) = I (V (О)г + ¥г (А)) + IV (А).

р г=1 /=1

Для оценки соотношения величин к!3)( А) и V (4)( А) рассмотрим их

Кр Кр

отношение:

П п

К IV т +Уг (А)) + !УР1 (А) %3) = -р = ^-. (19)

УКр IV (А)гг + !Ур1 (А) г=1 /=1

Из выражения (19) следует, что эффективность программно-лингвистического метода, с учетом структурно-символьного представления БГМ экологических рисков в базе, по сравнению с программным методом выше лишь в случае многократного использования одних и тех же контурных представлений при программном синтезе на их основе алфавита БГМ в базе [8,14]. При этом провести аналитическое сравнение первого метода и лингвистического с программным и программно-лингвистическим методами весьма сложно, что объясняется их качественным различием [9,15]. Однако является очевидным, что программно-ориентированные методы имеют большие возможности по гибкости и компактности библиотечного представления широкого перечня БГМ экологических рисков, необходимых для функционирования интерактивной ГИС с целью наглядного отображения рисковых полей региона с высоким уровнем сервисов для идентификации и анализа экологических рисков экспертными методами.

Заключение. Таким образом, предлагаемые в работе методы построения электронной базы БГМ экологических рисков расширяют функциональные возможности ГИС для отображения рисковых полей региона по многим параметрам рисков посредством гибкой настройки алфавита базы БГМ экологических рисков на заданный класс идентифицируемых и анализируемых рисков [16]. При этом для гибкой настройки и оптимизации структуры построения алфавита электронной базы по ресурсным и временным критериям могут быть сформулированы соответствующие оптимизационные задачи, для решения которых в условиях лингвистической неопределенности могут быть использованы и исследованы подходы, основанные на методах теории нечетких наборов и на методах теории неопределенного программирования [17].

Список литературы

1. Kolesenkov A.N., Ruchkin V., Fulin V., Kostrov B., Taganov A. Forest Fire Monitoring by Means of Cyber-Physical System // Proceedings - 2016 5rd Mediterranean Conference on Embedded Computing (MECO), Bar, Montenegro, 2016. P. 30 - 34.

2. Колесенков А.Н., Цегельник Д.В. Математические методы распознавания аэрокосмических изображений в геоинформационных системах // Математические методы в технике и технологиях - ММТТ-29: сб. трудов XXIX Междунар. науч. конф.: Т.5. Саратов: Саратов. гос. техн. ун-т; Санкт-Петербург: СПбГТИ(ТУ), СПбПУ, СПИИРАН; Самара: Самарск. гос. техн. ун-т, 2016. C. 68-71.

3. Колесенков А.Н. Современные подходы к обработке данных при построении геоинформационных систем экологического мониторинга // Известия Тульского государственного университета. Технические науки. Вып. 9. Тула: Изд-во ТулГУ, 2016. С. 103-112.

4. Таганов А.И. Методы представления сложной структурно-символьной информации // Научно-технический журнал «Вестник РГРТА», 2006. Вып. 18. С. 74 -80.

5. Таганов А.И. Применение нечетких наборов для формализации процессов анализа и идентификации важности рисков программного проекта // Научно-технический журнал «Системы управления и информационные технологии», 2007. № 4(30). С. 46-51.

6. Таганов А.И. Построение изображений физических полей на основе декомпозиции контурной информации: Межвуз. сборник научных трудов «Методы и приборы контроля параметров биосферы». Л.: ЛИАП, 1984. Вып. 171. С. 90-94.

7. Колесенков А.Н., Конкин Ю.В. Распознавание изображений на основе текстурных признаков Харалика и искусственных нейронных сетей // Известия ТулГУ. Технические науки. Вып. 2. Тула: Изд-во ТулГУ, 2016. С. 117-123.

8. Акимов В. А., Лесных В.В., Радаев Н.Н. Основы анализа и управления риском в природной и техногенной сферах. М.: Деловой экспресс, 2004.

9. Гинко В.И. Экологический риск в системе управления риском // В мире научных открытий, 2013. №7.2 (43). С. 301-312.

10. Kolesenkov A.N., Taganov A, Babaev S. Ecological Monitoring of Dangerous Objects on the Basis of Vegetation Indexing and Evolutionary Approach // Proceedings - 2016 5rd Mediterranean Conference on Embedded Computing (MECO), Bar, Montenegro, 2016. PP. 468-472.

11. Колесенков А.Н., Таганов А.И. Эволюционный подход в задачах построения алгоритма спутникового экологического мониторинга // Математические методы в технике и технологиях - ММТТ-29 [текст]: сб. трудов XXIX Междунар. науч. конф.: в 12 т. Т.8. / под общ. ред. А.А. Большакова. Саратов: Саратов. гос. техн. ун-т; Санкт-Петербург: ПбГТИ(ТУ), СПбПУ, СПИИРАН; Самара: Самарск. гос. техн. ун-т, 2016. C. 69-72.

12. Kolesenkov A.N., Kostrov B.V., Ruchkin V.N. Emergencies monitoring and preventing // Proceedings - 2013 2nd Mediterranean Conference on Embedded Computing, MECO, 2013. Budva, Montenegro. P. 263 - 265.

13. Kostrov B.V., Ruchkin V.N., Kolesenkov A.N., Ruchkina E.V. Anthropogenic Situation Express Monitoring on the Base of the Fuzzy Neural Networks // Proceedings - 2014 3rd Mediterranean Conference on Embedded Computing, MECO 2014 - Including ECyPS, 2014. Budva, Montenegro. P. 166 -168.

14. Колесенков А.Н., Костров Б.В., Ручкин В.Н. Нейронные сети мониторинга чрезвычайных ситуаций по данным ДЗЗ // Известия Тульского государственного университета. Технические науки. Тула: ТулГУ, 2014. Вып. 5. С. 220-225.

15. Колесенков А.Н., Несова А.В. Алгоритмы сетевого анализа в геоинформационных системах мониторинга чрезвычайных ситуаций // Вопросы науки: Современные технологии и технический прогресс. (Сборник статей по материалам Международной научно-практической конференции). - Воронеж: Научно-исследовательские публикации, 2015. С. 101-104.

16. Агафонов А.М., Колесенков А.Н., Сарычев Н.А. Применение метода нечеткой кластеризации элементов аэрокосмических изображений для мониторинга территорий и опасных объектов // Наука и образование в жизни современного общества: сборник научных трудов по материалам Международной научно-практической конференции 30 апреля 2015 г.: в 14 томах. Том 10. Тамбов: ООО «Консалтинговая компания Юком», 2015. С. 1617.

17. Колесенков А.Н., Костров Б.В., Ручкин В.Н. Киберфизические технологии мониторинга чрезвычайных ситуаций // Известия Тульского государственного университета. Технические науки. Вып. 2. Тула: Изд-во ТулГУ, 2016. С. 252-260.

Таганов Александр Иванович, д-р техн. наук, проф., [email protected], Россия, Рязань, Рязанский государственный радиотехнический университет,

Колесенков Александр Николаевич, канд. техн. наук, доц., sk62 a mail.ru, Россия, Рязань, Рязанский государственный радиотехнический университет,

Псоянц Владимир Грикорович, асп., psoiansamail.ru, Россия, Рязань, Рязанский государственный радиотехнический университет,

Акинина Наталья Викторовна, аспирант, natalya.akininaagmail.com, Россия, Рязань, Рязанский государственный радиотехнический университет

AUTOMATED SYNTHESIS MAP OF ENVIRONMENTAL RISKS IN GIS A.I. Taganov, A.N. Kolesenkov, V.G. Psoyants, N.V. Akinina

The paper proposes a new approach to improve the efficiency of the formation and visibility of the display pattern of environmental risks in GIS, protection of the environment. The approach is based on the structural-symbolic method of representing the basic graphic elements (models) (BGA) environmental risks, linguistic rules and grammar of making BGE on the basis of a given set of contours, a connectivity graph, BGA and set-theoretic operations of synthesis map of environmental risks by means of GIS. The main methods of structural construction of electronic library, BGE in the article: direct structural-symbolic method of representation of graphical models of environmental risks; linguistic way of representing the alphabet and patterns of environmental risks; software and hardware and software-linguistic way of representing the alphabet of the underlying graphical models of environmental risks.

Key words: environmental monitoring, geographic information system, GIS, graphic, element, library, risk, structural and symbolic method, linguistic method, software method, software and linguistic method.

Taganov Aleksandr Ivanovich, doctor of technical science, professor, alx-tag@yandex. ru, Russia, Ryazan, Ryazan State Radio Engineering University,

Kolesenkov Aleksandr Nikolaevich, candidate of technical science, docent, sk62@,mail.ru, Russia, Ryazan, Ryazan State Radio Engineering University,

Psoyants Vladimir Grigorovich, postgraduate, psoians@mail. ru, Russia, Ryazan, Ryazan State Radio Engineering University,

Akinina Viktorovna Natalia, postgraduate, natalya. akinina@,gmail. com, Russia, Ryazan, Ryazan State Radio Engineering University

УДК 658.264(083)

ОЦЕНКА ТЕХНИЧЕСКОГО СОСТОЯНИЯ СИЛЬФОННЫХ ТРУБОПРОВОДНЫХ КОМПЕНСАТОРОВ БЕЗ ВЫВОДА ИЗ ЭКСПЛУАТАЦИИ

Е.В. Ларкин, С. А. Глебович

Выпускаемые акустико-эмиссионные приборы и системы используются для контроля и диагностики различных промышленных объектов: магистральных и технологических трубопроводов, баллонов, сосудов давления, ёмкостного, колонного, реакторного оборудования, резервуаров нефтепродуктов, грузоподъёмного оборудования и т.д.

Ключевые слова: aкуcтикo-эмиccиoнный контроль; акустико-эмиссионные приборы; oceвыe cильфoнныe кoмпeнcaтoры; сильфонный компенсатор.

Стандартные сильфонные компенсаторы сконструированы и классифицированы для условного давления, которое является рабочим давлением при комнатной температуре (20°С), так как более высокая температура понижает сопротивление материала. Соответственно, при увеличении температуры среды внутри компенсатора уменьшается давление, которое выдерживает компенсатор (рис. 1).

1— -If

—1'

Рис. 1. Типы осевых сильфоновых компенсаторов