Моделирование однородных территориальных зон на основе многомерной кластеризации и ГИС-анализа в условиях малого объема данных тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Кочергин, Глеб Александрович

• Кочергин, Глеб Александрович
• кандидат технических наук
• 2011

Оглавление диссертации кандидат технических наук Кочергин, Глеб Александрович

ВВЕДЕНИЕ.

РАЗДЕЛ! АНАЛИЗ СОВРЕМЕННОГО СОСТОЯНИЯ МЕТОДОВ И СРЕДСТВ МОДЕЛИРОВАНИЯ ОДНОРОДНЫХ ТЕРРИТОРИАЛЬНЫХ ЗОН НА ОСНОВЕ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ

1.1 Анализ существующих подходов к моделированию однородных территориальных зон.

1.2 Методы и программные средства ГИС-анализа пространственных данных.

1.2.1 Методические вопросы ГИС-анализа.

1.2.2 Реализация функций пространственного анализа программными средствами ГИС-технологий.

1.3 Методы многомерной кластеризации данных.

1.4 Постановка задач диссертационных исследований.

РАЗДЕЛ 2. РАЗРАБОТКА МАТЕМАТИЧЕСКОЙ МОДЕЛИ ОДНОРОДНЫХ ТЕРРИТОРИАЛЬНЫХ ЗОН.

2.1 Методические вопросы моделирования однородных территориальных зон.

2.2 Разработка алгоритма построения модели совокупности однородных территориальных зон.

2.3 Разработка алгоритма преобразования результатов кластеризации в формат геоданных.

2.4 Разработка численного метода исследования адекватности математической модели совокупности однородных территориальных зон

РАЗДЕЛ 3. РАЗРАБОТКА КОМПЛЕКСА ПРОГРАММ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ ОДНОРОДНЫХ ТЕРРИТОРИАЛЬНЫХ ЗОН.

3.1 Структура комплекса программ имитационного моделирования однородных территориальных зон.

3.2 Модуль многомерной автоматической кластеризации.

3.3 Модуль геопреобразования данных.

3.4 Подсистема пространственного анализа.

РАЗДЕЛ 4. ЧИСЛЕННОЕ ИССЛЕДОВАНИЕ АДЕКВАТНОСТИ МОДЕЛИ СОВОКУПНОСТИ ОДНОРОДНЫХ ТЕРРИТОРИАЛЬНЫХ ЗОН

4.1 Исследование адекватности имитационной модели однородных геоботанических зон на основе совокупности климатических и геоботанических данных.

4.2 Исследование адекватности имитационной модели однородных зон на основе данных о различных популяциях ели.

4.3 Исследование адекватности имитационной модели однородных зон мерзлоты на основе совокупности климатических и геокриологических данных.

РАЗДЕЛ 5. ПРИМЕРЫ ПРАКТИЧЕСКОГО ИСПОЛЬЗОВАНИЯ МАТЕМАТИЧЕСКОЙ МОДЕЛИ СОВОКУПНОСТИ ОДНОРОДНЫХ ТЕРРИТОРИАЛЬНЫХ ЗОН.

5.1 Моделирование зон экологического риска воздействия атмосферного загрязнения при сжигании попутного нефтяного газа на растительный покров.

5.2 Моделирование зон шумового загрязнения окружающей среды в окрестностях аэропорта г. Ханты-Мансийска.

5.3 Моделирование зон радиационного загрязнения речной воды и донных осадков.

Введение диссертации (часть автореферата) на тему «Моделирование однородных территориальных зон на основе многомерной кластеризации и ГИС-анализа в условиях малого объема данных»

Существует широкий круг задач, связанных с выявлением пространственной структуры однородных по своим свойствам зон природных и природно-техногенных объектов или явлений, например, зон повышенного загрязнения, зон распространения различных популяций, зон заболеваемости опасными болезнями и др. Решение подобных задач осуществляется с использованием различных подходов к моделированию однородных территориальных зон (ОТЗ) на основе пространственного анализа экспериментальных данных с применением технологий геоинформационных систем (ГИС-технологий). Исходные данные в задачах моделирования, ОТЗ, как. правило, получаются в ходе натурного эксперимента, результатом которого является выборка многомерных пространственных данных. Высокая стоимость организации и проведения натурного эксперимента в науках о Земле, а также характерная для решения ряда задач труднодоступность исследуемой территории являются основными причинами того, что измерения совокупности характеристик объектов исследования проводятся в малом» числе пунктов отбора проб, как правило, нерегулярно распределенных по территории.

Известные подходы к моделированию ОТЗ традиционно используют статистические методы анализа экспериментальных данных [1-5]. Другие подходы основаны на использовании интегрального показателя, рассчитанного на имеющейся совокупности характеристик, либо на одной-единственной характеристике объекта исследования [6-10]. Особенности использования существующих подходов к моделированию ОТЗ (требование соответствия выборки исходных данных нормальному закону распределения, необходимость использования обучающей выборки, требование наличия регулярной сети измерений) не позволяют применять их в условиях малого объема-многомерных экспериментальных данных.

В связи с этим возникает необходимость разработки нового подхода к решению задач моделирования ОТЗ в условиях малого объема исходных данных. Спецификой исходных данных, получаемых в ходе натурного эксперимента, является их многомерность и пространственный характер свойств исследуемых объектов. Для анализа многомерных данных перспективным является использование методов многомерной автоматической кластеризации, которые не предъявляют особых требований к выборке исходных данных. Для учета пространственных свойств исследуемых объектов, таких как географические координаты, площадь, протяженность, взаимное расположение объектов, и др. традиционно используются методы ГИС-анализа, реализуемые в геоинформационных системах. Поэтому актуальным является разработка нового подхода к моделированию ОТЗ в условиях малого объема исходных данных на основе сочетания методов многомерной кластеризации и ГИС-анализа. Методические вопросы такого подхода в настоящее время не разработаны, что и определило цель настоящей работы.

Целью диссертационной работы является разработка математической модели совокупности однородных территориальных зон в условиях малого объема экспериментальных данных, алгоритма построения модели и комплекса программ имитационного моделирования на основе сочетания методов многомерной кластеризации и ГИС-анализа.

Для достижения поставленной цели потребовалось решить следующие задачи:

• провести анализ современного состояния вопросов математического моделирования'- однородных территориальных зон на основе экспериментальных данных о пространственно-распределенных объектах, представленных многомерными массивами малого объема;

• разработать математическую модель совокупности однородных территориальных зон, пригодную для использования в условиях малого объема экспериментальных данных и нерегулярной сети наблюдений;

• разработать алгоритмы моделирования и создать комплекс программ; имитационного моделирования совокупности однородных территориальных зон в условиях малого объема исходных данных;

• провести исследование ■ адекватности разработанной математической модели; совокупности; однородных территориальных зон с использованием тестовых экспериментальных данных; проиллюстрировать использование результатов' диссертационных исследованию напрактических примерах.

Методы? исследования базируются на теориях математического моделирования» и многомерной кластеризации; а также на! методах прикладной; математики,, ГИС-анализа, численного анализа, прикладного программирования. Для создания1 программных продуктов применялась технология объектно-ориентированного программирования.

Научная; новизна; В диссертационной работе получен ряд новых научных.результатов:

1) Предложена математическая модель совокупности однородных территориальных зон; применимая? в условиях малого» объема многомерных экспериментальных данных и реализуемая с использованием нового алгоритма^ основанного, на сочетании методов многомерной кластеризации и ГИС-анализа.

2) Разработан численный; метод исследования адекватности математической- модели совокупности однородных территориальных; зон; отличительной» особенностью которого .является; использование тестовых цифровых карт однородных зон,, полученных на основе долговременных натурных экспериментов<в¡различных отраслях наук о Земле.

3) Разработан; комплекс, программ; отличительной особенностью которого- являются реализации; нового алгоритма; имитационного моделирования: совокупности однородных территориальных зон и нового алгоритма преобразования результатов кластеризации к формату представления модели, в геоинформационной системе.

Практическая значимость. Практическую ценность работы представляет разработанный алгоритм построения математической модели совокупности однородных территориальных зон, и реализованный комплекс: программ имитационного моделирования,, позволяющий создавать модели однородных зон в условиях малого объема экспериментальных данных.-Разработанный комплекс программ имитационного моделирования, может быть использован также, для комплексного анализа результатов междисциплинарных исследований в: различных отраслях наук о Земле. Практическую ценность имеют результаты решения, прикладных задач, полученные с использованием: разработанного комплексам программ имитационного моделирования:

Апробация работы:. Основные результаты, диссертационной работы были, изложены на международных и; всероссийских конференциях и симпозиумах, в том числе на Всероссийской конференции» "Северный регион: наука и социокультурная; динамика" (Сургут, 2002), на 2-ом Региональном симпозиуме "Химия и окружающая среда" (Сербия, 2003), на Международной конференции? "Вычислительно-информационные технологии для наук об окружающей: среде" (Томск,. 2003), на 21-ой Международной конференциишо органической химии; (Польша, 2003), на 2-ош Международной научно-практической конференции "Эколого-географические проблемы? природопользования? нефтегазовых регионов" (Нижневартовск, 2003), на международной, конференции "Экология Сибири, Дальнего Востока и Арктики" . (Томск, 2003), на Международной конференции по измерениям, моделированию и информационным системам дляг изучения окружающей среды "Етагогтз — 2004" (Томск, 2004), на 4-ом Международном? симпозиуме "Контроль и реабилитация окружающей среды" (Томск, 2004), на 10-ой Международной научно-практической конференции по- проблемам: защиты, населения* и территорий от чрезвычайных ситуаций (Москва 2005), на 7-ом Сибирском совещании по климато-экологическому мониторингу (Томск, 2007).

Публикации. По результатам исследований опубликовано 16 печатных работ, в том числе 3 в рецензируемых журналах из перечня ВАК, рекомендуемых для опубликования основных научных результатов диссертации на соискание ученой степени кандидата технических наук, и 1 свидетельство об официальной регистрации программы для ЭВМ.

Структура и объем работы. Диссертация, состоит из введения, пяти разделов, заключения и списка литературы. Объем диссертации составляет 138 страниц, включая ЗГ рисунок, 10 таблиц, 9 приложений и список использованной литературы из 140 источников.

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Кочергин, Глеб Александрович

Выводы по разделу 5. Проиллюстрированы возможности использования математической модели совокупности однородных территориальных зон и практического, применения комплекса программ имитационного моделирования на примерах решения трех задач выявления пространственной структуры природных и природно-техногенных объектов и явлений. В результате моделирования зон экологического риска воздействия атмосферного загрязнения на* территории Приобского месторождения выделены три зоны: неприемлемого* риска, приемлемого риска и пренебрежимого риска. Моделирование зон шумового загрязнения окружающей среды в окрестности международного аэропорта г. Ханты-Мансийска позволило выявить зоны высокого, среднего- и низкого уровня шумового загрязнения. По результатам моделирования радиационного загрязнения воды и донных осадков в Обь-Иртышской речной системе был выявлен участок реки Обь вблизи слияния1 с рекой Иртыш, где наблюдается повышенный уровень радиационного загрязнения. Рассмотренные задачи относятся к различным отраслям наук о Земле, что подтверждает универсальность, разработанной в ходе диссертационных исследований математической модели однородных территориальных зон.

ЗАКЛЮЧЕНИЕ

В заключение приведем основные результаты, полученные в диссертационной работе:

1) Разработана концептуальная схема построения математической модели- однородных территориальных зон в условиях малого объема экспериментальных данных с использованием методов многомерной кластеризации иРИС-анализа.

2) Предложена- математическая, модель совокупности однородных территориальных зон, применимая в условиях малого объема выборки многомерных экспериментальных данных. Математическая модель реализуется^ с использованием нового, алгоритма, основанного на сочетании методов многомерной-автоматической кластеризации и ГИС-анализа.

3) Разработан алгоритм* преобразования результатов многомерной кластеризации к формату геоданных, пригодному для использования в геоинформационных системах. В алгоритме реализована поддержка трех различных геоинформационных систем: ArcGIS, Arc View и Golden Surfer.

4) Предложен численный метод исследования адекватности модели совокупности однородных территориальных зон. Отличительной особенностью численного метода является- использование I экспериментальных .данных и тестовых цифровых карт однородных зон, полученных на-основе-долговременных натурных экспериментов.

5) Создан комплекс программ имитационного моделирования однородных территориальных« зон, применимый в условиях малого объема исходных данных. Отличительной особенностью, комплекса- программ являются реализации алгоритма построения модели: однородных территориальных зон и алгоритма преобразования результатов кластеризации^ формату геоданных.

6) По результатам проведенных численных экспериментов на основе трех различных массивов экспериментальных данных и соответствующих им тестовых цифровых карт показано, что адекватными являются те реализации модели однородных территориальных зон, которые были получены с использованием алгоритмов максимального локального расстояния или к-средних в сочетании с методами ГИС-анализа.

Список литературы диссертационного исследования кандидат технических наук Кочергин, Глеб Александрович, 2011 год

1. Тикунов В. С. Моделирование в картографии: Учебник. — М.: Изд-во МГУ, 1997.-405с.

2. Сердюцкая JI. Ф., Яцишин А. В.- Техногенная экология. Математико-картографическое моделирование. — М.: Книжный дом "ЛИБРОКОМ", 2009.-232с.

3. J. Andrew Royle, Robert М. Dorazio. Hierarchical modeling and inference in ecology. Elsevier Ltd., 2008. - 444p.t

4. Andrew B. Lawson. Bayesian disease mapping. Hierarchical modeling in spatial epideviology. Chapman and Hall/CRC, 2009. - 344p.

5. Poh-Chin Lai, Fun-Mun So, Ka-Win g Chan. Spatial epidemiological approaches in disease mapping and analysis. — CRC Press/Tailor and Francis Group, 2009. 184p.

6. Кузьмиченок В. А. Математико-картографическое моделирование возможных изменений водных ресурсов и оледенения Кыргыстана при изменении климата // Вестник Кыргызско-Российского славянского университета. — 2003. — №6. — С. 33—41.

7. Ковалева Т. М. Математическое моделирование очагов зараженияклещевыми зоонозами на территории Алтайского края // Известия Алтайского государственного университета. — 2008. — №1(57). — С. 58— 62.

8. Катаев М. Ю., Лавыгина А. В., Ходашинский И. А., Эпштейн Д. А. Нечеткий аппроксиматор атмосферных температурных полей // Автометрия. 2010. Т. 46, №5. С. 39^18.

9. Тимонин С. А. Математико-картографическое и геоинформационное моделирование демографических процессов в регионах Российской

10. Федерации // Вестник Московского университета. Серия 5. География. — 2010.-№5.-С. 11-18.

11. Кулик К. Н., Юрофеев В. Г. Компьютерное математико-картографическое моделирование агролесоландшафтов на основе аэрокосмической информации // Доклады Российской академии-сельскохозяйственных наук. — 2010. — №1. — С. 52-54.

12. Алаев Э. Б. Социально-экономическая география: понятийно-терминологический словарь. — М.: Мысль, 1983. — 290с.

13. Тикунов В. С. Классификации в географии: ренессанс или увядание? (Опыт формальных классификаций). — Москва-Смоленск: Изд-во СГУ, 1997.-367с.

14. Берлянт А. М. Картография: Учебник для вузов. М.: Аспект Пресс, 2002. -336с.

15. Solomatine D.P. Applications of data-driven modeling and machine learning in control of water recources // Computational Intelligence in Control / Eds. M. Mohammadian, R. A. Sarker, X Yao. London: Idea Group Publishing, 2002. P. 197-217.

16. Solomatine D. P. Data-driven modeling: paradigm, methods, experiences.tb

17. Presentation at the 5 International Conference on Hydroinformatics, Cardiff, UK, July 2002 Электронный ресурс. — Режим доступа: http://www.unesco-ihe.org/hi/hi/staff/sol/HI2002-DDM-76transp.pdf. Дата обращения: 11.04.2011.

18. Kernel density estimation of temporal changes of SARS Cases in Hong Kong Электронный ресурс. — Режим доступа: http://geog.hku.hk/pclai/kernel/ kernelflash.html. Дата обращения: 05.04.2011.

19. Сунгатуллин P. X. От компьютерно-математического моделирования — к синтезу знаний и интегральной геологии // Геоинформатика. — 2008. — № 1. С. 33-34.

20. Andrew В. Lawson, David G.T. Denison. Spatial cluster modeling. — Chapman and Hall/CRC, 2002. 287p.

21. Xinhao Wang Integrating. GIS, simulation models, and visualization in traffic impact analysis // Computers, Environment and Urban Systems. —Volume 29. Issue 4. - 2005. - P. 471-496.

22. Huiyan Sang, Alan E. Gelfand. Hierarchical modeling for extreme values observed over space and time // Environmental and ecological statistics. — Volume 16. Number 3. - 2009. - P: 407-426.

23. Геоинформатика. Толковый словарь основных терминов. Под редакцией А. М. Берлянта, А. В. Кошкарева. — М.: ГИС-Ассоциация, 1999. — 204с.

24. Самарский А. А., Михайлов А. П. Математическое моделирование: Идеи. Методы. Примеры. 2-е изд., испр.- М.: ФИЗМАТЛИТ, 2005. -320с.

25. Введение в математическое моделирование: Учебное пособие / Под ред. Трусова П. В. М.: Логос, 2005. - 440с.

26. Роберте Ф. С. Дискретные математические модели с приложениями к социальным, биологическим и экологическим задачам / Пер. с англ. Раппопорта А. М., Травкина С. И. Под ред. Теймана А. И. М.: Наука. Гл. ред. физ.-мат. лит., 1986. — 496с.

27. Алексеев В. В., Крышев И. И., Сазыкина Т. Г. Физическое и математическое моделирование экосистем. — Санкт-Петербург: Гидрометеоиздат, 1992.— 367с.

28. Калашников В. В. Организация моделирования сложных систем. — М.: Знание, 1982. 64с.

29. Полшцук Ю. М. Имитационно-лингвистическое моделирование систем с природными компонентами. — Новосибирск: Наука. Сиб. отд-ние, 1992. 229с.

30. Лоу А., Кельтон В. Имитационное моделирование. Классика Computer Science. 3-е изд. — СПб.: Питер; Киев: Издательская группа BHV, 2004. — 847с.

31. Шеннон Р. Имитационное моделирование систем — искусство и наука. /Пер. с англ. -М.: Мир, 1978. -421с.

32. Клейнен Дж. Статистические методы в имитационном моделировании / Пер. с англ. Ю. П. Адлера, К. Д. Аргуновой, В. Н. Варыгина, А. М. Талалая. Под ред. и с предисл. Ю. П. Адлера и В. Н. Варыгина. — Вып. 1. -М: Статистика, 1978. -221с.

33. Полшцук Ю. М., Силич В. А., Татарников В. А. Региональные экологические имитационно-моделирующие системы. — Новосибирск: ВО Наука. Сибирская издательская фирма, 1993. — 133с.

34. Бугаевский JI. М., Цветков В. Я. Геоинформационные системы: Учебное пособие для вузов. — М.: "Златоуст", 2000. — 222с.

35. Коновалова Н. В., Капралов Е. Г. Введение в ГИС. Учебное пособие. Изд-е 2-е исправленное и дополненное. — М.: Библион, 1997. — 160с.

36. Замай С. С., Якубайлик О. Э. Программное обеспечение и технологии геоинформационных систем: Учебное пособие. — Красноярск: Краснояр. гос. ун-т, 1998.- 110с.

37. Тикунов В. С., Цапук Д. А. Устойчивое развитие территорий: картографо-геоинформационное обеспечение. — Москва-Смоленск: Изд-во СГУ, 1999.- 176с.

38. Цветков В. Я. Геоинформационные системы и технологии. — М., 1998. — 287с.

39. Иванников А. Д., Кулагин В. П., Тихонов А. Н., Цветков В. Я. Геоинформатика. -М.: МАКС Пресс, 2001. -349с.

40. Митчелл Э. Руководство ESRI по ГИС анализу. Том 1. — ESRI Press, 1999.- 190с.

41. Королев Ю. К. Общая геоинформатика. Часть I. Теоретическая геоинформатика. Выпуск 1. -М.: ООО СП "Дата+", 1998. 118с.

42. Кошкарев A.B., Тикунов B.C. Геоинформатика. — М.: Геодезиздат, 1993. -213с. ' "

43. Турлапов В. Е. Геоинформационные системы в экономике: Учебно-методическое пособие. — Нижний Новгород: НФ ГУ-ВШЭ, 2007. — 118с.

44. Савиных В. П., Цветков В. Я. Геоинформационный анализ данных дистанционного зондирования. — М.: Картгеоцентр-Геодезиздат, 2001. — 228с.

45. Лопандя А. В., Немтинов В. А. Основы ГИС и цифрового тематического картографирования: Учебно-методическое пособие. — Тамбов: ГОУ ВПО "ТГТУ", 2007. 72с.

46. Бут Б., Митчелл Э. Начало работы в ArcGIS. ESRI Press, 1999. - 253с.

47. Журкин И. Г., Шайтура С. В. Геоинформационные системы. — Москва: КУДИЦ-ПРЕСС, 2009. 272с.

48. Ковин Р. В., Марков Н. Г. Геоинформационные системы и технологии: Учебник. Томск: Изд-во ТПУ, 2009. - 267с.

49. Самардак А. С. Геоинформационные системы: Учебное пособие. — Владивосток: ТИДОТ ДВГУ, 2005. 123с.

50. Геоинформационные технологии Электронный ресурс. — Режим доступа: http://gis-tech.ru/. Дата обращения: 09.01.2011.

51. Карпик А. П. Методологические и технологические основы геоинформационного обеспечения территорий: Монография. — Новосибирск: СГГА, 2004. 260с.

52. Дубинин М. Ю., Рыков Д. А. Открытые настольные ГИС: обзор текущей ситуации // Информационный бюллетень ГИС-Ассоциации. № 5 (72). — М.: ООО "Технология ЦД", 2009. С. 14-21.

53. ArcView GIS. Envorinmental Systems Research Institute. Inc. N.Y., 1997. -376р.

54. Maplnfo Professional 9.0. Руководство пользователя / Русский перевод Журавлёв В., Колотов А., Мусин К., Николаев В. М.: ООО "ЭСТИ МАП", 2006.-618с.

55. ArcGIS 9. Начало работы в ArcGIS / Пер. с англ. М.: Изд. "Дата+", 2002. - 265с.

56. ArcGIS 9. Что это такое ArcGIS / Пер. с англ. М.: Изд. "Дата+", 2002. -124с.

57. АгсМар. Руководство пользователя. Часть 1 / Пер. с англ. — М.: Изд. "Дата+", 2000. 290с.

58. ArcGIS 9. Survey Analyst. Руководство пользователя / Пер. с англ. — М.: Изд. "Дата+", 2002. 297с.

59. ArcGIS 9. Spatial Analyst. Руководство пользователя / Пер. с англ. — М.: Изд. "Дата+", 2002. 216с.

60. ArcGIS 9. Geostatistical Analyst. Руководство пользователя / Пер. с англ. -М.: Изд. "Дата+", 2002. 278с.

61. Ковин Р. В., Марков Н. Г. Геоинформационные технологии для анализа двумерных геополей. — Томск: Изд-во Том. ун-та, 2006, — 166с.

62. Силкин К. Ю. Геоинформационная система Golden Software Surfer 8: Учебно-методическое пособие для вузов. — Воронеж: Изд-во ВГУ, 2008. -66с.

63. Терехина А. Ю. Анализ данных методами многомерного шкалирования. -М.: Наука, 1986.-168с.

64. Дейвисон М. JI. Многомерное шкалирование: методы наглядного представления данных. — М.: Финансы и статистика, 1988. — 254с.

65. Орлов А. И. Прикладная статистика. Учебник. — М.: Экзамен, 2006. — 672с.

66. Харман Г. Современный факторный анализ. — М.: Статистика, 1972. — 488с.

67. Лоули Д., Максвелл А. Факторный анализ как статистический метод. Пер. с англ. -М.: Изд-во Мир, 1967. — 144с.

68. Дубров А. М. Обработка статистических данных методом главных компонент. -М.: Статистика, 1978. — 135с.

69. Андерсон Т. Введение в многомерный статистический анализ./ Пер. с англ. — М.: Физматгиз, 1963. — 500с.

70. Кендалл М.Дж., Стьюарт А. Многомерный статистический анализ и временные ряды. — М.: Наука, 1976. — 736с.

71. Дубровский С. А. Прикладной многомерный статистический анализ. — М.: Финансы и статистика, 1982. — 216с.

72. Глинский В. В. Ионин В. Г. Статистический анализ. М.: ИНФРА-М, 1998.-344с.

73. Савчук В.П. Байесовские методы статистического оценивания. Надежность технических объектов. — М.: Наука, 1989. — 323с.

74. Хей Дж. Введение в методы байесовского статистического вывода / Пер. с англ.; Вступит, статья А. А. Рывкина. — М.:Финансы и статистика, 1987.-335с.

75. Зельнер А. Байесовские методы в эконометрии. — М.: Статистика, 1980. -438с.

76. Айвазян С. А. Бежаева 3. И. Староверов О. В. Классификация многомерных наблюдений. — М.: Статистика, 1974. 240с.

77. Кильдишев Г. С., Аболенцев Ю. И. Многомерные группировки. — М.: Статистика, 1978. — 160с.

78. Прикладная статистика: Классификация и снижение размерности. Справ, изд. Айвазян С. А., Бухштабер В. М., Енюков И. С., Мешалкин JT. Д. / Под ред. Айвазяна С. А. — М.: Финансы и статистика, 1989. 607с.

79. Факторный, дискриминантный и кластерный анализ / Пер с англ. Дж. Ким О., Мьюллер Ч. У., Клекка У. Р. и др.; Под ред. Енюкова И. С. — М.: Финансы и статистика, 1989. — 215с.

80. Классификация и кластер / Под ред. Дж. Ван Райзин. — М.: Мир, 1980. — 369с.

81. Мандель И. Д. Кластерный анализ. — М.: Финансы и статистика, 1988. — 176с.

82. Барсегян А. А., Куприянов М. С., Степаненко В. В., Холод И. И. Методы и модели данных: OLAP и Data Mining. СПб.: БВХ-Петербург, 2004 -336с.

83. Журавлев Ю. И., Гуревич И. Б. Распознавание образов и распознавание изображений // Распознавание. Классификация. Прогноз. Математические методы и их применение. Выпуск 2. — М.: Наука, 1989. С. 5-72.

84. Елисеева И. И., Рукавишников В. О. Группировка, корреляция, ' распознавание образов: Статистические методы классификации и измерения связей. — М.: Статистика, 1977. — 143с.

85. Дубров А. М., Мхитарян В. С., Трошин Л. И. Многомерные статистические методы и основы эконометрики. Учебное пособие. Московский государственный университет экономики, статистики и информатики. М.: МЭСИ, 2002. - 79с.

86. Дюран Б., Одел П. Кластерный анализ. — М.: Статистика, 1977. — 128с.

87. Сошникова Л. А., Тамашевич В. Н., Уебе Г., Шефер М. Многомерный статистический анализ в экономике: Учеб. пособие для вузов / Под ред. проф. В. Н. Тамашевича. М.: ЮНИТИ-ДАНА, 1999. - 598с.

88. Айвазян С.А. Статистические исследования зависимостей. М.: Металлургия, 1968.-227с.

89. Статистические методы классификации. Сборник статей под ред. Благовещенского Ю.Н. Вып.1. — М.: Издательство МГУ, 1969. 174с.

90. Малиновский Л. Г. Классификация объектов средствами дискриминантного анализа. — М.: Наука, 1979. — 260с.

91. Методы анализа данных: Подход, основанный на методе динамических сгущений: Пер. с. фр. / Кол. авт. под рук. Э. Дидэ; Под ред. и с предисл. С. А. Айвазяна и В. М. Бухштабера. — М.: Финансы и статистика, 1985. — 357с.

92. Уильяме У. Т., Ланс Д. Н. Методы, иерархической классификации // Статистические методы для ЭВМ / Под ред. М. Б. Малютова. — М.: Наука, 1986.-С. 269-301.

93. Аркадьев А. Г., Браверман Э. М. Обучение машины классификации объектов. — М.: Наука, 1971.

94. Загоруйко H. Г. Методы распознавания и их применение. — М.: Сов. радио, 1972.-207с.

95. Фукунага К. Введение в статистическую теорию распознавания образов /Пер. с англ. М.: Наука, 1979. - 367с.

96. Вопросы статистической теории распознавания / Под ред. Барского Б. В.- М.: Сов. радио, 1967. 399с.

97. Девис Дж. Статистика и анализ геологических данных. — М.: Мир, 1977.- 572с.

98. Розин Б. Б. Распознавание образов в экономических исследованиях. — М. : Статистика, 1973. 198с.

99. Жамбю М. Иерархический кластер-анализ и соответствия / Пер. с фр. — М.: Финансы и статистика, 1988. — 342с.

100. Гайдышев И. П. Анализ и обработка данных: специальный справочник.- СПб: Питер, 2001. 752с.

101. Полищук Ю. М., Токарева О. С. Геоимитационное моделирование зон атмосферного загрязнения в результате сжигания газа на нефтяных месторождениях // Информационные системы и технологии. — 2010. — № 2/58 С. 39-46.

102. Бусленко Н. П. Моделирования сложных систем. — М.: Наука, 1978. — 400с.

103. Леонтьев Б. К. Форматы файлов Microsoft Windows ХР. Справочник 2005. М.: ЗАО "Новый издательский дом", 2005. - 352с.

104. Романов Б. А. Кушниренко А. С. dBase IV. Назначение, функции, применение. М.: Радио и связь, 1991. — 384с.

105. Дунаев В. В. Базы данных. Язык SQL. СПб.: БВХ-Петербург, 2006. -288с.

106. Техническое описание Shapefile ArcView Электронный ресурс. — * Режим доступа: http://www.dataplus.ru/support/rNFO/Shape.htm. Датаобращения: 16.12.2010.

107. Справочная система по использованию программы Surfer Электронный ресурс. Режим доступа: http://grinikkos.eom/Donlowd/6/l.pdf. Дата обращения: 23.02.2011.

108. Кэнту М. Delphi.7: Для профессионалов. СПб.: Питер, 2004. - 1101с.

109. Глушаков С. В., Клевцов A. JIi Программирование в среде Delphi-7.0. Изд. 2-е доп., перераб. Харьков:« Фолио, 2003. - 528с.

110. Бобровский С. И. Delphi 7. Учебный курс.— СПб.: Питер, 2004. — 736с.

111. Guide 94: Programming in ArcView 3.x GIS using Avenue. Version 1.4. University of Durham Information Technology Service Электронный ресурс. — Режим доступа: http://www.dur.ac.uk/resources/its/info/guides/ 94Avenue.pdf. Дата обращения: 16.12.2010.

112. Муканова А. А., Попов П. П. Фенотипическая структура популяций ели сибирской на территории тюменской области // Вестник экологии, лесоведения и ландшафтоведения. Выпуск 2. Тюмень: Изд-во ИПОС СО РАН, 2001. - С. 97-104.

113. Гашева Н. А., Попов П. П. Изменчивость и структура популяций ели сибирской на среднем Урале // Вестник экологии, лесоведения и ландшафтоведения. Выпуск 2. — Тюмень: Изд-во ИПОС СО РАН, 2001. — С. 105-112.

114. Попов П. П. Географическая изменчивость и дифференциация популяций ели европейской и сибирской в их непрерывном ареале // Вестник экологии, лесоведения и ландшафтоведения. Выпуск 3. — Тюмень: Изд-во ИПОС СО РАН, 2002. С. 102-109.

115. Попов П. П. Соотношение внутрипопуляционной и географической изменчивости ели в европейско-сибирской части ареала // Вестник экологии, лесоведения и ландшафтоведения. Выпуск 5. — Тюмень: Изд-во ИПОС СО РАН, 2005. С. 80-85.

116. Попов П.П. Географическая изменчивость формы семенных чешуй ели в Восточной Европе и Западной Сибири // Лесоведение. М.: Наука, 1999. -№ 1.-С. 68-73.

117. Попов П. П. Фенотипическое положение популяций ели в Европейско-Сибирской части ареала // Вестник экологии, лесоведения и ландшафтоведения. Выпуск 8. — Тюмень: Изд-во ИПОС СО РАН, 2008. — С.108-115.

118. Полшцук Ю.М., Полищук В.Ю. Имитационное моделирование полей термокарстовых озер на территории многолетней мерзлоты // Информационные системы и технологии. — Орел: ОрелГТУ, 2011. — №1 (63).-С 53-60.

119. Кокорина Н. В., Татаринцев Б. П. Методические вопросы выбора тест-объектов биоиндикации с использованием алгоритма сравнения коэффициентов вариации // Вестник Томского государственного университета. Биология. 2010. № 3 (11) — С. 65-72.

120. Гриценко А. И., Акопова Г. С., Максимов В. М. Экология, нефть и газ. — М.: Наука, 1997.-598с.

121. Алексеев А. С. Мониторинг лесных экосистем. — СПб.: JITA, 1997. — 116с.

122. Убайдулаев А. А., Углев В. В., Шагут Ю. К. Оценка воздействия Ханты-Мансийского аэропорта на окружающую среду // Материалы шестойнаучно-практической конференции, посвященной памяти A.A. Дунина

123. J Горкавича. Нижневартовск: Издательский дом "Югорский", 2010. — С.93.

124. ГОСТ 17187-81 Шумомеры. Общие технические требования и методы испытаний Текст. / введен 01.07.1982. — М.: Издательство стандартов, 1981.-28с.

125. ГОСТ 53188.1-2008 Шумомеры. Часть 1. Технические требования Текст.'/ введен 01.12.2009. М.: Стандартинформ, 2009.- - 36с.

126. Проблемы радиоэкологии и пограничных дисциплин / Ред. Мигунов В. И., Трапезников А. В. Выпуск 7. — Екатеринбург, 2005. — С. 197—212.

127. Кочергин Г.А., Перемитина Т.О., Полищук Ю.М. Геоинформационная методология анализа радиационного загрязнения речных систем. Проблемы анализа риска. Т.2. — 2005. — №3. — С. 208—220.

128. Радиация. Дозы, эффекты, риск / Пер. с англ. М.: Мир, 1990. — 79с.

129. Мамихин С. В. Опыт имитационного моделирования динамики техногенных радионуклидов в наземных экосистемах // Проблемы радиоэкологии и пограничных дисциплин / Ред. Мигунов В. И., Трапезников А. В. Выпуск 6. — Заречный, 2005. — С. 269-291.

130. Мамихин С. В., Никулина М. В. Имитационная модель поведения стронция-90 в почве и древесном ярусе соснового леса // Радиационная биология. Радиоэкология. Т. 45.— М.: Академиздатцентр "Наука" РАН, 2005.-№4.-С. 218-226.

131. Мамихин С. В. Проблемы и перспективы создания глобальных радиоэкологических моделей // Проблемы радиоэкологии и пограничных дисциплин / Ред. Мигунов В.И., Трапезников A.B. Выпуск 8. Заречный, 2006. - С. 156-173.