CC BY
166
УДК 502.7
Д.П.Венг, ВЮ. Волков, И. Бархум (Новомосковск, НИ РХТУ)
ИНТЕЛЛЕКТУАЛЬНЫЕ АВТОМАТИЗИРОВАННЫЕ СИСТЕМЫ В ЭКОЛОГИИ
Рассматриваются современные автоматизированные системы
экологического мониторинга атмосферного воздуха. Характерной особенностью таких ссстем является невозможность прямою управления экологической ситуацией. Показано, что для быстрого и своевременного принятия решения необходимы интеллектуальные системы с удаленным доступом, в основе которых должны быть передовые разработки иа области экспертных ссстем.
В России сосредоточено около 2,5 тысяч химически и 1,5 тысяч ра-диационно опасных объектов, а взрывы или пожары могут произойти еще на 8 тысячах объектов, причем большинство из них расположены в населенных пунктах или радом с ними.
Ежегодно на территории Тульской области выбросы в атмосферу составляют более 260 тыс. тонн вредных веществ. По данным лабораторного контроля, наиболее загрязненными городами области по состоянию воздушного бассейна явлютея Тула, Новомосковск, Донской, Кимовск, Узловая, где регистрируются превышения предельно допустимой концентрации (ПДК) по пыли, двуокиси азота, сероводород, аммиаку, фтору, формальдегид, соединениям хлора. В этой связи, разработка автоматизированных систем экологического мониторинга и безопасности представляется достаточно актуальной задачей.
С точки зрения системного анаиза регаонаьна автоматизированна система экологического мониторинга (АСЭМ) атмосферного воздуха относится к классу сложных, т.к. обладает всеми пятью признаками сложных систем [1]:
1. Является иерархической по региональному признаку и состоит из взаимозависимых муниципаБных подсистем, которые, в свою очередь, также могут быть разделены на подсистемы измерения, передачи данных, их обработки и хранения и т.д. вплоть до самого низкого уровня.
2. Выбор «элементарных» составляющих компонентов в данной системе относительно произволен и в большей степени оставляется на усмотрение разработчика и исследователя.
3. Внутрикомпонентная связь обычно сильнее, чем связь между компонентами. Это обстоятельство позволяет отделять «высокочастотные» взаимодействия внутри компонентов от «низкочастотной» динамики взаимодействия между компонентами.
4. Разные сложные системы содержат одинаковые структурные части. Иерархические системы обычно состоя из немногих типов подсистем, по-раному скомбинированных и организованных. Так, подсистемы изме-
рения, передачи данных, их обработки и хранения, а также, муниципаь-ные могут быть скомпонованы и организованы в раличных комбинациях в зависимости от наблюдаемых параметров, способов передачи информации на верхние иерархические уровни и т.д.
5. Люба работающа сложна система является результатом рави-тия работавшей более простой системы. Сложна система, спроектирован-на «с нуля», никогда не заработает. Следует начинать с работающей простой системы. АСЭМ [2] строится на бае автоматизированной системы контроля (АСК) загрязнения атмосферного воздуха г. Новомосковска Тульской области [3].
Таким образом, современные системы экологического мониторинга и обеспечивающие их информационно-управляющие системы представляют собой сложные многофункциональные распределенные системы, соответствующие всем признакам сложных систем. Это подтверждают и работы Куртуа [1] и Саймона [4]. В таких системах осуществляется совместная обработка сложноорганизованных данных и знаний. Только современные информационные технологии могут обеспечить им существенное повышение уровня информационной и интеллектуаьной поддержки. При создании таких сложных систем разаботчики стакиваются со многими серьезными проблемами, одной из которых является физическа ограниченность возможностей человека при работе со сложными системами. Когда начинаются анаизы любой сложной системы, в ней обнаруживается много составных частей, которые взаимодействуют друг с другом ралич-ными способами, причем, ни сами части системы, ни способы их взаимодействия иногда не обнаруживают никакого сходства. Это яркий пример неорганизованной сложности. Когда мы начинаем организовывать систему в процессе ее раработки, необходимо думать сразу о многих факторах. К сожалению, один человек не может следить за всем этим одновременно. Эксперименты психологов [5] показывают, что максимаьное количество структурных единиц информации, за которыми человеческий мозг может одновременно следить, приблизительно равно семи плюс-минус два. Вероятно, это связано с объемом краткосрочной памяти у человека. Как отметил Саймон [4], дополнительным ограничивающим фактором является скорость обработки мозгом поступающей информации: на восприятие каждой новой единицы информации ему требуется около 5 секунд. Таким обраом, возникает серьезная дилемма. Сложность программны: систем возрастает, но способность нашего мозга справиться с этой сложностью ограничена. В этом аспекте проблемы информатизации при решении экологических задач принимают фундаментальный характер. Это особенно актуально в связи с широким применением локаьных и глобальных вычислительных сетей при реаизации систем экологического мониторинга регионального уровня. Эффективность предскаания развития экологической ситуации (в том числе и разрушенни) в том или ином регионе, на
предприятии или отдельном технологическом объекте зависит от решения этих проблем.
Одной из особенностей систем экологического мониторинга и управления является их специфическая черта, связанна с тем, что «непосредственного управления» экологией осуществить нельзя, т.к. невозможно изменить, например, силу и направления ветра, влажность, вызвать дождь и т.п., чтобы снизить концентрации вредных веществ в атмосфере. Кроме того, существующие системы экологического мониторинга на сегодняшний день выполняют функции наблюдения и достаточно редко - прогноза равития экологической ситуации. В силу вышеукаанных причин функция управления в них не реаизована. Следовательно, управлять можно только степенью влияния человека и других «загрязнителей» на окружающую среду, в частности, на атмосферный воздух промышленными выбросами, выхлопными гаами автотранспорта и т.д.
Чтобы своевременно выработать «управляющее воздействие», т.е. сообщить «Лицу, Принимающему Решение» (ЛИР), информацию об экологической обстановке и предложить варианы решений, необходимо использовать передовые информационные технологии, такие, как Интернет и организация удаленного доступа на его основе. Способствовать быстрому и своевременному принятию реше ния должны интеллектуаьные системы с удаленным доступом, в основу которых необходимо положить передовые раработки из области экспертных систем.
Структурна схема, иллюстрирующа вышеизложенное, приведена на рис. 1.
“загрязнители > —і—> система
атмосферы" (предприятия, > атмосфера —і—> измерителей
автомобили и т.д. > —і—> загрязнения
интеллектуальный интерфейс
руководители промышленных предприятий, автотра нс портных предприятий и т.д.
ЛПР
экспертная
система
Рис. 1. Структурная схема интеллектуальной автоматизированной системы экологического мониторинга
атмосферы
Интеллектуаьный интерфейс выступает в данном случае в качест-
ве «регулятора» экологической ситуации и может быть реализован и использоваться в соответствии с принципами, заложенными в стандарте ГОСТ Р ИСО 14001-98. Для этого он должен обеспечивать:
1) отлаженную и контролируемую систему экологического наблюдения за потенциальными загрязнителями, непосредственно связанных с системой покаателей и обеспечивающую прозрачность управляемых процессов и объектов;
2) создание единого информационного пространства с быстрым доступом к данным и эффективными организационными коммуникациями исполнителей работ;
3) высокий анаитический уровень решений и рекомендаций системы;
4) выполнене функций обучения.
Рассмотрим подробнее процесс управления качеством атмосферного воздуха. После предварительной обработки данные о состоянии атмосферного воздуха попадают в экспертную систему (ЭС), которые являются сложными программными комплексами, накапливающими знания специалистов в конкретных областях и тиражирующих этот эмпирический опыт для консультаций менее кваифицированных специаистов [6]. Баовую структуру можно представить состоящей из компонентов, покаанных на рис. 2. [7]
Рис. 2. Базовая структура экспертной системы
Баа знаний (БЗ) в ЭС преднаначена для хранения долгосрочных данных, описывающих рассматриваемую область (а не текущих данных), и правил, описывающих целесообраные преобраования данных в этой области. Решатель, используя исходные данные из рабочей памяти и знания из БЗ, формирует такую последовательность прав и, которые будучи применимыми к исходным данным, приводят к решению задачи. Диаоговый
компонент ориентирован на организацию дружественного общения с пользователем. Объяснительный компонент предназначен для объяснения результатов работы и процесса вывода решений. Компонент приобретения знаний автоматизирует процесс наполнения ЭС знаниями. База данных (БД) предназначена для хранения исходных и про межуточных данных решаемой в текущий момент задачи. Термином обозначаются данные, хранимые в системе.
Таким образом, обща структурна схема интеллектуальной АСЭМ выглядит, как покаано на рис. 3.
Рис. 3. Общая структурная схема интеллектуальной АСЭМ:
ИП- интерфейс пользователя; ЛВ-логический вывод; БЗ- база знаний;
РЗ-редактор знаний; АМ- алгоритмическая модль решения;
ОР - объяснение решения; БД - база данных; ЭОУ- эквивалентный объект управления; Пу - программист; ЛПР - пользоваттз - «Лицо, Принимающее Решение»; И - инженер по знаниям
Для пополнения БЗ авторами успешно применяются современные информационные Интернет-технологии. На специально созданном сайте размещена web-страница, на которой с помощью технологий WEB 2.0, таких, как WIKI и AJAX, реализовано интерактивное взаимодействие экспертов в режиме On-Line. После регистрации и аутентификации эксперты имеют возможность обсуждать возникающие экологические ситуации при загрязнении атмосферного воздуха и формировать предложения по приведению этих ситуаций в нормаьное состояние, с целью повышения качества экологической обстановки. Экспертна система разрабатываась с помощью языка представления знаний CLIPS, позволяющего характеризовать представленные знания функционально, т.е. в терминах действия, а не в терминах структурной организации.
CLIPS предлагает эвристические и процедурные подходы для пред-
ставления знаний. Также средства CLIPS позволяют применять и объектно-ориентированный подход к организации знаний. Кроме того, язык предоставляет возможности комбинировать эти подходы. В CLIPS предусмотрены три основных формата представления информации: факты, объекты и глобальные переменные. CLIPS предоставляет три механизма представления знаний: эвристический, процедурный и объектно-
ориентированный.
Библиографический список
1. Courtois P. On Time and Space Decomposition of Complex Structures. Communications of the ACM / P. Courtois. - 1985. - June. - Vol. 28(6). -596 p.
2. Волков В.Ю. Реализация системы удаленного доступа АСЭМ атмосферного воздуха / ВЮ. Волков, Ю.Д. Эделылтейн // Тез. докл. VII на-учно-технич. конф. молодых ученых, аспирантов и студентов, посвященной 60-летию Победы в Великой Отечественной войне. - Новомосковск: НИ РХТУ, 2005. -Ч. II. - 3 с.
3. Эдельштейн Ю.Д. Автоматизированная система контроля атмосферного воздуха г. Новомосковска, АСК «Атмосфера» / Ю.Д. Эдельштейн, О.Е. Кочин, С .В. Елисеев. - М.: Информатика, Экология, Экономика: Вестник Академии, 1999. - Т. 3.- С. 111-116.
4. Simon H. The Sciences of the Artificial / H. Simon. - Cambridge, MA: The MIT Press, 1982. - 218 р.
5. Miller. The Magical Number Seven, Plus or Minus Two: Some Limits on Our Capacity for Processing Information. The Psychological Reviev / Miller, G. March. - 1956. - Vol. 63(2). - 86 р.
6. Гаврилова Т.А. Базы знаний интеллектуальных систем / Т.А. Гавррлова, В.Ф. Хорошевский. - СПб: Питер, 2000. - 384 с.
7. Статические и динамические экспертные системы / Э.В. Попов [и др.]. - М.: Финансы и статистика, 1996.
Получено 24.10.08
