CC BY
13
ИРКУТСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПУТЕЙ СООБЩЕНИЯ
Такайшвили Л.Н. УДК 004.9:620.4
ОСОБЕННОСТИ ВЫЧИСЛИТЕЛЬНОГО ЭКСПЕРИМЕНТА ИССЛЕДОВАНИЯ РАЗВИТИЯ УГОЛЬНОЙ ПРОМЫШЛЕННОСТИ В РАМКАХ ТЭК
Характеристика угольной промышленности как объекта исследования
В современном научном представлении [1] угольная промышленность (УП) страны является одной из систем энергетики (СЭ). СЭ предназначены для производства особого рода продукции — энергии разных видов, имеют ряд общих свойств определяющих особенности вычислительного. Возможность адекватного отражения объекта исследования зависит от его свойств (структурная сложность, масштабность, инерционность, динамичность, активность и др.) Для перехода от реального объекта к экономико-математическим моделям введено понятие информационных свойств объекта [2]. Под информационными свойствами понимаются свойства показателей, используемых для описания и моделирования развития и функционирования объекта. Информационные свойства УП важны для создания инструмента исследования, для выполнения вычислительного эксперимента, являющегося существенной частью исследования. Для исходной информации присущи следующие свойства: неполнота информации, неопределенность, целочислен-ность (дискретность), агрегируемость, неполнота представления объектов. Для результатов решения — агрегируемость показателей, не достаточная определенность решений, необходимость корректировки [2].
Задачи прогнозирования развития угольной промышленности
При исследовании развития и функционирования угольной промышленности в рамках ТЭК страны решаются следующие задачи: прогноз объемов добычи угля; прогнозирование объемов межрегиональных поставок углей; оценка ресурсов и возможных объемов добычи; прогноз спроса на уголь; прогноз цен на уголь; экономические оценки инвестиционных проектов развития, реконструкции
и строительства существующих и новых угледобывающих предприятий; выбор вариантов развития предприятий а так же другие. Для решения этих задач разработана система экономико-математических моделей[3]. Используется два вида моделей: имитационные и модели, формулируемые в виде задач линейного программирования (ЛП). При этом с использованием одной модели может решаться несколько задач. Целевая функция, как правило, содержит финансово-экономические показатели. В результате взаимной увязки задач, может быть найдено оптимальное решение исходной задачи в целом. При этом критерии оптимальности могут быть разнородными и отсутствует информация, позволяющая объективно определить наилучший компромисс между критериями.
Для задач исследования развития УП характерны определенные особенности (табл. 1): неформализуемость отдельных процессов
Таблица 1
Характеристика задач исследования УП
Характеристика Способ преодоления
Неформализуем ость отдельных процессов и связей корректировка экспертом окончательного решения
Большая размерность сведение сложных задач к задачам линейного программирования, для использования доступных программ решения оптимизационных задач
Многокри-териальность сведение к однокритериаль-ной или другим образом
Многозадачность Использование системы моделей
и связей; большая размерность; многок-ритериальность; многозадачность.
Задачи исследования развития отрасли можно охарактеризовать как слабоструктурированные и многокритериальные. Под слабоструктурированными задачами понимаются задачи, процесс решения которых наряду с хорошо изученными, формализуемыми процедурами содержит также компоненты, которым присущи факторы неопределенности, неоднородности, препятствующие формализации и по нагрузке на человека (эксперта) близкие к неструктурированным. В таких задачах предпочтительное решение формируется с участием человека.
Особенности организации вычислительного эксперимента при исследовании развития УП
Исходя из свойств УП, характеризующих УП как объект исследования, и характеристики задач можно сформулировать особенности вычислительного эксперимента при исследовании развития УП. Учитывая многолетний опыт исследования развития УП страны и опыт разработок и использования соответствующего математического, информационного и программного обеспечения [4,5] можно сформулировать способы преодоления сложностей (табл. 2).
Анализ круга задач и особенностей вычислительного эксперимента и свойств предметной области позволил сформировать схему исследования.
Рис. 1. Схема исследования с позиций вычислительного эксперимента
Схема исследования
С позиций организации вычислительного эксперимента можно выделить несколько этапов (рис. 1).
Постановка задачи и ограничение степени ее сложности (этап 1), подразумевает выполнение качественного анализа по выявлению существенных связей и факторов, характеризующих угольную промышленность.
На основе этого анализа составляется описание объекта исследования и формулируются экономико-математические задачи, решаемые в процессе исследования, определяется иерархия целей и задач (этап 2).
Построение информационной модели предметной области (этап 3) позволяет использовать одну и ту же информационную модель исследуемой предметной области для построения разных экономико-математических моделей, иногда отличающихся значительно друг от друга. Этот этап включат также разработку онтологий.
Информационная модель должна быть достаточно полной, чтобы обеспечить:
- потребности исследователя в информации для анализа состояния отрасли;
- расчет технико-экономических показателей, не содержащихся в первичной информации и необходимых для выполнения исследования;
- построение любой модели из системы моделей;
- содержательную интерпретацию результатов расчетов.
На этом этапе происходит уточнение объектов, включаемых в информационную модель, ограничение описания объектов потребностями задач, построение модели данных, определение информационных взаимосвязей между информационной моделью, экономико-математическими моделями и макетами таблиц, необходимых для содержательно интерпретации результатов. Построение модели данных, подразумевает, в первую очередь построение инфологической модели, отражающей семантику предметной области и независимой от СУБД. Затем она отражается в концептуальную, внутреннюю и внешние модели данных. На следующих этапах возможно уточнение потребностей вычислительного эксперимента и возврат на этап 3 для уточнения информационной модели предметной области.
Обработка информации (этап 4), включает расчет технико-экономических показате-
ИРКУТСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПУТЕЙ СООБЩЕНИЯ
Таблица 2
Особенности вычислительного эксперимента при решении задач исследования развития УП
Характеристика Способ преодоления
1 сложность изучаемого объекта; использование системы моделей
2 сложность корректной формальной записи экономико-математических моделей: -сложность изучаемого объекта, - в некоторых случаях невозможность корректной формальной записи всех условий задачи посредством языковых конструкций; Сводим сложную задачу к относительно простой следующим образом: • введение системы возможных ограничений: -по доступным ресурсам углей; -и др. • введение системы допущений (там где не возможно сформулировать ограничения): -слабые связи считаются отсутствующими (морской, речной транспорт и т.п.); -характеристики усредняются (например: средняя теплотворная способность по виду угля); -то что не можем учесть — опускаем как не существующее ( например: пропускная способность железных дорог и морских портов считается не ограниченной) • сведение сложных задач к задачам линейного программирования (для использования доступных программ решения оптимизационных задач)
3 возможное отсутствием полных условий задачи на момент ее постановки многовариантные расчеты
4 проблемы информационного обеспечения: - трудности получения и согласования исходной информации; - сложность представления и отслеживания динамично меняющегося множества объектов УП и их характеристик; - трудоемкость построения машинного представления экономико-математических моделей и обработки результатов расчетов; -использование оценок экспертов; -выделение групп объектов по существенным признакам и использование усредненных по группам характеристик например: угли агрегируются в угли с условно близкими характеристиками (кузнецкий, канско-ачинский, иркутские, якутские, сахалинские и т.п. — 30 углей)
3 невозможность осуществления натурных экспериментов (а также проверки и апробации результатов вычислительного эксперимента на практике);
5 сложность организации и планирования вычислительного эксперимента; создание и использование гибкой схемы исследования и схемы вычислительного эксперимента
7 преобладающая роль исследователя в вычислительном эксперименте (при формировании окончательного решения).
лей, корректировку и модификацию содержания информационной модели.
Моделирование (этап 5) условно можно разбить на несколько шагов.
Шаг 1. Постановка задачи в терминах экономических понятий.
Шаг 2.Составление математического описания модели или формальная интерпретация содержательной постановки задачи, состоящая в разработке экономико-математической модели, выполняющей функции языка-посредника между содержательной постановкой задачи и ее математической моделью, что обеспечивает возможность логически корректного перехода от содержательного анализа к формальному.
Шаг 3. Разработка алгоритма реализации математического описания включает непосредственно реализацию математической модели в виде компьютерной модели, а именно: наборов данных для решения задачи.
Шаг 4. Проверка соответствия математического описания моделируемому процессу или отладка модели.
Из представленных шагов этапа моделирования автоматизированы могут быть при некоторых условиях третий и четвертый.
Рассмотрим подробнее шаг 3. Реализация компьютерной модели выполняется на основе информационной модели предметной области. Разрабатываются программы, осуществляющие построение компьютерной модели или модель формируется вручную. Результатом работы программ, для модели ЛП, являются наборы данных, структура которых жестко определена требованиями прикладного пакета программ, выбранного решателя задачи ЛП.
На шаге 4 осуществляются пробные расчеты, проверка соответствия моделей компьютерной и экономико-математической: проверка правильности формирования наборов данных для задачи ЛП, проверка правильности формирования наборов данных для имитационной модели и проверка их работоспособности, проверка корректности и адекватности постановки задачи по результатам пробных расчетов и т.п.
Этап решения задачи (6) связан либо с решением задачи ЛП, сформированной в виде компьютерной модели, доступными программными средствами и получением решения в традиционном виде, либо с решением задачи с помощью имитационной модели.
Содержательная интерпретация результатов решения (этап 7) подразумевает обра-
ботку решения задачи ЛП, которое обычно представляется в виде значений переменных и двойственных оценок. В результате обработки происходит переход от терминов модели (уравнение, переменная и т.п.) к терминам предметной области (ресурсы, добыча, поставки и т.д.).
Выполнение этапов 1, 2, 5, 8 и принятие решений о возвращении на один из предыдущих этапов связано с не формализуемой работой исследователей и экспертов.
Большое количество обратных связей говорит о сложности организации и планирования вычислительного эксперимента. Переходы на предыдущие этапы исследования могут быть как запланированные, в случае решения взаимосвязанных задач, так и не предусмотренные заранее.
На каждом этапе исследования возможно также выделение отдельных шагов, для решения подзадач, в том числе и параллельно, например, взаимодополняющих оптимизационных задач или задач по обработке результатов решения.
Наличие информационной модели предметной области, т.е. общего информационного поля всех моделей позволяет реализовать взаимосвязь задач как по исходной информации, так и по обменной и обработку результатов решения задач с привлечением внемодель-ной информации.
Предложенная схема вычислительного эксперимента применима как для каждой модели в отдельности, так и для системы моделей в целом. В последнем случае переход от решения одной задачи к другой осуществляется при обратном переходе с этапов 7 и 8 на один из предыдущих.
Основными задачами, при автоматизации вычислительного эксперимента, являются следующие, соответствующие отдельным этапам исследования:
1) разработка модели информационной базы;
2) предварительная обработка технико-экономических показателей для внесения их в информационную базу (например, обработка статистических форм);
3) заполнение информационной базы (ввод, корректировка, сортировка) на машинных носителях;
4) расчет технико-экономических показателей, необходимых для построения моделей;
5) формирование компьютерных моделей;
ИРКУТСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПУТЕЙ СООБЩЕНИЯ
6) проведение расчетов по моделям;
7) интерпретация результатов расчетов;
8) организация хранения многовариантных расчетов.
Задачи 1-3 связаны с разработкой и реализацией базы данных.
Задачи 4-7 ориентированы на работу с компьютерными моделями.
Задача 6, как правило, решается, если это задача ЛП, с помощью стандартного пакета решения задачи ЛП.
Для реализации предложенной схемы вычислительного эксперимента созданы информационное и программное обеспечение. Работа по созданию инструментария [4,5] выполнялась начиная с 1985 года.
Реализация схемы исследования.
При разработке инструментария сформулированы требования к программному и информационному обеспечению с учетом специфики исследования, разработана технология исследования, реализованы база данных и модельно-программный комплекс УГОЛЬ (МПК УГОЛЬ) (Рисунок 2).
Конкретизация схемы исследования, в рамках вычислительного эксперимента характеризует технологию применения математического, информационного и программного обеспечений.
Технология процесса исследования включает разделение его на систему взаимосвязанных процедур и операций, выполняемых более или менее однозначно. Последовательность процедур (или этапов) составляет схему вычислительного эксперимента исследования [4].
Для процесса исследования развития УП характерны следующие особенности:
- Наличие этапов отладки информации и моделей, которые занимают существенную часть времени вычислительного эксперимента;
- Проведение многовариантных расчетов;
-Наличие не всегда формализуемых и
формализованных процедур согласования решений;
- Необходимость привлечения специалистов экспертов;
- Непредсказуемость объема и повторяемости дополнительных вычислений и расчетов по моделям в процессе отладки и после анализа решений специалистами.
Названные особенности накладывают свой отпечаток на технологию использования МПК и были учтены при создании МПК. МПК реализован в электронных таблицах EXCEL, с
Рис. 2. МПК для прогнозирования развития угольной промышленности
использованием возможностей таблиц EXCEL, ПК УГОЛЬ реализован на языке Visual Basic for Applications [5].
Выводы
Учет особенностей вычислительного эксперимента исследования развития угольной промышленности в рамках ТЭК позволил создать гибкий и легко адаптируемый к новым задачам инструментарий для исследований. Практическое применение схемы исследования и МПК УГОЛЬ показало рациональность и удобство выбранной формы организации инструментария. С помощью МПК УГОЛЬ по приведенной схеме исследования неоднократно выполнялся прогноз развития угольной промышленности на период до 2020 года [6].
Учитывая современный уровень развития информационных технологий необходимы уточнение технологии исследования и реинжиниринг имеющегося МПК УГОЛЬ с учетом имеющегося опыта создания и использования инструментария.
БИБЛИОГРАФИЯ
1. Мелентьев, Л.А. Системные исследования в энергетике. М.: Наука, 1983. — 455 с.
2. Такайшвили, Л.Н. Особенности угольной промышленности, как объекта исследования в рамках ТЭК/ Информационные и математические технологии в науке, технике и образовании/ труды Х Байкальской Всероссийской конференции «Информационные и математические технологии в
науке, технике и образовании», Иркутск: 5. ИСЭМ СО РАН, 2008. - С. 313-320.
3. Соколов, А.Д., Такайшвили, Л.Н. Моделирование и оптимизация развития угольной промышленности в условиях рынка //Пятые Мелентьевские теоретические чтения. Материалы научно-практической конференции / Москва, 8 — 9 декабря 2004 г. — 6. М: Изд-во ИНЭИ РАН, 2004. С. 281-291.
4. Орехова, Л.Н., Разработка программного и информационного обеспечения для прогнозирования развития угольной промышленности страны/ Автореферат,-Иркутск, СЭИ СО РАН, 1991,18с.
Соколов, А.Д., Такайшвили Л.Н. Инструментальные средства для исследования угольной промышленности // Информационные технологии в науке и образовании // Труды Всероссийской конференции - Иркутск: ИСЭМ СО РАН, 2002, - С. 116-121.
Соколов, А.Д., Агафонов, Г.В., Музычук, С.Ю., Такайшвили, Л.Н. Закономерности раз-вития угольной промышленности // Системные исследования проблем энергетики. Новосибирск, Наука, Сибирская издательская фирма РАН.- 2000. - С. 445-460.
Парамонов В.В. УДК 004.42
РЕАЛИЗАЦИЯ И АПРОБИРОВАНИЕ ИНТЕЛЛЕКТНОГО ВАРИАНТА МРА-ПОДХОДА АВТОМАТИЗАЦИИ КОНСТРУИРОВАНИЯ ИНФОРМАЦИОННОЙ СИСТЕМЫ_
Назначения и требования к ИС "Популя-ционный раковый регистр". В настоящее время по прогнозам Всемирной организации здравоохранения (ВОЗ), распространенность онкологических заболеваний в мире возрастёт в 2 раза в период с 1999 по 2020 г. (с 10 млн до 20 млн новых случаев онкологии и с 6 млн. до 12 млн. регистрируемых смертей)[2]. Одной из мер по предупреждению развития раковых заболеваний служит создание РР, который позволяет агрегировать данные о состоянии заболеваемости населения на различных территориях. Актуальность его создания и ведения отмечена Приказами Минздрава РФ № 420 от 23 декабря 1996 и N 135 от 19 апреля 1999 г., в которых определены цели совершенствования системы Государственного ракового регистра, а также требования к унификации и стандартизации данных о больных злокачественными новообразованиями (ЗНО) в соответствии с международными стандартами, утвержденными ВОЗ для раковых регистров.
В настоящее время в России существуют, главным образом, локализованные информационно-справочные системы частично решающие задачи информационной поддержки профилактики и лечения больных злокачественными новообразованиями, которые реализованы на устаревших операционных системах и устаревшем программном обеспечении. Например, одна их таких платформ реализации Microsoft Access 97 не обеспечивает поддержки современных сетевых протоколов для обмена информацией с другими системами автоматизации учреждения здравоохранения, в т.ч. централизованными базами данных.
В настоящее время перспективной считается разработка кроссплатформенных WEB приложений. Это позволяет не ставить акцент на производительность рабочих станций на местах операторов, избежать необходимости установки специального программного обеспечения на каждую рабочую станцию, не зависеть от типа установленных операционных систем на рабочих станциях.
