CC BY
100
Павлов C.B. Pavlov S.V.
доктор технических наук, профессор, заведующий кафедрой «Геоинформационные системы» ФГБОУ ВПО «Уфимский государственный авиационный технический университет», Россия, г. Уфа
Давлетбакова З.Л. Davletbakova
аспирант кафедры «Геоинформационные системы» ФГБОУ ВПО «Уфимский государственный авиационный технический университет», Россия, г. Уфа
Абдуллин А.Х. AbduШn А
кандидат технических наук, старший научный сотрудник ФГБОУ ВПО «Уфимский государственный авиационный технический университет», Россия, г. Уфа
УДК 004.49
ИНФОРМАЦИОННАЯ СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПО УПРАВЛЕНИЮ ОТХОДАМИ НА ТЕРРИТОРИИ РЕСПУБЛИКИ БАШКОРТОСТАН НА ОСНОВЕ БАЗЫ НЕЧЕТКИХ ЗНАНИЙ
В статье рассмотрены основные принципы формирования базы знаний и обработки информации о сфере обращения с отходами на основе методов нечеткой логики, а также аспекты интеграции указанной базы знаний в автоматизированную систему поддержки принятия решений по управлению отходами на территории Республики Башкортостан.
Рассмотрена структура хранения разнородных данных, необходимых для управления объектов, вовлеченных в сферу обращения с отходами, в которой значительная часть информации характеризует географически распределенные объекты. Представлена упрощенная архитектура системы, функционирование которой обеспечивается поддержкой серверов Microsoft SQL Server и ArcSDE для хранения и многопользовательского доступа к данным. На основе проведенного анализа предложено использование концепции нечетких реляционных баз данных, в которых можно учесть неточности, неопределенности и степень достоверности хранимой информации и расширить реляционную модель для представления неточных данных и таким образом обеспечить достижение приемлемых решений.
Авторами подробно показано, каким образом база нечетких знаний о размещении промышленных отходов может быть определена с помощью реляционной базы данных для хранения нечетких атрибутов - весь массив знаний выделен в несколько взаимосвязанных блоков: входные лингвистические переменные, выходные лингвистические переменные и правила логического вывода, а также блок интеграции базы знаний с информационными объектами, хранимых в базах данных системы. В целом рассмотренный подход позволяет на основе системы нечеткой логики хранить суждения экспертов и использовать их в автоматизированной системе поддержки принятия решений по управлению отходами.
Благодаря реляционному представлению базы нечетких знаний в системе достигается взаимодействие базы пространственных и атрибутивных данных и базы знаний на основе использования принятых в системе запросов (триггеров, хранимых процедур), что существенно облегчает реализацию системы в целом и позволяет добиться целостности и непротиворечивости всех накопленных сведений в сфере обращения с отходами.
Ключевые слова: нечеткая логика, нечеткая база знаний, обработка нечетких пространственных данных, объекты размещения отходов.
INFORMATION SYSTEM OF DECISION-MAKING SUPPORT ON WASTE MANAGEMENT WITHIN THE TERRITORY OF THE REPUBLIC
OF BASHKORTOSTAN
In article the principles ofthe knowledge base formation and processing ofthe waste management information based on fuzzy logic, and also integration aspects of the above-mentioned knowledge base in the automated decision-making support system on waste management within the territory of the Republic of Bashkortostan are considered.
The structure of heterogeneous data storage required to manage the objects involved in the field of waste management, where the most part of information characterizes geographically distributed objects is viewed. A simplified architecture of the system, the operation of which is ensured by the support for the Microsoft SQL Server and ArcSDE servers and by storage and multi-user access to data is presented. On the basis of the analysis it is suggested to use the concept of fuzzy relational databases, which can take into account discrepancies, uncertainties and the reliability of stored information, and extend the relational model to represent imprecise data and thus to achieve acceptable solutions.
The author has shown in detail how the fuzzy knowledge base about the placement of industrial waste can be determined by using a relational database to store fuzzy attributes - the whole body of knowledge is subdivided into several interrelated parts: input linguistic variables, output linguistic variables and rules of inference as well as the block of the knowledge base integration with informational objects stored in the database system. In general, the analyzed approach makes it possible on the basis of fuzzy logic to store experts' judgments, and use them in an automated decision making support system for waste management.
The interaction of spatial and attribute data and knowledge base through the use of accepted in the system requests ( triggers, stored procedures) is achieved in the system due to a relational database representation of fuzzy knowledge base, that greatly facilitates the implementation of the system as a whole and allows for the integrity and consistency of all collected data in the waste management field.
Key words: fuzzy logic, fuzzy knowledge base, processing of fuzzy spatial data, waste disposal facility.
Введение
В рамках деятельности по совершенствованию системы управления отходами в Республике Башкортостан с 2009 года проводится формирование и ведение Республиканского кадастра отходов - информационного ресурса Министерства природопользования и экологии РБ (Минэкологии РБ), предназначенного для накопления, анализа и распространения информации о состоянии сферы обращения с промышленными и бытовыми отходами на территории республики [1].
При оценке негативного влияния отходов на экологическое состояние прилегающих территорий, а также применения способов снижения указанного воздействия и обеспечения рационального хранения и переработки отходов появляется необходимость в совместной обработке разнородной информации, имеющей несколько составляющих:
- описательную информацию, включающую справочные сведения о характеристиках отходов, объектах их долговременного хранения, используемых установках переработки и обезвреживания;
- пространственную (картографическую) информацию о географическом положении объектов размещения, приема и первичной переработки отходов, а также различных административных, про-
мышленных, сельскохозяйственных и природных территорий;
- информацию, связанную с изменением во времени показателей образования, захоронения, утилизации и вторичной переработки отходов.
Между тем при практическом использовании перечисленной информации лицами, осуществляющими принятие решений и/или формирующими какие-либо экспертные выводы, возникает специфический вид новой информации, сочетающий как их знания и профессиональный опыт, так и имеющуюся в их распоряжении фактическую информацию. Содержащая суждения специалистов, такая информация часто выражает приблизительные оценки рассматриваемой ситуации, имеет неточный характер и представлена суждениями вида «большой», «незначительный», «средний». Ее учет и дальнейшее использование представляет определенную сложность, поскольку она не формализована и не структурирована, а существует в форме представлений специалистов-экспертов. Очевидно, что явное использование ранее разработанных и применявшихся для Республиканского кадастра отходов моделей и способов хранения данных не применимо для такого рода информации.
С другой стороны, при работе с информацион-
ными массивами, характеризующимися большим объемом и разнородностью обрабатываемых данных, наличием пространственной информации, применение известных подходов к проектированию и автоматизации информационного обеспечения для систем поддержки принятия решений, имеющих компоненты в виде экспертных знаний, сопряжено с трудностями методологического плана.
В этой связи авторы статьи сосредоточили свое внимание на ключевых аспектах формирования структуры базы нечетких знаний системы поддержки принятия решений по управлению отходами и ее интеграции с ранее разработанными базами данных Республиканского кадастра отходов.
Особенности информационной системы Республиканского кадастра отходов Информационный массив Республиканского кадастра отходов состоит из трех взаимосвязанных частей, каждая из которых выделена в отдельную реляционную базу данных (рис. 1):
- сведения, имеющие непосредственное отношение к сфере обращения с отходами: каталог отходов, объекты размещения отходов, установки по утилизации отходов, разнообразные кодификаторы и классификаторы, исторические данные (БД1);
- информация, описывающая субъектов сферы обращения с отходами: юридических лиц, индивидуальных предпринимателей, их адреса и реквизиты, некоторые общероссийские классификаторы и справочники (БД2);
- пространственная информация о территории республики в составе электронных топографических карт, карт расположения объектов размещения, утилизации и переработки отходов, мест их временного складирования, особоохраняемых природных территорий и других карт (БД3 или БПД).
Такое разграничение позволяет добиться некоторых преимуществ по сравнению с использованием единой базы данных:
- повышения гибкости в типовых задачах администрирования: резервирования, репликации, разграничения прав доступа;
- повышения надежности хранения данных за счет их частичной обособленности друг от друга;
- обеспечения независимого доступа к данным со стороны других информационных систем и программных приложений Минэкологии РБ или сторонних ведомств;
- сокращения аппаратных и программных ресурсов на хранение однотипной информации.
Рис. 1. Схема хранения информации Республиканского кадастра отходов
Для обеспечения ссылочной целостности, согласованности и непротиворечивости данных, обусловленных описанной организацией хранения данных, используются механизмы, реализованные с помощью триггеров и хранимых процедур. Ниже на рис. 2 приведен фрагмент информационной модели Республиканского кадастра отходов с некоторыми сущностями, которые относятся к отмеченным базам данных и между которыми установлены отношения «родитель» - «потомок».
Базы данных функционируют под управлением СУБД Microsoft SQL Server, причем хранение пространственной информации осуществляется в специализированной базе пространственных данных под управлением ArcGIS SDE (рис. 3).
Несмотря на комплексный и разносторонний характер информации Республиканского кадастра отходов, использование обычных реляционных структур для хранения данных имеет некоторые ограничения. Дело в том, что значения в отношении
состоят из конечного набора строго типизированных значений домена, что фактически означает абсолютную истинность заключений, которые формируются с использованием запросов к базам данным [3]. Такая детерминированность дает недостаточное представление о рассматриваемой области, предлагая в результатах выборки данных исключительно две крайние ситуации <записи, удовлетворяющие запросу> или <Ы^Ь> и игнорируя результаты с промежуточной истинностью.
Используя концепцию нечетких реляционных баз данных [3], можно учесть неточности, неопределенности и степень достоверности хранимой информации и расширить реляционную модель для представления неточных данных и таким образом обеспечить достижение приемлемых решений. Этот подход позволит на основе системы нечеткой логики хранить с помощью реляционных структур суждения экспертов и использовать их в автоматизированной системе поддержки принятия решений по управлению отходами.
Авторами предложено дальнейшее развитие информационной системы Республиканского кадастра отходов за счет реализации дополнительной реляционной базы данных, позволяющей хранить нечеткие атрибуты для баз данных БД БД2 и БД3 и формировать нечеткие логические выводы.
Проектирование базы нечетких знаний на основе системы нечеткого вывода В работах [3, 4] показано, каким образом база
нечетких знаний (FKB - fuzzy knowledge base) может быть определена с помощью реляционной базы данных для хранения нечетких атрибутов и правил нечеткого вывода. Также отметим, что формирование системы нечеткого вывода является известной задачей и для обсуждаемой области представлено в [5, 6]. Рассмотрим основные составляющие системы нечеткого вывода:
- R - часть базы знаний, содержащая набор входных_лингвистических переменных
AIn = {AIn},q = \,n и соответствующих им терм-
J In _ rr. In rr In с q,In\ J 1
множеств Aq ei? ,lq ={al },/=l,5 ;
- RO - часть базы знаний, содержащая набор выходных лингвистических переменных
iOut t a Out-,
А = {A },g = \,r и соответствующих им термА Out rr Out ГТ1 Out (J g,Out!
множеств Ag :!g '
= {d/' },j = l,m; - Rr - часть базы знаний, содержащая набор правил логического вывода вида ЕСЛИ - ТО, объединяющий Rj и RO:
ЕСЛИ гг = а?'1" И г2= а,2'1" И...И гп = а,п'1п,
то y = d' ^ (1)
где {rq},<l = 1>л - некоторая числовая величина, поступающая на вход системы нечеткого вывода: расстояние от места захоронения отходов до водного объекта, объем накопленных отходов и др.
Таким образом, необходимо разработать такую реляционную структуру:
FKB = R U RO U RR, (2)
которая будет обеспечивать целостность и непротиворечивость хранения всех составляющих системы
Рис. 2. Фрагмент информационной модели Республиканского кадастра отходов
Рис. 3. Архитектура информационной системы Республиканского кадастра отходов
Ungutsticlnput
PK Id Linfllnpul
Name_l_ing Description
ТЛ*
Termlnpul
PK Id Termlnput
FK1 Name_Term Description Ling Input
1..*
Memberships put
PK PK PK.FK1 г a Id Termlnput
Рис. 4. Фрагмент Rj информационной модели базы нечетких знаний
нечеткого вывода. Последовательно рассмотрим информационные модели для хранения Rp RO и RR.
В составляющей RI можно выделить три сущности, связанные отношением «один ко многим» (рис. 4):
- LinguisticInput - лингвистические переменные;
- ТегтЫрШ - термы лингвистических переменных;
- MembershipInput - функции принадлежности, заданные в табличном виде.
Например, для лингвистической переменной А1 - «Расстояние до населенного пункта» термы из множества {а11(близко), а21(недалеко), а31(далеко)} могут быть заданы с помощью трех предварительно определенных функций принадлежности (рис. 5). В этом случае нечеткость информации будет представлена записями так, как показано на рис. 6.
Отметим здесь, что предлагаемая структура хранения обеспечивает однозначное определение
по предъявленному терму aq соответствующей ему лингвистической переменной Aq. Другими словами, в дальнейшем можно оперировать только идентификаторами термов.
Очевидно, что структура RO аналогична R и также состоит из трех сущностей:
- LinguisticOutput - выходные лингвистические переменные;
- TermOutput - термы выходных лингвистических переменных;
- MembershipOutput - функции принадлежности для выходных числовых величин.
Далее, для формирования в реляционной форме составляющей Rr системы нечеткого вывода необходимо установить отношения между наборами правил Rules и логических выводов Output с помощью термов входной и выходной лингвистических переменных (рис. 7). Мощность отношений между ними обусловлена MISO-структурой [2] - «много входов - один выход».
Применение базы нечетких знаний в реальных ситуациях обеспечивается взаимосвязью информационных объектов, содержащихся в базах данных БД1, БД2 и БД3 (объектов размещения отходов, установок по утилизации отходов и др.) с системой нечеткого вывода. В свою очередь, это достигается с помощью вспомогательных сущностей (рис. 8):
- SurveyAreas - участков территорий, представленных в виде полигональных пространственных объектов электронной карты;
- LinguisticSet - совокупности лингвистических переменных, использование которых для данного участка оправданно.
Таким образом, процесс формирования выводов с использованием нечетких знаний в моди-
фицированной информационной системе Республиканского кадастра отходов (рис. 9) состоит из следующих этапов:
- настройки системы нечеткого вывода и наполнения базы нечетких знаний;
- ограничения и создания участка территории, для которого следует провести анализ;
- формирования ограниченного набора входных лингвистических переменных из всего располагаемого множества таких переменных;
- определения фактических числовых величин, соответствующих отобранным переменным;
- определения степени уверенности пригодности рассматриваемого участка территории целям анализа с помощью SQL-запросов к базам данным.
A3
Бпизхо \/ Недалеко V ' Дзтка
А г \
j> \ /1 \ г
—1—^—1—. —|i-i—►
Рис. 5. Функции принадлежности для лингвистической переменной А] и>^и1Б11с1прШ
IdLmglnput NameLing Description
! Ai Расстояние до населенного пункта
2 А:
Termlnput
ItlTermltiput Name Term Description IdLinglnput
1 I.' Близко 1
2 Я,1 Недалеко 1
3 а: Далеко 1
4 aiJ ,,,
5 а:* 1 л.
Mem hers hiplnpta
Г а IfJTermlDput
0 1 1
200 1 1
300 0.5 1
400 0 1
200 0 2
300 0.5 2
400 1 2
600 1 2
700 0.5 2
800 0 2
600 0 3
700 0.5 3
BOO 1 3
Рис. 6. Записи, кодирующие нечеткую информацию
R
о
R,
Выходная лингв, переменная
LWqitisllcOutput
PK la LlnaOutout
NameLing Description
Терм вых. лингв переменной
Функция принадлежности терма вых. лингв перем
TermOutpul
PK Ed TermOülpul
Fttt N3fne_Term Description ld_ Un aOutput
MembtrahlpO^tput
FK1 У 4 id_TermOuiptit
R
R
Вывод
Output
PK Id OuiBu)
Name
Входная лингв перемениаз
Функция принадлежности
t. in guislic Input
PK td Li n ol л out
Natne_Llng Oestriplton
Membetstnplnput
PK PK PK.FK1 г a td Termlnput
переменкой
Temnnput
PK Id Temilnput
Name Term
Description
FK1 ir: 1 ri;;lr-;x,l
Правило
Rule
PK Id Rule
FK1 IdJTermOutput
Правило-аывод
OulputRule
FK1 FK2 И .Rule IdJDutpul
Правила -вх. переменна;
Create Rule
FK1 FK2 Id Rule ld_Tenmlnput
Рис. 7. Информационная модель базы нечетких знаний
^ Пространственная' база данных
Участок анализа
SurveyAreas
PK Id Area
Shape
Связь между ПБД и FKB
LifiguisticSei
FK1 FK2 IdJ-inglnpul td_Area
База нечетких знаний
Входная пингв. переменная
г, I
Рис. 8. Фрагмент модифицированной информационной модели
Рис. 9. Схема модифицированной архитектуры информационной системы
I
Linguisticlnput
PK Id Linqtnput
N3me_Lirig Description
Заключение
В статье предложено развитие существующего подхода организации системы поддержки принятия решений при управлении отходами в сторону новых, более продвинутых технологий, основанных на методах нечеткой логики, что позволит существенно улучшить и упростить процесс оценки негативного влияния отходов на окружающую среду, более эффективно обеспечивать рациональное использование и хранение отходов промышленных предприятий.
Предложенная организация базы нечетких знаний при помощи реляционного подхода позволит использовать ее в составе организованной структуры хранения данных о сфере обращения с отходами. Благодаря чему достигается взаимодействие базы пространственных и атрибутивных данных и базы знаний на основе использования принятых в системе запросов (триггеров, хранимых процедур), что существенно облегчает реализацию системы в целом и позволяет добиться целостности и непротиворечивости всех накопленных сведений в сфере обращения с отходами.
Список литературы
1. Абдуллин А.Х. Автоматизация формирования и ведения Республиканского кадастра отходов производства и потребления [Текст] / А.Х. Абдуллин, З.Л. Давлетбакова, Г.Ф. Закиева // Табигат: науч.-практ. эколог. журнал. - 2010 - N° 9 (104). - С. 14-15.
2. Zimmermann H.-J. Fuzzy set theory and its applications. 4th. ed [Text] / H.-J. Zimmermann. -Boston: Kluwer Academic Publishers Norwell, 2001. -544 p.
3. FrederickE. Petry. Fuzzy Databases: Principles and Applications [Text] / E. Petry Frederick. - Boston: Kluwer Academic Publishers Norwell, 1996. - 240 p.
4. Robinson V. On Fuzzy Sets and the Management of Uncertainty in an Intelligent Geographic Information System [Text]/ V. Robinson // Recent Issues on Fuzzy Databases; editors G. Bordogna, G. Pasi. - Heidelberg: Physica-Verlag, 2000. - P. 109-128.
5. Абдуллин А.Х. Планирование границ санитарно-защитных зон в ArcGIS с использованием инструментов нечеткой логики [Текст] / А.Х. Абдуллин, З.Л. Давлетбакова, С.В. Павлов // ArcReview. -2012. - № 3 (62) - С. 36-47.
6. Давлетбакова З.Л. Нечеткие модели при осуществлении природоохранной деятельности [Текст] / З.Л. Давлетбакова // Труды Международной конференции «Информационные технологии интеллектуальной поддержки принятия решений». - Уфа: УГА-ТУ, 2013. - С. 5-9.
References
1. Abdullin A.H. Avtomatizacija formirovanija i vedenija Respublikanskogo kadastra othodov proizvodstva i potreblenija [Tekst] / A.H. Abdullin, Z.L. Davletbakova, G.F. Zakieva // Tabigat: nauch.-prakt. jekolog. zhurnal. - 2010. - № 9 (104). - S. 14-15.
2. Zimmermann H.-J. Fuzzy set theory and its applications. 4th.ed [Text] / H-J. Zimmermann. -Boston: Kluwer Academic Publishers Norwell, 2001. -544 p.
3. FrederickE. Petry. Fuzzy Databases: Principles and Applications [Text] / E. Petry Frederick. - Boston: Kluwer Academic Publishers Norwell, 1996. - 240 p.
4. Robinson V. On Fuzzy Sets and the Management of Uncertainty in an Intelligent Geographic Information System [Text]/ V. Robinson // Recent Issues on Fuzzy Databases; editors G. Bordogna, G. Pasi. - Heidelberg: Physica-Verlag, 2000. - P.109-128.
5. Abdullin A.H. Planirovanie granic sanitarno-zashhitnyh zon v ArcGIS s ispol'zovaniem instrumentov nechetkoj logiki [Tekst] / A.H. Abdullin, Z.L. Davletbakova, S.V. Pavlov // ArcReview. - 2012. - № 3 (62) - S. 36-47.
6. Davletbakova Z.L. Nechetkie modeli pri osushhestvlenii prirodoohrannoj dejatel'nosti [Tekst] / Z.L. Davletbakova // Trudy Mezhdunarodnoj konferencii «Informacionnye tehnologii intellektual'noj podderzhki prinjatija reshenij». - Ufa: UGATU, 2013. -S. 5-9.
