CC BY
31
управление не может точно реализоваться даже при полном отсутствии возмущений внешней среды; однако известно, что относительная погрешность падает с увеличением временной продолжительности этапа, для которого определяется отдельное плановое задание. Поэтому принципиально возможно учесть и
1. Розоноэр Л.И. Вариационный подход к проблеме инвариантности систем автоматического управления // Автоматика и телемеханика. — 1963. — №6, 7.
2. Величенко В.В. О вариационном методе в
проблеме инвариантности управляемых систем // Автоматика и телемеханика. — 1972. — №4. — С. 22-35.
3. Величенко В.В. Вопросы инвариантности
дискретных систем // Доклады Академии наук. — 1971. — Т. 201. — №1. — С. 284-287
4. Солнечный Э.М. Исследование задачи по-
строения слабо инвариантной системы управления летательным аппаратом // Автоматика и телемеханика. — 1993. — №6. — С. 50-61.
соизмерить два аспекта: ожидание сокращение погрешности реализации планового задания (исходного или скорректированного), если его не изменять и воздействие вновь возникшего возмущения, которое не будет скомпенсировано до изменения корректирующего управления.
----------------- СПИСОК ЛИТЕРАТУРЫ
5. PoznyakA.S., Shtessel Yu.B., Gallegos CJ. Min-Max Sliding-Mode Control for Multimodel Linear Time Varying Systems // IEEE Trans. Automatic Control. —
2003. — Vol. 48. — No 12. — P. 2141-2150.
6. Валуев A.M. Метод инвариантного синтеза для многоэтапных управляемых процессов // Обозрение прикл. и промышл. матем. — 2004. — Т. 11. — Вып. 3 — С. 528-529.
7. Валуев А.М. Моделирование управления производственной системой в дискретно-непрерывном времени. // Обозрение прикл. и промышл. математ. —
2004. — Т. 11. —вып. 2. — С. 309-311.
— Коротко об авторах ------------------------------------------------------------------
Валуев Андрей Михайлович - доцент, кандидат физико-математических наук, кафедра «Организации и управления в горной промышленности», Московский государственный горный университет.
----------------------------------------------- © А. Г. Литвинов, 2005
УДК 622.014.2:658.513.011.56:681.3 А.Г. Литвинов
РАЗРАБОТКА ИНТЕГРИРОВАННОЙ ОБЪЕКТНО-ПРОДУКЦИОННОЙ БАЗЫ ЗНАНИЙ С ИСПОЛЬЗОВАНИЕМ ГЕОИНФОРМАЦИОННЫХ МЕТОДОВ И ТЕХНОЛОГИИ СОМ
Семинар № 10
дной из основных задач ГИС является получение новых знаний, представлений о природе пространственных данных. В то же время исследователи иногда недооценивают возможности ГИС в области поддержки принятия решений, уделяя больше внимания представлению (визуализации) данных. Ценность пространственных данных становится особенно значимой, когда в ГИС включаются средства, базирующиеся на технологиях и методах искусственного интеллекта [1].
Необходимость создания интегрированной объектно-продукционной базы знаний возникла при разработке системы поиска перспектив-
ных участков добычи метана газоугольного месторождения. Необходимо было в рамках одной системы объединить геоинформацион-ные методы (работа с пространственноатрибутивной информацией) и интеллектуальные методы.
Проведенный анализ предметной области (разработка газоугольного месторождения) показал, что применение интеллектуальных методов (методов основанных на знаниях, ней-росетевых методов) актуально.
В тоже время, разрабатываемая система оперирует большим массивом пространственно-атрибутивных данных. Пространственная
их составляющая определяется набором нескольких заранее описанных пространственных элементов. К ним относятся, в частности, точечные элементы, полигоны, полилинии, контуры, призмы, в основании которых находится правильный шестиугольник. Последние составляют основу пространственной модели месторождения. С каждым пространственным элементом может быть связана атрибутивная информация. Такое представление пространственно-атрибутивных данных являются основой
гис.
На рис. 1 представлена архитектура ядра разрабатываемой интегрированной системы поиска перспективных участков добычи метана газоугольного месторождения.
Большинство модулей ядра системы разрабатываются с использованием технологии COM (Component Object Model) [2]. COM - это технология и двоичный стандарт, позволяющие динамично и эффективно строить системы из независимо сконструированных двоичных компонентов, взаимодействующих между собой.
Преимущества модели СОМ и ее актуальность применения в системе обуславливаются
Рис. 1. Ядро интегрированной системы поиска перспективного участка
следующими моментами:
1. Двоичный стандарт позволяет взаимодействовать COM-объектам, написанным на разных языках программирования и работающих различных платформах.
2. Способность обеспечивать взаимодействие COM-объектов независимо от их расположения (внутрипроцессное, межпроцессное или удаленное взаимодейсвие).
3. Способность приложения динамически подключаться к объекту во время выполнения (позднее связывание) и действительная, принудительная инкапсуляция.
4. Стандартизация взаимодействия СОМ-объектов через механизм интерфейсов.
Анализ ядра системы показывает наличие нескольких важных элементов, существенно отличающих ее от других интеллектуальных систем, что продиктовано, прежде всего, необходимостью интегрировать в одной системе геоинфор-мационные и интеллектуальные методы и технологию СОМ.
Начнем рассмотрение ядра системы с механизма подсистемы поиска перспективного участка.
Поиск осуществляется на графе пространства всевозможных состояний поиска. Одно или несколько из этих состояний являются перспективными (оптимальными). Состояние поиска определяется набором (или наборами) выбранных для дегазации элементарных призм пространственной модели месторождения. Таким образом, набор призм - это трехмерное тело, перспективное с точки зрения добычи метана.
Следует отметить, что для эффективной работы механизма поиска перспективного участка текущая ситуация поиска должна характеризоваться не только входящими в рассматриваемых участок элементарных призм, но и призм, прилегающих к нему, а также пространственным положением других объектов, не входящих в рассматриваемый участок. Но для определения (идентификации) текущего состояния поиска достаточно указать множество составляющих его призм.
Очевидно, что всевозможных состояний поиска (вершин графа), также как и этапов поиска (дуг графа), очень много, поэтому проверить все состояния даже на самой современной вычислительной системе либо невозможно, либо процесс поиска займет много времени. Поэтому основной задачей здесь является разработка методов сокращения числа возможных состояний поиска. Также необходимо разработать методы, позволяющие более целенаправленно и быстро двигаться к перспективному состоянию.
Рассмотрим механизм поиска пошагово:
1. Оценка всех элементарных призм заданного пользователем участка поиска по выбранным пользователем критериям, которые применимы для поэлементного оценивания. В результате получаем набор слоев, показывающих оценку по тому или иному критерию с разной степенью важности. Выполнение некоторых критериев может быть задано пользователем как обязательное. Этот шаг позволяет ранжировать элементарные призмы по перспективности включения в участок добычи метана газоугольного месторождения.
2. Выбираются участки, для которых выполняются все обязательные критерии. Этот шаг позволяет сразу резко сократить число возможных состояний поиска.
3. Передается управление циклу {распознавание ситуации - прогноз ситуации - переход к выбранному состоянию - оценка ситуации, РППО} (шаг 4).
4. Цикл РППО:
4.1. Распознавание ситуации использует базу знаний, представленную в виде дерева решений, предварительно построенную с помощью индуктивного алгоритма ГО3 [4]. Для построения оптимального дерева выбирается корень текущего поддерева, соответствующий свойству, имеющего набольшую информативность. Математическую основу для измерения информативности обеспечивает теория информации Шеннона [5]. Таким образом, если ситуация распознана, то сразу выбирается кратчайший путь к следующему оптимальному состоянию. Переход к шагу 4.3.
4.2. Если текущая ситуация не распознана на шаге 4.1, то применяются нейросетевые методы для прогноза перспективности состоя-
ний, находящихся на расстоянии одного шага от текущего состояния.
4.3. Осуществляется переход к наиболее перспективному состоянию, определенному на шагах 4.1 или 4.2.
4.4. Осуществляется оценка нового состояния поиска по системе критериев перспективности. Если оценка нового состояния ниже, чем предыдущего, то выполняется откат к прежнему состоянию и дальнейший переход к другому состоянию, выбранному случайным образом, но находящемуся на расстоянии одного шага от текущего состояния.
Цикл прерывается, если оценка любого нового состояния, в которое можно перейти в результате поиска, меньше оценки текущего состояния. По окончании цикла может быть найдено одно или несколько перспективных состояний.
Следует также отметить, что этот механизм поиска осуществляет трассировку пути поиска для контроля зацикливания поиска, чтобы при возникновении зацикливания (многократного возврата в одно и тоже состояние), модифицировать путь поиска по траектории, которая прежде не выбиралась.
Перейдем к рассмотрению архитектуры базы знаний, которая структурно делится на три части: 1) База знаний объектов предметной области, 2) База знаний критериальной оценки участка добычи, 3) База знаний по управлению поиском перспективного участка. Каждая составляющая использует знания нижележащих составляющих базы знаний. Иерархия частей базы знаний на рисунке показана стрелками.
База знаний критериальной оценки участка добычи связана с объектом участка добычи. Знания распределены по системе горногеологических и горно-технических критериев перспективности участка добычи метана [3]. Следует отметить, что для всех критериев экспертом задается степень их важности и оценки по ним масштабируются.
База знаний по управлению поиском перспективного участка тесно связана с подсистемой поиска и была описана ранее при рассмотрении механизма поиска перспективного участка.
База знаний объектов предметной области (рис. 2) является объектно-продукционной и основана на технологии СОМ.
К объектам газоугольного месторождения относятся такие объекты, как пласты, выработки, трещины, шахты, скважины и другие.
Каждому классу объектов в базе знаний соответствует СОМ-компонент. Каждому СОМ-компоненту ставится в соответствие система продукционных правил. Продукционные правила могут содержать подцели, связанные с другими классами объектов или другими объектами одного класса. Однако их цели должны относиться к родному классу, т.е. изменять свойства только этого класса.
Доступ к СОМ-компонентам осуществляется через систему интерфейсов, позволяющих взаимодействовать всем СОМ-объектам заранее определенным образом. Рассмотрим некоторые из них.
Информационный интерфейс позволяет узнать об объекте название класса, тип класса (пространственный, реальный и т.д.), набор предоставляемых методов и т.д. Также каждый пространственный объект предоставляет интерфейс пространственного позиционирования, с помощью которого можно получить пространственные координаты объекта и определить его положение относительно других объектов.
Другой важной составляющей ядра разрабатываемой системы является геоинформационная подсистема. Основные функции этой подсистемы таковы:
Рис. 2. Структура базы знании распределенной по объектам месторождения
1. Инициализация хранилища пространст-
венно-атрибутивных элементов по запросу управляющего СОМ-объекта определенного
класса пространственных объектов.
2. Предоставление интерфейса к позиционным методам и методам аналитической геометрии по отношению по отношению к отдельным пространственно-атрибутивным элементам хранилища.
3. Как и любая ГИС эта подсистема обеспечивает ввод, хранение, редактирование, вывод в удобном виде пространственно-атрибутивных данных, обеспечивает их целостность и временное масштабирование.
4. За счет операций импорта/ экспорта данных обеспечивается взаимодействие с внешними геоинформационными системами (АсУіе^^, что позволяет эффективно использовать широкий спектр предоставляемых ими функций для дальнейшего анализа пространственных геоданных.
Итак, объектно-продукционная база знаний является ключевым элементом ядра разрабатываемой системы, позволяя эффективно интегрировать
объектно-ориентированный подход, интеллекту- альные и геоинформационные методы.
1. Капралов Е.Г., Кошкарев А.В., Тикунов B.C., Заварзин А.В.; Под ред B.C. Тикунова. Основы геоинформатики. Кн. 2 -2004. - 479 с.
2. Бокс Д. Сущность технологии СОМ. - СПб.: Питер, 2001. - 400 с.
3. Пучков Л.А., Сластунов С.В., Федунец Б.И. Перспективы добычи метана в Печорском угольном
----------------- СПИСОК ЛИТЕРАТУРЫ
бассейне. - М.: Изд-во Моск. гос. горного ун-та, 2004. -557 с.
4. Quinlan J.R. Induction of decision trees. Machine Learning, 1(1): 81-106, 1986.
5. Люгер Д.Ф. Искусственный интеллект: стратегия и методы решения сложных проблем: Пер. с англ./ Люгер Д.Ф.. -4-е изд..-М. и др.: Вильямс, 2003. -863 с.
— Коротко об авторах --------------------------------------------------------------
Литвинов Александр Геннадьевич - магистр, кафедра «Автоматизированные системы управления», Московский государственный горный университет.
------------------------------------------ © С.В. Велесевич, В.М. Шек,
2005
УДК 622.411.33:622.333 С.В. Велесевич, В.М. Шек
АНАЛИЗ ПЕРСПЕКТИВНОСТИ УЧАСТКОВ УГЛЕГАЗОВОГО МЕСТОРОЖДЕНИЯ ДЛЯ ДОБЫЧИ МЕТАНА (НА ПРИМЕРЕ ВОРКУТИНСКОГО МЕСТОРОЖДЕНИЯ)
Семинар № 10
Введение
Угольный метан во многих странах мира, в том числе и в России, рассматривается в качестве компонента топливноэнергетической сырьевой базы и в пересчете на условное топливо занимает четвертое место после угля, нефти и природного газа. По данным [1], прогнозные ресурсы метана угольных месторождений России оцениваются по различным источникам в пределах 50-80 трлн м3 (из них 2 трлн м3 в Печорском угольном бассейне), что близко к запасам «традиционных» газовых месторождений страны.
В МГГУ разрабатываются и исследуются различные проекты промышленного извлечения угольного метана на месторождениях России и стран СНГ. В настоящее время большое внимание уделяется Воркутинскому месторождению, уникальные условия и перспективность промышленного извлечения угольного метана
на котором обусловлены высокой газоносностью угольных пластов.
В настоящее время лишь малая часть метана, выбрасываемого вентиляцией, используется для хозяйственных нужд в местных котельных. Значительные объемы ценнейшего химического сырья и высококалорийного топлива просто выбрасываются в атмосферу. Это не только не приносит экономической выгоды, но и ухудшает экологическую ситуацию в угледобывающем регионе1. Кроме того, наличие большого количества метана в горных выработках и опасность его внезапных выбросов представляет серьезную угрозу для жизни шахтеров. Ввиду перечисленных обстоятельств решение задач, связанных с подготовкой к дегазации месторождения и обоснованием проектных решений, является чрезвычайно актуальным. К числу таких задач относится и «Анализ перспективности участков добычи угольного метана». Подход к ее решению изложен ниже.
