Комплексная информационная система, предназначенная для формирования входных данных моделей конвективных облаков Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 551.50

Е. Н. Станкова, Д. А. Петров

Вестник СПбГУ. Сер. 10. 2015. Вып. 3

КОМПЛЕКСНАЯ ИНФОРМАЦИОННАЯ СИСТЕМА,

ПРЕДНАЗНАЧЕННАЯ ДЛЯ ФОРМИРОВАНИЯ

ВХОДНЫХ ДАННЫХ МОДЕЛЕЙ КОНВЕКТИВНЫХ ОБЛАКОВ

Санкт-Петербургский государственный университет, Российская Федерация, 199034, Санкт-Петербург, Университетская наб., 7/9

Статья посвящена технологии консолидации метеорологических данных. Технология используется для создания одного из компонентов виртуальной среды для прогнозирования опасных конвективных явлений — грозы, шквалы, град и сильные дожди. В настоящее время прогресс в области моделирования явлений в значительной степени связан с проверкой уже существующих моделей, а не с развитием новых. Проверка и регулировка моделей очень сложны из-за отсутствия свободно доступных комплексных данных о месте и времени наблюдаемых явлений в сочетании с метеорологическими данными, используемыми в качестве начальных и граничных условий для численных моделей конвективных облаков. Применена технология консолидации для разработки системы извлечения гетерогенных данных, преобразования и загрузки их в реляционную базу данных, которая содержит весь набор метеорологической информации о состоянии атмосферы в указанных месте и времени, когда опасное конвективное явление было зафиксировано. Использованы источники данных, которые свободно доступны через Интернет. Формат информации, хранящийся в базе данных, не требует дальнейшего декодирования и может быть непосредственно применен для численного моделирования. Библиогр. 22 назв. Ил. 5.

Ключевые слова: консолидация данных, интеграции данных, метеорологические данные, численное моделирование, прогноз погоды.

E. N. Stankova, D. A. Petrov

COMPLEX INFORMATION SYSTEM FOR ORGANIZATION OF THE INPUT DATA OF MODELS OF CONVECTIVE CLOUDS

St. Petersburg State University, 7/9, Universitetskaya embankment, St. Petersburg, 199034, Russian Federation

This paper is concerned with the technology of meteorological data consolidation. The technology is used to create one of the components of the virtual environment for forecasting dangerous convective phenomena — thunderstorms, squalls, hail and heavy rainfall. Nowadays, progress in the field of such phenomena simulation is significantly associated with the verification of the already existing models rather than with the development of the new ones. Verification and adjustment of the models are very difficult due to the lack of freely available integrated data on the location and time of the observed phenomena in conjunction with meteorological data used as initial and boundary conditions for numerical models of convective clouds. In the paper we apply consolidation technology to develop the system for heterogeneous data extraction, transformation and loading to the relational database that contains the whole set of meteorological information about the state of the atmosphere at the place and at the time when a dangerous convective phenomenon is recorded. Data sources which are freely available via the Internet are used. The format of the information stored in the database does not require further decoding and can be directly used for the numerical simulation. Refs 22. Figs 5.

Keywords: data consolidation, data integration, meteorological data, numerical modeling, weather forecast.

Станкова Елена Николаевна — кандидат физико-математических наук, доцент; e-mail: elenastankova@yandex.ru; lena@csa.ru

Петров Дмитрий Алексеевич — магистрант; e-mail: g_q_w_petrov_dm_alex@mail.ru

Stankova Elena Nikolaevna — candidate of physical and mathematical sciences, associate professor; e-mail: elenastankova@yandex.ru; lena@csa.ru

Petrov Dmitry Alekseevich — magistrant; e-mail: g_q_w_petrov_dm_alex@mail.ru

Введение. Данная статья посвящена описанию комплексной информационной системы, которая на основе технологии консолидации интегрирует разнородную метеорологическую информацию, необходимую для верификации численных моделей конвективных облаков.

Конвективное облако представляет собой совокупность жидких капель и/или ледяных частиц, образующуюся в системе вертикальных воздушных потоков. Одним из наиболее эффективных инструментов изучения конвективных облаков является численное моделирование.

Современные численные модели повсеместно используются для оперативного прогнозирования опасных конвективных явлений, таких как грозы, град, ливни и шквалы. В настоящее время разработано множество одно-, двух- и трехмерных моделей, отличающихся различной степенью детализации микрофизических процессов [1]. Особое место занимают так называемые полуторамерные модели [2], в которых дополнительная половина размерности возникает в связи с учетом вовлечения воздуха из окружающей среды в облако через его боковые границы. Такие модели не требуют больших вычислительных ресурсов, однако способны воспроизводить те характеристики облака, которые могут стать предикторами для существующих методов прогноза опасных конвективных явлений практически в режиме реального времени. Программы, основанные на этих моделях, очень актуальны и применяются, например, в метеорологических центрах аэропортов, где требуются простые модели малой размерности, так как порой такие центры не оснащены мощными компьютерами.

Но проверка работоспособности — верификация рассматриваемых моделей и последующая их «настройка» — сложны из-за отсутствия в свободном доступе интегрированных данных о вертикальном распределении температуры и влажности в атмосфере в том месте и в тот период времени, когда наблюдалось опасное конвективное явление. Эти данные используются в модельных расчетах в качестве начальных и граничных условий. Кроме того, верификация предполагает получение статистически достоверных данных о пригодности модели для прогнозирования, для чего необходимо проводить большие серии численных экспериментов.

Необходима программная среда, которая обеспечивала бы, во-первых, сбор необходимой информации из распределенных разнородных источников и, во-вторых, предоставляла бы возможность проводить серии численных экспериментов в автоматическом режиме с использованием интуитивно понятного интерфейса.

Разработкой специализированных систем, предназначенных для сбора и обработки метеорологической информации, занимаются многие фирмы и научные институты. Например, Raytheon Company разработала систему ITWS (Integrated Terminal Weather System) [3], Национальное управление океанических и атмосферных исследований (NOAA) — Метеорологическую систему усвоения данных (MADIS) [4]. ООО «Перспективные методы мониторинга» (Advanced Monitoring Methods) [5] используют SQL для сбора метеорологических данных, их проверки, построения графиков, формирования оповещений и отчетов. Структура базы данных (БД) позволяет проводить сравнение и интеграцию данных из различных источников. Институт радарной метеорологии (IRAM) [6] предоставляет специализированные системы для авиационных метеорологов, осуществляет сбор данных от метеорологических спутников, мировых центров прогнозирования погоды, сетей метеорологических станций и аэродромов.

Большая часть таких систем предоставляет данные на коммерческой основе, следовательно, они не всегда могут быть доступны для научно-исследовательских организаций. Кроме того, данные хранятся в большинстве случаев как статические архивы на компьютерных дисках и других внешних носителях, что затрудняет выборку необходимой информации. И, что самое главное, имеющиеся метеорологические данные не могут быть непосредственно использованы для верификации моделей конвективных облаков в связи с отсутствием локализованной комплексной информации о виде опасного конвективного явления, месте и времени его наблюдения и о сопровождавших явление атмосферных условиях.

Таким образом, можно утверждать, что в настоящее время еще не разработан программный продукт, который мог бы быть применен для интеграции метеорологической информации, нужной для верификации модели конвективного облака, и при этом был бы бесплатным и общедоступным.

В данной статье описывается приложение, лишенное вышеуказанных недостатков. Цель такого программного продукта — сбор метеорологической информации, размещение ее в хранилище в требуемом формате, пользование ею с помощью интуитивно понятного интерфейса. При этом такое приложение имеет следующие преимущества: безвозмездная основа предоставления, получение всех нужных данных с возможностью отсеивания лишней информации, относительная независимость приложения от рабочей машины в связи с тем, что продукт выполнен в виде Web-приложения.

В процессе создания такого продукта можно выделить три этапа. Необходимо, во-первых, проанализировать источники метеорологической информации и выяснить, в каком виде она хранится, во-вторых, спроектировать специализированную базу для хранения интегрированных данных, в-третьих, разработать программную среду, предоставляющую интерфейс для доступа к базе интегрированных данных и позволяющую осуществлять численные эксперименты с помощью модели, а также хранить результаты расчетов и впоследствии иметь возможность их анализировать.

В п. 1 описывается метод интеграции метеоданных из гетерогенных источников, в п. 2 — процесс разработки реляционной БД. В п. 3 описывается процесс разработки Web-приложения, предоставляющего интерфейс для проведения численных экспериментов с полуторамерной моделью конвективного облака (в дальнейшем именуется модель) [7-11].

1. Консолидация метеоданных из гетерогенных источников. Для того чтобы осуществить выбор источников с требуемой метеорологической информацией, следует учесть следующие критерии: данные должны предоставляться исключительно на бесплатной основе и содержать в совокупности полную информацию как о времени и месте опасного конвективного явления, так и о вертикальных профилях тех метеоданных, которые используются для задания начальных и граничных условий модели конвективного облака [12]. Исходя из этого, были выбраны сайты «Ме1еосеп1ег» [13] и Университета Вайоминга [14]. Сайт «Ме1еосеп1ег» предоставляет архив, данные из которого содержат информацию о типе опасного явления, месте и дате, где оно произошло. Эти данные служат входными для сайта Университета Вайоминга (UW). С их помощью можно получить вертикальные распределения температуры воздуха и влажности. Таким образом, используя информацию с первого сайта в качестве входных параметров, можно извлечь необходимые данные из второго сайта.

Сайты различаются по своей структуре, по языку пользовательского интерфейса и могут содержать некоторые «лишние» данные, которые не будут применяться

в качестве входных данных модели. Таким образом, требуется разработать приложение, направленное на извлечение важных данных из выбранных гетерогенных источников, преобразование их в единую структуру, очистку и размещение в специализированной БД.

Для разработки такого приложения был выбран язык серверного программирования PHP версии 5.5, в котором есть возможность использования библиотеки функций libcurl, позволяющей применять технологию многопоточности (multi_curl) [15]. Эта библиотека дает возможность взаимодействовать со многими различными серверами по множеству протоколов, кроме того, позволяет выполнять запросы параллельно, что значительно ускоряет получение данных с сайтов [16].

Так как данные находятся в различных источниках и форматах (таблицы и CSV), к методу интеграции были предъявлены следующие требования: нужно, чтобы в процессе интеграции метеорологические данные извлекались из первоисточника, преобразовывались в единый формат (подходящий для модели) и загружались в БД.

Из трех основных методов интеграции данных (распространение данных, федерализация, консолидация [17]) только метод консолидации подходит под все вышеуказанные требования, потому было принято решение использовать именно его.

Консолидация — это комплекс методов и процедур, направленных на извлечение данных из различных источников, обеспечение необходимых уровней их информативности и качества, а также преобразование их в единый формат, в котором они могут быть загружены в БД или аналитическую систему [18].

В основе процедуры консолидации лежит ETL-процесс, состоящий из трех последовательных этапов — Extraction, Transformation, Loading. Extraction — извлечение данных из гетерогенных источников, Transformation — преобразование данных к виду, пригодному для хранения в определенной структуре, Loading — загрузка данных в хранилище данных, частным случаем которого является реляционная БД [19].

Метод консолидации реализован в виде алгоритма, приведенного на рис. 1.

Рис. 1. Краткая схема реализации метода консолидации

На первом этапе предстоит извлечь данные из архива сайта «Meteocenter», для чего следует воспользоваться библиотекой libcurl, упоминаемой ранее. В результате будем иметь файл в формате CSV, некоторые данные из которого будут являться входными для получения информации с сайта UW. Здесь также используется libcurl, а данные предоставляются в таблицах со специализированной структурой и размещаются в файле TXT. В результате имеются два временных файла с данными с каждого сайта.

На втором этапе происходит преобразование данных. Это важно, так как они могут различаться своей структурой и форматами, нужно провести реструктуризацию, т. е. привести все данные к виду, который требуется для анализа.

На таком этапе осуществляется преобразование данных с сайта «Meteocenter». Они анализируются (производится парсинг) и осуществляется выборка нужных параметров. Далее происходят реструктуризация, агрегирование по временному интервалу (уменьшается детализация путем обобщения промежутков времени) и перевод значений, в результате которого все данные преобразовываются в кодировку «windows-1251» для корректной работы модели конвективного облака. Если для корректной работы модели требуется больше данных, чем было получено, то недостающие данные создаются путем агрегирования уже извлеченных [18].

В результате всех манипуляций второго этапа преобразованные данные, готовые к очистке, помещаются во временный файл. Тот же процесс, за исключением агрегирования, происходит с данными с сайта UW, которые находились в формате TXT. В этом случае агрегирование не производится ввиду отсутствия необходимости.

Чаще всего в качестве исходных попадаются данные, нуждающиеся в очистке (заполнении пропусков, устранении дубликатов и т. п.). Очистка производится во временном файле, в котором объединяются данные с обоих сайтов. В результате второго этапа получаем файл с очищенными, преобразованными данными из двух источников.

Во время третьего и последнего этапа ETL-процесса — загрузки — осуществляется перенос данных из временного файла в структуру БД. Поскольку в этом файле уже хранятся все необходимые параметры, то они без дополнительных манипуляций загружаются с помощью SQL-запросов на вставку в БД. После чего проводится ряд постзагрузочных операций, таких как верификация загруженных данных и их переиндексация.

БД создана конкретно под приложение и удовлетворяет всем критериям модели конвективного облака, а также позволяет осуществлять поиск по интересующим параметрам, например виду конвективного явления.

На рис. 2 представлена схема использования БД для прогнозирования опасных конвективных явлений.

2. Проектирование и реализация реляционной БД. Реляционная БД представляет собой множество взаимосвязанных таблиц (отношений), в которых содержится информация об объектах определенного вида. Каждая строка таблицы включает данные об одном объекте — кортеж, а столбцы таблицы — различные характеристики этих объектов — атрибуты.

Была выбрана реляционная модель БД, поскольку она обладает рядом преимуществ:

• отображает информацию в простой для пользователя форме;

• позволяет создавать языки манипулирования данными непроцедурного типа;

Рис. 2. Использование БД для прогнозирования

• производит манипулирование данными на уровне выходной БД и возможность их изменения;

• основана на развитом математическом аппарате, который дает возможность достаточно лаконично описать основные операции над данными [20].

Разработка БД состояла из нескольких этапов:

• концептуальное (инфологическое) проектирование — сбор, анализ и редактирование требований к данным;

• логическое (даталогическое) проектирование — преобразование требований к данным в логическую структуру данных;

• физическое проектирование — преобразование логической структуры БД в физическую с учетом аспектов производительности СУБД MySQL [21].

В результате было создано 9 отношений, названиями для которых служат объекты реального мира: города, метеостанции, явления, временные промежутки, параметры конвективного облака и др. Диаграмма сущность-связь (ER-диаграмма), соответствующая разработанной модели данных, изображена на рис. 3. Формат информации, хранящийся в БД, не требует дальнейшего преобразования, что позволяет без дополнительных манипуляций использовать ее непосредственно для верификации и моделирования характеристик конвективного облака. БД содержит информацию о времени, местоположении и типе опасного конвективного явления в сочетании со всеми наборами метеорологических данных о состоянии атмосферы и поверхности Земли.

Для удобства использования и хранения данных БД была разделена на два больших блока: блок «данные» и блок «управление данными».

3. Создание Web-приложения. Для разработки программной среды, предоставляющей интерфейс для доступа к базе интегрированных данных и позволяющей осуществлять численные эксперименты с помощью модели, были проанализированы основные типы программных продуктов, подходящие для персональных компьютеров, такие как Web-приложение и настольное приложение [22]. Из рассмотренных типов было выбрано Web-приложение. Причинами послужило следующее: такое

Блоклдаянь*е" i

s? Cityjd INT

<&city_name VARCHAR(50) ^ region VARCHAR(50) <> create_time DATETIME <Nast_update DATETIME

н--К

f Stationjd INT <>station_name VARCHAR(50)

# createJ:ime DATETIME

# last_update DATETIME

# Cityjd INT

? Phenomenonjd INT О phenomenon_name VARCHAR(50) Оcreate_time DATETIME <Hast_update DATETIME ^Stationjd INT

f Period JiimeJd INT О date DATE #time TIME

О create J:ime DATETIME Ф last_update DATETIME

II

t Period_time_i'd INT f Stationjd INT # createJ:i me DATETIME Ф last_update DATETIME

t Station_id INT t Parameterjd INT Ф lvl_data TINYINT Ф createJ:ime DATETIME <> last_update DATETIME

Parameterjd INT #atm_pressure LONGTEXT #geo_height LONGTEXT temperature LONGTEXT :>dewpoint_temp LONGTEXT # rel_humidity LONGTEXT О mix_ratio LONGTEXT & wind_direction LONGTEXT #wind_speed LONGTEXT Ф potentJ:emp LONGTEXT Ф equiv_potent_temp LONGTEXT $ virt_potentJemp LONGTEXT Otemperature_max LONGTEXT ФcreateJ:ime DATETIME О last update DATETIME

t Userjd INT Фпате VARCHAR(50) <> surname VARCHAR(50) Ф username VARCHAR(20) О password VARCHAR(20) Ф email VARCHAR(50) О role INT

ФcreateJ:ime DATETIME Ф last_update DATETIME

T ;i I I I I

1

t Users_filesjd INT О title VARCHAR(50) ^ ref_file VARCHAR(50) О ref_pict_model VARCHAR(50) Ф createJ:ime DATETIME О update_time DATETIME # Userjd INT

Рис. 3. ER-диаграмма

00 со

> Извлечение данных

Для того чтобы начать извлечение данных из гетерогенных источников, укажите следующие критерии или можете воспользоваться данными, хранящимися в БД:

Выберите параметры для извлечения

;Регион

Метеостанция

Mj i Санкт-ЛетерШр^МОвЗ.......yj

Дата окончания

í Дата начала

12015 У]

[Получить]

Если данные, хранящиеся в БД, больше не нужны, то можно произвести полную очистку базы данных:

[Очистить БД, не удаляя пользователей]

Гроза: параметры - график 2015-03-11 20:47:07 Гроза: параметры - график 2015-03-11 20:49:21

Шквал: параметры - график 2015-03-12 19:31:19

Шквал: параметры - график 2015-03-14 21:39:41

Гроза: параметры - график 2015-03-14 21:40:25

Шквал: параметры - график 2015-03-14 21:44:10

Шквал: параметры - график 2015-03-14 21:56:14

'Я4 " ;' V V* \

Петров Дмитрий

E-mail: arg.of.func@gmail.com

Рис. 4- Раздел «Экстракция данных»

1:0:Üc* d- 12200 еремя расчета: 0,234

Эксперимент | Скорость верт.

Матрица |

п ~

12™

125

Мах: 1,497 Min: -2,366 Верх: О Низ: О

А6с. max: 6,945 (31:36,3200м) Отклонен, т-ры

Мах: 4,105 Min: -1,139 Верх: О Низ: О

А6с. max: 301,6 (0:0, Ом) Влажность Мах: 0,9652 Min: 0,2735 Верх: 0,2735 Низ: 0,643 Абс. max: 1,004 (16:56,1600м) Содерж. аэроз. Мах: 6,19Е-7 Min: О

Верх: 1,66Е-10 Низ: 6,19Е-7 Абс. max: 6,19Е-7 (0:0, Ом)

Содерж. капель

Мах: 9,35Е-4 12 Min: О Верх: О

Низ: 0 л

Абс. max: 5,02Е-3 1 (38:41,4000м) п Содерж. лед. Нее

[Columnar

[Мах: 2,00Е-4 [Min: О [Верх: О [Низ: О ^Абс ^Т(43 0,4600м)

^Мах: 2,19Е-10 iMin: О ¡¡Верх: О !Низ: О

-л Абс. max: 1,18Е-5 1(53:8,5400м) Dendrites

Um: О

hür,. о

fBeoN: О -.Hi- О Аб:- max: О Ш, Ом) [Снежинки Мах: 9,35Е-10 Min: О Верх: О |Низ: О

i6c. max: 1,37Е-8 '(54:25,5400м) [Крупа Мах: 1,45Е-3 Min: О Верх: О 1Низ: О

•Абс. max: 4,65Е-3 1(51:1,5000м) [Градины Мах: 1,17Е-4 Min: О Верх: О [Низ: О

i6c. max: 1,32Е-3 1(55:34,4000м)

I |11Частицы (сумма всех, кроме аэрозоля) | Отображать параметры из

внутреннего столба С внешнего столба

! Способ отображения спектров частиц С общ. отношение смеси С графики С общ. концентрация (мЛ-3) поле

Начальные т-ра, отн. вл., скорость Аэрологическая диагр.

....................... I [7 уЧет динамики

Начальное ; След. шаг »; ._ ГлиГ1 |

I I;.................................Г/ учет микрофизики Ьохр. сост.

I I ______ ! W учет коагуляции в МФ -- --

Выполнить до| | 1:00:00— Кол-во потоков (динам./МФ) |8 |8

Шаг по времени (сек) [1 х [20 Шаг по высоте (м)

Разбиение по спектру частиц [Й Разбиение по спектру аэрозоля Коэфф. бок. турб. перемешивания [0,1 КоэФФ. верг. турб. (мл2/с)

Радиус внутреннего столба (м) 13000

|«7 Внешний столб Радиус (м) 110000 |Ю0 [5» Влияние окр. среды на внешний столб

jnjy - \ - ^ \ - ^ . "•20 ^ -10" *" б" "УсГ

АДКТГ АДКХГ АДП Редактировать | 127612 J

Рис. 5. Интерфейс программной среды для расчета характеристик конвективных облаков [7-11] Расчет проведен с начальными данными, соответствующими реальным данным вертикального зондирования атмосферы, когда наблюдались сильные грозы.

приложение всегда мобильно, т. е., где бы не находился пользователь, при наличии выхода в Интернет и локальной машины он сможет, не скачивая никаких дополнительных продуктов, начать работу. Это позволит сэкономить время, которое потребовалось бы для скачивания и установки продукта, интернет-трафик и место на жестком диске пользователя.

Разработанное Web-приложение включает в себя шесть разделов. Основные из них «Экстракция данных», «База данных» и «Верификация».

В разделе «Экстракция данных» пользователю предоставляется возможность указать параметры, на основе которых будут получены данные из гетерогенных источников. Необходимо выбрать регион, город (метеостанцию) и дату (рис. 4).

Раздел «База данных» состоит из 9 таблиц, в которых содержатся все ранее полученные данные. Пользователь может просматривать их, а также осуществлять управление: добавление, редактирование и удаление. Имеется возможность полной очистки БД.

В разделе «Верификация» пользователю предоставляется выбор параметров. Необходимо указать регион, город (метеостанцию), явление, начало и конец интересующего периода времени. В результате этого система сформирует файл с параметрами, которые можно использовать в дальнейшем как входные для верификации математической модели. Для этого следует сохранить его на локальную машину пользователя, после чего загрузить в программную среду модели конвективного облака.

С помощью программной среды, включающей разработанное Web-приложение и исполняемый модуль модели, были произведены тестовые численные эксперименты (рис. 5). В дальнейшем предполагается проведение целой серии численных экспериментов, обработка результатов которых позволит получить статистически обоснованные данные о пригодности модели для прогнозирования опасных конвективных явлений.

Слева на рис. 5 представлены динамические и микрофизические характеристики облака, например влажность, снежинки, градины и их значения. По центру рисунка находится поле развития облака за заданный промежуток времени. Справа располагается аэрологическая диаграмма (вертикальная стратификация атмосферы). Черная линия на ней отражает температуру воздуха, серая — температуру точки росы, которая характеризует влажность в атмосфере.

Заключение. В статье предложена комплексная информационная система, предназначенная для верификации полуторамерной модели конвективного облака.

На первом этапе был проведен анализ данных, необходимых для осуществления верификации. В соответствии с ним были выбраны источники требуемой метеорологической информации. Это сайты «Meteocenter» и Университета Вайоминга, так как они в сумме отвечают всем заявленным требованиям: присутствуют все параметры и информация предоставляется на бесплатной основе.

В результате анализа методов интеграции данных был выбран метод консолидации для извлечения, преобразования и загрузки данных в БД. Быстрое извлечение необходимых данных было достигнуто использованием технологии многопоточности, поддерживающейся функциями библиотеки libcurl.

Применяя среду MySQL Workbench, была спроектирована и реализована реляционная БД, в которой размещаются данные о виде опасного конвективного явления, времени и месте его фиксации, а также о вертикальных профилях и метеопараметрах, применяемых в качестве входных данных в модели конвективного облака.

Подготовка файла с входными параметрами осуществлялась с помощью разрабо-

танного Web-приложения. Оно реализовано в среде phpDesigner с помощью следующего инструментария: PHP, HTML, CSS, JavaScript. Приложение имеет интуитивно понятный интерфейс и включает в себя шесть разделов. Основные из них — «Экстракция данных», «База данных» и «Верификация». Раздел «Экстракция данных» позволяет интегрировать метеорологические данные. После этого их можно просмотреть в разделе «База данных» и осуществить манипуляции над ними. В разделе «Верификация» можно подготовить и сохранить файл для дальнейшего использования его в программной среде модели с целью ее верификации. Программная среда была протестирована, все найденные ошибки и недочеты исправлены.

На основе разработанной системы, из гетерогенных источников были интегрированы метеорологические данные, которые послужили входными начальными и граничными условиями для нестационарной полуторамерной модели конвективного облака. Проведенные расчеты показали, что модель ведет себя адекватно по отношению к описываемому явлению. Однако заключение о пригодности модели для прогнозирования опасных погодных явлений можно будет сделать только после статистической обработки результатов серий численных экспериментов, которые планируются провести в дальнейшем.

Обобщая все вышесказанное, можно сделать вывод о том, что в результате работы была разработана комплексная информационная система, реализованная в виде Web-приложения, которая позволяет интегрировать специализированные метеорологические данные с помощью технологии консолидации и размещать их в реляционной БД. Данные могут быть использованы для верификации модели конвективного облака или прогнозирования опасных конвективных явлений.

Дальнейшее развитие системы предполагает:

• интеграцию метеоданных, передаваемых по защищенным каналам, что даст возможность создать высокоточную, качественную систему;

• добавление новых информационных источников;

• переход от полуторамерной модели к двухмерной и трехмерной.

Литература

1. Khain A., Ovtchinnikov M., Pinsky M., Pokrovsky A., Krugliak H. Notes on the state-of-the-art numerical modeling of cloud microphysics Review // Atmospheric Research. 2000. Vol. 55. P. 159—224.

2. Довгалюк Ю.А., Веремей Н.Е., Синькевич А. А. Применение полуторамерной модели для решения фундаментальных и прикладных задач физики облаков. СПб.: Гидрометеоиздат, 2007. 12 с.

3. Integrated Terminal Weather System (ITWS). URL: http://www.raytheon.com/capabilities /products/itws/ (дата обращения 25.03.2015).

4. Meteorological Assimilation Data Ingest System (MADIS). URL: http://madis.noaa.gov/ (дата обращения 25.03.2015).

5. Advanced Monitoring Methods. High Quality Data Collection from any Location. URL: http://advm2.com/ (дата обращения 31.03.2015).

6. Institute for Radar Meteorology. URL: http://www.iram.ru/iram/index_en.php (дата обращения 26.03.2015).

7. Станкова Е.Н., Раба Н.О., Ампилова Н.Б. Численное моделирование микрофизических процессов в смешанных конвективных облаках. Сравнение результатов расчeтов с данными натурных экспериментов // Науч. конференция ин-тов Росгидромета «Теоретические и экспериментальные исследования конвективных облаков». СПб.: Гидрометеоиздат, 2008. С. 90—91.

8. Raba N. O., Stankova E.N., Ampilova N. On Investigation of Parallelization Effectiveness with the Help of Multi-core Processors // Procedia Computer Science. 2010. Vol. 1, issue 1. P. 2757—2762.

9. Raba N. O., Stankova E. N. On the Possibilities of Multi-Core Processor Use for Real-Time Forecast of Dangerous Convective Phenomena // Lecture Notes in Computer Science. Computational Science and Its Applications — ICCSA-2010. Fukuoka, 2010. Vol. 6017. P. 130-138.

10. Raba N. O., Stankova E. N. On the Problem of Numerical Modeling of Dangerous Convective Phenomena: Possibilities of Real-Time Forecast with the Help of Multi-core Processors // Lecture Notes

in Computer Science. Computational Science and Its Applications — ICCSA—2011. Santander, 2011. Vol. 6786. P. 633-642.

11. Raba N. O., Stankova E. N. On the Effectiveness of Using the GPU for Numerical Solution of Stochastic Collection Equation // ICCSA-2013. Lecture Notes in Computer Science. Pt V. Ho Chi Minh. 2011. Vol. 7975. P. 248-258. (URL: http://link.springer.com/chapter/10.1007/978-3-642-39640-3_18) (дата обращения 01.04.2015).

12. Petrov D. A., Stankova E. N. Use of Consolidation Technology for Meteorological Data Processing // ICCSA. 2014. Guimaraes. Springer Intern. Publ. Switzerland, 2014. Pt 1. P. 440-451.

13. Архив погоды в РФ и мире. URL: http://meteocenter.net/ussr_fact.htm (дата обращения 26.03.2015).

14. Сайт Университета Вайоминга. Кафедра атмосферных наук. URL: http://weather. uwyo.edu/upperair/sounding.html (дата обращения 26.03.2015).

15. Khalid M.I. PHP/CURL Book. URL: http://curl.haxx.se/mail/curlphp-2005-03/0009.html (дата обращения 31.03.2015).

16. Клиентская библиотека работы с URL (cURL). URL: http://www.php.net/manual/ru /book.curl.php (дата обращения 01.04.2015).

17. Богданов А. В., Станкова Е.Н., Тхурейн Кива Лин. Распределенные базы данных. СПб.: СПбГТУ (ЛЭТИ), 2013. 48 c.

18. Паклин Н. Б., Орешков В. И. Бизнес-аналитика: от данных к знаниям: учеб. пособие. СПб.: Питер, 2013. 76 c.

19. Консолидация данных — ключевые понятия // Корпоративный менеджмент. URL: http://www.cfin.ru/itm/olap/cons.shtml (дата обращения 23.03.2015).

20. Евсеева О. Н., Шамшев А. Б. Работа с базами данных на языке C#. Технология ADO.NET: учеб. пособие. Ульяновск: Ульяновск. гос. техн. ун-т, 2009. С. 7-15.

21. Ершова Г.Н. Информационные технологии в книжном деле: учеб. пособие. М.: Моск. гос. ун-т печати, 2002. С. 17-29.

22. Замараев В. Типы программных продуктов // Software&Startups. URL: http://www. softwareandstartups.com/razrabotka-po/tipy-programmnyx-produktov/ (дата обращения 20.03.2015).

References

1. Khain A., Ovtchinnikov M., Pinsky M., Pokrovsky A., Krugliak H. Notes on the state-of-the-art numerical modeling of cloud microphysics Review. Atmospheric Research, 2000, vol. 55, pp. 159-224.

2. Dovgaliuk Iu. A., Veremei N. E., Sin'kevich A. A. Primenenie polutoramernoi modeli dlia resheniia fundamental'nykh i prikladnykh zadach fiziki oblakov [Application of 1.5-D model for solution of fundamental and applied problems in the physics of clouds]. St. Petersburg, Gidrometeoizdat Publ., 2007, 12 p. (In Russian)

3. Integrated Terminal Weather System (ITWS). URL: http://www.raytheon.com/capabilities /products/itws/ (accessed 25.03.2015).

4. Meteorological Assimilation Data Ingest System (MADIS). URL: http://madis.noaa.gov/ (accessed 25.03.2015).

5. Advanced Monitoring Methods. High Quality Data Collection from any Location. URL: http://advm2.com/ (accessed 31.03.2015).

6. Institute for Radar Meteorology. URL: http://www.iram.ru/iram/index_en.php (accessed 26.03.2015).

7. Stankova E. N., Raba N.O., Ampilova N. B. Chislennoe modelirovanie mikrofizicheskikh protsessov v smeshannykh konvektivnykh oblakakh. Sravnenie rezul'tatov raschetov s dannymi naturnykh eksperimentov [Numerical modeling of microphysical processes in mixed convective clouds. Comparison of the results of calculations with the data of natural experiments]. Nauch. konferentsiia in-tov Rosgidrometa "Teoreticheskie i eksperimental'nye issledovaniia konvektivnykh oblakov" [Sc. Conference Institute of Roshydromet comrade "Theoretical and experimental studies of convective clouds"]. St. Petersburg, Gidrometeoizdat Publ., 2008, pp. 90-91. (In Russian)

8. Raba N.O., Stankova E. N., Ampilova N. On investigation of parallelization effectiveness with the help of multi-core processors. Procedia Computer Science, 2010, vol. 1, issue 1, pp. 2757-2762.

9. Raba N. O., Stankova E. N. On the possibilities of multi-core processor use for real-time forecast of dangerous convective phenomena. Lecture notes in computer science. Computational science and its applications — ICCSA-2010. Fukuoka, 2010, vol. 6017, pp. 130-138.

10. Raba N. O., Stankova E. N. On the Problem of Numerical Modeling of Dangerous Convective Phenomena: Possibilities of Real-Time Forecast with the Help of Multi-core Processors. Lecture Notes in computer science. Computational science and its applications — ICCSA-2011. Santander, 2011, vol. 6786, pp. 633-642.

11. Raba N. O., Stankova E.N. On the effectiveness of using the GPU for numerical solution of stochastic collection equation. ICCSA-2013. Lecture Notes in computer science. Pt V, Ho Chi Minh, 2011, vol. 7975, pp. 248-258. (URL: http://link.springer.com/chapter/10.1007/978-3-642-39640-3_18.) (accessed 01.04.2015).

12. Petrov D. A., Stankova E. N. Use of Consolidation Technology for Meteorological Data Processing. ICCSA-2014, Guimaraes, Springer Intern. Publ. Switzerland, 2014, pt 1, pp. 440-451.

13. Arkhiv pogody v RF i mire [Archive of weather in Russia and in the world]. URL: http://meteocenter.net/ussr_fact.htm. (accessed 26.03.2015) (In Russian)

14. Sait Universiteta Vaiominga. Kafedra atmosfernykh nauk [University of Wyoming. College of Engineering. Department of Atmospheric Sciences]. URL: http://weather.uwyo.edu/upperair/ sounding.html (accessed 26.03.2015).

15. Khalid M.I. PHP/CURL Book. URL: http://curl.haxx.se/mail/curlphp-2005-03/0009.html (accessed 31.03.2015).

16. Klientskaia biblioteka raboty s URL (cURL) [The client library for working with URL (cURL)]. URL: http://www.php.net/manual/ru/book.curl.php (accessed 01.04.2015).

17. Bogdanov A. V., Stankova E. N., Tkhurein Kiva Lin. Raspredelennye bazy dannykh [Distributed, databases]. St. Petersburg, S.-Peterb. gos. elektrotekhn. un-t (LETI), 2013, 48 p. (In Russian)

18. Paklin N.B., Oreshkov V.I. Biznes-analitika: ot dannykh k znaniiam: ucheb. posobie [Business Intelligence: from data to knowledge: Tutorial]. St. Petersburg, Piter Publ., 2013, 76 p. (In Russian)

19. Konsolidatsiia dannykh — kliuchevye poniatiia [Data consolidation — the key concepts]. Korporativnyi menedzhment [Corporate management]. URL: http://www.cfin.ru/itm/olap/cons.shtml (accessed 23.03.2015). (In Russian)

20. Evseeva O. N., Shamshev A. B. Rabota s bazami dannykh na iazyke C#. Tekhnologiia ADO.NET: ucheb. posobie [Working with databases in the language C#. Technology ADO.NET: Tutorial]. Ul'ianovsk, Ul'ianovsk. gos. tekhn. un-t, 2009, pp. 7-15. (In Russian)

21. Ershova G.N. Informatsionnye tekhnologii v knizhnom dele: ucheb. posobie [Information technology in publishing: Tutorial]. Moscow, Mosk. gos. un-t pechati, 2002, pp. 17-29. (In Russian)

22. Zamaraev V. Tipy programmnykh produktov [Types of software]. Software&Startups. URL: http: //www.softwareandstartups.com/razrabotka-po/tipy-programmnyx-produktov/ (accessed 20.03.2015). (In Russian)

Статья рекомендована к печати проф. В.Ю.Добрыниным. Статья поступила в редакцию 30 апреля 2015 г.