Разработка элементов виртуального полигона моделирования окружающей морской среды в гетерогенном вычислительном окружении тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Соэ Моэ Лвин

  • Соэ Моэ Лвин
  • кандидат технических науккандидат технических наук
  • 2011, Санкт-Петербург
  • Специальность ВАК РФ05.13.18
  • Количество страниц 130
Соэ Моэ Лвин. Разработка элементов виртуального полигона моделирования окружающей морской среды в гетерогенном вычислительном окружении: дис. кандидат технических наук: 05.13.18 - Математическое моделирование, численные методы и комплексы программ. Санкт-Петербург. 2011. 130 с.

Оглавление диссертации кандидат технических наук Соэ Моэ Лвин

ВВЕДЕНИЕ.

Глава 1. Особенности организации виртуального полигона.

1.1. Особенности математических моделей описания внешней морской среды и поведения морских объектов.

1.2. Особенности реализации разнородных математических моделей в многопроцессорной распределенной гетерогенной вычислительной среде.

1.3.Аналитический обзор.

1.4. Постановка задачи исследования.

1.5. Общая характеристика диссертационной работы.

Глава 2. Анализ технологий виртуального полигона.

2.1. Принципы обработки информации в многопроцессорной среде.

2.2. Архитектура и особенности функционирования виртуального полигона.

2.3. Виртуальный полигон как проблемно-ориентированная среда.

2.4. Принципы построения сценариев и оценки эффективности решений.

2.5. Проблемы и перспективы развития технологии проектирования виртуального полигона.

Глава 3. Анализ математических моделей ветро-волновой среды.

3.1. Математические модели для создания пространственно-временных реализаций морского волнения.

3.1.1. Линейные разложения стохастической движущейся поверхности по системе независимых случайных величин (модель Лонге-Хиггинса).

3.1.2. Инерционное преобразование белого шума (модель авторегрессии-скользящего среднего).

3.2. Гидродинамические математические модели эволюции волнения в океане

3.3. Математические модели волнения на интервале квазистационарности.

3.4. Математические модели штормов и окон погоды.

3.5. Математические модели сезонной изменчивости.

3.6. Создание волновых сценариев на основе вложенного набора математических моделей морского волнения.

3.7. Построение волновых сценариев, как задача виртуального полигона.

3.8. Планирование эксперимента при моделировании динамики объектов в виртуальном полигоне.

Глава 4. Компьютерная реализация математических моделей.

4.1. Разработка программного комплекса моделирования пространственно-временных реализаций морского волнения.

4.2. Создание распределенной (параллельной) версии программы моделирования волновых сценариев.

4.3. Тестирование программных комплексов в однородной вычислительной среде.

4.4. Тестирование программных комплексов в гетерогенных вычислительных средах.

4.5. Создание интегрированного пакета демонстрации работы виртуального полигона в распределенной вычислительной среде.

Рекомендованный список диссертаций по специальности «Математическое моделирование, численные методы и комплексы программ», 05.13.18 шифр ВАК

Введение диссертации (часть автореферата) на тему «Разработка элементов виртуального полигона моделирования окружающей морской среды в гетерогенном вычислительном окружении»

Совершенствование информационных и коммуникационных технологий, связанное с непрерывным расширением сферы их применения, оказывает существенное влияние на решение проблем создания новых наукоемких технологий и технологического перевооружения производства [2],[7]-[9],[16],[27],[107]. Системообразующими составляющими информационной и коммуникационной инфраструктуры являются вычислительные, информационные и телекоммуникационные ресурсы, интеграция которых осуществляется с помощью сетевых технологий. Современное состояние развития и внедрения информационных технологий в России характеризуется следующими особенностями:

• отсутствует системный подход к управлению развитием и внедрением многообразия информационных технологий как самостоятельной отраслью, приносящей доход за счет обеспечения эффективности создаваемых аппаратных и программных средств и систем и повышения конкурентоспособности предприятий внедряющих эти средства и системы в управленческие и технологические процессы;

• преобладает популяризация зарубежных средств и технологий без анализа фундаментальных основ их создания при слабой информированности об их возможностях, а также механизмах формирования и обеспечения их эффективного использования;

• ограничено число доступных информационных продуктов в наукоемких отраслях производства, связанных, прежде всего, с высокопроизводительными средствами вычислений и использованием сложных математических моделей.

В связи с этим выдвигается задача формулировки научного подхода к интеграции информационных технологий на базе высокопроизводительных вычислительных средств, создания концептуальных основ, обеспечивающих формирование, развитие и комплексное их применение. Необходимость интеграции информационных технологий возникла как в сфере непосредственного анализа сложных ситуаций, так и синтеза моделей для воспроизведения ситуаций при принятии управленческих решений. В настоящем исследовании эта интеграция конкретизируются как в направлении создания комплексных систем моделирования разнородных природных и техногенных процессов типа «виртуальный полигон», так и интеллектуальных систем реального времени мониторинга и управления сложными динамическими объектами.

Появление концепции «виртуального полигона» связано с необходимостью рассмотрения все более сложных моделей для исследования поведения динамических объектов, требующих применения высокопроизводительной вычислительной техники. В настоящее время применение такого рода вычислительных инструментов требует от исследователя большего знания особенностей современных вычислительных технологий. Во многом этот факт становится препятствием на пути их внедрения, и как следствие, причиной снижения эффективности исследований в различных предметных областях. Сильный разрыв между высоким уровнем «железа» и низким уровнем его применения привел к появлению новой концепции использования информационных технологий. Теперь пользователь ожидает от вычислительной техники не доступа к ресурсам, предоставления процессорного времени, оперативной памяти или средств хранения, а определенной услуги в рамках выполнения его предметного задания. Этот новый взгляд изменил также подход в области разработки программного обеспечения, перенеся упор на создание промежуточного программного обеспечения, отрывающего приложение пользователя от тех ресурсов, на которых оно выполняется. За последние 5 лет этот взгляд изменил и направление развития Grid технологий, введя понятие сервис ориентированного Grid.

В работе рассматриваются элементы виртуального полигона как сервисы для исследования морской среды. В качестве элементов морской среды рассматриваются ветер, волны и другие факторы. При этом основное внимание обращено на создание элементов виртуального полигона (сервисов), необходимых для моделирования поведения судна при интенсивных внешних возмущениях. Решение ведется на основе модели авторегрессии и функции распределения ординат морского волнения. Эта модель авторегрессии наиболее актуальна при реализации виртуального полигона моделирования поведения динамических объектов и в инструментальных средствах тестирования бортовых корабельных интеллектуальных систем реального времени.

При рассматривании элементов виртуального полигона для изучения сложных технических объектов требуется применение многих моделей, описывающих различные явления. Некоторые из них являются независимыми, а некоторые из них зависят друг от друга. В реальном времени моделирование всех процессов, влияющих на конечный результат сложных объектов поведения, не может быть организован на одном вычислительном узле только потому, что требует адекватного использования различных ресурсов компьютера, например (высокопроизводительное вычисление, обработка данных, визуализация и.т.д.). Если мы будем рассматривать виртуальный полигон как единое целое для морских операций - среда моделирования - мы получаем, что оно является комплексом многоуровневых приложений, что требует распределенной вычислительной среды. В этой работе представляется моделирование волновой поверхности в распределенном компьютерном окружении.

Технология генерации волн для математических и физических моделей быстро развивалась в течение последних двух десятилетий. Реальные ветровые волны являются нерегулярными и редко проявляют синусоидальный характер. В последние десятилетия были сделаны попытки для создания лабораторий с волнами, тесно приближенными к природным волновым процессам. Хотя реальные морские волны являются трехмерными, исследователи- обычно воспроизводят эти случайные волны как двумерный процесс, это связано с тем, что двумерное нерегулярное волнение чаще используется в теоретическом рассмотрении динамики судна. Тем не менее, они обеспечивают некоторое понимание сложностей трехмерного реального состояния- моря. Для воспроизводства морского волнения используют несколько математических моделей.

В настоящее время наиболее известной и хорошо изученной моделью авторегрессии, является представление в виде пространственно-временного поля, каждая точка которого является взвешенной суммой предыдущих по времени точек и белого шума (некоторой случайной переменной). Это называется авторегрессионной зависимостью.

Морское волнение, развивающееся на поверхности воды под воздействием ветра, весьма изменчиво в пространстве и* времени. Так как это сложный физический процесс, зачастую в задаче поиска ошибок, визуализация его в реальном времени оказывается эффективнее стандартных математических методов проверки. Также особо необходимо отметить важность этого процесса в задачах виртуального моделирования поведения морских объектов в условиях нерегулярного волнения и настройки базы знаний бортовых интеллектуальных систем. Такая визуализация возможна при достаточной скорости генерации волновой поверхности, обеспечивать поиск новых методов решения.

Такая задача генерации волновой поверхности является традиционной и учитывает работу этого приложения в составе более сложной программной структуры, называемой виртуальным полигоном. В этом случае, кроме задачи, описанной выше (модель авторегрессии), требуется выполнение также дополнительных требований, связанных с вычислительной эффективностью в распределенной вычислительной среде, балансировкой нагрузки, совместимостью вычислительных моделей, составляющих виртуальный полигон и пр.

В работе будут рассмотрен элемент моделирования морского волнения с точки зрения наиболее эффективного его функционирования в составе виртуального полигона для изучения динамики судна на волнении.

Похожие диссертационные работы по специальности «Математическое моделирование, численные методы и комплексы программ», 05.13.18 шифр ВАК

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Соэ Моэ Лвин

Выводы по четвертой главе

Комплекс программ для моделирования волновой поверхности предоставляет гибкие средства настройки, контроль параметров реализации и визуальную проверку полученных результатов посредством диаграмм и трехмерного отображения волнения.

Критические функции программ распараллелены, обеспечивая тем самым удовлетворительное время работы. Разнородные части задачи реализованы в отдельных программах, что обеспечивает простоту с одной стороны и легкость расширения с другой. В разработке используется программное обеспечение с открытым исходным кодом, это повышает надежность и упрощает внутреннее устройство приложений.

ЗАКЛЮЧЕНИЕ

В рамках настоящей работы создан и исследован компонент генерации ветрового волнения виртуального полигона динамики судна. Рассмотрены различные модели генерации ветрового волнения и методы встройки их в распределенную вычислительную среду. В качестве математической модели былы использованы модель Лонге-Хиггинса и Авторегрессии. Основными достоинствами этого класса моделей Лонге-Хиггинса несомненно являются их наглядность, относительная простота вычислительного алгоритма, аналитическое описание моделируемого поля, способность аппроксимировать поля любой размерности, а также тот факт, что такой подход в настоящий момент является исследованным наиболее полно. Подтвержден ряда серьезных недостатков модели, как то: достаточно слабая сходимость зависимости как по спектральным, так и по статистическим характеристикам, высокая вычислительная трудоемкость, а также - практическая периодичность, не позволяющая эффективно использовать их при моделировании нестационарных полей.

Авторегрессионная модель способна при минимальных вычислительных затратах моделировать эргодическую апериодическую реализацию случайного процесса, стохастичность которой ограничена лишь периодом генератора псевдослучайных чисел. Кроме того, модель пе использует свойства вероятностной сходимости к закону Гаусса, как первый класс моделей, что позволяет эффективно применять ее и к исследованию экстремальных событий, как в океанологии, так и в теории корабля. Линейное инерционное преобразование является одним из наиболее известных методов моделирования стационарных эргодических гауссовых случайных процессов по заданным корреляционным характеристикам. Основными достоинствами моделей рассмотренного класса, несомненно, являются их истинная стохастичность и периодичность, относительная простота вычислительного алгоритма, достаточно быстрая сходимость по спектральным характеристикам и изначальный отказ от использования свойства вероятностной сходимости.

Эти модели рассчитаны на представление исключительно стационарного гауссова поля. Применение ее к анализу более общих задач (например -эволюции волнения в шторме, исследование волнения, искажаемого мелководьем) сопряжено с существенными трудностями. При увеличении длины реализации требуется повышение количества используемых гармоник, которое достигает 1000-2000 для воссоздания больших реализаций при исследовании поведения судна.

Результаты проведенного исследования позволяют сделать следующие основные выводы:

1. Рассмотрены различные модели ветроволновой среды: модели для интервала квазистационарности, синоптической изменчивости, штормов и окон погоды. Реализована генерация волновой поверхности как компонента виртуального полигона на основе математической модели авторегрессии. Суперпозиция моделей разной временной изменчивости использована для построения сценариев волновой погоды в рамках виртуального полигона.

2. Построена иерархия приложений разной степени сложности в рамках виртуального полигона. В качестве промежуточного программного обеспечения для связи разнородных приложений использован инструментарий Sun Grid Engine. В качестве самих приложений рассмотрены программы, обеспечивающие препроцессинг, необходимый для подготовки волновых погодных сценариев (программный комплекс гидродинамического моделирования морского волнения в спектральной форме - WWIII совместно с хранением информации в БД), собственно процессинг (собственный программный комплекс генерации ветрового волнения) и постпроцессинг (визуализация результатов на базе пакета Gnuplot).

3. Созданный комплекс программ для моделирования волновой поверхности предоставляет гибкие средства настройки, контроля параметров реализации и визуальную проверку полученных результатов посредством диаграмм и трехмерного отображения волнения. Критические функции программ распараллелены, обеспечивая тем самым удовлетворительное время работы. Повышение эффективности работы программ генерации волновой поверхности достигается за счет применения различных интерфейсов параллельного программирования (MPI, OpenMP, OpenCL) при использовании различных/разнородных вычислительных средств (кластер, smp/многоядерная система, ускоритель на видеокарте) соответственно.

Список литературы диссертационного исследования кандидат технических наук Соэ Моэ Лвин, 2011 год

1. Аверкин А.Н., Батыршин А.Н., Блишун А.Ф., Силов В.Б., Тарасов В.Б. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А.Поспелова. - М.- Наука, 1986.

2. Александров B.JL, Матлах А.П., Нечаев Ю.И., Поляков В.И., Ростовцев Д.М. Интеллектуальные системы в морских исследованиях и технологиях. Санкт-Петербург. ГМТУ. 2001.

3. Анохин П.К. Системные механизмы высшей нервной деятельности. — М.Наука, 1979.

4. Беляев М.М., Рожков В. А., Трапезников Ю. А. Вероятностная модель колебаний уровня моря//Вероятностный анализ и моделирование океанологических процессов.-JI., 1984.-С. 24-30.

5. Богданов A.B., Дегтярев А.Б., Нечаев Ю.И. Проблемы создания виртуального полигона моделирования сложных динамических объектов // Сборник докладов на международной научной конференции «Суперкомпьютерные системы и их применение». Минск. 2004, с.31-37.

6. Богданов A.B., Дегтярев А.Б., Соэ Моэ Лвин Проблемы создания комплекса многоуровневых приложений в распределенной среде. Санкт-Петербург, 22-25 июня 2009 г. XVI Всероссийская научно-методическая конференция "Телематика'2009", С.427-428.

7. Бокс Дж., Дженкинс Г. Анализ временных рядов. М.: Мир, 1974

8. Бортовые интеллектуальные системы. Книга 2. Корабельные системы. М.: Радиотехника, 2006.

9. Бухановский A.B., Дегтярев А.Б., Лопатухин Л.И., Рожков В.А. Вероятностное моделирование волнового климата. //Физика атмосферы и океана, 1998, т.34, №2, с.261-266

10. Бухановский A.B., Дегтярев А.Б., Лопатухин Л.И., Рожков В.А. Климатические спектры ветрового волнения. //Судостроение, 1997, №4, с.14-18

11. Бухановский A.B., Дегтярев А.Б. Вероятностное моделирование полей штормового морского волнения. //Сб. трудов Международной конференции «Военно-морской флот и судостроение в современных условиях». С.Петербург, 1996, Том 2, А2-29, 10 с.

12. Бухановский A.B., Иванов C.B. Параллельная обработка данных в информационных управляющих системах. //Сб. докладов ВПК «Управление и информационные технологии» УИТ-2003, С.-Петербург, 2003, т.2, с.64-68

13. Вероятностные характеристики волнения, методы их анализа и расчета/И. Н. Давидан, В. А. Рожков, Б. М. Андреев и др.//Труды ГОИН.-1971.-Вып. 97.-189 с.

14. Ветер и волны в океанах и морях. Справочные данные. Регистр СССР/Ред. И.Н. Давидан, Л.И. Лопатухин. В.А. Рожков. 1974, Л. «Транспорт», 359с

15. Воеводин В.В. Решение больших задач в распределенных вычислительных средах // Автоматика и телемеханика.2007.№5,с.32 -45

16. Воеводин В.В., Воеводин Вл.В. Параллельные вычисления. — Санкт-Петербург: БХВ-Петербург, 2004. 608 с.

17. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. Санкт-Петербург. Питер, 2000.

18. Герасимов Б.М., Глуцкий В.И., Рабчун A.A. Система поддержки принятия решений в АСУ реального времени // Искусственный интеллект.№3. 2000, с.39-47.

19. Городецкий В.И. Многоагентные системы: современное состояние исследований и перспективы применения // Новости искусственного интеллекта. 1996. №1,с.44-59.

20. Горский В.Г., Адлер Ю.П., Талалай A.M. Планирование промышленных экспериментов. М.: Металлургия. 1978.

21. Гудрий В.Д., Колобов Н.В. Флуктуации циклонических процессов в Северном полушарии Земли.-Казань: Изд-во Казанского ун-та, 1984.-164с.

22. Давидан И.Н., Лопатухин Л.И., Рожков В.А. Ветровое волнение в Мировом океане.-Л.: Гидрометеоиздат, 1985.-256 с.

23. Дегтярев А.Б. Концепция создания бортовых интеллектуальных комплексов на базе суперкомпьютерных технологий // Сборник докладов 4-й международной конференции «Моринтех-2001». Санкт-Петербург.200i.tom 1, с.285-291.

24. Дегтярев А.Б., Соэ Моэ Лвин, Ганкевич И.Г., Сравнение эффективности применения MPI и OPENCL для генерации волновой поверхности II Морские Интеллектуальные Технологии. 2010. № 4. С. 10—13

25. Залесский.2000.т.2,с.693-702.

26. Евгеньев Г.Б. Интеграция прикладных систем на основе баз знаний // Программные продукты и системы. №3. 2005, с.42 46.

27. Еремеев А.П., Куриленко И.Е. Реализация временных рассуждений для интеллектуальных систем поддержки принятия решений реального времени // Программные продукты и системы. №2. 2005, с.8 16.

28. Жегуло O.A. Представление знаний о методах распараллеливания в экспертной систем поддержки распараллеливаиия программ // Искусственный интеллект. №3. 2001, с.323 —330.

29. Зб.Золотовский В.Е. Система структурного моделирования // Искусственный интеллект. №3, 2003, с.227-238.37.3убакин Г.К. Крупномасштабная изменчивость состояния ледяного покрова морей Северо-Европейского бассейна.-Л.: Гидрометеоиздат, 1987.-160 с.

30. Ивакин Я. А. Введение в проблему компьютерной интерпретации прикладных формализуемых теорий // Информационно-управляющие системы. № 1.2003, с.26-31.

31. Ивахненко А.Г. Непрерывность и дискретность. Переборные методы кластеризации и моделирования.-Киев.бНаукова Думка, 1990.

32. Иванов C.B., Колыхматов И.И., Бухановский A.B. Параллельные алгоритмы модели-рования комплексных сетей // Известия высших учебны х заведений. Приборостроение. №10. 2008, с. 5 — 12.

33. Исаев A.A. Статистика в метеорологии и климатологии,-М., МГУ,. 1988.245 с.

34. Кастнер С., Нечаев Ю.И., Дегтярев А.Б. Планирование измерительного эксперимента в интеллектуальных системах реального времени // Тр. Международной конференции по мягким вычислениям и измерениями SCM-2001. Санкт-Петербург.2000.т.2,с.69-74.

35. Карпов A.B. Информационные конфликты в автоматизированных системах // Программные продукты и системы. №3. 2004, с.22-26.

36. Кашьян P.JL, Pao А.Р. Построение динамических стохастических моделей по экспериментальным данным.-М.: Наука, 1983.-384 с.

37. Кельтон В. Д., Jloy А. М. Имитационное моделирование. Классика CS. 3-е изд. СПб.: Питер, 2004. - 848 с.

38. Кендалл М. Дж., Стюарт А. Многомерный статистический анализ и временные ряды. — М.: Мир, 1976.

39. Ким Дж. и др. Факторный, дискриминантный и кластерный анализ. М., Финансы и статистика, 1989.

40. Коваль В.Н., Яковлев Ю.С. О проблеме интеллектуализации интегрированных систем информационной поддержки решения задач в области СВТ // Искусственный интелеллект. №3. 2000. Донецк, с.60 — 71

41. Колесников A.A. Проблемы системного синтеза: тенденции развития и синергетический подход // Сборник докладов Всероссийской научной конференции «Управление и информационные технологии». Санкт-Петербург. 2003. Т.1, с.5-12.

42. Корчанов В.М., Бобрович В.Ю., Кобзев В.В. Корабельные тренажеры // Морская радиоэлектроника. №2(8). 2004, с.40 44.

43. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982.

44. Кошинский С.Д. Режимные характеристики сильных ветров на морях Советского Союза. JI. : Гидрометеоиздат, 1975. стр. 803.

45. Крутских Б.А. Основные закономерности изменчивости режима морей в естественных гидрологических периодах.-JI.: Гидрометеоиздат, 1978.-91 с.

46. Крюков В.В., Майоров B.C., Шахгельдян К.И. Алгоритм баланса нагрузки для обеспечения режима реального времени в распределенной системе сбора и обработки данных // Информационные технологии. №7. 2004, с.11-17.

47. Крылов Ю.М., Стрекалов С.С., Цыплухин В.Ф. и др. Спектральный метод расчета волнового режима и его использование в гидротехническом строительстве, 1969.

48. Куприянов A.A., Емельянов A.A. Механизмы и средства поддержки человеко-компьютерного взаимодействия в среде интегрированных комплексов средств автоматизации // Морская радиоэлектроника. №2(8). 2004, с.30-34.

49. Лавренов И.В. Математическое моделирование ветрового волнения в пространственно-неоднородном океане. Санкт-Петербург: Гидрометеоиздат, 1998.

50. Лаппо С.С. Среднемасштабные динамические процессы океана, возбуждаемые атмосферой. М.: Наука, 1979.18 с.

51. Лонге-Хиггинс М.С. Статистический анализ случайной движущейся поверхности. Ветровые волны. М.: Изд-во иностр. лит., 1962. С. 112-230.

52. Лопатухин Л.И. Ветровое волнение. Санкт-Петербург, СПбГУ, 2004.

53. Лопатухин Л.И., Бухановский A.B., Рожков В. А., Дегтярев А.Б., Климатические спектры ветрового волнения. //Труды И Международной конференции по судостроению ISC'98, 1998, том.В, с.375-382

54. Лоскутов А.Ю., Михайлов A.C. Введение в синергетику. — Москва: Наука, 1990.

55. Майника Э. Алгоритмы оптимизации на сетях и графах. М.Мир.1981

56. Малинецкий Г. Г. Хаос, структура, вычислительный эксперимент. -Москва: Наука, 1997.

57. Мелихов А.Н., Бернштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. — М.: Наука, 1990.

58. Месарович М., Такахара Я. Общая теория систем: математические основы. М. Мир, 1978.

59. Методы расчета спектра волн/ И.Н. Давидан, Ю.В. Олюнин, В.А. Рожков, Ю.А. Трапезников.- Обнинск, 1977.- 98 с.

60. Моисеев H.H. Численные методы в теории оптимальных систем. — М.: Наука. 1971.

61. Моисеев H.H. Алгоритмы развития. -М.: Наука, 1987.

62. Назаров A.B., Якимов В.Л. Прогноз параметров технического состояния многорежимных объектов // Применение нейрокомпьютеров в ракетно-космической технике. Книга 21. М.: Радиотехника. 2006, с.64 — 68.

63. Нечаев Ю.И., Согомонян C.B. Экспертная система контроля и прогноза параметров морского волнения // Океанологические информационные системы, базы и банки данных и знаний: Сб.тр./ Севастополь. 1993. С.93-95.

64. Нечаев Ю.И., Горбачев Ю.Е. Реализация сложных интеллектуальных комплексов на базе современных суперкомпьютеров // Труды Международной конференции "Интеллектуальные многопроцессорные системы". Тагнанрог.1999,с.78-85.

65. Нечаев Ю.И. Искусственный интеллект: концепции и приложения.-СПб.ГМТУ.2002.

66. Нечаев Ю.И. Нейросетевые технологии в интеллектуальных системах реального времени // Тр.4-й всероссийской конференции «Нейроинформатика 2002». М.: 2002. Лекции по нейроинформатике. Часть 1,с. 114-163.

67. Нечаев Ю.И., Тихонов Д.Г. Нейросетевой алгоритм идентификации и прогноза параметров внешней среды в интеллектуальных системах реального времени // Сб. научн. тр. 4-й всероссийской конференции «Нейроинформатика 2002». Часть 2.,с.98

68. Нечаев Ю.И. Математическое моделирование в бортовых интеллектуальных системах реального времени // Труды 5-й всероссийской научно-технической конференции «Нейроинформатика -2003». Лекции по нейроинформатике. Часть 2, с.119-179.

69. Нечаев Ю.И., Бухановский A.B., Иванов С.А. Виртуальное моделирование динамики судна на морском волнении в интеллектуальных тренажерах //Искусственный интеллект. №3. 2004, с 350-359.

70. Нечаев Ю.И., Анищенко О.П. Моделирование и визуализация экстремальных ситуаций // Информационно-измерительные иуправляющие системы. Бортовые интеллектуальные системы. Корабельные системы. №9. Т.4. 2006, с.39 48.

71. Нечаев Ю.И., Калюжный Д.А. Контроль и визуализация динамических сцен при посадке летательных аппаратов морского базирования // Сборник докладов Международной конференции по мягким вычислениям и измерениям 8СМ-2006. Санкт-Петербург. 2006. т.2, с.54 -57.

72. Обработка нечеткой информации в системах принятия решений. М.: Радио и связь, 1989.

73. Орловский С. А. Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 1981.83.0ртега Дж. Введение в параллельные и векторные методы решения линейных систем. М. : Мир, 1991.

74. Пападимитриу X., Стайглиц Л. Комбинаторная оптимизация: алгоритмы и сложность. М.: Мир. 1985.

75. Пирсон В.ДЖ . Ветровые волны.-в сБ.: Ветровые волны., М., ИЛ, 1962, с. 42-124.

76. Пойа Дж. Математика и правдоподобные рассуждения. Наука, 1975.

77. Постон Т., Стюарт И. Теория катастроф и ее приложение. — М.: Мир, 1980.

78. Проблемы исследования и математического моделирования ветрового волнения / Ред. Давидан И.Н. Санкт-Петербург, Гидрометеоиздат, 1995.

79. Рожков В. А., Трапезников Ю. А. Вероятностные модели океанологических процессов. Л.: Гидрометеоиздат, 1990.

80. Рожков В. А. Методы вероятностного анализа океанологических процессов.-Л.: Гидрометеоиздат, 1979.-280 с.

81. Рожков В.А. Теория вероятностей случайных событий, величин и функций с гидрометеорологическими примерами. СПб, Прогресс-Погода, 1996, т. 2 —560 с.

82. Руководство по морским гидрологическим прогнозам, Гидрометеоиздат, Санкт-Петерубрг, 1994.

83. Рыбина Г.В. Интегрированные экспертные системы: подходы и принципы глубинной интеграции компонентов // Искусственный интеллект. 2000. №3,с.89-96.

84. Саати Т. Принятие решений. Метод анализа иерархий. — М.: Радио и связь, 1993.

85. Силич В.А., Силич М.П. Метод объектного моделирования для проектирования сложных систем // Автоматизация и современные технологии. №4. 2003, с. 14-21.

86. Синоптические вихри в океане/Под ред. Б.А. Нелепо.—Киев:Наукова думка, 1980—288 с.

87. Справочник по теории корабля. В 3-х томах. — Л.: Судостроение, 1985.

88. Справочные данные по режиму ветра и волнения Баренцева, Охотского и Каспийского А^орей. СПб., Изд. Российский морской регистр судоходства, 2003.

89. Степанов A.A. Интеллектуальное моделирование в виртуальных средах // Труды 6-й национальной конференции по искусственному интеллекту с международным участием КИИ-98. Пущино. 1998. Т.2.С.558-563.

90. Таратухин В.В. Интеграция систем имитационного моделирования и экспертных систем в САПР // Тр. 6-й Национальной конференции по искусственному интеллекту с международным участием КИИ-98. Пущино. 1998 .т.2,с.461 -465.

91. ЮЗ.Уидроу Б., Стириз С. Адаптивная обработка сигналов. — М.: Радио и связь, 1989.

92. Уоссермен Ф. Нейрокомпьютерная техника. — М.: Мир, 1992.

93. Федоров В.В. Теория оптимального эксперимента. М.: Наука, 1971.

94. Химмельблау Д. Анализ процессов статистическими методами. — М. : Мир, 1973.

95. Царегородцев A.B., Мухин И.Н. Синтез развивающихся информационно-управляющих систем // Автоматизация и современные технологии.2005. №3, с.22-26.

96. Ширяев В.И. Управление динамическими системами в условиях неопределенности // Искусственный интеллект. №3. 2003, с.224 -231.

97. Эйкхофф П. Основы идентификации систем управления. М.: Мир, 1975.

98. Alexander B. Degtyarev, Soe Мое Lwin Development of virtual polygon elements for marine environment modeling in a distributed computer system //

99. CA2010 Proceeding of the 8th International Conference on Computer Application, March 4 th to 5th; Yangon; Myanmar, pp.251-258.

100. APAC National Grid http: // grid.apac.edu.au/.

101. Application of Mixed MPI / OpenMP Programming in a Multi SMP Cluster Computer. SmykA., Tudruj M. 2002, Lecture Notes in Computer Science, Vol. 2328, p. 288.

102. Asai K., Sugeno M., Terano T. «Applied fuzzy system», Academic Press, New York, 1994.

103. Balci O. Validation, verification and testing techniques throughout the life cycle of a simulation study. Annals of Operation Research, 1994.

104. Boehm B.W. A spiral model of software development and enhancement // ACM SIGSOFT Software Engineering Notes. Vol.11. No 4, 1986.

105. Bogdanov A.V., Boukhanovsky A.B. Advanced High Performance Algorithms for Data Processing. LNCS 3036, Springer-Verlag, (2004), pp.239-246.

106. Bogdanov A., Degtyarev A.,Nechaev Yu. Fuzzy logic basis in high performance decision support systems // Proceedings of International conference «Computational Science-ICCS 2001». San Francisco. CA.USA. Part. 1 .Springer.2001 ,p.p.965-975.

107. Bogdanov A.V., Degtyarev A,B., Nechaev Yu.I. Parallel algorithms for virtual testbed // Proceedings of International conference CSIT-2005. Yerevan. Armenia.2005, p.p.393-403.

108. Bogdanov A.V., Degtyarev A.B., Soe Moe Lwin , Thurein Kyaw Lwin Problems of Development of Complex Multi-layered Applications in Distributed Environment// Distributed Computing and Grid-Technologies in

109. Science and Education: Proceedings of the 4th Intern. Conf. (Dubna, June28-July 3, 2010). -Dubna: JINR, -p.51-57

110. Boukhanovsky A., Degtyarev A., Lopatoukhin L., Rozhkov V. Stable states of wave climate: applications for risk estimation. //Proceedings of the International conference STAB'2000, Launceston, Tasmania, Australia, 2000, vol.2, pp.831-846

111. Boukhanovsky A.V. Multivariate stochastic models of metocean fields: computational aspects and applications. Lecture Notes in Computer Science, Vol. 2329, 2002, p.p. 216-225.

112. Boukhanovsky A.V., Bogdanov A.V. High performance parallel algorithms for data processing // Lecture Notes in Computer Sciences. 2004. Vol. 3036, p.p. 239-246.

113. Buckley W.H. Design wave climates for the world wide operations of ships —

114. O Publications. October 1993.

115. Dennis J.B., Misunas D.P. A preliminary architecture for basic data flow processor // Proc. of 2nd Annual Int. Symp. On Computer Architecture. New York. ACM. 1975. p.p. 126-132.

116. Forristall G. Z. On the statistical distribution of wave heighte in a storm//J. Geophys. Res.—1978,—Vol. 83.—P. 2353—2358.

117. Foster I. Designing and Building Parallel Programs — Addison-Wesley, 1995.

118. Foster I., Kesselman. C. The Grid: Blueprint for a New Computing Infrastructure. Morgan-Kaufman, 1999.

119. Foster I., Kesselman. C. The Grid2: Blueprint for a New Computing Infrastructure (Second edition).— Morgan-Kaufman, 2004.

120. Foster, I., Kesselman, C, Tuecke, S. The Anatomy of the Grid // Enabling Scalable Virtual Organizations. http://www.globus.org/alliance/publications/papers/anatomy.pdf.

121. Foster I. What is the Grid. A three point checklist. GridToday / July 22, 2002: vol. 1 no. 6 http://www.gridtoday.com/02/0722/100136.html.

122. GridSAM http://gridsam.sourceforge.net/2.0.1/index.html.

123. Groppen V.O. Smart computing principles. Models and algorithms // Proceedings of the fifth conference on evolutionary methods of design, optimization and control with applications to industrial and social problems. Spain. Barselona. 2003, p.p.133 134.

124. Hasselmann K., et al., Measurements of wind-wave growth and swell decay during the Joint North Sea Wave Project (JONSWAP) // Dtsch. Hydrogr. Z., 8(12) (Suppl. A). 1973, p.p.1-95.

125. Huang N. E., Long S. R. An experimental study of the surface elevation probability distribution and statistics of wind-generated waves//J. Fluid.Mech,—1980—Vol. 101.—P. 179—200.

126. Huang N. E., Long S. R., Chi-Chao Tung a. o. A non-gaussian statistical model for surface elevation of nonlinear random wave fie!ds//J. Geophys. Res.—1983.—Vol. C-88, N 12.—P. 7597—7606.

127. Jang S., WuX, Taylor V., Mehta G., Vahi K., Deelman E., Using Performance Prediction to Allocate Grid Resources. Technical Report 2004-25, GriPhyN Project, USA.

128. Jia Yu, Rajkumar Buyya. A Taxonomy of Workflow Management Systems for Grid Computing http://www.gridbus.org/papers/WorkflowTaxonomy-JoG.pdf.

129. John E. Cazes, Tim Campbell, Erick Rogers. OpenMP Parallel Implementation of SWAN. s.l. : Navo MSRC Navigator, 2001. Vol. 13.

130. Kleijnen J.P.C. Validation of models: statistical techniques and data availability, 1999.

131. Lopatoukhin L.J., Rozhkov V.A., Ryabinin V.E., Swail V., Boukhanovsky A.V., Degtyarev A.B. Estimation of extreme wind wave heights. WMO/TD-N 1041,2001

132. Lopatoukhin L., Rozhkov V., Boukhanovsky A., Degtyarev A., Sas'kov K., Athanassoulis G., Stefanakos Ch, Krogstad H. The spectral wave climate in the Barents Sea. //Proceedings of the conference OMAE"2002, OMAE2002-28397, Oslo, Norway, 2002

133. Maggs B.M., Matheson L.R., Tarjan R.E. Models of Parallel Computation: A Survey and Synthesis. Proceedings of the 28th Hawaii International Conference on System Sciences (HICSS), 1995.

134. Makoto Matsumoto, Takuji Nishimura Dynamic Creation of Pseudorandom Generators.

135. Matena V., Stearns B. Applying Enterprise JavaBeans: Component-Based Development for the J2EE Platform. 6.m. : Prentice Hall, 2000 464 p.

136. NorduGrid http://www.nordugrid.org/.

137. OASIS. Reference Model for Service Oriented Architecture, www.oasis-open.org/committees/download.php/19679/soa-rm-cs.pdf.

138. Open Grid Forum: http://www.ogf.org/.

139. Open Middleware Infrastructure Institute UK http://www.omii.ac.uk/.

140. Open Science Grid http://www.opensciencegrid.org/.

141. Parallel Grid Run-time and Application Developer Environment http://www. lpds. sztaki. hu/pgportal/.

142. Pareto V. Cours d'Economie politique. Lausanne: Houge, 1989.

143. Partch H. Steinbruggen R. Program transformation systems // ACM Computer Survey. 1993. V. 15. №3, p.p. 199 -236.

144. Pastor-Satorras R., Vespignani A. Epidemic spreading in scale-free networks. Phys. Rev. Lett. 86, 2001.

145. PBS Grid Works http://www.pbsgridworks.com/.

146. Podlozhnyuk V. Parallel Mersenne Twister, 2007

147. Pyle D. Data preparation for Data Mining // Modern Kaufmann Publishers. 1999.

148. REST Eye for the SOA Guy. S., Vinoski. IEEE Internet Computing, T. 11, N 1.2007, pp. 82-84.

149. Saarinen J., Kaski K., Viitanen J. F parallel multiprocessor system for Monte Carlo simulation in statistical physics // Rev. Sci. Instrum. 60 (1989).No.9, p.p.2981 -2991.

150. Sargent R.G. Verifying and validating simulation models // Proceedings of the 1996 Winter Simulation Conference, 1996.

151. Saaty T.L. A sealing method for priorities in hierarchical structures // J. Match. Psychology. 1977. Vol. 15. №3.

152. Smyk A., Tudruj M. Application of Mixed MPI/OpenMP Programming in a Multi SMP Cluster Computer. Lecture Notes in Computer Science, Vol. 2328. 2002.

153. Stockinger H. Defining the Grid — a snapshot of the current view // Journal of Supercomputing. —Springer Science+Business Media, 2007.

154. Talbi E. Parallel Combinatorial Optimization (Wiley Series on Parallel and Distributed Computing) // Wiley-Interscience, 2006.

155. Talia D. Где GRID встречается с Web // Открытые системы. №1. 2003, c.47-48.

156. Wagner G. Foundations of knowledge systems — with applications to databases and agents, -1998 // http //www.inf,fu-berlin,de/wagnerg/ks.html

157. Wooldridge M, Jennings N. Intelligent agents: Theory and practice // The knowledge Engineering Review, —1995.№10(2).p.p.l 15-152.

158. Zadeh L.A. Fuzzy logic, neural networks and soft computing //Commutation on the ASM-1994. Vol.37. №3, p.p.77-84.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.