Разработка методов создания прикладных интеллектуальных систем с использованием технологии SIMER+MIR: В обл. экологии и прогнозирования мор. биол. ресурсов тема диссертации и автореферата по ВАК РФ 05.13.17, кандидат технических наук Сазонова, Людмила Ильинична

• Сазонова, Людмила Ильинична
• кандидат технических наук
• 1998

Оглавление диссертации кандидат технических наук Сазонова, Людмила Ильинична

Содержание

стр.

Введение

Глава 1. Представление знаний с использованием семантических сетей

1.1 .Когнитивные структуры и их представление семантическими

сетями

1.2. Особенности интеллектуальной технологии 81МЕК+М1Я

1.2.1. Архитектура 81МЕЯ+М1К

1.2.2. Основные методы приобретения знаний

1.2.3. Основные методы формирования базы знаний

1.2.4. Синтез и настройка механизма решения задач

1.2.5. Принципы и алгоритм решения задач

1.2.6. Механизм взаимодействия баз знаний

Глава 2. Основные формальные структуры в технологии вШЕК+МШ

2.1. Представление знаний в моделях дифференциальной диагностики

2.2. Представление иерархических понятий предметной области

2.3. Представление логических операций

2.4. Модель знаний, отражающих этапы развития процессов

Глава 3. Основные модели и когнитивные структуры в

области экологии

3.1. Представление знаний в ЭС «Оценка качества воды»

3.2 Представление знаний в ЭС «Оценка воздуха рабочей зоны»..86 3.3. Представление знаний в ЭС «Санитарно-лабораторная экспертиза пищевых продуктов»

1

I

Глава 4. Основные модели и когнитивные структуры в

области оценки и прогнозирования морских ресурсов

4.1. Общее представление о системах поддержки принятия решений по управлению ресурсами

4.2. Представление знаний в системах поддержки принятия решений по управлению морскими рыбными ресурсами

4.3. Модель решения задачи прогнозирования рыбных

ресурсов

4.4. Результаты работы интеллектуальных распределенных систем оценки и прогнозирования морских биологических ресурсов

Заключение

Литература

!

Приложение 1. Функциональные схемы интегрированных систем поддержки принятия решений по управлению морскими биологическими ресурсами

Приложение 2. Акты о внедрении

Введение диссертации (часть автореферата) на тему «Разработка методов создания прикладных интеллектуальных систем с использованием технологии SIMER+MIR: В обл. экологии и прогнозирования мор. биол. ресурсов»

ВВЕДЕНИЕ

г Актуальность работы

Разработка методов создания прикладных интеллектуальных систем в различных областях приносит кардинальные изменения в эти области, стимулирует их дальнейшее развитие, предлагает новые способы работы с информацией.

Сложность и многообразие структур знаний порождают многообразие формальных способов их представления и разработку соответствующих программных средств, предназначенных для работы с такими структурами.

С другой стороны, то же многообразие структур знаний требует развития методов выявления знаний и переноса их в интеллектуальные программные системы. Известно, что проблемы выявления знаний (например, компетентности эксперта) с возникновения инженерии ! знаний и по сегодняшний день относятся к числу сложнейших проблем искусственного интеллекта. В этой связи, особенно важными оказываются исследования, направленные на установление специфических черт устройства знаний тех или иных предметных областей и использование этих исследований для создания проблемно-ориентированных методов приобретения и представления экспертизы.

Как показывает ряд работ последних лет, наибольший эффект на этом пути дает применение технологических программных средств выявления, переноса и представления знаний. Одной из таких технологий является технология БШЕК+МШ [1,2], которая позволяет существенно изменить традиционную технологию создания систем, основанных на * знаниях. Как известно, традиционный подход к инженерии знаний ■ включает в себя реализацию следующих стадий создания прикладной системы: идентификация проблемы; концептуализация проблемы; 1 формализация проблемы; реализация; тестирование [3].

Использование технологии SIMER + MIR меняет содержание и количество стадий инженерии знаний [4]. Из перечисленных выше стадий инженерии знаний остается стадия идентификации проблемы. Появляется новая стадия - приобретение знаний. Концептуализация проблемы выполняется в процессе приобретения знаний. Стадия формализации теряет свое самостоятельное значение, так как становится одной из фаз приобретения знаний и возлагается на инструментальные средства. Стадия реализации, которая предусматривает создание прототипа, отпадает совсем. Стадия тестирования в рамках рассматриваемой технологии остается: проверяется правильность заполнения базы знаний, ведется ее актуализация и пополнение. Таким образом, использование SIMER+MIR предполагает наличие лишь трех стадий инженерии знаний при создании систем, основанных на знаниях: идентификация, приобретение знаний и тестирование.

Приобретение знаний на основе интеллектуальной технологии SIMER+MIR предоставляет возможность прямого приобретения знаний интерактивным интерпретатором экспертизы и взаимодействия прямого приобретения знаний с методами приобретения знаний путем анализа текстов и обучения на примерах.

Приобретение знаний компьютерной системой предполагает, что знания системы о конкретной предметной области будут представлены в соответствии с

- используемым формализмом представления знаний, в нашем случае - это неоднородные семантические сети;

- принципами и методами представления знаний, лежащими в основе подхода, используемого в интерактивном интерпретаторе экспертизы;

- конкретными требованиями данной системы приобретения знаний;

- основными принципами системы моделирования рассуждений и

выполнения вычислений над базами знаний;

- конкретными требованиями и возможностями интерпретатора

базы знаний.

Представление знаний, в конечном итоге, определяет основные характеристики системы, разрабатываемой с использованием конкретных инструментальных средств, и это свидетельствует об актуальности данной работы.

Цель работы

Основной целью данной работы является исследование когнитивных структур и способов их представления с использованием технологии 81МЕЯ+М1К для решения задач диагностики, прогнозирования, оценки запасов, интерпретации данных и планирования производственного процесса в различных предметных областях, имеющих плохую структуру. В соответствии с основной целью выделены следующие задачи:

- анализ принципов и методов представления знаний в рамках формализма семантических сетей, лежащего в основе инструментальных средств 81МЕК+М1Я;

- построение моделей конкретных предметных областей для решения некоторых экологических задач;

- построение моделей предметных областей для задач поддержки принятия решений и оценки ресурсов;

- применение разработанных подходов в представлении знаний для конкретных задач путем создания и внедрения прикладных систем.

Научная новизна работы

Научная новизна диссертационной работы состоит в следующем:

- в исследовании принципов создания моделей предметных областей, отражающих этапы развития различных (временных) процессов предметной области,

- в разработке моделей предметных областей с использованием инструментальных средств 81МЕЯ+М1К,

- в разработке архитектур распределенных интеллектуальных систем в области оценки и прогнозирования морских биоресурсов, которые включают в себя базы знаний, базы данных и внешние программы,

- в реализации соответствующих прикладных систем, которые открыли новую область приложения для систем искусственного интеллекта

Практическая значимость работы

Практическая значимость работы заключается в следующем:

- исследованы принципы и разработаны методы представления знаний с использованием интеллектуальной технологии 81МЕК+М1Я для разных предметных областей;

- разработаны экспертные системы в области экологии «Оценка качества воды», «Воздух рабочей зоны», «Санитарно-лабораторная экспертиза продуктов питания", экспертная система «Оценка качества воды» решением Экспертного совета при Госкомсанэпиднадзоре Российской Федерации рекомендована к использованию в системе учреждений Госсанэпидслужбы РФ;

- созданы и внедрены в эксплуатацию распределенные интеллектуальные системы для решения задач оценки ресурсов «Интегрированная система оценки состояния запасов анчоусовидной кильки, прогнозирования величины допустимых уловов и распределения квот вылова между государствами

Каспийского бассейна», «Интегрированная система оценки состояния популяции гребневика на базе промыслово-экологического мониторинга Азово-Черноморского бассейна», «Интегрированная система оценки состояния запасов азовской хамсы и прогнозирования величины допустимых уловов на базе промыслово-экологического мониторинга Азово-

Черноморского бассейна», «Интегрированная система оценки состояния запасов азовской тюльки и прогнозирования величины допустимых уловов на базе промыслово-экологического мониторинга Азово-Черноморского бассейна», - теоретические результаты внедрены в учебный процесс Университета города Переславля.

Апробация работы

Основные результаты работы докладывались и обсуждались на всесоюзной конференции по искусственному интеллекту в Минске (1990), IV национальной конференции по искусственному интеллекту с международным участием в Рыбинске (1994), на 4-ой Международной Российско-индийской выставке-семинаре «Математическое

моделирование и визуализация» в Москве (1997), на семинаре «Вопросы автоматизации задач управления территориями» в Ярославле (1996), на конференции «Роль информатики в региональном развитии» в Переславле-Залесском (1996), а также были представлены на семинаре BESAI "Binding Environmental Sciences and Artificial Intelligence", проходившем в рамках 13-ой Европейской конференции по искусственному интеллекту ЕСАГ98 в Великобритании (1998). Распределенные интеллектуальные системы «Каспий» и «Азов» демонстрировались на выставках в Госкоминформе, в Академии наук, в Госкомитете по рыболовству РФ.

Структура и объем работ

Диссертация состоит из введения, 4 глав, заключения, списка литературы, содержащего 69 наименований, и 2-х приложений. Общий объем работы 139 страниц текста.

Содержание работы

В первой главе рассмотрены основные системы искусственного интеллекта, в основе представления знаний которых использован формализм семантических сетей (СС). Указываются проблемы, связанные с данным способом представления знаний, показываются преимущества использованных в данной работе инструментальных средств. Описаны особенности представления знаний с использованием инструментальных средств 81МЕ11+МЖ.

Во второй главе приводятся основные методы представления знаний в интеллектуальной технологии 81МЕЫ+М111: в моделях дифференциальной диагностики, в моделях, отражающих этапы развития процессов, представление иерархических понятий предметной области и логических операций.

В третьей главе дается описание основных моделей и когнитивных структур в области экологии.

В четвертой главе представлены основные модели и когнитивные структуры в области оценки и прогнозирования морских ресурсов, дается описание модели решения задачи прогнозирования рыбных ресурсов в рамках интеллектуальной распределенной системы.

Заключение содержит научные результаты и практическую значимость работы.

; Приложение 1 содержит функциональные схемы

интегрированных систем поддержки принятия решений по управлению морскими биологическими ресурсами.

В приложении 2 приведены акты о внедрении прикладных систем.

Авторами и разработчиками инструментальных средств БМЕЯ+Мт. являются Г.С.Осипов, Е.П.Куршев, С.А.Голубев, А.Б.Беляев, С.И.Комаров, М.Н. Годовников, И.М.Загоровский.

В разработке прикладных интеллектуальных систем участвовали М.Н.Годовников (внешние программы), А.Н.Виноградов (модуль ввода и отображения графической информации), Л.А.Гайдар (система помощи и руководства пользователей).

Заключение диссертации по теме «Теоретические основы информатики», Сазонова, Людмила Ильинична

Основные результаты работы:

1. Исследованы принципы и методы представления знаний с использованием интеллектуальной технологии БШЕЯ+МЖ.

2. Исследованы методы представления логических операций средствами используемой интеллектуальной технологии для построения моделей предметных областей.

3. Предложены методы представления знаний с использованием инструментальных средств 81МЕК+М1Я для моделей предметных областей, отражающих этапы развития процессов.

4. Предложенные методы представления знаний применены к решению практических задач в области экологии и прогнозирования морских биологических ресурсов.

5. Исследованы когнитивные структуры и построены модели в области экологии. На базе разработанных методов представлений знаний реализовано три экспертных системы: оценки качества воды для девяти типов водоисточников, оценки воздуха рабочей зоны промышленных предприятий и оценки кондитерских изделий.

6. Разработаны методы представления знаний и архитектура распределенных интеллектуальных систем в области прогнозирования морских рыбных запасов. Приведена модель решения задачи прогнозирования рыбных ресурсов. Созданы и сданы в эксплуатацию четыре распределенные интеллектуальные системы. Обсуждены результаты работы интеллектуальных распределенных систем по прогнозированию мелких морских рыб Каспийского и Азовского бассейнов.

Заключение

Методы создания прикладных систем с использованием интеллектуальной технологии 81МЕК+М1Я, принципы и технологические решения, реализованные при представлении знаний в разработанных системах, достаточно универсальны для применения их в других предметных областях, в которых решаются задачи диагностики, интерпретации, прогнозирования.

Список литературы диссертационного исследования кандидат технических наук Сазонова, Людмила Ильинична, 1998 год

Литература

1. G.S. Osipov, S.M. Gukova, S.I. Komarov and E.P. Kurshev, Expert system tools for badly structured fields, in Artifical Intelligence and Information-Control Systems of Robots-87, I. Plander (editor), North-Holland, (1987). Elsevier Science Publishers B.V.

2. Осипов Г.С., Куршев Е.П., Голубев C.A., Комаров С.И., Беляев А.Б., Годовников М.Н. SIMER + MIR - инструментальные программные средства для экспертных систем. II Всесоюзная конференция «Искусственный интеллект-90». Сб. тезисов. Минск, 1990, с. 58-64.

3. Д. Уотермен. Руководство по экспертным системам. М., 1989.

4. Осипов Г.С. Приобретение знаний интеллектуальными системами. М., 1997.

5. М. R. Quillian. Semantic memory. In Semantic Information Processing, M. Minsky, Editor, The MIT Press, Cambridge, MA, 1968. P.227-270.

6. Norman D. A., Rumelhart D.E. (eds), Explorations in Cognition. San Francisko: W. H. Freeman and Company, 1975.

7. Представление и использование знаний. Пер. с япон. Под ред. X. Уэно, М. Исидзуке. М., 1987.

8. J. G. Carbonell, R. S. Michalski, and Т. М. Mitchell. An overview of machine learning. In Machine Learning, an Artificial Intelligence Approach, Pages 323, Michalski, R. S., Carbonell, J. G., and Mitchell, Т. M., Editors, Tioga Publishing Company, Palo Alto, CA, 1983.

9. Duda R., Hart P.E., Nilson N. J., Barrett P., Gaschnig J.G., Konolige K., Reboh R., Slocum J., Development of the PROSPRCTOR consultation system for mineral exploration. SRI Report, Stanford Research Institute, 1978.

lO.Alty, J.L. and Coombs,MJ. Associative and causal approaches to diagnosis - INRERNIST and CASNET. Expert Systems, Concepts and Examples, Manchester, England: NCC Publications, 1984. (CASNET/GLAUCOMA)

{ 11 .Булюков Б. M. Формирование информационных моделей в системах планирования деятельности на основе баз знаний // Всесоюзное научно-техническое совещание «Интеллектуальные системы в задачах проектирования, планирования и управления в условиях неполноты информации». Казань, 1990.

12.Поспелов Г.С., Поспелов Д.А. Искусственный интеллект - прикладные системы//Новое в жизни, науке, технике. Сер. Математика, кибернетика. 1985, №9.

13.Перепелкин Г.А., Зотов В.Е., Методические указания к работе с ДС КИПАРИС. М., МАИ, 1986

14. AIDA: A System for the Knowledge Based Interpretation of Remote Sensing Data, 3rd International Airborne Remote Sensing Conference,

\ July 7-10, 1997, Copenhagen, Denmark

15. http://w3.informatik.gu.se/~dixi/publics.htm

16. http://ai.bpa.arizona.edu/papers/snnn92/section3_5.html

17.Георгиев В. О. Модели представления знаний предметных областей диалоговых систем. Изв. АН СССР. Техническая кибернетика. 1991. №5.

18. J. F. Sowa. Issues in knowledge representation. In Principles of Semantic Networks: Explorations in the Representation of Knowledge, pages 1-12, J. F. Sowa, Editor, Morgan Kauffmann Publishers, Inc., San Mateo, CA, 1991.

19.Галкин И.М. Использование семантических сетей для разработки программ на персональных ЭВМ. Материалы межд. симпоз.

.t

4 Информатика - 89. Минск, 1989, Т. 1. Ч. 1.

20. Е. Charniak. A common representation for problem solving and language comprehension information. Artificial Intelligence, 16:225-255, 1981.

21. L. Shastri. Why semantic networks? In Principles of Semantic Networks: Explorations in the Representation of Knowledge, pages 109-136, J. F. Sowa, Editor, Morgan Kauffmann Publishers, Inc., San Mateo, С A, 1991.

22.Биба И.Г., Ващенко Н.Д., Галаган Н.И. и др. Представление знаний в « » . «системах решения задач. . Изв. АН СССР. Техн.кибернетика, 1982.

№6.

4 23.0крутин М.В. Реализация ассоциативной сети данных во внешней памяти. Прикладная информатика. М. Финансы и статистика. 1984. Вып. 1(6).

24.Цейтин Г.С. Программирование на ассоциативных сетях. ЭВМ и проектирование в производстве. Л., Машиностроение, 1985. Вып.2.

25.Woods, W. A., "Important Issues in Knowledge Representation," Proceedings of the IEEE, Vol. 74, No. 10 (October, 1986), pp. 1322-1334. Reprinted in Peter G. Raeth (ed.), Expert Systems: A Software Methodology for Modern App.lications, Los Alamitos:IEEE Computer Society Press, 1990, pp. 180-204.

26.Вагин B.H., Кикнадзе В.Г. Дедукция на семантических сетях. Проблемы искусственного интеллекта и распознавания образов. Труды науч. конф. Секция 1.Искусственный интеллект. Киев, 1983.

i

27.Вагин В.Н. Параллельная дедукция на семантических сетях. Изв. АН СССР. Техн. кибернетика, 1986. №5.

28.Ващенко Н.Д. Формирование понятий в семантических сетях. Изв. АН СССР. Техн. кибернетика, 1983. №2.

29. Woods, W.A. What's in a link: Foundations for semantic networks. Bobrow, D.G. and Collins, A.M., Ed. Representation and Understanding: Studies in Cognitive Science, pp.35-82. New York, Academic Press. 1975

30. P. H. Winston. Artificial Intelligence, Second Edition. Addison-Wesley Publishing Company, Inc, Reading, MA, 1984.

31. http://wwwxs.umu.se/~dvlpzd/extende

32.Осипов Г.С. Метод формирования и структурирования модели знаний одного типа предметных областей. Изв. АН СССР. Техническая кибернетика. 1988. № 2.

33.Осипов Г.С. Построение моделей предметных областей. Ч. 1. Неоднородные семантические сети. Изв. АН СССР. Техническая кибернетика. 1990. № 5.

34.Hendriks G.G. expanding the utility of semantic networks trough partitioning. Proc. Fourth Int. joint. Conf Artif. Intel. Tbilisi, p. 1075.

35.Deliani A., Kowalski R. Logic and Semantic Networks. Comm. of the ACM, № 3, vol.22, March, 1979. pp. 184-192.

36. Сазонова Л.И., ., Годовников M.H., Куршев Е.П., Осипов Г.С. Создание интегрированных распределенных систем прогнозирования запасов рыбных объектов с использованием методов искусственного интеллекта. Сб. трудов АзНИИРХ. Ростов на Дону. 1998. (в печати).

37. Виноградов А.Н, Гайдар JI.A., Годовников М.Н, Сазонова Л.И. Использование средств интеграции интеллектуальной технологии SIMER+MIR в системе прогнозирования состояния морских биологических объектов. КИИ-98, Пущино. 1998

38.Гаврилова Т.А., Червинская K.P. Извлечение и структурирование знаний для экспертных систем. М., 1992.

39. Загоровский И.М., Шалак В.И. Взаимодействие методов прямого приобретения знаний и обучения на примерах. КИИ-92. Тверь. 1992.

40. Михайлов М.Н., Хорольская Н. А. Извлечение экспертных знаний из научного текста в полуавтоматическом режиме. КИИ-92. Тверь. 1992.

41. Осипов Г.С. Инструментарий для экспертных систем. Технология SIMER+MIR. Программные продукты и системы. 1990. 3.

42.С.И. Комаров, Е.П. Куршев, Г.С. Осипов, Построение моделей предметных областей. II. Прямое приобретение знаний в системе SIMER. Техническая кибернетика. 1991. № 3. 192-197.

43.Комаров С.И. Исследование декларативных и процедурных когнитивных структур и разработка стратегий и сценариев приобретения знаний для построения моделей предметных областей. Диссертация. Переславль-Залесский. 1998. 44.0sipov G.S. Semantic Types of Natural Language Statements. Proc. 10-th

IEEE Intern. Simposium on Intelligent Control. Monterey, California,

1995.

45.А.Б. Беляев, M.H. Годовников, С.А. Голубев, И.М. Загоровский, С.И. Комаров, Е.П. Куршев, Г.С. Осипов, Л.И. Сазонова. Технология создания распределенных интеллектуальных систем. Переславль-Залесский. 1997.

46.0sipov G.S. Special Knowledge and the Synthesis of the Reasoning Mechanism in Problems of Conceptual Analisis. Jornal of Computer an Systems Sciences International, Vol. 32, № 1, 1994. 47.0сипов Г.С. Специальные знания и синтез механизма рассуждений в задачах концептуального анализа. Изв. АН СССР. Техническая кибернетика. 1992. № 5.

48. Стенина И.И. Структурные модели принятия решений в клинической медицине. Автореферат. ИППИ РАН. Моска. 1995.

49.Сазонова Л.И., Стась O.E., Мельзетдинова 3.3., Бляблин A.A., Самошкин В.П. Экспертная система «Определение качества питьевой воды». II Всесоюзная конференция «Искусственный интеллект-90». Сб. тезисов. Минск, 1990, с. 101-102.

50. Сазонова Л.И., Дронь Г.И., Самошкин В.П. Экспертная система «Санитарно-лабораторная экспертиза продуктов питания». II Всесоюзная конференция «Искусственный интеллект-90». Сб. тезисов. Минск, 1990, с. 100.

51. Построение экспертных систем. Под ред. Ф. Хейеса-Рота, Д. Уотермана, Д. Лената. М., Мир, 1987.

52. Сазонова Л.И., Годовников М.Н., Осипов Г.С. Распределенная интеллектуальная система поддержки принятия решений по управлению добычей и запасами биологических рыбных объектов. Сб. трудов ИПС РАН. (в печати).

53.http://www-nml.dartmouth.edu/rargom/NewsSpring95/rothschild.html (1995).

5 4. http ://www. ida.his. se/ida/Examensarbeten/D VP/D VP96/xj obbD VP_D VP96 .chtml#2 (1996).

55.http://www.essa.com/services/aquatic/tenyears.htm (1998).

56.http://biosys.bre.orst.edu/pond/pond.htm (January 1997).

57. http://hmt.com/cwr/ibm.html (November, 1997.

58. DeAngelis, D.L., Shuter, B.J., Ridgeway, M.S., Blanchfield, P., Friesen, Т., and Morgan, G.E. (1991) Modeling early life-history stages of smallmouth bass in Ontario lakes. Transaction of the American Fisheries Society, September 9-11.

59. Bolte, J.P. Fisher, J.A. and Ernst, D.H. (1993) An object-oriented, message-based environment for integrating continuous, event-driven and knowledge-based simulation. Proceedings: Application of Advanced Information Technologies: Effective Management of Natural Resources. ASAE. June 18-19, Spokane, WA.

60. Ferson, S. (1994). Using fuzzy arithmetic in Monte Carlo simulation of fishery populations. Management Strategies for Exploited Fish Populations, G. Kruse et al. (eds.), proceedings of the International Symposium on Management Strategies for Exploited Fish Populations, Anchorage, 1992, Alaska Sea Grant College Program, AK-SG-93-02, pp. 595-608.

61. LCSS, Integrated management of Sea Lamprey: 1986-1996, http://www.essa.com/services/aquatic/tenyears.htm (1998).

62. Зиновьев H.A., Жилякова Л.Ю., Дудкин С.И., Рудницкая О.А. Создание экспертной системы "Физиология осетра». Сб. трудов АзНИИРХ. Ростов на Дону. 1998. (в печати).

63.http://www.botik.ru/PSI/AIReC/Caspiy/Caspiy.html (April, 1998).

64. Volovik, S.P., Myrzoyan, Z.A., and Volovik, Y.S. (1993) Mnemiopsis

leidyi in the Azov Sea: biology, population dynamics, impact to the ecosystem and fisheries. ICES CM 1993/L:69.

65. Разработка экспертных систем оценки запасов и допустимого улова на базе промышленно-экологического мониторинга Каспийского бассейна. ИПС РАН. Отчет о НИР № 02.9.70.002087. 1996. 91 с.

66. Разработка экспертных систем оценки состояния запасов и допустимых уловов на базе промыслово-экологического мониторинга Азово-Черноморского бассейна. Отчет о НИР. ИПС РАН. № 02.9.80 003907. 1997. 114 с.

67. Годовников М.Н., Сазонова JI. И., Жилякова Л.Ю., Воловик С.П., Луц Г.И., Рогов С.Ф., Мирзоян И. А. Интеллектуальная система прогнозирования запасов азовской тюльки и хамсы. Сб. трудов АзНИИРХ. Ростов на Дону, (в печати).

68. Ворович И.И., Горелов A.C., Горстко А.Б., Домбровский Ю.А., Жданов Ю.А., Сурков Ф.А., Эпштейн Л.В. Рациональное использование водных ресурсов бассейна Азовского моря. М., Наука. 1981.

69. Sazonova L, Osipov, G. Intelligent system for fish stock prediction and allowable catch evaluation, Proceedings of BESAI'98, 181-196. 1998.

Приложение 1. Функциональные схемы интегрированных систем поддержки принятия решений по управлению морскими биологическими ресурсами.

Функциональная схема экспертной системы оценки состояния анчоусовидной кильки.

Общая схема экспертной системы "Оценка состояния популяции азовской тюльки"

Общая схема экспертной системы оценки состояния популяции

гребневика.

Графическое представление прогнозных показателей

Общая схема экспертной системы "Оценка состояния популяции азовской хамсы"

министерство сельского хозяйства и продовольствия российской

федерации департамент по рыболовству азовский научно-исследоватвльский research institute of the azov институт рыбного хозяйства sea fishery problems

344007, г.Ростов-на-Дону, Ве,седот/чуа st.21/2,Rostov/Don

ул.вер«1ч>ва«, 25,/й 344007, russia

АзНИИРХ AzMIRKII

ТелефонЛГе1ерЬопе: (8632) 624650 ^^f Тслефакс/Telefex: (8§32) 624?42, 624464

Тйлктяйл-АИДА ^^^ Талвкс/Тв1ох: 123201 PTBeu+AzhJllRKH

Р/р 40503910600000000001 вДонхеМОанк* ^.Ростове-на-Дону, БИК 046015Ш Корр. оч. 30101910000000000804, ИНН G1541Q4176, ОКОНХ S512Q, ОКПО 00472213

£3 :J ] 99

/

Акт

внедрения результатов кандидатской диссертации Сазоновой Людмилы Ильиничны

Результаты исследований, представленные в кандидатской диссертации Л.И. Сазоновой, "Разработка методов создания прикладных: интеллектуальных систем с использованием технологии $1МЕК+МШ (е области экологии и прогнозирования морских биологических ресурсов)", представленной на соискание ученой степени кандидата технических наук по специальности 05,13.17 - 'Теоретические основы информатики7 использованы в Азовском научно-исследовательском институте рыбного хозяйства при разработке следующих интеллектуальных программных систем:

1. Интегрированная система оценки состояния запасов юоиской тюльки и прогнозирования величины допустимых уловов на базе промысдоао-экологического мониторинга Азово-Черноморского бассейна,

2. Интегрированная система оценки состояния запасов азовской хамсы и прогнозирования величины допустимых уловов на базе промыслово-экологического мониторинга Азово-Черноморского бассейна,

3. Интегрированная система оценки состояния популяции гребневика на базе промыслово-экологического мониторинга Азово-Черноморского бассейна.

Указанные системы приняты в эксплуатацию в 1996-97 годах л используются для прогнозирования биологических рыбных запасов Азово-Черноморского бассейна.

Директор,

к.б.н. ' // Э.В. Макаров

УТВЕРЖДАЮ

УТВЕРЖДАЮ

заместитель Председателя ри Президенте Федерации по форматизации

В^-ВГ^рчагин

¿/¿с/1995

г.

АКТ

Первый заместитель Председателя Комитета Российской Федерации

Межведомственной комиссии о приёмке первого этапа информационно-аналитической системы для реализации федерально-региональных функций управления Каспийского рыбопромышленного бассейна Российской Федерации ( Система "Каспий")

г. Астрахань

18-20 декабря 1995г.

1. Межведомственная комиссия в составе:

Е.П. Березина

Е. П. Полтолярного - председателя комиссии,

главного специалиста НТУ Роскомрыбо-ловства;

- зам. председателя комиссии, начальника подотдела отдела научно-технической политики и экономического регулирования Роскоминформа;

- зам. председателя комиссии, к. г. н., зам. директора по научной работе КаспНИРХ;

- к.э.н., зам. директора по научной работе ВНИЭРХ;

- начальника Севкаспрыбвода;

- к. ф.-м.н., зав. лабораторией ВНИРО;

- начальника отдела АО "Каспрыба";

- начальника БИВЦ "Каспрыба";

Д.Н. Катунина

Э. Г. Коляды

Я.Г. Прошина

Г.С. Моисеенко

В. В. Малькова

В. С. Мартышкина

Л.П. Вызовом

Г.С. Осипова

главного специалиста отдела рыбного хозяйства Администрации Астраханской области;

д.ф.-м.н., профессора, зам. директора института программных систем РАН.

йствуя на основании приказа Роскомрыболовства N 204 от 13.12.95 эовела в период с 18.12.95 по 22.12.95 приёмку первого этапа Систе-л "Каспий".

2. Комиссии были предъявлены:

- Концепция создания информационно-аналитической системы для еализации федерально-региональных функций управления Каспийского ыбопромышленного бассейна Российской Федерации (НИОКР "Каспий");

- проектная документация на разработанные комплексы задач;

- программное и информационное обеспечение разработанных комп-бксов задач;

- локальная вычислительная сеть.

3. Комиссия заслушала сообщение руководителя темы Э.Г. Коляды, ассмотрела предъявленные документы, а также протоколы приёмо-сда-эчных испытаний (Приложения 1-6).

Заключение комиссии.

Первый этап Системы "Каспий" разработан на высоком научно-тех-гоеском уровне в полном объёме в соответствии с Концепцией и кален-арными планами договора между Роскомрыболовством и ВНИЭРХ.

Решение комиссии:

Считать разработку первого этапа Системы "Каспий" завершённой соответствии с заданием Комитета Российской Федерации по рыбо-

НЬ5

Комиссия рекомендует:

1. КаспНИРХу принять разработанный первый этап Системы "Каспий" в эксплуатацию.

2. НТУ Роскомрыболовства обеспечить в 1996 году финансирование работ по авторскому надзору, сопровождению и развитию Системы "Каспий"

3. Продолжить работы по развитию Системы "Каспий" в направлении разработки интегрированных экспертных систем:

оценки запасов, прогнозирования объёмов допустимых уловов и распределения квот вылова по другим видам рыб;

краткосрочного прогнозирования промысловой обстановки; обслуживания научно-промысловых советов.

4. При дальнейшем развитии Системы "Каспий" привлечь в качестве экспертов по оценке запасов и ОДУ специалистов по Каспийскому бассейну из ВНИРО.

Комиссия ходатайствует перед Комитетом при Президенте Российской Федерации по политике информатизации и Комитетом Российской Федерации по рыболовству о продолжении финансирования работ по развитию Системы "Каспий"

Председатель комиссии Зам. председателя

комиссии Зам. председателя комиссии Члены комиссии :

/

Е.П. Полтолярный Д.Н. Катунин

Е.П. Березин

Коляда

Прошин

Моисеенко

Мальков

Мартышкин

Вызова

Осипов'

-ПС

ПРОТОКОЛ N 4

Приложение N 5 к акту приёмки первого этапа Системы "Каспий'

Результатов приемо-сдаточных испытаний программного обеспечения первого этапа Системы "Каспий"

В период с 18.12.95 по 20.12.95 межведомственная комиссия проводила приемо-сдаточные испытания программного обеспечения первого этапа Системы "Каспий" .

Комиссия отмечает:

В состав разработанного программного обеспечения первого этапа Системы "Каспий" входят:

1.Интегрированные экспертные системы: "Оценка состояния запасов кильки"; "Оценка состояния запасов севрюги"; "Оценка состояния запасов тюленя"; "Расчёт ОДУ по кильке"; "Расчёт ОДУ по севрюге"; "Расчёт ОДУ по тюленю";

"Расчёт вариантов распределения квот между пользователями иностранных государств на добычу кильки"; "Оценка качества воды из различных водных источников".

2.Комплекс задач по созданию и ведению баз данных: "Гидрология"; "Промысловый мониторинг"; "Промысел тюленя"; "Корма".

3. Комплекс задач "Построение изотермических карт Каспийского моря в горизонтальном и вертикальном разрезах".

-/ Д 7

4. Комплекс задач "Распределение и перераспределение между пользователями Российской Федерации".

квот

1 1|

ш

В период приемо-сдаточных испытаний комиссией была проведена проверка работоспособности разработанного программного обеспечен ния первого этапа Системы "Каспий".

Комиссия констатирует:

Инсталлировано общесистемное программное обеспечение: сетевая русифицированная операционная система Novell NetWare версии 3.12;

русифицированная операционная система Windows for Workgroops версии 3.11;

текстовый редактор Лексикон версии ' i.S ;

система управления базами данных Paradox версии 4.5;

1рограмма распознавания образов Finereader;

жстема автоматического перевода Stylus for Windows версии 2.0.

Инсталлировано прикладное программное обеспечение системы 'Каспий", разработанное ИПС РАН ( для создания экспертных систем: >IMER,TEXT}KAD,MIR.) и ВНИЭРХом (создание и ведение баз данных и юстроения изотерм).

Комиссия установила работоспособность установленного обще-¡истемного и прикладного программного обеспечения.

В ходе приемо-сдаточных испытаний отказы, сбои и аварийные ситуации не наблюдались. „

Для обеспечения эксплуатации системы "Каспий" специалисты аспНИРХа получили дистрибутивы всего общесистемного и прикладно-о программного обеспечения.

Выводы:

Разработанное и установленное в КаспНИРХе программное обес-эчение позволяет осуществить ввод в действие и последующую экс-иуатацию первого этапа системы "Каспий".

Председатель комиссии

Секретарь комиссии

E.IL Полтолярный

А.А. Алексеев

"УТВЕРЖДАЮ"

начальник Управления Госсанэпидслужбы РФ Шестопалов Н.В.

23 Февраль, 1994

Выписка из ПРОТОКОЛА N 1 от 23 Февраль, 1994 |

ааседания Совета по акепертнае программных продуктов при Госкомсанапиднадворе России

Решено:

- оценить экспертную систему "Оценка качества воды" .разработанную Исследовательским центром искусстенного интеллекта ИПС РАН положительно и рекомендовать к распространению в органах и учреждениях Госсанэпидслужбы России.

Председатель Экспертного Совета, Начальник Управления Госсанэпидслужбы Госкомсанэпиднадэора России

Н.В.Шестооалов