Теоретические основы разработки гибридных экспертных систем для прогноза и оценки рудных месторождений тема диссертации и автореферата по ВАК РФ 25.00.35, доктор геолого-минералогических наук Чижова, Ирина Александровна

  • Чижова, Ирина Александровна
  • доктор геолого-минералогических наукдоктор геолого-минералогических наук
  • 2010, Москва
  • Специальность ВАК РФ25.00.35
  • Количество страниц 297
Чижова, Ирина Александровна. Теоретические основы разработки гибридных экспертных систем для прогноза и оценки рудных месторождений: дис. доктор геолого-минералогических наук: 25.00.35 - Геоинформатика. Москва. 2010. 297 с.

Оглавление диссертации доктор геолого-минералогических наук Чижова, Ирина Александровна

Введение

Глава 1. Экспертные системы - путь к решению прогнозных 14 задач

1.1. Современные информационные технологии в геологии

1.2. Общая постановка проблемы разработки экспертных 17 систем

1.3. Типы знаний при геологических исследованиях

1.4. Обоснование оптимальности выбора гибридных 23 экспертных систем

1.5. Методы получения знаний для наполнения экспертных 24 систем

1.6. Основные этапы процесса приобретения знаний

1.7. Типы задач, к которым могут быть сведены прогнозные 29 задачи в процессе формализации

Задачи распознавания образов

Задачи выявления связей параметрических характеристик между собой и с запасами металла

Задачи информационно-аналитические

1.8. Возможности использования экспертных систем для 35 решения геолого-прогнозных задач

Рекомендованный список диссертаций по специальности «Геоинформатика», 25.00.35 шифр ВАК

Введение диссертации (часть автореферата) на тему «Теоретические основы разработки гибридных экспертных систем для прогноза и оценки рудных месторождений»

Общая характеристика работы

Анализируя тенденции развития информационных технологий в геологии, можно отметить следующее: сначала наиболее бурно шел процесс перевода всех геологических данных в цифровой вид, сейчас эта задача становится неотъемлемой и обязательной частью внедрения компьютерных технологий, и на передний план выходят задачи анализа имеющихся данных, решение которых напрямую связаны с использованием информационных технологий. Это потребовало значительных работ по структуризации и стандартизации исходных данных [Гвишиани, 1995; Арский и др., 1998, 2007; Чесалов, 2005; Чесалов и др., 2006; Лаверов и др., 2008 и др.]. Унификация систем описания позволяет проводить сопоставление исследуемых объектов.

Первые шаги информационных технологий в геологии были связаны с задачей автоматизации рутинных операций, которая в настоящее время практически решена. Широкое распространение получили ГИС-системы [Рундквист и др., 1996; Наумова, 2004; Черемисина, Никитин, 2006; Черемисина, Суханов, 2008 и др.], что позволило производить анализ пространственного размещения геологических объектов и изучать распределение пространственной изменчивости наблюдаемых величин путем построения карт.

Следующим кардинальным скачком стало использование систем извлечения знаний (Data mining), нацеленных, на поиск закономерностей в огромном наборе фактических данных. Эти методы позволили перейти от данных (совокупности сведений) к знаниям (закономерностям, значимым для пользователя-геолога). Ряд исследователей разрабатывали специальные методы для решения геологических задач [Дмитриев и др., 1966; Куклин, 1967; Константинов, 1973; Дмитриев, Красавчиков, 1977; Лбов, 1981; Бекжанов и др., 1987; Гвишиани, Гурвич, 1992; Воронин и др., 1996; Агаян и др., 2005; Тюпкин и др., 2006; Гвишиани и др., 2008 и др.]. Применение полученных научных результатов способствовало повышению эффективности этих решений, ускоряя процесс их принятия, и достоверности выводов.

Актуальность темы

Изучение рудных месторождений является одним из стратегических направлений геологических исследований, обеспечивающих развитие наук о Земле. Проблема прогноза и оценки рудных месторождений является актуальной, поскольку напрямую связана с расширением минерально-сырьевой базы, обеспечивающей экономическое развитие страны. Для решения этой проблемы необходимо использование современных геоинформационных технологий для повышения эффективности, точности и достоверности прогноза и оценки.

В настоящее время актуален переход от систем, оперирующих с данными с целью получения знаний, к системам, использующим знания для решения геологических задач. Назрела необходимость создания идеологии и методологии разработки экспертных систем современного уровня, целями которых являются совершенствование процедур анализа геологических ситуаций и повышение эффективности принятия решения пользователями в условиях неопределенностей.

В этой связи актуальна и важна проблема разработки информационных технологий для прогноза и оценки рудных месторождений на базе экспертных систем. Применение в этой области компьютерных технологий позволяет значительно упростить задачу исследователя и ускорить ее выполнение.

Цель работы

Основной целью работы является создание теоретических основ разработки гибридных экспертных систем для прогноза и оценки рудных месторождений.

Задачи работы

Для достижения этой цели решались следующие основные задачи:

1. Исследование принципов и методов создания экспертных систем.

2. Обоснование оптимальности гибридных экспертных систем для решения прогнозных задач.

3. Разработка технологии создания гибридных экспертных систем для решения прогнозных задач.

4. Разработка методов анализа геологической информации с целью извлечения знаний и построения математических моделей изучаемых объектов, исследования и описания их свойств.

5. Разработка компонентов программного и информационного обеспечения для реализации предложенной технологии с дружественным интерфейсом по отношению к пользователю.

6. Апробация предложенной технологии при создании экспертных систем для прогноза и оценки рудных месторождений.

Защищаемые положения

1. Разработаны научно-методические основы использования гибридных экспертных систем для решения задач прогноза и оценки рудных месторождений, в которых предусмотрено сочетание различных способов представления научных знаний (знаний экспертов; закономерностей, получаемых в результате обработки имеющейся базы данных). Гибридные экспертные системы, основанные на комплексных базах знаний, обеспечивают непосредственное использование научных знаний в решении поставленных задач и являются инновационной информационной технологией.

2. Гибридные экспертные системы для прогноза и оценки рудных месторождений основываются на методологии теории распознавания образов. В зависимости от выбранного подхода: принципа общности свойств или перечисления объектов -предложены алгоритмы представления имеющихся знаний об объекте исследования и системы принятия решений.

3. Разработаны обобщенные логико-информационные методы анализа рудных объектов для изучения их многофакторных моделей. Они обеспечивают получение надежных результатов при идентификации объектов на основе многомерной оценки информативности разнотипных признаков и автоматизируют процесс построения элементов комплексной базы знаний гибридной экспертной системы. Разработан программный комплекс АСТРА, реализующий данные методы.

4. На базе теоретических основ разработки гибридных экспертных систем созданы специализированные экспертные системы АСТРА для прогноза и оценки золотосеребряных месторождений Охотско-Чукотского вулканогенного пояса, месторождений золото-кварцевой и золото-редкометалльно-кварцевой формации Северо-Востока России, и система АНАЛОГ для оценки золоторудных месторождений на основе выбора ближайшего аналога среди эталонных золоторудных месторождений мира.

Методы исследования

Для разработки гибридных экспертных систем использованы методы создания баз данных, баз знаний, методы углубленного анализа данных (data mining), линейного программирования, системный анализ, многомерные статистические методы, моделирование, методы создания программного обеспечения.

Личный вклад в разработку проблемы и фактический материал

Многолетний опыт автора в области формализации геологических данных, применения и разработки математических методов и компьютерных технологий позволил создать базовую основу для настоящей работы.

Диссертация основана на теоретических исследованиях и результатах математического анализа данных, выполненных автором. Соответствующее программное обеспечение разработано автором.

Для апробации технологии разработки гибридных экспертных систем использовались материалы высококвалифицированных экспертов-геологов, принимавших участие в создании баз знаний соответствующих специализированных экспертных систем. База данных по золото-серебряным полям Охотско-Чукотского вулканогенного пояса подготовлена д.г.-м.н. М.М.Константиновым и С.Ф.Стружковым. База данных по рудным объектам золото-кварцевой и золото-редкометалльно-кварцевой формации Северо-Востока России составлена под руководством к.г.-м.н. Г.М.Курбанаева. База данных по золоторудным месторождениям мира подготовлена под руководством д.г.-м.н. М.М.Константинова.

Формализация, структуризация, и представление знаний в разработанных гибридных экспертных системах проведены совместно с экспертами-геологами. Программное обеспечение для функционирования экспертных систем разработано совместно с Хмелевой H.A., Поляковым P.C., Покровским Д.А.

Научная новизна работы

• Теоретически обоснована технология разработки гибридных экспертных систем для прогноза и оценки рудных месторождений.

• Создана методика решения прогнозных задач на основе предложенной технологии разработки гибридных экспертных систем.

• Впервые разработаны обобщенные логико-информационные методы анализа геологической информации, обеспечивающие извлечение знаний для решения прогнозных задач.

• Предложены оптимальные процедуры хранения разнотипной геологической информации.

• Созданы специализированные экспертные системы для прогноза и оценки рудных объектов.

• В качестве информационной основы для характеристики эталонных объектов при выборе ближайшего аналога в экспертных системах предложено использовать помимо фактографической и графическую (включающую когнитивную графику) базы данных.

Практическая ценность

Теоретическое обоснование создания гибридных экспертных систем является научно-технической основой для разработки экспрессных технологий оценки прогнозных ресурсов и выявления перспективных площадей, позволяющих на самых ранних стадиях геологических работ дать заключение о металлогенической специализации района, массива или месторождения и его перспективности.

Использование специализированных экспертных систем, разработанных на основе предложенной технологии, обеспечивает достоверность и надежность решения задач стратегической оценки территории России в отношении распределения площадей, перспективных на обнаружение различных генетических типов стратегических видов полезных ископаемых, и тем самым способствует минимизации финансовых затрат на проведение прогнозных и оценочных работ.

Полная апробация технологии проведена на материале по золоторудным объектам.

Созданы специализированные экспертные системы АСТРА для прогноза и оценки золото-серебряных месторождений Охотско-Чукотского вулканогенного пояса

10 и месторождений золото-кварцевой и золото-редкометалльно-кварцевой формации Северо-Востока России.

Создана информационно-аналитическая экспертная система АНАЛОГ для оценки золоторудных месторождений на основе выбора ближайшего аналога среди эталонных золоторудных месторождений мира, информационной основой которой являются две базы данных: фактографическая - позволяющая хранить и анализировать количественную и качественную информацию об эталонных и экспертируемых объектах, и графическая - содержащая визуализированную информацию об эталонных месторождениях.

Апробация работы

Основные положения и результаты исследований докладывались и обсуждались на следующих международных и отечественных симпозиумах, форумах, конференциях, семинарах, совещаниях: Научно-практические конференции "Научно-технические достижения ЦНИГРИ в 1991 г.", "НТД-92-ЦНИГРИ", "НТД-96-ЦНИГРИ" (Москва, ЦНИГРИ, 1991, 1993, 1997); IX Всесоюзное совещание по геологии россыпей (Бишкек, 1991); Всесоюзное совещание "Теоретические основы выявления новых источников рудного сырья" (Москва, 1991); Международный форум информатизации-93 (Москва, Международная Академия информатизации, 1993); Симпозиум "Рудноформационный анализ - состояние и перспективы" (Москва, 1996); Конференция "Мировая минерально-сырьевая база алмазов, благородных и цветных металлов на рубеже веков - перспективы использования и воспроизводства" (Москва, ЦНИГРИ, 1998); 3-я Всероссийская научно-практическая конференция "Геоинформатика в нефтегазовой и горной отраслях" (Москва, РАГС, 2000); Годичное собрание минералогического общества при РАН и Школе "Геологические и минералогические критерии крупных и уникальных месторождений" (Санкт-Петербург, 1994); Годичная сессия МО ВМО "Минералогия на пороге XXI века" (Москва, 1996, 2005); IX съезд ВМО "Минералогическое общество и минералогическая наука на пороге XXI века" (Санкт-Петербург, 1999); XII Международное совещание "Природные и техногенные россыпи и месторождения кор выветривания на рубеже тысячелетий" (Москва, ИГЕМ РАН, 2000); Международный семинар по дискретной математике и ее приложениям (Москва, МГУ, 1993, 1995, 2001); XIV международная конференция

Проблемы теоретической кибернетики" (Пенза, 2005); IX международной конференции "Интеллектуальные системы и компьютерные науки". (Москва, МГУ, 2006); Конференция, посвященная 10-летию РФФИ (Москва, ИГЕМ РАН, 2002); Международный симпозиум, посвященный 100-летию со дня рождения

A.Г.Бетехтина "Основные проблемы в учении о магматогенных рудных месторождениях" (Москва, 1997); 4-я, 6-я, 9-я и 10-я Международные конференции "Физико-химические (и петрофизические исследования в науках о Земле" (Москва, ИГЕМ РАН, ОИФЗ РАН, 2003, 2005, 2008, 2009); V Международный конгресс по математическому моделированию (V ICMM) (Дубна, JINR, 2002); 30-й - 33-й Международные геологические конгрессы (Пекин, Китай, 1996; Рио де Жанеро, Бразилия, 2000; Флоренция, Италия, 2004; Осло, Норвегия, 2008); 1-й, 3-й - 6-й Европейские конгрессы по региональной геологической картографии и информационным системам (Болонья, Италия, 1994; Мюнхен, Германия, 2000; Болонья, Италия, 2003, Барселона, Испания, 2006; Мюнхен, Германия, 2009); Ежегодные конференции Международного общества по математической геологии (Барселона, Испания, 1997; Неаполь, Италия, 1998; Берлин, Германия, 2002; Портсмут, Великобритания, 2003; Торонто, Канада, 2005; Льеж, Бельгия, 2006); Симпозиумы ассоциации генезиса рудных месторождений (IAGOD) (Пекин, Китай, 1994; Москва, 2006); V и VI Международные Симпозиумы по применению математических методов и компьютеров в геологии, горном деле и металлургии (Дубна, Россия, ВНИИгеосистем, 1996; Прага, Чехия, 1997); Международная конференция "Computerized modeling of sedimentary systems" (Густров, Германия, 1996); Генеральная ассамблея Европейского геологического союза (Вена, Австрия, 2008); Совещание "Компьютерные технологии ведения геологоразведочных, рудничных и экологических работ" (Москва, ВНИИХТ, 1998); IX рабочее совещание по созданию Государственного банка цифровой геологической информации (ГБЦГИ) (Москва, ГлавНИВЦ, 1995); Рабочий семинар "Информационные технологии при производстве геологоразведочных работ. Современное состояние и перспективы развития" (Москва, ВНИИгеосистем, 2007); Международная конференция, посвященная 250-летию Государственного геологического музея имени

B.И.Вернадского РАН «Геология: история, теория, практика» (Москва, 2009).

Публикации

По теме диссертации опубликовано 153 работы, 27 из которых - в реферируемых журналах, 2 - в международных журналах, 44 - в сборниках материалов международных конференций.

Структура и объем работы

Диссертация состоит из введения, 6 глав, заключения и содержит 297 страниц текста, 53 рисунка, 18 таблиц. Список литературы включает 214 наименований.

Похожие диссертационные работы по специальности «Геоинформатика», 25.00.35 шифр ВАК

Заключение диссертации по теме «Геоинформатика», Чижова, Ирина Александровна

Заключение

Диссертационная работа базируется на многолетних исследованиях в области разработки информационных технологий и математических методов для прогноза и оценки рудных месторождений. Проведенные исследования позволяют сформулировать следующие основные выводы.

1. Для решения задач прогноза и оценки рудных месторождений обосновано преимущество использования гибридных экспертных систем, предусматривающих сочетание различных способов представления научных знаний (знания экспертов; закономерности, получаемые в результате обработки имеющейся базы данных).

2. Гибридные экспертные системы, основанные на комплексных базах знаний, обеспечивают непосредственное использование научных знаний в решении задач прогноза и оценки рудных месторождений и являются инновационной информационной технологией.

3. Гибридные экспертные системы для прогноза и оценки рудных месторождений основываются на методологии теории распознавания образов. В зависимости от выбранного подхода (принципа общности свойств или перечисления объектов) строятся алгоритмы представления имеющихся знаний об объекте исследования и системы принятия решений.

4. Структура комплексных баз знаний, учитывающих все типы знаний: от знаний экспертов до закономерностей, полученных в результате математической обработки данных - обеспечивает построение надежных баз знаний об объекте исследования для гибридных экспертных систем.

5. Основой баз данных для построения баз знаний гибридных экспертных систем для прогноза и оценки рудных месторождений являются многофакторные модели рудных месторождений, построенные с позиций системного анализа. В 1991 г. автором впервые была применена технология построения базы знаний, включающей не только знания экспертов, но и закономерности, получаемые в результате анализа имеющихся баз данных по исследуемым геологическим объектам [Чижова, 1991; Чижова и др., 1991]. В дальнейшем выводы о предпочтении экспертных систем с комбинированным способом представления знаний встречаются в работах [Фоминых и др., 1996; Барышев и др., 2006].

6. Разработаны обобщенные логико-информационные методы анализа рудных объектов на основе изучения их многофакторных моделей с целью получения многомерной оценки информативности входящих в нее признаков, используемой при идентификации объектов в процессе решения прогнозных задач. Методы обеспечивают выделение системы информативных признаков, оценку их значимости и построение надежных решающих правил для идентификации объектов на основе полученных оценок.

7. Методы являются дальнейшим развитием методов, предложенных Р.М.Константиновым, и в настоящее время позволяют обрабатывать разнотипную информацию, оценивать достоверность результатов идентификации, определять объем используемой входной информации, необходимый для получения результатов с заданной точностью, и обеспечивают автоматизацию процесса построения элементов комплексной базы знаний гибридной экспертной системы.

8. Разработан программный комплекс АСТРА, реализующий данные методы.

9. Показано преимущество обобщенных логико-информационных методов для решения прогнозно-металлогенических задач по сравнению с обычными методами распознавания, о чем свидетельствуют результаты их применения.

10. На базе созданных теоретических основ получена технология разработки гибридных экспертных систем для решения прогнозных задач, основными положениями которой являются:

Экспертная система должна быть гибридной (включать модели, предложенные экспертом и модели, получаемые на основе анализа эталонных объектов).

База знаний может быть построена на основе анализа эталонных объектов двумя способами:

• По технологии АСТРА (с использованием обобщенных логико-информационных методов при создании моделей объектов различных типов);

• По технологии АНАЛОГ (на основе вычисления мер сходства).

Модели объектов должны быть представлены в виде, допускающем их автоматизированное использование, что может быть достигнуто применением обобщенных логико-информационных методов.

Для ускорения процесса принятия решения по методу ассоциативной аналогии целесообразно использование баз данных графической информации по эталонным месторождениям.

Программные модули формируются для каждой стадии геологоразведочных работ в соответствии с выделенными металлогеническими таксонами.

11. Разработанные подходы к созданию баз знаний гибридных экспертных систем позволяют строить надежные специализированные системы для экспресс-оценки геологических объектов различного металлогенического ранга по методу аналогий, что подтверждено примерами реализации предложенного метода для золоторудных месторождений.

12. Совместно с экспертами-геологами сформулированы, систематизированы и структурированы знания о рудных месторождениях различных рудно-формационных типов, что позволило построить надежные специализированные экспертные системы. Системы позволяют принимать решение в условиях неполной информации об экспертируемом объекте (возможен анализ ответов типа "не знаю"). Проводится оценка изученности объектов.

13. На примере Охотско-Чукотского вулканогенного пояса (ОЧВП) по технологии АСТРА создана гибридная экспертная система-качественной прогнозной оценки, с уровнем распознавания геолого-экономической значимости объекта 95%. Для построения и оценки надежности прогнозных моделей использовались описания объектов-эталонов. База знаний экспертной системы содержит обширную информацию о статистически обоснованных закономерностях размещения, зональности, структурных и вещественных особенностях, характеризующих известные и потенциальные золото- и сереброрудные поля ОЧВП. Для ее построения использовалась база данных по 129 золото-серебряным объектам, описанных в системе 433 признаков. Экспертная система предназначена для оказания помощи в оценке перспективности рудоносных площадей различного ранга (от потенциальных рудных районов до рудных столбов), выбора направления работ и определения методики поисков на перспективных участках. Система разработана в среде Delphi 7.0.

14. По технологии АСТРА построена гибридная экспертная система, посвященная прогнозу и оценке широко распространенных в пределах Центрально-Колымских районов Северо-Востока России золото-кварцевых и золоторедкометалльных месторождений. Обилие опубликованных и фондовых* работ, рассматривающих различные аспекты геологии месторождений, поставило задачу сбора и систематизации большого фактического материала. Многие утверждения экспертов были включены в базу знаний и подверглись проверке, т.е. определена их способность давать информацию о наличии или отсутствии рудных объектов. Кроме того, были проанализированы геолого-геофизические, геологические признаки, полученные непосредственно из первичных геологических материалов, входящих в базу данных, включающей 47 месторождений, описанных в системе 95 разнотипных признаков. Таким образом, предложенная экспертная система содержит сумму знаний, накопленных различными исследователями при изучении отмеченных месторождений. Система разработана в среде Delphi 7.0.

15. По технологии АНАЛОГ разработана система- выбора аналогов золоторудных месторождений мира. Информационной основой системы является база данных по золоторудным месторождениям мира, включающая 247 объектов, описанных в системе 894 признаков, объединенных в 26 групп. Система описания-состоит из нескольких блоков, в целом отвечающих уровням изучения: рудоносная, провинция, рудный район и рудный узел, рудное поле и месторождение. Последний блок составляет основу базы данных и раскрывается особенно подробно. Он включает в себя информацию о слагающих рудное поле геологических формациях, структуре рудного поля и месторождения, морфологии и условиях залегания рудных тел, рудовмещающих породах, контактово-метаморфических и метасоматических изменениях, минералах руд, парагенезисах и геохимических ассоциациях золота, текстурах руд, пробе и размерности золота, возрасте вмещающих пород и оруденения, некоторых геохимических и геофизических параметрах, а также раздел по оценке параметров оруденения. Выбор аналога осуществляется в результате сравнения сведений об экспертируемом объекте (ЭО) с объектами из базы данных по каждой группе свойств, характеризующих объект. Результат экспертизы представляется в табличной и графической формах в двух видах: - (1) отражается сходство объекта-аналога и ЭО по каждому свойству из системы описания, по которому получена информация по ЭО в результате диалога; (2) отражается вклад каждого свойства при подборе конкретного аналога. Просмотр результатов поиска аналогов возможен на экране, листая страницы результирующего файла с представлением таблиц и графиков типов (1) и (2) и карты расположения ближайших аналогов. Для удобства пользователя результаты экспертизы помещаются в файл формата .xlt, что делает возможным их просмотр в MS Excel (независимо от работы системы), а также позволяет легко использовать в отчетных документах в привычном и удобном виде. База данных системы хранится в стандартном формате *.mdb и возможен ее просмотр в системе MS Access. Разработанное программное обеспечение функционирует на базе .Net Framework 1.1, что позволят работать с ней в сетевом режиме.

16. Результаты апробации системы АНАЛОГ на примере трех относительно новых объектов подтверждают ее эффективность при решении задач экспрессной оценки золоторудных месторождений.

17. Проверка качества результатов, получаемых в ходе использования разработанных экспертных систем, проведена на объектах, включенных в базу данных по месторождениям. Правильные заключения получены в 95% случаев. Системы имеют «дружелюбный интерфейс» с пользователем и быстрый отклик на запрос.

18. В системе АНАЛОГ использованы элементы когнитивной графики, содержащейся в графическом банке данных в виде растровых изображений, и ГИС-технологии в виде карты мира с координатами месторождений - ближайшими аналогами для экспертируемого объекта. Включение в систему графических образов анализируемых объектов (карт, схем, геологических разрезов и т.п.) помогает более точному описанию геологических ситуаций, что ускоряет процесс принятия решений прогнозных задач, способствует представлению результата в наглядной форме.

19. Дальнейшее расширение области использования разработанной технологии построения гибридных экспертных систем связано с созданием развитых экспертных систем для россыпных месторождений, для чего имеются наработки в виде систем для экспресс-оценки россыпных объектов золота Магаданской области и Юго-Восточной части Алданского щита, требующих дополнительных данных по россыпным объектам для получения более надежных результатов. Увеличение количества объектов, содержащихся в базе данных экспертной системы, повысит объективность построенных решающих правил и достоверность получаемых результатов.

20. Использование интернет-технологий позволит оперативно использовать знания квалифицированных экспертов для прогнозно-металлогенического изучения перспективных площадей.

Список литературы диссертационного исследования доктор геолого-минералогических наук Чижова, Ирина Александровна, 2010 год

1. Агаян С.М., Богоутдинов Ш.Р., Гвишиани А.Д., Граева Е.М., Злотники Ж., Родкин М.В. Исследование морфологии сигнала на основе алгоритмов нечеткой логики // Геофизические исследования. 2005. № 1. С. 143-155.

2. Алексеев A.B. Представление знаний и формирование решений в ЭС при неполностью определенной исходной информации // Методы и системы принятия решений. Рига, 1987. № 14. С. 9-14.

3. Арский Ю.М., Финн В.К. Принципы конструирования интеллектуальных систем // Информационные технологии и вычислительные системы. 2008. № 4. С. 4 37.

4. Арский Ю.М., Леонтьева Т.М., Шогин А.И., Свинтицкий И.Л. Информационные ресурсы базы данных ВИНИТИ для наук о Земле // НТИ ВИНИТИ. 1998. Сер. 1. № 10. С. 18-27.

5. Арский Ю.М., Веселовский A.B., Шогин А.Н. Модель интегрированной информационно-аналитической системы сопровождения фундаментальных исследований'в области наук о Земле // НТИ ВИНИТИ . 2007. Сер. 1. № 7.

6. Бажанов Ю.С., Бухнин A.B. Оптимизация баз знаний экспертных* систем с применением нейронных нечетких сетей // Нейрокомпьютеры: разработка, применение. 2007. № 11. 28-34.

7. Барабаш Ю.Л. и др. Автоматическое распознавание образов. Киев: КВАЦИ| 1963. 68 с.

8. Барабаш Ю.Л. Минимизация описаний в задаче автоматического распознавания образов // Изв. АН СССР. Техн. кибернетика. 1964. №-3. С . 14-23.

9. Барышев М.В., Гатчин И.Ю:, Гатчин Ю.А. Модели представления- знаний экспертных систем // Научно-технический вестник Санкт-Петербургского государственного университета информационных технологий, механики^ и оптики. 2006. № 29. С. 14-18.

10. Бекжанов Г.Р., Бугаец А.Н., Лось В.Л. Геологические модели при прогнозировании ресурсов полезных ископаемых. М.: Недра, 1987.140 с.

11. Билибин Ю.А. Общие принципы регионального металлогенического анализа // Избр. труды. Т. 3. М., 1961. С. 16-60.

12. Богданов М.Н. Бадтиев Б.П., Горбунов С.П. Техническое перевооружение и модернизация горного производства ЗФ ОАО «ГМК «Норильский никель» // Добыча и переработка руд норильского промышленного района. Норильск, 2005а. С. 4-10.

13. Богданов М.Н., Горбунов С.П., Бадтиев Б.П. Техническое перевооружение и модернизация горного производства // Цветные металлы. 20056. № 10. С. 38-42.

14. Букатова И.Л. Эволюционное моделирование: идеи, основы теории, приложения. Новое в жизни, науке, технике. Сер. „Математика, кибернетика", М., Знание, 1981, № 10. 64 с.

15. Вагин В.Н. Знание в интеллектуальных системах // Новости искусственного интеллекта. 2002. № 6. С. 8-18.

16. Вайнцвайг М.Н. Алгоритм обучения распознаванию образов «Кора». Алгоритмы обучения распознаванию образов. М.: Советское радио, 1973. С. 110 -116.

17. Вапник Б.Н. Восстановление зависимостей по эмпирическим данным. М.: Наука, 1979. 448 с.

18. Вапник Б.Н., Червоненкис А.Н. Теория распознавания образов (статистические проблемы обучения). М.: 1974. 416 с.

19. Васильев Ю.Л., Дмитриев А.Н. Спектральный подход к сравнению объектов, охарактеризованных набором признаков //Докл. АН СССР. 1972. Т. 206. № 6. С. 1309-1312.

20. Васильев О.М., Ветров Д.П., Кропотов Д.А. Представление и обнаружение знаний в экспертных системах для задач распознавания образов // Журнал вычислительной математики и математической физики. 2007. Т. 47. № 8. С. 1428-1454.

21. Вентцель Е.С. Исследование операций. М.: Сов. радио, 1972. 552 с.

22. Веселовский A.B. Технологии геоинформатики в рудной геологии: состояние и перспективы // Проблемы рудной геологии, петрологии, минералогии и геохимии М.: ИГЕМ РАН, 2004. С. 511-526.

23. Воронин ЮЛ. Введение мер сходства и связи для решения геолого-геофизических задач//Докл. АН СССР. 1971. Т. 199. № 5. С. 1011-1014.

24. Воронин ЮЛ. Исследование операций при поисках и разведке месторождений полезных ископаемых. Новосибирск: Наука, 1983. 288 с.

25. Воронин ЮЛ., Черемисина E.H., Воронин А.Ю. К постановке и решению задач сейсморайонирования // Вычислительные технологии. 1996. Т. 1. № 3. С. 29-35.

26. Воронин ЮЛ., Черемисина E.H. О базовых задачах искусственного интеллекта в мультидисциплинарных исследованиях. Новосибирск: ИВМиМГ СО РАН, 2001. Ч. 1. 235 с.

27. Вострокнутов Е.П. «Генезис» — экспертная система для прогнозно-геологических исследований // Отечественная геология. 1999. № 6. С. 27-31.

28. Вяткин В.Б. Информационные прогнозно-геологические антиномии // Компьютерное обеспечение работ по созданию государственной геологической карты Российской федерации: Материалы 5-го Всероссийского совещания-семинара. Новочеркасск: НГТУ, 1998. С. 116-119.

29. Вяткин В.Б. Оценка информативности признаков: два подхода, две идеологии // Геология и минерально-сырьевые ресурсы европейской территории России и Урала. Материалы региональной конференции. Кн. 1. Екатеринбург: УГГГА, 2000. С. 265-266.

30. Гаврилова Т.А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. СПб.: Питер, 2000. 384 с.

31. Гасанов Э.Э., Кудрявцев В.Б. Теория хранения и поиска информации. М.: Физматлит, Наука, 2002. 288 с.

32. Гзишиани АД. Разработка и реализация новой концепции, методов и программных средств построения многодисциплинарных систем организации геолого-геофизических данных// Информационный бюллетень РФФИ. 1995. Т. 3. № 7. С. 20.

33. Гзишиани А.Д., Гурвич В.А. Динамические задачи классификации и выпуклое программирование в приложениях. М.: Наука, 1992. 356 с.

34. Гзишиани А.Д., Агаян С.М., Богоутдинов Ш.Р. Определение аномалий на временных рядах методами нечеткого распознавания // Доклады Российской академии наук. 2008. Т. 421. № 1. С. 101-105.

35. Геологические тела (терминологический справочник) / Под ред. Ю.А.Соловьева. М.: Недра, 1986. 334 с.

36. Геологический словарь. В 2-х томах. М.: Недра, 1973. Т. 1. 488 с. Т. 2. 456 с.

37. Геология СССР. T. XXX. Северо-Восток СССР (Магаданская область и Охотский район Хабаровского края). Полезные ископаемые / Под ред. П.В.Бабкина, М.Е.Городинского. М.: Недра, 1983. 263 с.

38. Гитис В.Б., Добрев Т.В., Ермаков Б.В., Кубарева Н.Ю., Щукин Ю.К. Применение экспертной системы ГЕО для регионального прогноза свинцово-цинковых месторождений Болгарии // Геофиз. ж. 1989. Т. 11. № 4. С. 36-48.

39. Гитис В.Г., Ермаков Б.В.; Основы пространственно-временного прогнозирования в геоинформатике. М.: Физматлит, 2004. 256 с.

40. Голяков Е.Б., Несмачный Д.Е., Фуртова И.Б. Развитие специализированных информационных систем для обеспечения геологоразведочных работ // Разведка и охрана недр. 2009. № 8. С. 49-52.

41. Гончаров В.И., Волков A.B. Геология и генезис золоторудного месторождения Совиное (Чукотка). Магадан, 2000. 115 с.j

42. Гуревич А.Е. О задачах создания интеллектуальных систем в геологии // Советская геология. 1989. № 4. С. 10-17.

43. Джарратано Д., Райли Г. Экспертные системы: принципы разработки и программирование. М.: Издательский дом «Вильяме», 2007.1147 с.

44. Джексон П. Введение в экспертные системы. М., Издательский дом "Вильяме", 2001.624 с.

45. Джонс М.Т. Программирование искусственного интеллекта в приложениях. М.: ДМК Пресс, 2004. 312 с.

46. Дмитриев А.Н. Новые тестовые разработки в задачах прогнозирования рудоносности (на примере трапповых интрузий) // Математические методы при прогнозе рудоносности.,М.: Наука, 1977. С. 104-163.

47. Дмитриев А.Н., Журавлев Ю.И., Кренделев Ф.П. О математических принципах классификации предметов и явлений И Дискретный анализ. Новосибирск, 1966. Вып. 7. С. 3-15.

48. Дмитриев А.Н., Журавлев Ю.И., Кренделев Ф.П. Об одном принципе классификации и прогноза геологических объектов и явлений // Геология и геофизика. 1968. № 5. С. 50-64.

49. Дмитриев А.Н., Красавчиков В.О. Тестовый подход в решении проблем обработки геологической информации // Логико-информационные исследования в геологии. Новосибирск: ИГиГ СО АН СССР, 1977. С. 3-47.

50. Дмитриев А.Н., Кренделев Ф.П., Бишаев А.А. и др. Организация и обработка геологической информации с помощью ЭВМ на основе построения тупиковых тестов // Логико-информационные решения геологических задач. М.: Наука, 1975. С. 83-148.

51. Дмитриевский А.Н. Особенности использования системного подхода в геологии II Системный подход в геологии. 1989. С. 3-6.

52. Добрынин В.Н. и др. Математические методы системного анализа. Учебное пособие. Дубна: Международный университет природы, общества и человека "Дубна", 2005.

53. Дударева О.В. Прогнозирование геологических и других объектов на основе формализации данных и знаний: Дисс. на соискание ученой степени канд. геол.-мин. наук: 25.00.35 Иркутск, 2006. 138 с.

54. ДэвисДж. Статистика и анализ геологических данных. М.: Мир, 1977. 572 с.

55. ДюкВ., Самойленко A. Data Mining. СПб.: Питер, 2001. 386 с.

56. Журавлев Ю.И. Экстремальные задачи, возникающие при обосновании эвристических процедур // Проблемы прикладной математики и механики. М.: Наука, 1971. С. 67-74.

57. Журавлев Ю.И., Камилов М.М., Туляганов Ш.Е. Вычислительная процедура определения веса признака алгоритма голосования // Вопросы кибернетики. Ташкент: 1971. Вып. 44. С. 5-40.

58. Журавлев Ю.И., Рязанов В.В., Сенько О.В. Распознавание. Математические методы. Программная система. Практические применения. М.: Фазис, 2006. 159 с.

59. Загоруйко Н.Г. Методика оценки информационной эффективности независимых параметров речевого сигнала // Тр. ИМ СО АН СССР. Вычислительные системы. Новосибирск: 1964. Вып. 10. С. 77-89.

60. Закономерности размещения полезных ископаемых / Под ред. Шатского Н.С. М.: Изд-во АН СССР. 1958. 532 с.

61. Зенкин A.A. Когнитивная компьютерная графика / Под ред. Поспелова Д.А. М.: Наука, 1991. 192 с.

62. Золоторудные месторождения СССР. Т. 3 Геология золоторудных месторождений Западной и Восточной Сибири. М., 1986. 322 с.

63. Каждан А.Б. Поиски и разведка месторождений полезных ископаемых. Производство геологоразведочных работ. М.: Недра, 1985. 288 с.

64. Калинин А.И. Структурные особенности золотых, золото-серебряных и серебряных месторождений Северо-Востока СССР, как основа их оценки. Дисс. на соискание ученой степени доктора геол.-мин. наук. Магадан, 1988. 222 с.

65. Калинин А.И., Яранцева Л.М., Наталенко В.Е., Канищев В.К. Геология серебро-полиметаллического оруденения Новоджагынской интрузивно-купольной структуры // Колыма. 1984. № 1. С. 29-31.

66. Кантор М.З. Обнаружение пар полиморфных модификаций экономически ценных минералов как критерий оценки масштаба месторождения. // Докл. АН СССР. 1983. Т. 269. № 5. С. 1161-1165.

67. Канцель A.B., Червоненкис А.Я. Мультиструктурная модель гидротермального геохимического поля // Геология рудных месторождений. 1990. № 1. С. 9-11.

68. Кирпичева Е.Ю. Методика и геоинформационная технология прогнозирования рудных объектов на основе банка эталонных моделей. Автореф. дисс. на соискание ученой степени канд. техн. наук: 25.00.35. М., 2007. 23 с.

69. Кирпичева Е.Ю., Кузнецов В.В. Методика геолого-прогнозного моделирования // Геоинформатика. 2006. № 2. С. 58-61.

70. Ковалерчук В.Я., Павлов В.В. Поиск максимального верхнего нуля для минимизации числа признаков в регрессионном анализе // Вычисл. матем. и матем. физ. 1984. Т. 24. № 8. С. 1241-1249.

71. Колесникова СМ., Янковская А.Е. Оценка значимости признаков для тестов в интеллектуальных системах II Известия РАН. Теория и системы управления. № 6. Ноябрь-Декабрь 2008. С. 99-112.

72. Компьютерный прогноз месторождений полезных ископаемых / В.В.Марченко, Н.В.Межеловский, Э.А.Немировский и др. М.: Недра, 1990. 285 с.

73. Кондаков Н.И. Логический словарь-справочник. М.: Наука, 1975. 674 с.

74. Константинов М.М. Золоторудные провинции мира. М.: Научный мир, 2006. 358 с.

75. Константинов М.М., Шаров Г.Н. Геологическое строение и поисковые признаки месторождения золота в основных геотектонических обстановках. М., Кемерово: ООО ГеоКонс, 2002. 264 с.

76. Константинов М.М., Константинов P.M., Чижова И.А. Геологические и минералого-геохимические факторы формирования золото-серебряных оруденений //Советская геология. 1979. № 3. С. 116-124.

77. Константинов М.М., Бочарников Ю.С., Калинин А.И., Стружков С.Ф. Прогнозно-поисковый комплекс на золото-серебряное оруденение Охотско-Чукотского вулканогенного пояса (методические рекомендации). Магадан: СВКНИИ ДВО АН СССР, 1989. 115 с.

78. Константинов М.М., Аристов B.B. и др. Условия формирования и основы прогноза крупных золоторудных месторождений. М.: ЦНИГРИ, 1998а. 155 с.

79. Константинов М.М., Наталенко В.Е., Калинин А.И., Стружков С.Ф. Золото-серебряное месторождение Дукат. М.: Недра, 19986. 204 с.

80. Константинов М.М., Некрасов Е.М., Сидоров A.A., Стружков С.Ф. Золоторудные гиганты России и Мира. М.: Научный мир, 2000. 272 с.

81. Константинов P.M. Основы формационного анализа гидротермальных рудных месторождений. М.: Наука, 1973. 215 с.

82. Константинов P.M. Математические методы количественного прогноза рудоносности. М.: Недра, 1979. 127 с.

83. Константинов P.M., Дмитриев А.Н. Использование математических методов для анализа геологических факторов, влияющих на масштабы оруденения // Геология рудных месторождений. 1970. Т. 12. № 2. С. 56-64.

84. Контарь Е.С. О металлогеническом потенциале и прогнозных ресурсах // Региональная геология и металлогения. 2008. № 36. С. 88-91.

85. Король И.А., Совпель И.В. Современное состояние и основные направления повышения эффективности экспертных систем // Персонал. ЭВМ в интегрир. АСУ. Минск, 1988. С. 72-81.

86. Красильников В.В. Эволюция экспертных систем. История и перспективы // Компьютерные вести On-line. Software. 6-12 октября 2005. № 40.

87. Кременецкий A.A. Поисковые геолого-геохимические модели рудных месторождений: проблемы и решения // Разведка и охрана недр. 2009. № 5. С. 3-7.

88. Кренделев Ф.П., Дмитриев А.Н., Журавлев Ю.И. Сравнение геологического строения зарубежных месторождений докембрийских конгломератов с помощью дискретной математики //Докл. АН. 1967. Т. 173. № 5. С.1149-1152.

89. Кречетова С.Ю. Алгебраический подход в описании метода целевой итерационной классификации II Вестник НГУ. Серия: Математика, информатика, механика. 2007. Т. 7. Вып. 1. С. 46-66.

90. Кривцов А.И., Нарсеев В.А. Геологоразведочный процесс и прогнозно-поисковые комплексы // Советская геология. 1983. № 1. С. 17-27.

91. Кудрявцев В.Б., Алешин C.B. Комбинаторно-логический подход к распознаванию образов// Интеллектуальные системы. Т. 1. Вып. 1-4. М.: РГГУ,1996. С. 31-41.

92. Кудрявцев В.Б., Королева З.Е., Демидова Н.Г., Константинов P.M., Сиротинская C.B., Яблонский C.B. Тестовый подход к количественной оценке геолого-структурных факторов и масштабов оруденения // Геология рудных месторождений. 1971. Т. 13. № 2. 30-42 с.

93. Кудрявцев В.Б., Королева З.Е., Константинов P.M. О комбинаторно-логическом подходе к задачам прогноза рудоносности // Проблемы кибернетики. Вып. 35. М.: Наука, Физматгиз, 1976. С. 5-33.

94. Кузин Л.Т. Технологии проектирования интеллектуальных систем. Состояние и перспективы // Технология проектирования интеллектуальных систем. М.: 1989. С. 3-9.

95. Кузин Л.Т., Баловнев О.Т., Рева В.В. Современные технологии проектирования баз знаний // Машинная реализация систем искусственного интеллекта. М.: Энергоатомиздат, 1988. С. 11-21.

96. Кузнецов О.Л., Черемисина E.H. Интегрированный системный анализ многоуровневой разнородной геоинформации // Геоинформатика. 1999. № 3.

97. Куклин А.П. Применение распознающих программ при металлогенических исследованиях // Колыма. 1967. № 5. С. 37 39.

98. Кулик С. Д. Применение нейросетевого подхода в информационных и экспертных системах // Нейрокомпьютеры: разработка, применение. 2007. № 2-3. С. 93-118.

99. Курбанаев Г.М., Бакшеев Н.А. Структурно-геологическое выражение горизонтальных движений в литосфере // Тектоника и минерагения Северо-Востока СССР (тезисы докладов). Магадан, 1990. С. 127-128.

100. Лаверов Н.П., Арский Ю.М., Савин Г.И., Жижченко А.Б. Интегральное информационное поле в науках о Земле // Вестник Российской Академии Наук. 2008. Т. 78. № 10. С. 875-879.

101. Лаврик О.Л., Калюжная Т.А. Интернет как источник информации для подготовки аналитического обзора // Оптимизация информационно-библиографического обслуживания ученых и специалистов. Новосибирск, 2000. С. 51-57.I

102. Лбов Г.С. Выбор эффективности системы зависимых признаков // Тр. ИМ СО АН СССР «Вычислительные системы». Новосибирск: 1965. Вып. 19. С. 21-34.

103. Лбов Г.С. Методы обработки разнотипных экспериментальных данных. Новосибирск: Наука, 1981. 160 с.

104. Лбов Г.С., Котюков В.И., Манохин А.Н. Об одном алгоритме распознавания в пространстве разнотипных признаков // Тр. ИМ СО АН СССР «Вычислительные системы». 1973. Вып. 55. С. 98-107.

105. Люгер Дж. Ф. Искусственный интеллект. Стратегии и методы решения сложных проблем. М.: Издательский дом "Вильяме", 2003. 864 с.

106. Марсёллус Д. Н. Программирование экспертных систем на Турбо Прологе. М.: Финансы и статистика, 1994. 254 с.

107. Метод согласованных оценок (методические рекомендации) / Сост. Дмитриев А.Н., Макаров C.B., Смертин Е.А. и др. Новосибирск: ИГиГ СО АН СССР, 1982. 133 с.

108. Микулич Л.И. Промышленная технология создания систем, основанных на знаниях // Экспертные системы на персональных компьютерах. М.: 1990. С. 1620.

109. Митрофанов И.В., Чернов Б.С., Гетманская Т.И., Лавров М.М. Опыт использования экспертной системы в задаче локального прогнозирования вольфрамовых месторождений // Разведка и охрана недр. 2009. № 11. С. 62-68.

110. Многофакторные поисковые модели золоторудных месторождений. Атлас. М., 1989. 119 с.

111. Моисеев В.Б. Представление знаний в интеллектуальных системах // Информатика и образование. 2003. № 2. С. 84-91.

112. Моисеев H.H. Математические задачи системного анализа. М.: Наука, 1981. 487 с.

113. Моисеев H.H. Простейшие математические модели экономического прогнозирования. М.: Знание, 1975. 123 с.

114. Моисеенко В.Г., Эйриш Л.В. Золоторудные месторождения Востока России. Владивосток: Дальнаука, 1996. 352 с.

115. Мулагулов И.А. Подход к оценке достоверности прогноза на основе имитационного моделирования // Математические методы решения задач геологического прогнозирования. Алма-Ата: КазИМС, 1988. С. 25-32.

116. Нарсеев В.А., Яновский В.М. Прогнозно-поисковые комплексы. Выпуск XII. Комплексирование работ по прогнозу и поискам золоторудных месторождений в терригенных толщах. Методические рекомендации. М., 1984. 64 с.

117. Нарушев ЕС. Дружелюбный интерфейс в системе ПиЭС инструментальная поддержка //Технология проектирования интеллектуальных систем. М.: 1989. С. 22-27.

118. Наумова В.В. Концепция создания региональных геологических ГИС (на примере ГИС «Минеральные ресурсы, минералогенезис и тектоника Северовосточной Азии»). Автореф. дисо/на соискание ученой степени доктора геол.-мин. наук: 25.00.35. Иркутск, 2004. 48 с.

119. Некрасова А.Н., Орешин В.Ю., Чижова И.А. Классификация золото-серебряных месторождений на основе логико-информационного анализа // Руды и металлы. 1997. № 5. С. 33^2.

120. Новожилов Ю.И., Гаврилов А.М. Золото-сульфидные месторождения в терригенных толщах. Москва, ЦНИГРИ, 1999. 175 с.

121. Осуга С. Обработка знаний. М.: Мир, 1989. 235 с.

122. Палатаха Е.И. Тектонофациальный анализ складчатых сооружений фанерозоя. М., 1984. 64 с.

123. Першиков В.И., Савинков В.М. Толковый словарь по информатике. М.: Финансы и статистика, 1995. 544 с.

124. Пилюгин В.В., Сумароков Л.Н., Фролов К.В. Машинная графика и автоматизация научных исследований // Вестник АН СССР. 1985. № 10. С. 50-58.

125. Попов Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. Серия: Проблемы искусственного интеллекта. М.: Наука. 1987. 288 с.

126. Попов Э.В. Экспертные системы. Состояние проблемы, перспективы // Известия АН СССР. Техническая кибернетика. 1989. № 5.

127. Попов Э.В. Экспертные системы 1990. Состояние и перспективы // Экспертные системы на персональных компьютерах. М.: 1990. С. 1-7.

128. Попов Э.В. Экспертные системы 90-х гг. Классификация, состояние, проблемы, тенденции // Новости искусственного интеллекта. 1991. № 2. С. 84101.

129. Попов Э.В., Фоминых И.В., Кисель Е.Б., Шапот М.Д. Статические и динамические экспертные системы. М.: Финансы и статистика, 1996. 320 с.

130. Поспелов Г.С. Искусственный интеллект основа новой информационной технологии. М.: Наука. 1988. 279 с.

131. Поспелов Г.С., Разин A.M. Основные тенденции развития современных экспертных систем (краткий обзор зарубежных исследований). НТИ. Сб. ВИНИТИ. Сер. 2. 1987. №2. С. 1-11.

132. Поспелов Д.А. Фантазия или Наука. На пути к искусственному интеллекту. М.: Наука, 1982. 224 с.

133. Прогнозно-металлогенические исследования при региональных геологосъемочных работах. Метод, пособие по геол. съемке м-ба 1:50 000. Вып. 13. Л., 1985. 280 с.

134. Решение задач прогноза полезных ископаемых с применением ГИС INTEGRO / Под ред. Е.Н.Черемисиной, М.Я.Финкельштейна, О.В.Митраковой и др. М.: ВНИИгеосистем, 2001. 110 с.

135. Родионов С.М., Сыркин В.К. Экспертная прогнозирующая система "Олово" // Тихоокеанская геология. 1995. Т. 14. № 5. С. 63-71.

136. Рундквист Д.В. О некоторых общих вопросах разработки моделей формирования месторождений // Генетические модели эндогенных рудных формаций. Новосибирск, 1981. Т. 1. С. 40-42.

137. Рундквист Д.В. Общие принципы построения геолого-генетических моделей // Генетические модели эндогенных рудных формаций. Новосибирск, 1983. Т. 1. С. 14-26.

138. Рыбина Г.В. Проектирование систем, основанных на знаниях. М.: МИФИ, 2000. 104 с.

139. Рыжов В.Б., Стружков С.Ф., Аристов В.В. Геологическое строение и состав руд золото-серебряного месторождения Джульетта (Северо-Восток России) // Руды и металлы. № 2. 1995. С. 66-78.

140. Рябинков А.И. Разработка принципов создания информационно-поисковой Интернет-системы в области наук о Земле. Автореф. дисс. на соискание ученой степени канд. техн. наук: 25.00.35. М., 2006. 24 с.

141. Свинарев С.С. Электронный архив диагностических изображений // PC Week Doctor. № 1 (5), март 2009.

142. Сиротинская C.B. Метод вариационных рядов и его применение к исследованию некоторых геологических особенностей оловянно-вольфрамовых месторождений // Логико-информационные решения геологических задач. М.: Наука, 1975. С. 5-82.

143. Сиротинская C.B. О новом математическом подходе к выявлению скрытых факторов рудообразования // История геологии. Подготовка специалистов в области геологии. Математическая геология и геологическая информация. М., 1980. С. 140-148.

144. Сиротинская C.B. Логические методы анализа геологической информации. М.: Недра, 1986. 158 с.

145. Советский энциклопедический словарь. М.: Советская энциклопедия, 1979. 1600 с.

146. Соловов A.B. Когнитивная графика в инженерной подготовке // Высшее образование в России. 1998. № 2. С. 90—96.

147. Сорока У.Б. Проблема извлечения знаний при создании экспертных систем для информационно-аналитических служб // Вестн. Хакас, гос. ун-та. Сер. 1. 1999. № 3. С. 164-165.

148. Стебунов A.A. Экспертные системы Японии: стратегия и состояние. Компьютер Пресс. 1990. № 9. С. 19-25.

149. Стружков С.Ф., Константинов М.М. Металлогения золота и серебра Охотско-Чукотского вулканического пояса. М.: Научный мир, 2005. 320 с.

150. Термины и понятия, использованные при прогнозно-металлогенических исследованиях. Справочник / Под ред. А.И.Кривцова, В.М.Терентьева. СПб.: 1991. 209 с.

151. Тихонов А.Н. Математические модели и научно-технический прогресс (автоматизация обработки наблюдений) // Что такое прикладная математика. М.: Знание, 1980. С. 7-22.

152. Ту Дж., Гонсалес Р. Принципы распознавания образов. М.: Мир, 1978. 435 с.

153. Тюпкин Ю.С., Родкин М.В., Гвишиани А.Д., Лабунцова Л.М. Очаг неравновесного процесса в сейсмологии и в геологии полезных ископаемых: общие подходы и простые модели // Геофизические исследования. 2006. N2 6. С. 23-34.

154. Уотерман Д. Руководство по экспертным системам. М.: Мир, 1989.184 с.

155. Урманцев Ю.А. Общая теория систем: состояние, положения, перспективы развития//Система, симметрия, гармония. М.: Мысль, 1988. С. 38-130.

156. Финн В.К. Об интеллектуальном анализе данных признаками // Новости искусственного интеллекта. 2004. № 3. С. 3-18.

157. Фирсов Л.В. О некоторых особенностях морфологии, структуры и текстуры золотоносных кварцевых тел//Тр. ВНИИ-1. Геология. Магадан, 1957. № 6.

158. Фирсов Л.В. Золото-кварцевые формации Яно-Кпымского пояса. Новосибирск: Наука, 1985. 214 с.

159. Фоминых И.Б., Бредун И.Л., Голицын Г.А., Кисель Е.Б., Ломакина В.В., Протасов A.M., Фурман Б.З. Теоретическое и экспериментальное исследование методов интеграции нейронных сетей и экспертных систем // РФФИ: 96-01-01145-а.

160. Черемисина E.H. Создание человеко-машинного интерфейса для постановки и решения прогнозных и диагностических задач на примере геологии и экологии // Геоинформатика. 1994. № 3.

161. Черемисина E.H., Никитин A.A. Геоинформационные системы в природопользовании // Геоинформатика . 2006. № 3. С. 5-20.

162. Черемисина E.H., Суханов M.Г. Методика и технология создания распределенной автоматизированной информационной системы обеспечения работ по геологическому изучению недр // Разведка и охрана недр. 2008. № 9. С. 125-130.

163. Черемисина E.H., Митракова О.В., Финкельштейн М.Я. Методика постановки t и решения прогнозно-диагностических задач в природопользовании // Геоинформатика. 1999. № 3.

164. Черемисина E.H. и др. Методические рекомендации по решению задач прогноза полезных ископаемых с применением ГИС "INTEGRO". Методическое пособие. М.: ВНИИгеосистем, 2001. 36 с.

165. Чесалов Л.Е. Создание единой среды для интеграции информационных ресурсов в природопользовании. Диссертация на соискание ученой степкни доктора технических наук: 25.00.35. М., 2005. 222 с.

166. Чесалов Л.Е., Черемисина E.H., Ужкенов B.C., Акылбеков С.А. Создание и развитие информационной системы государственного банка информации о недрах и недропользовании Республики Казахстан // Геоинформатика. 2006. № 4. С. 1-6.

167. Чумаченко Б.А., Власов Е.П., Марченко В.В. Системный анализ при геологической оценке перспектив рудоносности территорий. М.: Недра, 1980. 123 с.

168. Шарапов И.П. Применение системного анализа в геологии // Система, симметрия, гармония. М.: Мысль, 1988. С. 156-171.

169. Шарапов И.П. Системный анализ и математизация геологии. "Математические методы и автоматизированные системы в геологии" (обзор). М.: АОЗТ Геоинформмарк, 1995. 31 с.

170. Шогин А.Н. Распределенная информационно-аналитическая система для поддержки исследований в науках о Земле. Автореф. дисс. на соискание ученой степени канд. техн. наук: 05.25.05. М., 2008. 24 с.

171. Эбелинг В. Образование структур при необратимых процессах. М.: Мир, 1979. 275 с.

172. Экспертная система «Генезис»: представление знаний для решения природоресурсных задач / Под ред. Е.П.Вострокнутова. СПб.: Анатолия, 2006. 351 с.

173. Яблонский С.В. Введение в дискретную математику. М.: Высш. шк., 1986. 384 с.

174. Яблонский С.В., Демидова Н.Г., Константинов P.M. и др. Тестовый подход к количественной оценке геолого-структурных факторов и масштабов оруденения // Геология рудных месторождений. 1971. № 2. С. 30-42.

175. Яновский В.М. К проблеме прогнозирования и поисков крупных месторождений золота // Успехи современного естествознания. 2003. № 12. С. 85-87.

176. Яновский В.М. Рудоконтролирующие структуры терригенныхд -5миогеосинклиналей. М.: Недра, 1990. 246 с.

177. Bonnefoy D., Jebrak М., Rousset М.С. and Zeegers Н. SERGE: An expert system to recognize geochemical anomalies // Journal of Geochemical Exploration. V. 32. Issues 1 -3. April, 1989. P. 343-344.

178. Breuker Joost A., Wielinga Bob. I., Hayward Simon A. Structuring of knowledge based systems development ESPRINT'85 // Status Rept. Contin. Work. Techn.

179. Week, Brussels, 23-27 Sept., 1985. Pt. 1. Amsterdam c.a., 1986. P. 771-784.

180. Campbell, A.N., Hollister, V.F., Duda, R.O., et al. Recognition of a hidden mineral deposit by an artificial intelligence program // Science. 1982. V. 217. P. 927 929.

181. Duda, R.O., Gaschnig, J.G., and Hart, P.E., Model design in Prospector consultant system for mineral exploration. Expert systems in the micro-electronic age. Edinburgh: Edinburgh University Press, 1979. P. 153 167.

182. Edosomwan lohnson Aimie. Artificial intelligence series. Part 17. Ten design rules for knowledge based expert system. 1987. V. 19. № 8. P. 78-80.

183. Gaschnig, J. PROSPECTOR: an expert system for mineral exploration // Machine Intelligence. Infotech State of the Art Report 9.1981. № 3.

184. Gilmore IP., Pfularki K. A survey of expert system "Tools" // IEEE. 1985. P. 498502.

185. Hindi K.S., Haman J.M. A hybrid knowledge based system: case study // Eng. Optim. 1987. V. 12. № 2. P. 137-143.

186. Hollander, С. R. and Iwasaki, Y. The drilling advisor: an expert system application. In Fundamentals of Knowledge Engineering, Teknowledge Report, 1983.

187. Konstantinov M.M., Rosenblum I.S: and Strujkov S.F. Types of silver epithermal deposits, Northeast Russia // Economic Geology. 1993. V. 88 (7): P. 1797-1809.,

188. Merill Т., Green O.M. On the effectiveness of receptors in recognition systems // JRE Trans. Inform. Theory. 1963. V. JT-9. P. 11-17.

189. Zadeh L.A. From Search Engines to Question-Answering Systems — The Role of Fuzzy Logic// Progress in Informatics. 2005. No. 1. P. 1-3.

190. Zadeh L.A. Fuzzy sets. Information and Control. 1965. V. 8. P. 338-353.

191. Zhao Pengda, Hu Guangdao, Li Xinzhong, Expert System for Statistical Prediction of mineral Deposits on Middle and Large Scales II Earth Science (Journal of China University of Geosciences). 1996. V. 27. № 3.

192. Давиденко B.B., Тютявина И.В. и др. Отчет по теме: «Разработка основ системы математического обеспечения ППК для основных промышленных типов месторождений алмазов, благородных и цветных металлов». М.: ЦНИГРИ, 1986. 240 с.

193. Сафонов Ю.В., Гриненко B.C. и др. Отчет о групповой геологической съемке масштаба 1:50 ООО на территории листов Q-52-79-B-a, б; Г; 80-А-а, б; Б-а, б, г; Вв; Г-б; в, г, 91, 92 и геологическом доизучении по работам 1974-77 гг. Том 1, 2. Якутск, 1979.

194. Чанышев И.С., Фельдман A.A., Степанов В.А. Отчет по теме: «Оценка перспектив золоторудных районов Центральной Колымы на основе комплекса геологических, геохимических и геофизических критериев». М.; ЦНИГРИ, 19846. 222 с.1. Фондовая

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.