CC BY
16
УДК 004.7
DOI: 10.24412/2071-6168-2023-1-355-363
МОДЕЛЬ ОЦЕНКИ НАДЕЖНОСТИ РЕГИОНАЛЬНОЙ СЕТИ ПЕРЕДАЧИ, ОБРАБОТКИ И ХРАНЕНИЯ ДАННЫХ
С.А. Багрецов, С.С. Соколов, К.А. Зобнин, О.С. Лаута
В статье рассматривается комплекс модели функционирования центрального ядра региональной сети передачи, обработки и хранения данных - административного центра обработки информации, и их модели взаимодействия, на основании которой позволяется контролировать потоки между всеми уровнями региональной сети передачи, обработки и хранения данных, а также производится оценка надежности региональной сети передачи, обработки и хранения данных, как сложной системы.
Ключевые слова: региональная сеть передачи, обработки и хранения данных, административный центр обработки информации, пуассоновский поток информации, марковские графы.
Административный центр обработки информации (АЦОИ) и районный центр (РЦОИ) обрабатывают запросы и решают задачи, поступающие от других РЦОИ в режимах непосредственного доступа, пакетном режиме в реальном масштабе времени. Управление каналами передачи данных сетевого аппаратно-программного комплекса региональной сети передачи, обработки и хранения данных (РСХД) на протокольном уровне осуществляется как в режиме нормальной процедуры обслуживания, так и асинхронном, а также в режимах селективного или группового отказов.
Каждый центр представляет собой комплекс аппаратно-программных средств, предназначенный для получения и отправки, обработки и хранению социально экономической информации в одном из указанных выше режимов по каналам передачи данных (рис.1).
Админиспрапивный ценпр обрабопки информации (АЦОИ)
Контролер Домена
Медиасервер
Кластер БД
Дисковые системы хранения данных
Дисковые системы хранения данных
Районный ценпр обрабопки информации (РЦОИ)
Контролер Домена
Медиасервер
Сервера БД
[|[[[ щ
Hill Hill Ш_я.
Дисковые системы Дисковые системы хранения данных хранения данных
РЦОИ 1 РЦОИ 2
РЦОИ 2
РЦОИ N
Рис. 1. Взаимодействие АЦОИ с РЦОИ на основе технологий SAN
Аппаратный комплекс состоит из N серверов, объединенных в кластер, и комплекса сетевого оборудования. Программные средства представляют собой операционные системы, средства анализа и оптимизации сетевого трафика на программном и аппаратном уровнях, средства обработки и хранения информации (СУБД, СУБЗ и т.д.), корпоративные антивирусные средства и т.д.
Модель исследования динамики функционирования РСХД представляет собой комплекс из модели функционирования центрального ядра РСХД - АЦОИ, и модели РСХД взаимодействия АЦОИ и РЦОИ [1,2].
Представим АЦОИ как СМО, учитывающую дискретный характер функционирования отдельных звеньев сети, и определим ее вероятностные характеристики. Для описания АЦОИ, как класса СМО используем следующее обозначение:
[on - line при n = 1,2,...] ,1Ч
P | M | m | n = \ \, (!)
[of - line при n = 0 J
где Р - закон распределения времени между поступлениями задач на решение; M - экспоненциальный закон распределения времени обслуживания; G - произвольный закон распределения; m - количество обслуживающих серверов кластера АЦОИ или количество РЦОИ; n - количество линий передачи данных.
Пусть в соответствии с условием (1) на вход системы АЦОИ поступает пуассоновский поток информации с интенсивностью Л, а на ее выходе имеется экспоненциальное распределение времени обслуживания со средним заначением 1/ ¡1. При этом обеспечивается получение оценок показателей эффективности работы РСХД снизу. Несмотря на то, что их получение проще они являются достаточным условием для оптимизации РСХД, по сравнению с оценками, полученными при анализе работы систем с детерминированными характеристиками времен между поступлениями запросов (задач) на обслуживание, когда можно добиться более равномерной загрузки всех элементов РСХД и лучших показателей эффективности.
Такое распределение, поступающих на вход в систему запросов (задач) характерно для функционирования информационных систем электронного документооборота, электронных библиотек, систем дистанционного обучения и т.д. Поэтому в дальнейшем используются допущения об экспоненциальном распределении времени между поступлениями запросов (задач) на обслуживание и моделируются случайные марковские процессы дискретные в пространстве и непрерывные во времени.
С учетом этого считаем, что АЦОИ работает по принципу off-line при n=0 или по принципу online, при n=1. Обработка запросов является многофазной.
Примем следующие символьно-логические обозначение состояний АЦОИ для исследования ее работы и расчета основных вероятностных характеристик.
Пусть A0 - система исправна и свободна (не загружена); Д - система загружена и обрабатывается один запрос; A2 - система загружена, и запрос обработан и готов для дальнейшей передачи или обработки; A3 - система загружена, и информация двух запросов обработана и т.д.; An - система загружена, информация (n-1) запросов обработана.
Схема размеченного графа указанных состояний СМО АЦОИ приведена на рис. 2.
¿11
Р1/А1
41
Ли
р ш
Mil
А. К
и.
л*
PnWn
А
А
Рп-1/ Ап-1
Рп/Ап Рэ/Аз
■¿00 ^33 ^ Ч-1-Д-1
Рис. 2. Схема размеченного марковского графа состояний АЦОИ
Каждому состоянию поставим в соответствие вероятность того, что система в данный фиксированный момент времени будет в указанном состоянии, т.е.
Л0(Г) ^Р0(*);
Л^Ц) ^);...; (2)
лп (0 ^ Рп (0.
Переход из состояния Л^ в Л . (/ < ]) вызывается входным потоком информации с интенсив-
ностью
Л
Ao(t) ^ 4(t) ^Ло1; A,(0 ^ A2(t) ^Л12;...; A„-1 (t) ^ An (t) ^Л„-1,„.
(3)
Переход из состояния Ai в A, (i < j) происходит с интенсивностью ¡1,, моментов времени
завершения обслуживания запросов РЦОИ:
Ao(t) ^ Ait)
МО ^ МО ^21;...; (4)
A„_i(t) ^ An (t) ^¡„^
Предположим, что в определенный момент времени t0 в АЦОИ находится n запросов, что соответствует An (t0). Пусть в фиксированный момент времени At в систему поступил еще один запрос. Этому состоянию будет соответствовать обозначение An+1 (t0 + At) . Если за такой же момент времени
At завершена обработка одного из запросов, то состояние имеет обозначение An1 (t0 + At) . Следовательно, марковскую последовательность процессов изменения состояний СМО, определяемых увеличением задач и путем поступления информации по соответствующему закону распределения, и уменьшения количества задач в системе путем выдачи РЦОИ результатов обработки, можно записать в виде марковских цепей соответственно увеличения и уменьшения запросов (задач) в СМО:
An (te) ^ An+1(t0 + At); At ^ 0;
(5)
An (te) ^ An_i(t 0 + At ); At ^ 0.
Для марковских последовательностей состояний увеличения и уменьшения (5) запишем вероятность перехода СМО в состояние увеличения или уменьшения:
Pn{An(t0) ^ An+1 (t0 + At)} = Л +iAt + 0(At);
(6)
Pn+i{An+i(t0) ^ An (t0 + At); At ^ 0} = 2+1, At + 0(At).
Вероятность того, что в момент времени At в АЦОИ не поступит ни одного запроса:
Pn{An(t0) ^ An+1 (t0 + At)} = 1 - A„n+iAt + 0(At). (7)
В результате, в процессе функционирования, система может находиться в (n+i) состоянии с соответствующими ей вероятностями P0(t),P1(t),P2(t),...,Pn(t),Pn+1(t),i = 1,k, сумма которых равна единице и которые определяются из задаваемых интенсивностей входных потоков информации Л и
выходных потоков обслуженных запросов ¡1^ .
Для расчета вероятностей состояний рассмотрим, приведенный выше, рисунок марковской цепи последовательностей состояний СМО АЦОИ, квадраты которого представляют состояния и их вероятности в соответствии с системой (2), а стрелки - входные и выходные потоки, переводящие систему в состояние увеличения или уменьшения номеров последовательности марковской цепи в соответствии с (3) и (4). Опишем СМО линейными однородными алгебраическими уравнениями на основе использования размеченного графа.
В соответствии с (2) и графом марковской цепи установившегося режима СМО запишем линейные алгебраические уравнения, сбалансированные по нулю, для A0, A1, A2,..., An-1, An :
Р0Л00 + р210 — Р0Л00 — P0201 = 0;
Р0Л01 + Р1Л11 + P2221 — р210 — P1211 — Р1Л12 = 0;
p\2+pA2 + р3м22 — p2M2l — р2 — р2х2Ъ = 0; (8)
Р2Л23 ^ Р3Л33 ^ P4243 РзМз2 Р3Л33 Р3Л34 0;
Рп-1Хп-2,п-1 + Рп-1Хп- 1,п-1 + РпЛп,п-1 Рп-\Мн- 1,п-2 Рп-1Хп- 1,п-1 Рп-1Хп-1,п 0
Преобразуем (8) и запишем в виде одной системы из п+1 уравнений с п неизвестными Р{, коэффициентами которых являются Х^ и ¡1-:
Р1Л10 - Р0Х01 _ 0
Р0Х01 + Р2¡21 -Р1Л10 - Р1Х12 _ 0;
Р1Х12 + Р3Л32 - Р2Л21 - Р2Х23 _ 0 (9)
Р2Х23 + Р4 ¡43 - Р3 ¡32 - Р3Х34 _ 0
Pn—12n— 2,n—1 + Pn2n,n—1 Pn—12n—1,n—2 Pn—12n—1,n 0;
357
Из (9) и учитывая, что Е Р{ = 1, определяется вероятность первоначального состояния си-
г=0
стемы:
Ро = 1/ЕП
к=0 }=1
к (Л Л
л]-1, ]
, ]-1 у
(10)
Найдя вероятность Р0 и подставляя его в (9), определяются остальные вероятности системы, представленные в виде размеченного графа на рис.2. Если величины Л] и ¡1] принять постоянными, то вероятности состояний определяются:
Р =ш
к=1
ЕПп
к=0 ]=1
(11)
где Т]к - коэффициент относительной интенсивности входного потока запросов.
Он представляет собой среднее число запросов, поступающих в АЦОИ за средний интервал времени обслуживания запроса и определяет производительность и эффективность использования аппаратно-программного обеспечения АЦОИ. Если за среднее время ответа обслуживания запроса принять
его математическое ожидание М (г ) = —, то
Л
п= ЛМ (г опв) (12)
Исходя из (10) и (11) определяются предельные значения вероятностей.
В начальный момент времени (г = 0) состояния системы и их вероятности с учетом (2) можно представить:
Е Р (г) = Р0 (г) + Р:(г) +... + Рп (г) = Р (0) + Р(0) +... + Рп (0) = 1.
(13)
Л,(0) ^ Р(0) = 1;
4(0) ^ Р(0) = 0;...; (14)
Лп (0) ^ Рп (0) = 0.
Рассчитав начальные и предельные состояния системы, определим основные характеристики эффективности ее функционирования. Для этого, пусть Р0 (0) = 1, система исправна, имеет сто процентную готовность к эксплуатации, а Рг (0) = 0 при г е 1 пчто соответствует тому, что в системе не решается ни одна задача. Следовательно, при начальных условиях Рг (г) является функцией от г и 0 < г < п , а Рп (г) является вероятностью того, что в момент г в АЦОИ поступят данные по п+1 задаче, что фактически является отказом в ее решении, т.е. Ропказа ~ Рп+1 (г) ~ Рп (г) , тогда относительная пропускная способность (отношение количества обработанных запросов, к общему количеству поступивших) определяется как:
Сотн = 1 - Рп (г), (15)
а для предельных состояний системы при (г ^ <х>) :
Со
1 -Пп
к=1
п к
ЕП п,
к=0 ]=1
Номинальная (проектная) пропускная способность определяется как:
С,, = С А .
(16)
Так как система в соответствие со своими техническими возможностями может обрабатывать только определенное число запросов то, очевидно, что время их обработки может не соблюдаться (табл.1).
Для определения числа запросов (задач) системы, будем считать, что их допустимое число Н представляет собой случайную величину, принимающую только конечное множество целочисленных значений, закон распределения которой определен. Ее математическое ожидание определяется как:
358
г=0
1
М(Н) = Х ЬгРг =Х = N .
1=0 г=0
С учетом (17) среднее количество запросов в системе определяется как:
п 1 п к
(17)
N=ЕП) ^П)-. (18)
г=0 к=1 к=0 ]=1
В момент времени t0 + Дt (Дt ^ 0) и с учетом (10) вероятность того, что в АЦОИ находится на обработке хотя бы один запрос, будет равна:
PAt (n > 0) = 1 -
n k (Л
L П 'Л-
( з \
7-1. j
k=0 j=1
V^j.j-1 У
(19)
Так как в системе находятся N запросов и в некоторый момент времени Дt обрабатываются Nзапросов, то их среднее количество в очереди на обслуживание определяется как:
N = N - N .
ср р
Время обработки запросов
Таблица 1
Коэффициент производительности АЦОИ Соотношения интенсивностей потоков Загрузка центра обработки информации Сроки ответов или обработки запросов
) = 0 Л = / = 0 Простой Не определены
)< 1 Л</ Недогрузка Соблюдаются
}} = 1 N Номинальная загрузка Соблюдаются
}} > 1 Л> / Перегрузка Задерживаются
/-П Л-21
;
К
Р1УЛ1
Pï/Aa
Ip,
M ЗуЦ
Рои'Ао
X "Щ
Pv'Ai
Pm1 Am "f
Л
Л mp,
SJ+Ьр
Pj/Aj
VZ7
Л» л„
Рис. 3. Схема размеченного марковского графа, состоящего из т ЦОИ Среднее время нахождения одного запроса (задачи) в системе определяется как:
т = Ж.
ср л
Среднее время нахождения запросов в очереди определяется как:
Т = N сР
срз~ л '
С учетом (20) и (21) среднее время обработки запроса будет равно:
Т = т - т .
ср ср
(20)
(21) (22)
Теперь рассмотрим модель РСХД, как систему с потерями, состоящую из взаимодействия АЦОИ и районных центров обработки информации, работающую в режиме разделения времени, при использовании п=2,3,.. ,,т каналов связи.
P | M V G | m | n =
ion - line при n = 1,2,...] \of - line при n = 0 J 359
Пусть А0 - система исправна и свободна (не загружена); А1 - в одном из т РЦОИ происходит обработка и передача данных; А2 - на двух РЦОИ происходит обработка и передача данных, а остальные т-2 РЦОИ простаивают и т.д.; Ат - РСХД система загружена и задействованы т РЦОИ (рис.3).
В соответствии с подходом, изложенным выше, и графом марковской цепи СМО составим линейные алгебраические уравнения, сбалансированные по нулю, для всех т состояний:
Р1Л- Р0Х = 0;
Р0Х - (Х + ¡)Р1 + 2лР2 = 0;
Р1Х - (Х + 2¡л)Р2 + 3лР3 = 0;
Р2Х - (Х + 3л)Р3 + 2лР4 = 0;
..........(23)
Р}Х - (Х + (] + 1)л)Р}+1 + (] + 2)лРз+2 = 0;
Рт-2Х - (Х + (т - 1)л)Рт-1 + тлРт = 0; Рт-Х- тлРт = 0.
Решив систему (23) получим формулы для вычисления вероятностей состояний РСХД.
Р1 = (Х/л) Р0;
Р2 = (Х2 / 2л2)Р;
(24)
Р} = (Х /М )Р0.
т т
Так как £Р. = 1, то с учетом (24) получаем £ (Х1 /]! Л )Р0 = 1.
1=0
1=0
Р0 =
£ (х / ./л1)
1 =0
(25)
Найдя вероятность Р0, определяем остальные вероятности системы:
Р = (Х/л)
£ (Х / ) (26)
_ 1 =0 _
Так как ВРС призвана решать широкий круг задач и обрабатывать большие массивы информации, то возможна ситуация отказа одному из РЦОИ в обслуживании на АЦОИ, вероятность которого определяется (по формуле Эрланга), как:
(Х/л)т /т!
Ротк =
отк т
£ (Х/Л) * / *
* =0
(27)
(28) (29)
Тогда номинальную (проектную) пропускную способность РСХД вычисляем, как:
С = Сотн Х . (30)
Среднее время решения одной задачи за ьм РЦОИ рассчитывается как обратная величина средней интенсивности обслуживания одного запроса системой т =1 и определяется как:
Тогда из (2.27) вероятность обслуживания будет равна:
Р = 1 -Р
обсл отк '
Относительная пропускная способность РСХД определяется как:
Сотн = 1- Ртк = Рг
обсл '
л
Тср = т
Ил,
_ 1=1 360
(31)
С учетом формулы (29) определяется среднее количество занятых РЦОИ, обрабатывающих запросы и (или) выполняющих задачи:
N = С0тН = = ЛСотн . (32)
м
Применяя теорему Литтла определим производительность РСХД относительно средней задержки п-го РЦОИ. Сервера РЦОИ, входящие в систему, обращаются к серверу или кластеру административного центра обработки информации и после начального периода средней длительности tнач задача одного из них, которая требует среднего времени работы X , поступает на обслуживание. Очередь
запросов (задач) находится на сервере АЦОИ и обслуживается сервером (кластером) в соответствии с некоторыми приоритетами или с разделением времени.
Для определения максимально достижимой пропускной способности предположим, что всегда найдется сервер РЦОИ, готовый занять место другого сервера, покинувшего систему, поэтому число серверов в системе всегда равно п. Исходя из этого, можно принять модель, в которой районные серверы, вышедшие из обслуживания АЦОИ, сразу же делают запрос на повторное обслуживание.
Исходя из вышеописанного, показатель производительности центрального сервера системы определяется, как отношение числа районных центров, находящихся на обслуживании, к среднему времени пребывания их на обслуживании:
С п
C рсхд = ~ , (33)
обсл
где tобсл - среднее время пребывания РЦОИ на обслуживании на АЦОИ.
Хобсл = Хнач + Хзад , (34)
где гзад - средняя задержка между моментом, когда запрос поступил в АЦОИ, и моментом, когда его выполнение было завершено. Так как величина tзад может изменяться от X (случай, когда задача должна
ждать, пока другие задачи того же РЦОИ будут обслужены) до пХ (случаи, когда задача РЦОИ должна ждать выполнения задач всех других РЦОИ), имеем
X + X < X Й < X + Ш . (35)
нач р обсл нач р V '
Учитывая эти неравенства и равенство (33), получаем
п „ п
-< С р <-. (36)
Х нач + ПХр Х нач + Х р
Пропускная способность также ограничена сверху производительностью сервера (кластера) АЦОИ. В частности, так как время решения задачи в среднем равно X р единицам, то сервер АЦОИ не
1
может при длительной работе выполнять более чем — задач в единицу времени, т.е.
хр
С —
С РСХД < . (37)
хр
Из соотношений (36) и (37) получаем границы для максимально достижимой пропускной способности:
п „ • I 1 п ,
< СРСХД < тт{— ---\. (38)
х + ш "РСХД и г + г
нач р [ р нач р
п
Используя гобсл =-, получим также границы для средней задержки сервера РЦОИ в
С РСХД
случае, когда система полностью загружена:
Шах|пХр , Хнач + Хр } < Х0бсл < Хнач + пХр . (39)
1 + X нач
При п <- пропускная способность критически зависит от числа обслуживаемых
Хр
РЦОИ. В этом случае ресурс сервера АЦОИ остается неиспользуемым в течение значительной доли времени, так как РС большую часть времени находятся в процессе начального периода входа на сервер АЦОИ.
В противоположность этому при п > (1 +1нач) / tp пропускная способность критически зависит от вычислительной мощности сервера АЦОИ. Точное значение максимально достижимой пропускной способности зависит от параметров системы, таких как вероятностные характеристики времени начального периода и времени обработки, и способа, по которому задачи обслуживаются центральным процессором, полученные границы не зависят от этих параметров, как следствие теоремы Литтла.
На основании изложенной методики, при заданной интенсивности поступления запросов, известном среднем временем обработки одного запроса или заданной интенсивности обслуживания можно определить следующие характеристики моделируемой РСХД, состоящей из АЦОИ и т РЦОИ:
предельные вероятности, определяющие наличие запросов (задач) в системе или их отсутствие;
относительный коэффициент загрузки системы;
относительную пропускную способность;
проектную пропускную способность;
сроки решения задач;
время простоя системы;
процент загрузки или недогрузки системы;
среднее количество обрабатываемых и ожидающих обработки запросов; среднее время нахождения запроса и общее время нахождения запросов в системе; необходимое количество РЦОИ для обработки заданной доли от всех поступающих запросов. Заключение. Кроме того, функционирование РСХД описанной в рамках данной модели позволяет контролировать потоки между всеми уровнями РСХД, а также производить оценки надежности РСХД как сложной системы по показателю сохранения эффективности:
Кэ =-£-, (40)
W
ид
р ? ид
соответственно;
где Wр, Wид - показатели эффективности системы при реальной и идеальной надежности ее элементов
Wp =£дЩ , (41)
i=0
itPi = (42)
i=0
где к - количество состояний системы с ненулевой эффективностью Wi ; pi - вероятности состояний с
ненулевой эффективностью Wi ; W0 = Wud - какой либо из показателей эффективности, рассчитываемых по приведенной выше методике, для состава аппаратно-программных средств соответствующего состоянию безотказности всех элементов системы p0, рассчитываемой с использованием классических методов оценки.
Wi - показатели эффективности, рассчитываемые по приведенной выше методике для неполного состава средств, обусловленного отказами части элементов системы и соответствующего состояниям системы, вероятность появления которых pi может быть рассчитана известными методами расчета по структурной схеме расчета надежности систем с простой или сложной структурой.
Список литературы
1. Леонтьев Л.П., Гохман О.Г. Проблемы управления учебным процессом: математические модели. Рига, 1984. 239 с.
2. Майер Р.В. Компьютерная модель обучения с изменяющимся коэффициентом забывания // International Journal of Open Information Technologies. 2014. Vol. 2, № 1. Р. 12-16.
3. Митрофанов М.В., Стародубцев Ю.И. Информационная модель образовательного процесса: проблемы и решения // Электросвязь. 2020. № 8. С. 8-13.
4. Козленко А.В., Авраменко В.С., Саенко И.Б., Кий А.В. Метод оценки уровня защиты информации от НСД в компьютерных сетях на основе графа защищенности // Труды СПИИРАН. 2012. №2(21). С. 41-55.
Багрецов Сергей Алексеевич, д-р техн. наук, профессор, bogrecoVV@mail. ru, Россия, Санкт-Петербург, Военной академии связи имени Маршала Советского Союза С.М. Буденного,
Соколов Сергей Сергеевич, д-р техн. наук, проректор по образовательной деятельности, sokoloVv S S@yandex.ru, Россия, Санкт-Петербург, Государственный университет морского и речного флота имени адмирала С. О. Макарова,
Зобнин Константин Александрович, соискатель, Z_o@mail.ru, Россия, Санкт-Петербург, Научно-исследовательский институт РУБИН "Рубин",
Лаута Олег Сергеевич, д-р техн. наук, профессор, laos-82@yandex. ru, Россия, Санкт-Петербург, Государственный университет морского и речного флота им. адмирала С. О. Макарова
A MODEL FOR ASSESSING THE RELIABILITY OF A REGIONAL DATA TRANSMISSION, PROCESSING
AND STORAGE NETWORK
S.A. Bagretsov, S.S. Sokolov, K.A. Zobnin, O.S. Lauta
The article considers a complex model of the functioning of the central core of the regional data transmission, processing and storage network - the administrative center for information processing, and their interaction model, on the basis of which it is possible to control flows between all levels of the regional data transmission, processing and storage network, and also assesses the reliability of the regional data transmission, processing and storage network, as a complex system.
Key words: regional data transmission, processing and storage network, administrative information processing center, Poisson information flow, Markov graphs.
Bagretsov Sergey Alekseevich, doctor of technical sciences, professor, bogrecoVV@mail.ru, Russia, St. Petersburg, Military Academy of Communications named after Marshal of the Soviet Union S.M. Budyonny,
Sokolov Sergey Sergeevich, doctor of technical sciences, vice-rector for educational activities, sokolo Vv_S_S@yandex.ru, Russia, St. Petersburg, Admiral S.O. Makarov State University of the Sea and River Fleet,
Zobnin Konstantin Alexandrovich, applicant, Z_o@mail.ru, Russia, Saint Petersburg, RUBIN Research Institute "Rubin",
Lauta Oleg Sergeevich, doctor of technical sciences, professor, laos-82@yandex.ru, Russia, St. Petersburg, Admiral S.O. Makarov State University of Marine and River Fleet
УДК 004.6
DOI: 10.24412/2071-6168-2023-1-363-369
КОМПЛЕКСНАЯ ОЦЕНКА ИНФОРМАТИВНОСТИ ФИЗИКО-ХИМИЧЕСКИХ ПОКАЗАТЕЛЕЙ
СЕЛЬСКОХОЗЯЙСТВЕННЫХ УГОДИЙ
Я.С. Котов, А.В. Греченева, А.Н. Голбан, К.А. Макеев, Д.М. Смыслов
Рассмотрена методология оценки информативности и значимости признаков метеорологических и физико-химических параметров сельскохозяйственных угодий для задач прогнозирования с помощью методов машинного обучения и построения базы знаний для интеллектуальной системы поддержки принятия решений. Выделены наиболее информативные показатели, согласно знаниям, накопленным специалистами в профильной области и результатам проведения корреляционно-регрессионный анализ на основе открытых данных.
Ключевые слова: интеллектуальный анализ данных, сельскохозяйственные угодья, системы поддержки принятия решений, машинное обучение.
Высокая энтропия экосистем земель сельскохозяйственного назначения снижает точность бизнес-планирования аграрных предприятий разных масштабов, что, в свою очередь, может влиять не только на получаемую прибыль, но и на продовольственную безопасность как отдельных районов, так и регионов или стран [1, 2]. Помимо этого, антропогенный фактор негативно влияет на своевременность и качество принятия управленческих решений. Математическое моделирование позволяет совершать кратко- и долгосрочное прогнозирование динамики различных сельскохозяйственных показателей. Построение математической модели требует выделения наиболее информативных признаков, имеющих влияние на состояние экосистемы [3, 4].
Целью работы является проведение комплексной оценки информативности физико-химических показателей сельскохозяйственных угодий для построения интеллектуальных систем поддержки принятия решений в задачах растениеводства.
Описание методологии оценки информативности показателей. Для оценки информативности различных показателей с целью решения поставленной задачи были использованы 3 методологии:
