Содержание к диссертации
Введение
Глава 1. Проблема автоматизированной поддержки предупреждения и ликвидации чрезвычайных ситуаций 37
1.1. Особенности управления в условиях риска ЧС 37
1.1.1. Объективные тенденции повышения риска чрезвычайных ситуаций 37
1.1.2. Проблемы защиты от чрезвычайных ситуаций 38
1.1.3. Задачи автоматизированной поддержки управления и АИУСРСЧС 39
1.1.4. Проблемы построения территориальных подсистем 40
1.1.5. Проблемы решения функциональных задач 42
1.1.6. Требования к системам и технологиям 44
1.1.7. Формальная постановка проблемы автоматизированной поддержки предупреждения и ликвидации ЧС 46
1.2. Проблема формирования новых подходов в автоматизации задач предупреждения и ликвидации ЧС 47
1.2.1. Анализ существующих разработок и проблема комплексности 47
1.2.2. Общие тенденции развития компьютерных технологий 52
1.2.3. Интеллектуализация программных систем 53
1.2.4. Проблема интеграции технологий геоинформационных и экспертных систем 55
1.2.5. Проблема построения интегрированных систем для решения функциональных задач в территориальных АИУС РСЧС 57
1.3. Задачи диссертационной работы 60
Выводы к главе 1 61
Глава 2. Концептуально-методические основы построения экспертных геоинформационных систем предупреждения и ликвидации ЧС 63
2.1. Интеллектуальные системы и их применение 63
2.1.1. Понятие интеллектуальной системы 63
2.1.2. Экспертные системы и инженерия знаний 65
2.1.3. Нейронные сети и нейроэкспертные системы 68
2.1.4. Применение интеллектуальных технологий в задачах предупреждения и ликвидации ЧС 69
2.2. Геоинформационные системы и их применение 74
2.2.1. Понятие геоинформационной системы 74
2.2.2. Модели данных для представления картографической и семантической информации 76
2.2.3. Информационно-графическое моделирование 78
2.2.4. Применение ГИС-технологий в задачах предупреждения и ликвидации ЧС 79
2.3. Построение экспертных геоинформационных систем как интегрированных систем поддержки принятия решений 81
2.3.1. Процесс принятия решений и концепция автоматизированной поддержки 81
2.3.2. Автоматизация процесса принятия решений и компьютерные технологии 87
2.3.3. Понятие экспертной геоинформационной системы и принципы построения 89
2.3.4. Развитие функциональных возможностей ГИС и ЭС в интегрированной системе 91
2.4. Методические концепции построения ЭГИС ЧС 94
2.4.1. Сценарный подход к решению задач по предупреждению и ликвидации ЧС 96
2.4.2. Применение сценарного подхода для формирования решений 97
2.3.2. Критерии выбора решений 99
2.3.4. Ситуационный подход к формированию решений 101
Выводы к главе 2 103
Глава 3. Модели знаний для построения и применения ЭГИС ЧС 103
3.1. Особенности представления и применения знаний в ЭГИС 103
3.1.1. Модели знаний и реализация ситуационного сценарного подхода 103
3.1.2. Модели знаний и информационно-графическое моделирование 106
3.1.3. Требования к модели знаний в ЭГИС ЧС 107
3.2. Базовые модели знаний для ЭГИС 108
3.2.1. Продукционная модель 108
3.2.2. Фреймовые конструкции 111
3.2.3. Представление и применение нечетких знаний 112
3.2.4. Представление и применение ннадежных знаний 117
3.3. Гибридная модель знаний для экспертной геоинформационной системы 118
3.3.1. Объектно-ориентированная продукционно-фреймовая модель знаний с процедурными расширениями 118
3.3.2. Основные формы символьных конструкций ЯПЗ и их интерпретация 121
3.3.3. Стратегии логического вывода 126
3.4. Вспомогательные формы представления знаний 128
3.4.1. Представление продукций в конечных предикатах 128
3.4.2. Использование секционированных троичных матриц дизъюнктов 133
Выводы к главе 3 137
Глава 4. Методы построения и применения PSA-структуры знаний для формирования решений в ЭГИС ЧС 139
4.1. Проблема эффективности вывода 139
4.2. Структурирование знаний 142
4.2.1. PSA-структура продукционной системы 142
4.2.2. Логический вывод с использованием PSA-структуры 146
4.2.3. Отношения на множестве продукций 148
4.2.4. Построение PSA-структуры "сверху вниз" 149
4.2.5. Построение PSA-структуры "снизу вверх" 152
4.2.6. Смешанная формально-эвристическая процедура построения PSA-структуры 160
4.3. Структурирование нечетких знаний 165
4.3.1. Отношения на множестве нечетких продукций 165
4.3.2. Особенности построения PSA-структуры 167
4.4. Применение PSA-структуры для построения сценариев решений 168
4.4.1. Построение сценариев решений 168
4.4.2. Оценивание решений и выбор альтернатив 169
Выводы к главе 4 170
Глава 5. Объектно-ориентированная реализация экспертных геоинформационных систем 172
5.1. Построение экспертной геоинформационной системы 172
5.1.1. Экспертная ГИС как интегрированная система 172
5.1.2. Многоуровневая объектно-ориентированная модель . 174
5.2. Построение ГИС в составе интегрированной системы 180
5.2.1. Требования к функциям и структуре ГИС в интегрированной системе 180
5.2.2. Объектно-ориентированная модель ГИС 181
5.2.3. Объектная реализация функций ГИС и ее возможности 183
5.3. Построение экспертной системы в составе ЭГИС 185
5.3.1. Структура и функции экспертной системы 185
5.3.2. Объектно-ориентированная модель экспертной системы 186
5.3.3. Реализация стратегий вывода 189
5.4. Инструментально-технологические требования 190
5.1. Требования к инструментальным средствам 190
5.2. Общие технологические требования 193
5.3. Технология прототипирования 194
Выводы к главе 5 195
Глава 6. ЭСПЛА: инструментальная среда для построения экспертных геоинформационных систем 197
6.1. Назначение и состав инструментальных средств системы ЭСПЛА . 197
6.2. Средства построения ГИС в интегрированной системе 198
6.2.1. Структура и функции ГИС CarSys 198
6.2.2. Объектно-ориентированная программная реализация ГИС 200
6.2.3. Форматы картографических данных 201
6.2.4. Реализация связей с атрибутивными данными 205
6.2.5. Импорт и сохранение электронной карты 206
6.3. Оболочка экспертной системы 209
6.3.1. Назначение и состав оболочки ЭС 209
6.3.2. Словарь системы и представление фактов 211
6.3.3. Представление тематических знаний 211
6.3.4. Структурный редактор знаний 214
6.3.5. Интерпретатор знаний и реализация стратегий логического вывода 216
6.4. Общие требования к процессу проектирования прикладных систем с применением инструментальной среды ЭСПЛА 221
6.4.1. Проектирование прикладной системы 221
6.4.2. Требования к программному и техническому обеспечению . 222
6.5.Технологические этапы построения прикладной системы 224
6.5.1. Настройка на предметную область: наполнение словаря . 224
6.5.2. Формирование тематических баз знаний 224
6.5.3. Подключение расчетных библиотек 225
6.5.4. Создание ГИС приложений 226
6.5.5. Подключение тематических баз данных 226
6.5.6. Разделение прав доступа к ресурсам 227
Выводы к главе 6 228
Глава 7. Системы поддержки принятия решений по предупреждению и ликвидации ЧС 230
7.1. Область применения инструментальной системы ЭСПЛА 230
7.2. Экспертная геоинформационная система по ликвидации химических аварий 232
7.2.1. Назначение, функции и состав системы 232
7.2.2. Тематические базы знаний 234
7.2.3. Библиотека электронных карт 236
7.2.4. Базы данных системы ЭСПЛА по химическим авариям 237
7.2.5. Программная библиотека расчетных методик 243
7.2.6. Функционирование системы 244
7.3. Поддержка принятия решений по ликвидации аварий на промышленных объектах 247
7.3.1. Назначение и особенности построения системы . 247
7.3.2. Задачи системы 248
7.3.3. Информационно-методическое наполнение системы 249
7.3.4. Контроль рисков аварийных ситуаций на промышленных объектах 251
7.4. Применение системы ЭСПЛА для поддержки действий оперативной службы 252
7.4.1. Назначение системы 252
7.4.2. Технология разработки и тиражирования 254
7.5. Другие приложения и перспективы применения инструментальной системы ЭСПЛА 256
Выводы к главе 7 259
Глава 8. Решение задач по предупреждению ЧС 261
8.1. ГИС «Безопасность региона» 261
8.1.1. Цели и задачи системы 261
8.1.2. Основные результаты 263
8.2. Анализ состояния гидроэкосистемы с учетом риска возникновения ЧС 264
8.2.1. Гибридный подход к реализации системы 264
8.2.2. Основные функции системы 267
8.3. Прогнозирование пожарной опасности лесов 270
8.3.1. Проблема оперативного прогнозирования лесных пожаров 270
8.3.2. Система нечетких знаний 272
8.4. Долгосрочное прогнозирование ЧС 274
8.4.1. Прогнозирование последствий глобальных климатических изменений 274
8.4.2. Проблемы анализа климатической информации 277
Выводы к главе 8 284
Заключение 285
Список использованных источников 289
Приложение 1. Список сокращений 316
Приложение 2. Дополнительные иллюстрации 318
Приложение 3. Примеры рекомендаций 327
Приложение 4. Документы о применении результатов диссертационной работы 343
- Анализ существующих разработок и проблема комплексности
- Представление и применение нечетких знаний
- Объектно-ориентированная модель экспертной системы
- Другие приложения и перспективы применения инструментальной системы ЭСПЛА
Введение к работе
Актуальность проблемы. Развитие производственной и социальной сфер деятельности человечества сопровождается усложнением промышленных технологий и расширением их влияния на окружающую среду. Наблюдается общемировая генденция роста числа и масштабов техногенных и природных чрезвычайных ситуаций (ЧС). В России эта тенденция усиливается условиями переходного периода в экономике.
Снижение социально-экономического ущерба от чрезвычайных ситуаций может быть достигнуто за счет заблаговременного прогнозирования возникновения ЧС и их последствий, организации пред\'предительных мер по устранению возможных причин аварий и катастроф, определения наиболее эффективных мер для ликвидации ЧС и оперативной поддержки принятия решений в кризисных ситуациях.
Оперативное реагирование на возникновение ЧС является основным фактором, определяющим эффективность управленческих решений. Природные и техногенные ЧС, как правило, быстротечны, и эффективность упраачения определяется, главным эбразом, тем, насколько быстро в момент ЧС формируются адекватные решения. От этого зависит, насколько быстро и слаженно задействуются организационные механизмы. Катастрофы похожи на военные действия. Их «...объединяет необходимость быстрого реагирования на происходящее и жесткие требования к гистемам управления...во многих случаях спасти сотни жизней возможно, если эгромная организационно-техническая система будет задействована в течение минут» [Воробьев Ю.Л., Малинецкий Г.Г., Махутов Н.А., 1999).
Важнейшую роль в решении перечисленных задач должно сыграть создание в России государственной автоматизированной информационно-управляющей системы предупреждения и ликвидации чрезвычайных ситуаций - АИУС РСЧС, ее территориальных и функциональных подсистем. Цель создания системы - реализация комплексного подхода к предотвращению и ликвидации ЧС. Руководство МЧС России в число первоочередных задач ставит создание территориальных и функциональных подсистем АИУС РСЧС. Проблема построения государственной автоматизированной :истемы по чрезвычайным ситуациям представляет широчайший фронт работ для :оздания научных основ и разработки прикладных систем в этой области.
В мировой практике накоплен значительный опыт по комплексному решению
задач автоматизированной поддержки принятия решений по предупреждению и
тиквидации чрезвычайных ситуаций. Отечественные исследования ведутся
гравнительно недавно. Проблемы оценки и управления риском рассматриваются в
рамках ФЦП "Безопасность населения и народнохозяйственных объектов с учетом
риска возникновения природных и техногенных катастроф" и в других федеральных
целевых программах, государственным заказчиком которых яшіяется МЧС России.
Задачи комплексной автоматизированной поддержки принятия решений поставлены в
ряде документов, принятых руководством страны. Таким образом, объективные
аспекты актуальности рассматриваемых задач закреплены государственными
решениями. Рассмотрим еще один важный аспект. -^
В последнее десятилетие, на рубеже XXI века, особенно быстрыми темпами развиваются компьютерные технологии, наблюдается смена парадигм и методологий, на которых они основаны. Традиционные подходы исследования операций заменя-
ются новой методологией поддержки принятия решений, которая позволяет учесть особенности предметной области, справиться с решением плохо формализуемых, неструктурированных задач. От традиционных систем обработки данных осуществляется переход к применению знаний и созданию интеллектуальных систем. Внедряются методы наглядного представления решений и информационно-графического моделирования, спрос на которые подтверждается лавинообразным распространением геоинформационных технологий.
Таким образом, проблема построения автоматизированных систем поддержки предупреждения и ликвидации ЧС актуальна не только в силу объективной необходимости решения прикладных задач, но и в силу того, что в настоящее время необходимо создание методов их решения, использующих новые методические и технологические концепции. Методологические требования вытекают из особенностей постановки задач поддержки принятия решений в условиях экстраординарных ситуаций. Управление в условиях ЧС отличается от штатных условий гибкостью, необходимостью работы с недостоверной и неполной информацией, высоким темпом изменения ситуации, необходимостью формирования в кратчайшие сроки как можно более эффективных решений, высокой результативностью, требованиями минимизации времени и минимума потерь при ликвидации ЧС. Эти особенности требуют развития новой методологии поддержки упрааченческих решений, основанной на использовании сценарного подхода и методологии ситуационного управления в сочетании с новыми методами информационного моделирования.
Методической базой создания новых технологий должен служить сценарный подход (Архипова Н.И., Кульба В.В., 1994; Косячснко С.А., Кузнецов Н.А., Кульба В.В., Шелков А.Б., 1998). Методология сценарного подхода позволяет систематизировать информацию о возможном развитии ЧС и адекватном реагировании. Задача управления в условиях ЧС может рассматриваться как задача поиска сценария решения по сценарию событий с учетом критериев адекватности и эффективности. Однако общеизвестны трудности формирования сценариев ЧС: заранее просчитать их полностью практически невозможно, возникает необходимость учета неопределенности. Проблема осложняется еще и тем, что решение разных типов задач требует обработки разных типов информации. Это порождает необходимость развития сценарного подхода с применеішем методов ситуационного управления и построения стратегий формирования решений в условиях неполной, нечеткой и ненадежной информации (Поспелов Д.А., 1986, Мелихов А.Н., Бернштейн Л.С., Коровин С.Я., 1990).
Работа посвящена развитию базовой методологии ситуационного управления на основе сценарного подхода с использованием методов инженерии знаний и информационно-графического моделирования. Главным результатом яшіяетея создание новой технологии построения автоматизированных систем поддержки принятия решений, основанной на совместном применении экспертных и геоиформационных систем. Применение знаний для представления сценариев ЧС и критериев принятия решений позволяет применить технологию экспертных систем (ЭС) для эффективного формирования решений. Информационно-графическое моделирование с применением ГИС-технологий позволяет наглядно представить ситуацию, и за счет этого значительно сократить время на осмысление решений. Гибридный подход, используя наилучшие качества обеих технологий, дает новые возможности для по-
вышения эффективности управленческих решений, позволяя автоматизировать работу, связанную с построением тематических карт, и использовать геоинформационную систему (ГИС) в процессе формирования решений. Такая постановка проблемы выдвигает новые требования к представлению и организации знаний, выразительности модели и языка представления знаний, к методологии структурирования знаний и стратегиям эффективного логического вывода. Эти проблемы рассматриваются в теоретической части работы. В работе рассмотрены предлагаемые информационные модели и технологические концепции построения экспертных геоинформационных систем (ЭГИС). На новой технологической платформе решен ряд функциональных задач предупреждения и ликвидации чрезвычайных ситуаций
В связи с изложенным, разработка научных основ создания моделей знаний и технологии проектирования экспертных геоинформационных систем для решения функциональных задач поддержки принятия решений по предупреждению и ликвидации чрезвычайных ситуаций яатяется актуальной научно-технической проблемой, имеющей важное народно-хозяйственное значение.
Актуальность подтверждается тем, что диссертационная работа выполнена в соответствии с приоритетными направлениями фундаментальных исследований РАН по информатике, вычислительной технике и автоматизации, в том числе, по фундаментальным проблемам построения систем автоматизации, по проблемам принятия решений и экспертным системам, и в соответствии с планами фундаментальных и прикладных научных исследований Института вычислительнош моделирования СО РАН в 1991-1999 гг.
Исследования проводились по проектам ГНТП «Безопасность населения и народнохозяйственных объектов с учетом риска возникновения природных и техногенных катастроф» (раздел «Применение ГИС-технологий»), ФЦП «Создание территориальных звеньев АИУС РСЧС в регионе», региональной НТП «Новые технологии дія управления и развития региона» (проект «Создание ГИС «Безопасность региона»).
Исследования получили финансовую поддержку по грантам РФФИ, Миннауки, администрации Красноярского края, Красноярского государственного экологического фонда, Главного управления по делам ГО и ЧС Красноярского края, Главного упраатения по делам ГО и ЧС г. Красноярска, поддержаны Сибирским региональным центром ГОЧС и ЛПСБ и МЧС РФ.
Цель работы: Повышение эффективности управленческих решений по предупреждению и ликвидации ЧС за счет применения технологии экспертных геоинформационных систем, позволяющей снизить временные затраты на формирование, выбор и картографическое моделирование решений, тем самым, уменьшить затраты времени и материальных ресурсов на их исполнение и, в итоге, снизить потери от ЧС.
Идея работы заключается в гибридизации технологий экспертных и геоинформационных систем для совместного применения в единой программной среде, что позволяет получить качественно новые технологические возможности. Построение гибридной технологии основывается на создании моделей знаний, позволяющих применять экспертную систему как дня формирования и выбора решений, так и для
управления интегрированной программной средой, автоматически активизировать функции геоинформационной системы, вычислительные алгоритмы и информаци-оиные подсистемы для информационно-графического моделирования.
Основные задачи работы:
-
Исследование проблемы поддержки управления в условиях риска чрезвычайных ситуаций. Обоснование целей и задач создания автоматизированных систем по предупреждению и ликвидации ЧС в рамках территориальной подсистемы АИУС РСЧС.
-
Постановка и исследование проблемы комплексной поддержки управления и принятия решений, обоснование необходимости применения интеллектуальных и геоинформационных технологий для поддержки управленческих решений по чрезвычайным ситуациям.
-
Исследование текущего состояния проблемы применения экспертных и геоинформационных систем в информациошю-упрааіяющих системах по чрезвычайным ситуациям.
-
Исследование общих тенденций к интеграции компьютерных технологий и опыта комплексного подхода и построения гибридных систем по проблемам безопасности и предупреждения ЧС.
-
Исследование принципов построения систем поддержки принятия решений (СППР) на основе семиотической модели ЭГИС, представляющей синтаксический, семантический и прагматический аспекты интегрированной системы поддержки принятия решений
-
Исследование моделей знаний для реализации ситуационного сценарного подхода к представлению ЧС, формированию и оценке решений, с учетом особенностей задач и неопределенности информации.
-
Исследование моделей знаний для реализации прагматических функций ЭГИС. Разработка языка представления знаний.
-
Разработка методов структурирования знаний.
-
Построение стратегий логического вывода для формирования решений с оценкой вычислительных затрат и затрат на исполнение решений.
-
Разработка технологии проектирования экспертных геоинформационных систем для реализации гибридного подхода к принятию решений.
-
Разработка комплекса инструментальных программных средств и технологии их применения для построения экспертных геоинформационных систем по чрезвычайным ситуациям.
-
Применение разработанных методических и инструментальных средств для решения функциональных задач по предупреждению и ликвидации чрезвычайных ситуаций.
Методы исследований, применяемые в работе, базируются на методологии инженерии знаний, представления и применения знаний, структурирования знаний, математической логике, нечеткой логике, методах параллельных вычислений и параллельного вывода, нейросетевых технологиях, методах объектно-ориентированного проектирования, теории баз данных, моделях и методах представления и обработки пространственной информации в географических информационных сис-
темах, методологии системного подхода в проектировании больших систем, методах построения систем поддержки управления и систем поддержки принятия решений, методологии сценарного подхода, методологии ситуационного управления.
Основные положения, выдвигаемые па защиту:
1. Предложены модели представления знаний в интегрированных СППР по
чрезвычайным ситуациям, позволяющие реализовать ситуационный сценарный под
ход и функции формирования решений с привлечением информационно-
моделирующих функций ГИС и других средств вычислительного моделирования.
Модели рассчитаны на комплексное решение разнотипных задач по предупрежде
нию и ликвидации ЧС, в том числе с учетом неопределенности.
2. Разработаны формально-эвристические методы PSA-структурирования зна
ний в интегрированных СППР ЧС и стратегии эффективного логического вывода с
применением PSA-структуры. Предложенные методы позволяют повысить произво
дительность логического вывода при формировании решений, оценить вычисли
тельные затраты, оценить и учесть при выборе решений ожидаемые затраты на их
исполнение.
-
Разработана технология проектирования экспертных геоинформационных систем для реализации гибридного подхода к принятию решений, основанная на многоуровневой модульной объектно-ориентированной модели ЭГИС, включающей гибридную объектно-ориентированную модель представления и применения знаний и объектно-ориентировашгую модель ГИС.
-
На основе предложешшх моделей и методов создана инструментальная оболочка-среда ЭСПЛА дія построения экспертных геоинформационных систем, в состав которой входят оболочка экспертной системы, геоинформационная система CarSys и средства организации их совместного функционирования для формирования решений и информационно-графического моделирования. Предложена технология применения системы ЭСПЛА для построения экспертных геоинформационных систем по чрезвычайным ситуациям.
-
Разработаны важнейшие функциональные подсистемы территориальной системы по чрезвычайным ситуациям Красноярского края: в том числе система ЭСПЛА 3.0 по ликвидации химических аварий, по взрывоопасным ситуациям на промышленных объектах, подсистемы ГИС «Безопасность региона» для районирования территории по уровням рисков ЧС.
Достоверность научных положений подтверждается:
Теоретическими исследованиями проблемы поддержки упра&ления в условиях риска чрезвычайных ситуаций. Обоснованием необходимости применения интеллектуальных и геоинформационных технологий для поддержки упраатенче-ских решений по чрезвычайным ситуациям.
Исследованием общих тенденций к интеграции компьютерных технологий и опыта комплексного подхода и построения гибридных систем по проблемам безопасности и предупреждения ЧС, показавшим перспективность интеграции ГИС и ЭС.
Исследованием моделей знаний ачя реализации сценарного подхода к представлению ЧС, формированию и оценке решений, с учетом особенностей задач,
ненадежности и нечеткости информации и реализации прагматических функций ЭГИС. Установлено, что предложенная объектно-ориентированная продукционно-фреймовая модель представления знаний позволяет в полном объеме реализовать эти функции и может служить основой для реализации ситуационного подхода.
Формальными доказательствами сходимости пакета алгоритмов построения PSA-структуры знаний. Доказаны 8 утверждений (теорем) о свойствах форм представления знаний в ЭГИС и об условиях сходимости предложешшх алгоритмов.
Опытно-промышленными испытаниями предложенной технологии, подтверждающими корректность и перспективность предложенного научного подхода к широкому классу задач.
Опытом применения разработанного программного инструментария для построения ряда программных систем по решению функциональных задач поддержки принятия решений по предупреждению и ликвидации ЧС. Установлено, что инструментальная среда ЭСПЛА в сочетании с предложенной технологией позволяет перевести проектирование прикладных программных систем на типовую основу и обеспечивает значительное сокращение материальных и финансовых ресурсов на их создание.
Опытом широкого промышленного внедрения разработашшх программных систем в структурах управления ГО и ЧС, который показал широкую востребованность и высокую надежность разработанных программных систем в промышленной эксплуатации.
Анализом эффективности функционирования разработанных программных систем и эффективности получаемых решений. Установлено, что за счет сокращения времени формирования решений, повышения их качества и комплексности удается существенно сократить социальные потери и материальный ущерб от ЧС.
Корректным и комплексным использованием современных методов проектирования интегрированных информациоїшьгх систем, методов инженерии знаний, теории баз данных и методов иредстааления и обработки пространственной информации в геоинформационных системах.
Научная новтиа
1. Разработан и применен уникальный гибридный подход к решению проблем
комплексной автоматизированной поддержки принятия решений по предупрежде
нию и ликвидации ЧС природного и техногенного характера, основанный на совме
стном применении технологий ЭС и ГИС в рамках одной программной системы.
Предложенный подход позволил расширить функции поддержки управления путем
использования знаний экспертной системы не только для формирования решении,
но и для автоматизации картографического анализа и моделирования.
2. Разработаны модели представления и применения знаний в геоинформаци
онных системах, основанные на гибридизации и расширении продукционных и
фреймовых моделей знаний, и допускающие обработку ненадежной и нечеткой ин
формации, активизацию данных и инициализацию внешних процессов. За счет объ
ектно-ориентированной реализации гибридные модели позволили осуществить на
единых синтаксических принципах разнообразную семантическую интерпретацию
символьных конструкций языка предстаачения знаний и широкие прагматические возможности интегрированной системы.
-
Разработаны оригинальные формально-эвристические методы PSA-структурирования знаний в интегрированных СППР по чрезвычайным ситуациям и стратегии эффективного логического вывода с применением PSA-структуры, позволяющие оценить и снизить вычислительные затраты на формирование решений и оценить ожидаемые затраты на исполнение решений.
-
Разработана многоуровневая модульная объектно-ориентированная модель ЭГИС, включающая гибридную объектно-ориентированную модель представления и применения знаний и объектно-ориентированную модель ГИС, что позволило реализовать технологию построения гибридной системы.
-
Создана уникальная инструментальная оболочка-среда ЭСПЛА для построения экспертных геоинформационных систем и предложена технология применения системы ЭСПЛА для построения экспертных геоинформационных систем по чрезвычайным ситуациям.
-
По-новому решены функциональные задачи построения систем поддержки принятия решений по предупреждению и ликвидации ЧС при построении ряда автоматизированных систем в рамках территориальной информационно-управляющей системы по чрезвычайным ситуациям.
Практическая ценность. Результаты проведенных исследований позволяют:
использовать модели и методы инженерии знаний для информационно-графического моделирования и автоматического формирования тематических электронных карт;
использовать информационно-моделирующие функции ГИС в процессе формирования решений экспертной системой;
создавать интегрированные системы поддержки принятия решений на основе совместного применения и развития технологий экспертных и геоинформационных систем;
создавать информационно-управляющие системы на основе принципиально новой технологии, обеспечивающей комплексную поддержку организационного управления, включая формирование решений и информационно-графическое моделирование;
сократить временные и финансовые затраты на создание СППР ЧС разного уровня - от отдельных предприятий до территории - за счет использования типовой инструментальной среды.
увеличить оперативность и улучшить качество решений по предупреждению и ликвидации чрезвычайных ситуаций.
Реализация работы
Результаты диссертационной работы использованы при проектировании территориальной информационно-управляющей системы предупреждения и ликвидации чрезвычайных ситуаций Красноярского края. Разработанные модели, методы, инструментальные средства применены для создания ее функциональных подсистем. По
рекомендации МЧС России Красноярский край признан полигоном для апробирования и внедрения новых технологий.
Программные системы, построенные с применением предложенной в диссертационной работе технологии, внедрены в эксплуатацию и используются в Главном управлении по делам ГО и ЧС г. Красноярска, в Главном управлении по делам ГО и ЧС Красноярского края, в городах и районах Красноярского края, в Сибирском региональном центре ГОЧС и ЛПСБ, Учебно-методическом центре ГОЧС Красноярского края, что подтверждено актами о внедрении и другими документами.
Инструментальные средства для создания экспертных геоинформационных систем рекомендованы СРЦ ГОЧС и ЛПСБ для применения в качестве типового инструментария с целью создания систем поддержки деятельности оперативной дежурной смены центров управления в кризисных ситуациях на территории Сибири. СРЦ ГОЧС и ЛПСБ выступил с ходатайством перед МЧС РФ о присуждении премии за научно-техническую разработку создателям экспертной геоинформационной системы ЭСПЛА во главе с автором настоящей диссертационной работы.
Полученные результаты приведены в отчетах СО РАН и РАН, использованы в ряде проектов, выполняемых в ИВМ СО РАН и в интеграционных проектах СО РАН. Система ЭСПЛА включена в Сборник завершенных научно-исследовательских и опытно-конструкторских работ институтов СО РАН (Новосибирск, 1999).
Апробация работы
Основные результаты, отдельные положения, а также результаты конкретных прикладных исследований и разработок докладывались на научных семинарах и конференциях в ИВМ СО РАН (1991-1999), на региональных научно-практических конференциях и на совещаниях СО РАН, посвященных географическим информационным системам.
Результаты работы были представлены на десятом юбилейном симпозиуме "Problems of Modular Information Computer Systems and Networks" (Санкт-Петербург, 1993), на первом российско-немецком симпозиуме "Intelligente Informationstechnologien in der Entscheidungsfindung" (Москва, 1995) в рамках Всероссийского форума по информатизации, на Всероссийских конференциях "Проблемы информатизации региона" (Красноярск, 1996-1999 гг.), на Всероссийской конференции «Проблемы защиты населения и территорий от чрезвычайных ситуаций» (Красноярск, 1997 г.), на Международной конференции "Интеркарто-4" (г. Барнаул, 1998 г.), на Международной конференции "Спасешіе, защита, безопасность - новое в науке, технике, технологии" (Москва, 1995 г.), на V научной конференции "Современные методы математического моделирования природных и антропогенных катастроф", посвященной 275-летию РАН (Красноярск, 1999 г), на Региональной конференции «Достижения науки и техники - развитию сибирских регионов» (Красноярск, 1998-1999 гг.), на Всероссийском семинаре «Нейроинфор-матика и ее приложения» (Красноярск, 1997-1998 гг.), на краевой конференции "Экологическое состояние и природоохранные проблемы Красноярского края" (Красноярск, 1996 г.), на Международной конференции "Математические модели и методы их исследования" (Красноярск, 1999 г.) и многих других.
Программные системы, созданные на основе разработанных инструментальных средств, демонстрировались на ряде выставок, в том числе на выставке, посвященной 25-летию СО РАН, на постоянно действмощей выставке СО РАН, на Междуна-
ю"
родных выставках МЧС РФ (1995-1998 гг.), на региональной выставке «Сибирская ярмарка» (1999), на выставках «Достижения науки и техники - Сибирскому региону" и др., что подтверждено дипломами, каталогами и другими материалами.
Публикации п личный вклад в решение проблемы
Диссертация основана на теоретических, методологических и экспериментальных исследованиях, выполненных коллективом лаборатории систем искусственного интеллекта Института вычислительного моделирования СО РАН.
Теоретические результаты, представленные в главах 1 - 4, получены непосредственно автором. Объектно-ориентированная продукционно-фреймовая модель знаний разработана совместно с кандидатом технических наук СВ. Исаевым. Проектирование и разработка инструментальной среды ЭСПЛА и прикладных систем выполнены коллективом лаборатории СИИ под руководством и при непосредственном участии автора.
По результатам исследований автором опубликовано более 70 работ.
Объем п структура диссертации
Диссертация состоит из введения, 8 глав, заключения, списка использованных источников и 4 приложений. Работа содержит 365 страниц машинописного текста, 45 рисунков, 11 таблиц. Список использованных источников включает 277 наименований.
Работа выполнена в Институте вычислительного моделирования СО РАН.
Автор считает своим долгом выразить благодарность директору Института, члену-корреспонденту РАН В.В. Шайдурову за постоянное внимание к работе, профессору В.В. Москвичеву за плодотворное сотрудничество. Особую благодарность автор выражает академику Ю.И. Шокину и профессору A.M. Федотову за поддержку на начальных этапах, что сыграло решающую роль в развитии представленного в работе направления.
Работы по созданию прикладных систем выполнялись в творческом содружестве со специалистами Главного управления по делам ГО и ЧС Красноярского края и Сибирского регионального центра ГОЧС и ЛПСБ. Автор выражает глубокую признательность капитану I ранга В.И. Терешкову, заместителю начальника СРЦ, инициатору и участнику прикладных разработок.
По ряду исследовательских и прикладных работ осуществлялось сотрудничество с Институтом леса СО РАН, вузами г. Красноярска, участниками Красноярского регионального геоинформационного центра СО РАН.
Глубокую благодарность автор выражает коллективу лаборатории систем искусственного интеллекта ИВМ СО РАН. Высокая квалификация и активность сотрудников лаборатории послужили гарантией результативности выполненных работ.
Анализ существующих разработок и проблема комплексности
Проблема автоматизированной поддержки решения задач в рамках АИУС РСЧС очень широка. Она естественно декомпозируется по рассматриваемым видам чрезвычайных ситуаций, каждый из которых обладает своими особенностями. Функциональные подходы к их решению также чрезвычайно многообразны. Поэтому, несмотря на то, что многие коллективы ведут исследования в этом направлении, пока весь спектр функциональных задач АИУС РСЧС далеко не охвачен.
Исследования по проблемам автоматизации задач предупреждения и ликвидации ЧС ведутся во ВНИИ ГОЧС. ВНИИ ГОЧС выполняет важнейшие задачи по разработке нормативно-методических материалов, выполняет координирующие функции в формировании новых стратегических задач развития АИУС РСЧС [2, 3,10,42, 206].
Разработками по проблемам предупреждения и ликвидации ЧС занимаются также организации РАН. В числе ведущих - ИПУ РАН. Основные достижения - развитие сценарного подхода и подходов к интеллектуализации [8, 96, 115,116].
В ИБРАЭ РАН развиваются работы по комплексному проектированию территориальных экспертных систем по безопасности, по созданию автоматизированной системы по радиационным авариям, развиваются методы применения нейросетевых технологий для анализа распределенной информации и др. [1-2, 181,100, 104,7].
Значительный вклад в развитие методологии предупреждения и ликвидации чрезвычайных ситуаций и создания АИУС РСЧС внесли В.А. Акимов, В.Н. Бурков, Ю.Л. Воробьев, Е.В. Грацианский, СВ. Гутарев, А.Н. Елохин, А.В. Костров, С.А. Косяченко, Н.А. Кузнецов, В.В. Кульба, В.Н. Лисица, Г.Г. Малинецкий, Н.А. Махутов, В.В. Москвичев, В.А. Пантелеев, А.С. Печеркин, А.П. Попов, Б.Н. Порфирьев, Б.В. Потапов, А.Н. Проценко, А.Л. Рагозин, В.И. Сидоров, М.И. Фалеев, А.Б. Шелков и многие другие исследователи и разработчики.
Результаты работ по созданию автоматизированных систем по чрезвычайным ситуациям представлены в [2, 10, 11, 12, 47, 48, 94, 96, 155, 181, 223, 243, 247, 248, 251, 265, 267, 269, 271, 274, 275]. Рассмотрим ряд разработок, получивших наибольшую известность.
В числе программных систем по химическим авариям, можно назвать систему «Поддержка» (ВНИИ ГО ЧС), которая обеспечивает накопление паспортных данных по химически опасным объектам, выполняет подготовку справочных данных по полям концентраций АХОВ при авариях на ХОО, подготовку справочных данных для принятия решений по защите населения, по объектам, видам, объемам и срокам выполнения аварийно-спасательных работ. Программа ТОКСИ, разработанная в НТЦ "Промбезопасность", выполняет расчет полей концентраций для аварий с утечкой АХОВ, определяет число погибших на основе токсодоз. Программа «Прогноз» (МТЦ «Поиск») реализует методику прогнозирования масштабов заражения аварийно-химически опасными веществами на химически опасных объектах и транспорте, включает в себя некоторые возможности по визуализации зоны заражения на карте местности, некоторые примеры и базу данных по крупнейшим химическим авариям. Программа расчета последствий аварий на химически опасных объектах г. Москвы (ИЦПЭ"Авгур") включает в себя средства работы с базами данных и визуализации последствий аварии на карте местности (по материалам Выставки «Средства спасения - 96» и демонстрационным программным материалам).
Разработано довольно много программных систем, реализующих модели переноса. Многомодульная система AIR-WASTE (ИБРАЭ РАН) реализует комплексную модель от загрязнения воздуха выбросами при эксплуатации промышленных объектов. Комплекс ROSE (МГУ) выполняет оценку риска загрязнения атмосферы выбросами промышленных объектов. Комплекс BREEZE (США) выполняет прогнозирование распространения загрязнений при химических авариях при разных начальных условиях. Система DEGATEC (США) моделирует распространение в атмосфере токсичных и взрывоопасных газов на основе трехмерных моделей.
Активные работы ведутся по созданию программных систем, выполняющих оценку риска возникновения природных и техногенных ЧС. Среди них АСППР по ликвидации последствий аварий на гидротехнических сооружения (ВНИИ ГОЧС) выполняет прогнозирование последствий затопления местности, обеспечивает накопление паспортных данных по гидротехническим сооружениям, прогнозирование процесса разрушений и др. Комплекс EFFECTS (Голландия) выполняет прогнозирование возникновения и развития опасных процессов при пожарах, взрывах и т.п. HORS 3.0 (Институт риска и безопасности) производит ранжирование опасных объектов в промышленном регионе.
Приведенный перечень программных систем не претендует на исчерпывающую полноту, поскольку перечислить разработки в рассматриваемой области невозможно. Проблемам предупреждения и ликвидации ЧС посвящены многочисленные конференции. Как в нашей стране, так и за рубежом публикуются обзорные материалы [10, 11, 12, 96, 155, 181]. Большинство существующих разработок решают частные задачи. По функциональным возможностям они являются информационно-моделирующими, либо информационно-справочными, причем результаты моделирования и получаемая информация не имеют четко выраженной конструктивной ориентации.
За пределами России работы по созданию систем предупреждения и ликвидации ЧС ведутся около трех десятилетий, приобрели комплексный характер и ориентированы на интегрированное использование компьютерных технологий. Наибольшее развитие и организационную поддержку эти работы получили в США и странах Западной Европы.
Наибольшее распространение получили системы контроля и поддержки принятия решений по радиоактивной обстановке и вредным выбросам в атмосферу. В качестве примера можно привести комплексную систему поддержки принятия решений для управления индустриальным риском для Западной Европы, построенную на основе модели IIASA (Австрия). Система решает широкий круг задач по оценке и минимизации риска от атомных и тепловых электростанций, объектов химической промышленности, транспортных средств. В системе сочетается применение математических моделей и экспертных систем, учитывающих различные критерии управления, включая экономические, ресурсные, социальные. Применяется аппарат теории размытых множеств, позволяющий применять качественные и количественные показатели.
Система ARAC (США) явилась первой действующей системой по оперативному реагированию на радиоактивные выбросы при транспортировке радиоактивных грузов, инциденты на атомных объектах и атомных электростанциях. В США система обслуживает несколько десятков объектов. Структура ARAC включает в себя систему сбора и анализа текущих данных, географическую базу данных, модели переноса и диффузии в атмосфере, позволяющие оперативно оценивать последствия аварийного выброса радиоактивного вещества в атмосферу. Функционирование системы обеспечивается специальными организационными структурами. Система эксплуатируется почти 30 лет. В адаптированном виде система нашла применение в Японии, Китае и других странах.
Комплекс программ SAFETY (Великобритания) позволяет решать проблемы количественной оценки риска. Пакет позволяет рассчитать риски с приемлемой точностью на основе комплекса относительно простых математических моделей. Примером комплексного подхода к поддержке принятия решений является также система RODOS (Западная Европа). Система осуществляет поддержку принятия решений в условиях радиационных аварий. Система выполняет оперативный анализ ситуации и формирование рекомендаций, анализ развития и последствий ЧС. Система является результатом работ более 20 европейских институтов. Система PPS (Норвегия) осуществляет функции поддержки принятия организационных решений для разных видов природных и техногенных ЧС.
В нашей стране также ведутся разработки систем комплексной поддержки принятия решений. Наиболее многоаспектными являются разработки ИБРАЭ РАН, где предложен проект экспертной системы поддержки лиц, принимающих решения по управлению безопасностью в регионе
Представление и применение нечетких знаний
Рассмотрим представление знаний для учета неопределенности в реализации ситуационного подхода [121].
Необходимость учета неопределенности может быть обусловлена как физической природой данных, описывающих ситуацию, так и требованиями оценивания решений с позиций достоверности. Выбор модели знаний и конструкций ЯПЗ зависит от происхождения неопределенности и ее вида.
Для рассматриваемых задач можно выделить три важнейших вида неопределенности: неизвестность, недостоверность и размытость.
В рамках принятой в данной работе трактовки ситуационного подхода неизвестность исходных данных приводит к ограничениям на применимость правил: для применимости правила необходимо, чтобы все элементарные факты его левой части были известны, то есть соответствующие фактовые переменные были означены. Отсюда вытекает, что множество применимых правил сокращается, что формально приводит к сокращению количества рассматриваемых в логическом выводе сценариев решений и соответственно влияет на качество решения. Тем не менее, принципиальная возможность построения решения не нарушается, хотя решение может оказаться менее детальным.
Другой вид неопределенности - недостоверность - встречается довольно часто и связан не только с возможной недостоверностью исходных данных, но и с самими знаниями. Недостоверность данных и правил обычно оценивается эмпирически, а выводимое решение сопровождается вычислением степени его достоверности.
Неопределенность вида размытости присуща задачам, в которых обрабатываются качественные данные, или качественные оценки с использованием лингвистического подхода.
Неопределенности первого вида частично устраняются за счет применения операций доопределения, значений по умолчанию, восстановления значений путем наследования и т.п., что обеспечивается фреймовой составляющей модели знаний и ее объектной реализацией. Для представления последних двух видов неопределенности воспользуемся аппаратом теории нечетких множеств. Для этого, сохранив продукционную форму представления правил, рассмотрим нечеткую интерпретацию фактов и правил, в зависимости от вида неопределенности.
Введем основные понятия и определим особенности применения теории нечетких множеств в рассматриваемых задачах.
Определение 3.5. Нечетким множеством F на базовом множестве U называется множество пар F = { ju(u)/u }, где ueU, ju(u)e[0, 1].
Функция ju(u): t/- [0, 1] называется функцией принадлежности нечеткого множества F. Базовое множество может быть конечным, или бесконечным, дискретным, или непрерывным. Нечеткое множество F можно определить как подмножество базового множества U с характеристической функцией ц.(и), которая принимает действительные значения на отрезке [0, 1], интерпретируемые как степень принадлежности элемента и базового множества U нечеткому множеству F.
Определение 3.6. Носителем supp F нечеткого множества F называется подмножество элементов базового множества, для которых степень принадлежности имеет ненулевое значение, supp F = {и/ ueU, р.(п) 0}.
В настоящее время хорошо разработана теория нечетких множеств, хотя это направление появилось сравнительно недавно [64]. Основное внимание уделяется развитию положений этой теории для решения прикладных задач [5, 199].
Широкое применение теория нечетких множеств получила благодаря богатству операций и отношений и разнообразию их интерпретаций. Теоретико-множественные операции над нечеткими множествами реализуются через операции над значениями функций принадлежности. Рассмотрим наиболее важные операции.
Определение 3.7. Для нечетких множеств F и G, определенных на одном и том же базовом множестве U, и имеющих функции принадлежности fjrfu) и JUG(U), операции объединения и пересечения определяются как FuU={ (MF(U) vfia(u))/u }, Fnl)={ (цР(и) л (и))/и }, где v и л - операции выбора соответственно максимального и минимального значения. Дополнение множества F определяется как
Для этих операций выполняются законы идемпотентности, ассоциативности, коммутативности, де Моргана, но не выполняется закон комплементарное.
Определение 3.8. Операция алгебраической суммы нечетких множеств определяется как F+U={- (Ми) +Ис,(и)- MF(U) XJUG(U))/U }.
Определение 3.9. Степень нечеткого множества Р={ (Ши)/ /и }.
В литературе исследуется большое количество операций над нечеткими множествами, которые здесь не рассматриваются, чтобы не загромождать изложение [5, 121, 144, 175, 199].
Определение ЗАО. Нечеткой переменной будем называть переменную, представленную как нечеткое множество.
Определение 3.11. Нечетким значением будем называть нечеткое множество L-R-тшіа. Частным случаем нечетких значений являются нечеткие числа.
Определение 3.12. Лингвистической переменной назовем переменную с нечеткими значениями.
Определение 3.13. Нечетким отношением, или отношением между нечеткими множествами, назовем нечеткое множество, базовое множество которого является декартовым произведением исходных базовых множеств, а функция принадлежности определена через функции принадлежности исходных нечетких множеств. Отношения могут быть многоместными. Наибольший интерес представляют бинарные отношения, интерпретируемые как отношения сравнения.
Определение 3.14. Нечетким высказыванием называется высказывание с нечетким значением истинности. Степень истинности нечеткого высказывания принимает значения из отрезка [0,1].
Определение 3.15. Нечеткий предикат определим как функцию от предметных переменных, значения которой представляются как нечеткие значения истинности из [0,1]. В качестве предметных переменных будем рассматривать фактовые переменные.
Определение 3.16. Нечетким логическим выражением будем называть формулу, построенную из нечетких высказываний и нечетких предикатов с применением нечетких связок И, ИЛИ, НЕ, которые интерпретируются как нечеткие расширения соответствующих логических операций. Нечеткие операции И, ИЛИ представляются соответственно как t-норма и s-норма и могут определяться по-разному [199]. Наиболее часто в качестве t-нормы и s-нормы применяются операции min и max. Нечеткое отрицание интерпретируется как вычитание из 1.
Рассмотрим первый вариант интерпретации нечетких фактов и правил в гибридной модели.
Элементарный факт представляется как бинарное отношение сравнения нечетких значений "равно", "не равно", "больше", "меньше", "не больше", "не меньше", "включается".
Сложный факт и соответственно условие правила интерпретируется как нечеткое логическое выражение. Сложный факт строится из элементарных с применением нечетких связок И, ИЛИ, НЕ. В соответствии со структурой выражения может быть вычислено значение нечеткого предиката условия.
Определение 3.17. Нечеткое продукционное правило интерпретируется как представление причинно-следственного отношения S: F= G, где F и G нечеткие предикаты. Правило считается применимым, если f-i(F) М, где М є [0,1] - некоторое пороговое значение. Степень достоверности выводимого факта О вычисляется как pi(G) = n(F) /i(S).
Частным случаем этого подхода является случай, когда все нечеткие множества являются нечеткими синглетонами, то есть носители их одноэлементны (носитель нечеткого множество - подмножество элементов базового множества, для которых значение функции принадлежности не является нулевым). Тогда описанная модель нечеткого правила может интерпретироваться как модель с так называемыми коэффициентами уверенности - КУ (см.ниже).
Объектно-ориентированная модель экспертной системы
Рассмотрим многоуровневую объектно-ориентированную модель экспертной системы, основанную на расширенной продукционно-фреймовой модели представления знаний.
ООМ ЭС можно представить в виде тройки СС, СП, MB, М3 . Здесь:
СС - класс объектов, представляющий словарную систему,
СП - класс объектов, представляющий систему продукций,
MB - класс объектов, представляющих машину логического вывода.
Пара СС, СП рассматривается как база знаний системы.
В свою очередь (XX {ТС}, {ИС} где ТС - объекты, представляющие термины словаря, ИС - интерфейсы словаря - совокупность методов работы со словарем: инициализация, доступ к элементам, отслеживание ограничений и др.
Структура фреймового представления термина словаря может быть представлена как ТС= ФП, {ИФП},{ДФП} где ФП - реализация объекта термина словаря, представляющая фрейм фактовой переменной, ИФП - интерфейс фактовой переменной, реализуемый как совокупность методов обработки и интерпретации значений фактовой переменной заданного типа. Интерфейс фактовой переменной можно рассматривать как локальный уровень реализации стратегии вывода.
ДФП - демон фактовой переменной.
Структура фактовой переменной соответствует структуре фрейма в ЯПЗ, ФП= И, ПР, 3, О;
И - имя переменной,
ПР - признак означенности,
3 - значение переменной,
О - ограничения назначение переменной.
ДФП= УА,ОА ,
где УА - условие активизации,
ОА - объект активизации.
Систему продукций можно представить в виде совокупности классов объектов {КП}, представляющих соответствующие символьные конструкции ЯПЗ.
КП - символьная конструкция - описание продукции,
КП= &УП, {ДП}, {ИП} .
УП= л/Э У -условие продукции.
Знаки логических операций &, v могут заменяться на соответствующие лингвистические связки И, ИЛИ, в зависимости от типа правила.
ДП - действие продукции,
ИП - интерфейс продукции, реализующий совокупность методов обработки и интерпретации продукции в зависимости от типа. Интерфейс продукции, как и интерфейс переменной, можно рассматривать как локальный уровень реализации стратегии вывода.
Элементарное условие ЭУ = ФП, ПО, [ФП, 3] ;
ПО - предикат отношения.
ДП = ФП, ОП, [ФП, 3], [ОР] или ФП, ОП где ПО - операция, ОР -совокупность оценок операций и действий.
МВ= СВ , где СВ - стратегии логического вывода. Совокупность стратегий вывода определяется типом знаний и критериями их применения. Для одного типа знаний могут определяться несколько стратегий вывода.
M3= PSA, НП, КН, {Б} - база метазнаний, представляющая PSA-структуру продукционной системы. Здесь PSA - признак структурированности, НП - список имен продукций, являющихся начальными для какого-либо блока, то есть соответствующих дугам, исходящим из входного полюса с указанием типа этого блока и номера вершины, КН - список имен продукций, являющихся финальными для какого-либо блока, то есть соответствующих дугам, входящим в выходной полюс с указанием типа этого блока и номера вершины. Поскольку PSA-структура обладает свойством регулярности, такой способ представления достаточно эффективен при условии предварительного упорядочения множества продукций в базе знаний в соответствии с построенной структурой.
Образующим ядром модели является словарная система. Она представляет собой класс, состоящий из множества терминов словаря и множества интерфейсов словаря. Интерфейсы обеспечивают доступ к отдельным терминам. Термин словаря состоит собственно из имени фактовой переменной, множества интерфейсов, обеспечивающих доступ к значению фактовой переменной, и множества демонов, активизирующихся при обращении к значению фактовой переменной. Фактовая переменная в совокупности с демонами является аналогом простого слота во фреймовой системе. Она описывается своим именем, признаком означенности, значением и набором ограничений на значение.
На основе словарной системы строится система продукции, представляющая собой совокупность элементарных продукций. Каждая элементарная продукция состоит из условной части, представляющей собой конъюнкцию элементарных условий, и множества действий. В качестве элементарного условия может выступать двухместный предикат относительно значений двух переменный или переменной и константы, либо одноместный предикат относительно означенности или неозначен ности переменной. В качестве действий могут выступать операции над значениями переменных, либо запрос значения переменной. Интерфейсы продукции служат для определения принадлежности продукции к конфликтному набору и инициализации прямого или обратного выполнения продукции.
Машина вывода представляет собой реализацию стратегий логического вывода. Под стратегией в данном случае понимается порядок и условия инициализации продукций и активизации фреймов.
Другие приложения и перспективы применения инструментальной системы ЭСПЛА
Опыт эксплуатации в городе Красноярске и Красноярском крае показал высокую эффективность системы и позволяет сделать вывод, что инструментальные средства и подход, примененный при разработке системы ЭСПЛА 3.0, могут служить основой для решения большого круга функциональных задач как Красноярской краевой информационно-управляющей системы по чрезвычайным ситуациям, так и региональной системы аналогичного назначения [35, 84, 149, 151, 154-157, 160, 171, 172] .
Например, функциональные задачи автоматизированной поддержки принятия решений по ликвидации разных видов техногенных ЧС во многом аналогичны задаче ликвидации химических аварий: ввод данных, расчет зоны заражения, прогноз возможных последствий, визуализация информации на карте, автоматическое формирование и передача по назначению текстов оповещения, формирование рекомендаций относительно путей эвакуации, задействования транспортных средств, специализированных сил по ликвидации последствий ЧС, подбор информации, относящейся к данной аварии и многие другие функции в этих системах аналогичны. Поэтому инструментальная система ЭСПЛА широко используется для решения задач предупреждения и ликвидации техногенных ЧС. В настоящий момент на основе инструментальной и информационной базы системы ЭСПЛА ведутся работы по созданию системы поддержки принятия решений для разных видов техногенных чрезвычайных ситуаций, в первую очередь для производственных взрывов и пожаров (см. выше). Признано целесообразным создание единой системы по техногенным ЧС путем расширения информационного наполнения системы
ЭСПЛА 3.0. Такой подход обусловлен тем, что проблемы в принципе, являются однотипными, одинаковы цели, во многом пересекается необходимое информационное наполнение. Кроме того, создание единой системы позволит выйти на другой уровень постановки задач, работать со сложными сценариями ЧС, где могут возникать взаимные влияния, сложные цепочки разных видов событий (например, пожар, взрыв, утечка АХОВ, взрыв, пожар... и т.п.). Для создания единой системы по техногенным ЧС необходимо расширить базы знаний для учета новых видов аварий и сложных сценариев, подключить до полнительные расчетные модули для реализации новых методик, дополнить систему новыми базами данных.
Другое направление для применения разработанных инструментальных средств - построение интегрированных систем поддержки принятия решений по предупреждению и ликвидации природных чрезвычайных ситуаций. Природные ЧС отличаются большим разнообразием потенциальных источников ЧС, объектов ЧС, условий возникновения и т.п. Прогнозированием ЧС, решением задач мониторинга, а также организацией мероприятий по предупреждению и ликвидации ЧС занимаются разные организации. В отличие от техногенных чрезвычайных ситуаций подходы к поддержке принятия решений в условиях природных ЧС плохо поддаются унификации. Разнообразной является используемая информация, используются разные методы для прогнозирования зон распространения ЧС. Поэтому для природных ЧС необходимо создание специализированных систем, таких как системы по лесным пожарам, по паводкам, по сейсмологии и т.п. Возможности использования одной информационной среды ограничены. Тем не менее, и при решении функциональных задач по природным ЧС целесообразно использовать интегрированный подход, позволяющий сочетать применение ГИС и ЭС. Хорошие перспективы показало применение для решения разных задач ГИС CarSys. Система прошла апробирование при моделировании распределения снегозапасов (рис.7.11), районов возможного затопления (рис. 7.12), районов пожаров и в других задачах (см. главу 8 и приложение 2) [126].
Что касается оболочки экспертной системы, то специфика задач по природным ЧС требует разнообразных моделей знаний, например, применения нечетких моделей [168-170], нейросетевого подхода [123-139]. Тем не менее, оболочка ЭС и в целом инструментальная система хорошо зарекомендовали себя в задачах формирования решений в экстренных ситуациях.