На правах рукописи

Бархум Ибрахим

Разработка интеллектуальной автоматизированной системы экологического мониторинга и управления степенью загрязнения атмосферного воздуха с удаленным доступом

05.13.06 – Автоматизация и управление технологическими процессами и производствами (химическая технология, нефтехимия и

нефтепереработка, биотехнология)

03.00.16 – Экология (технические наук

и)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук МОСКВА, 2009г.

Работа выполнена на кафедре автоматизации производственных процессов в ГОУВПО «Новомосковский Институт РХТУ им.Д.И.Менделеева»

Научный руководитель: кандидат технических наук, доцент Волков Владислав Юрьевич

Научный консультант: доктор технических наук, профессор Вент Дмитрий Павлович

Официальные оппоненты: доктор технических наук, профессор “Федеральное государственное унитарное Предприятие” (ФГУП), “инженерный центр комплексной автоматизации” (ИЦКА) Смирнов Владимир Николаевич кандидат технических наук, доцент кафедры математических и естественных наук “Новомосковский филиал университета российской академии образования “ (НФ УРАО) Лопатин Александр Геннадьевич

Ведущая организация:

ОАО «Новомосковский Институт Азотной Промышленности» г.Новомосковск

Защита диссертации состоится 19.02.2009 года в 14:00 часов на заседании диссертационного совета Д 212.204.03 в РХТУ им. Д.И. Менделеева в конференц. зале по адресу: 125047, Москва А-47, Миусская пл., д.9.

С диссертацией можно ознакомиться в научно-информационном центре РХТУ им. Д.И. Менделеева

Автореферат разослан «19» января, 2009г.

Ученый секретарь Диссертационного Совета Женса А.В.

Общая характеристика работы

Актуальность темы Современные достижения в области разработки систем, основанных на знаниях, к которым относятся системы искусственного интеллекта, автоматизированных методов принятия решений и т.п., поставили новую научную проблему в области разработки автоматизированных систем экологического мониторинга – а именно, создание принципиально новых систем, позволяющих объединять накопление знаний и опыта принятия решений и проведения мероприятий по управлению экологической ситуацией в режиме реального времени.

Характерной особенностью автоматизированных систем экологического мониторинга и управления состоянием загрязнения (АСЭМиУ) атмосферного воздуха является ярко выраженная недостаточность информации о степени загрязнения на всей площади мониторинга для принятия оперативного решения о снижении степени загрязнения воздуха. На степень загрязнения влияет множество факторов как окружающей среды (скорость ветра, температура, влажность, давление и т.д.), так и состояние источников загрязнения: потоки автомобильного транспорта, выбросы промышленных предприятий, продукты сгорания (дым) пожаров, свалок и т.д. Сама процедура логического вывода принятия решения плохо формализуема или не формализуема вообще.

Качество атмосферного воздуха, который является жизненно важным компонентом окружающей природной среды, неотъемлемой частью среды обитания человека, растений и животных - важнейший фактор, влияющий на здоровье, на санитарную и эпидемиологическую ситуацию. Примерно две трети населения Российской Федерации проживает на территориях, уровень загрязнения атмосферного воздуха которых не соответствует гигиеническим нормам.

В г.Новомосковске Тульской области создается новая производственная структура – промышленный кластер. Число промышленных предприятий составляет 41 (по данным Паспорта муниципального образования Новомосковский район за 2000-2007). Поэтому по мере промышленного роста возобновляются и приобретают новое значение вопросы охраны окружающей среды и рационального природопользования. Для эффективного решения этих задач необходимо создавать современные высокотехнологичные системы не только экологического мониторинга, но и управления экологической ситуацией. Существующие системы экологического мониторинга зачастую малоэффективны и не обладают необходимой функциональностью и надежностью. Многие из них давно морально и физически устарели. Как показало практическое использование таких систем, основными их недостатками являются малоэффективная среда передачи информации, невозможность работать в реальном времени, слабая возможность расширения, автономность, привязка к определенному виду программного и аппаратного обеспечения и т.п. Как следствие, принятие решений соответствующими органами управления осуществляется с запаздыванием и в условиях неопределенности. В свою очередь, это порождает значительные трудности при выполнении органами муниципальной власти своей основной функции – обеспечения надежного функционирования всех систем жизнеобеспечения города. Поэтому разработка моделей, методов и средств информационной поддержки принятия решений по управлению экологической ситуацией в современном промышленном городе является актуальной.

При разработке современных АСЭМиУ атмосферного воздуха, кроме вышеперечисленных, возникают следующие научные проблемы: выбор оптимальной структуры АСЭМиУ, оптимальный выбор современных технических и программных средств контроля и обработки информации, выбор и реализация высокоэффективных способов повышения надежности и достоверности информации об экологической ситуации и т.п. В настоящей работе решение этих проблем показано на примере разработки интеллектуальной АСЭМиУ атмосферного воздуха «АТМОСФЕРА» г.Новомосковска, являющейся частью территориальной системы экологического мониторинга Тульской области.

Работа выполнена в рамках Федеральной целевой программы «Экология и природные ресурсы России (2002 - 2010 годы)» и «Областной целевой программе оздоровления экологической обстановки и охраны здоровья населения Тульской области».

Целью диссертационной работы является создание современных эффективных методов разработки интеллектуальных АСЭМиУ атмосферы на базе системного подхода, а также разработка и внедрении моделей, методов и средств информационной поддержки принятия эффективных решений по управлению экологической ситуацией в современном промышленном городе.

Для осуществления поставленной цели в работе сформулированы и решены следующие задачи:

1. Проведен системный анализ существующих систем экологического мониторинга.

2. Проведен анализ специфики атмосферного воздуха как объекта управления, определены основные проблемы совершенствования системы управления степенью загрязнения атмосферного.

3. Разработан состав типовых функций управления степенью загрязнения на уровнях муниципального управления, предприятий и автотранспорта.

4. Разработана структура интеллектуальной АСЭМиУ атмосферного воздуха с удаленным доступом.

5. Разработаны информационные модели, алгоритмы и авторский пакет программ на языке CLIPS, реализующие предложенный метод.

6. Проведена оптимизация структуры аппаратных средств системы передачи и обработки информации в интеллектуальной АСЭМиУ (ИАСЭМиУ) на базе новых информационных технологий.

Основным методом исследования является системный анализ и моделирование, аппарат теории графов. Для создания средств информационной поддержки принятия решений используются методы классификации объектов и построения баз данных. Для выбора предпочтительных вариантов принятия решения используются методы экспертных оценок.

Научная новизна результатов работы заключается в следующем:

1. В результате анализа атмосферного воздуха как объекта управления определены его специфические особенности, делающие невозможным подачу управляющих воздействий непосредственно на объект управления.

2. Научно обоснована необходимость применения удаленного доступа к ИАСЭМиУ и осуществлена разработка автоматизированной подсистемы удаленного доступа соответствующих «Лиц, Принимающих Решения», с целью получения актуальной информации о состоянии загрязнения атмосферного воздуха и передачи своевременных соответствующих управляющих решений по нормализации экологической ситуации с целью недопущения перехода ее в чрезвычайную.

3. Разработана специальная методика создания интеллектуальной АСЭМиУ с удаленным доступом, которая может быть рекомендована в качестве типовой структуры ИАСЭМиУ в любом промышленном регионе РФ.

4. Использованы новые информационные технологии для решения поставленных задач на уже существующих программно-аппаратных средствах, которые очень быстро морально устаревают.

5. Разработана структура распределенной интеллектуальной АСЭМиУ атмосферного воздуха с удаленным доступом.

6. Разработан авторский пакет программ, позволяющий создавать систему платформы» (операционных систем) компьютерного оборудования.

7. Разработана распределенная экспертная система продукционнофреймового типа на языке CLIPS с удаленным доступом для пополнения знаний в режиме реального времени.

Практическая ценность результатов работы Материалы диссертационной работы, имеющие существенное значение для создания непрерывно функционирующих в реальном времени интеллектуальных систем экологического мониторинга и управления, переданы городскому природоохранному комитету, муниципальному подразделению ГО и ЧС, и могут быть использованы для разработки подобных систем управления экологической ситуацией на стадии проектирования или модернизации уже существующих подобных систем в Российской Федерации.

Апробация работы Основные положения и результаты диссертационной работы докладывались и обсуждались на XXVI Научной конференции профессорско-преподавательского состава и сотрудников НИ РХТУ им. Д.И.Менделеева, ч.I, г.Новомосковск, 2007г.

По теме диссертационной работы опубликованы 7 печатных работ, в том числе в вестнике Академии МАСИ «Информатика, экология, экономика», том.10, часть I, г.Москва, 2007г. Публикации отражают основное содержание работы.

Структура и объем работы Диссертация состоит из введения, четырех глав, заключения, библиографического списка, содержащего 91 наименований. Работа содержит 151 листов машинописного текста, 18 рисунка, 19 таблицы и приложение.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, сформулирована цель работы и указаны проблемы, которые необходимо решить для достижения поставленной цели.

В первой главе проведен анализ состояния работ в области построения современных систем экологического мониторинга, описаны проблемы организации мониторинга атмосферного воздуха на муниципальном уровне, проведен анализ функциональных возможностей и современных технических средств мониторинга атмосферного воздуха. Рассмотрены и проанализированы зарубежные и отечественные автоматизированные системы контроля и анализа качества атмосферного воздуха, автоматизированные системы экологического мониторинга, их организационное, информационное, программное и техническое обеспечение. Проведен обзор и анализ способов организации удаленного доступа к Интернет и сделаны выводы о целесообразности применения их в интеллектуальных системах экологического мониторинга.

По результатам литературного обзора сделаны следующие выводы.

1. Анализ показал, что большинство существующих систем мониторинга реализуют на практике лишь контроль загрязнений окружающей среды, поэтому необходима разработка и реализация автоматизированных систем экологического мониторинга (АСЭМ) атмосферного воздуха, включающие в себя новые функции, такие как прогнозирование состояния атмосферного воздуха и определение источников его загрязнения в реальном режиме времени, формирование управляющих решений по нормализации экологической ситуации и т.д.

2. Отсутствует общий подход к объединению в единую АСЭМ отдельных информационных систем, программных комплексов и технических средств мониторинга атмосферного воздуха на разных территориальных уровнях. Существующие разработки в области создания автоматизированных систем контроля и мониторинга качества окружающей среды не предназначены в большинстве случаев для оперативного прогнозирования и принятия решений по управлению качеством атмосферного воздуха в режиме реального времени.

Таким образом, в результате проведенного аналитического обзора, намечены основные задачи, связанные с разработкой структуры интеллектуальной АСЭМиУ атмосферного воздуха, программно-алгоритмического обеспечения распределенной экспертной системы принятия решения по нормализации степени загрязнения атмосферного воздуха в реальном времени. Поставлены задачи, которые необходимо решить при переходе к региональным иерархическим системам экологического мониторинга, работающим в режиме реального времени.

Во второй главе приведено описание существующей АСК «АТМОСФЕРА», которая представляет собой распределенную систему сбора и обработки информации о степени загрязнения атмосферного воздуха в г.Новомосковске Тульской области. Всесторонне рассмотрен и проанализирован как объект управления атмосферный воздух.

Определены его специфические особенности, делающие невозможным подачу управляющих воздействий непосредственно на объект управления. Научно обосновано объединение атмосферного воздуха и его загрязнителей (промышленные предприятия, автотранспорт и т.д.) в единый эквивалентный объект.

АСК «Атмосфера»

QT QT QT NT GT ST MT PT TT

ванную в целях решепредприятий, ГИБДД ния локальных задач и изучения режима состояния окружающей местных потребителей информации, которая входит в состав област- Рисунок 1 - Структура автоматизированной системы экологическоной системы. Ее струк- го мониторинга атмосферного воздуха г.Новомосковска Тульской сунке 1.

Система передачи данных обеспечивает сбор и распространение информации о загрязнении атмосферного воздуха по автономным телефонным линиям или по сотовой связи. Также во второй главе приведены метрологические характеристики измерительной аппаратуры.

АСК «Атмосфера» состоит из сети постов контроля атмосферы, организованных на базе пунктов наблюдения за загрязнением (ПНЗА) окружающей среды службы ЛМЗА (Лаборатория мониторинга загрязнения атмосферы), и Центра обработки информации (ЦОИ), расположенного в Городском комитете по охране окружающей среды. Связь с постами осуществляется по автономным каналам телефонной связи.

Количество постов - 3. Каждый стационарный пост ПНЗА в составе АСК «Атмосфера» способен в автоматическом режиме измерять содержание 5 загрязняющих веществ: диоксида серы, диоксида азота, оксида азота, оксида углерода и аммиака в атмосферном воздухе, и 4 значений метеопараметров: температуры, влажности, скорости и направления ветра. Режим работы АСК - круглосуточный.

В результате анализа АСК, выявлены ее недостатки и определены новые проблемы, возникающие при преобразовании ее в интеллектуальную АСЭМиУ «АТМОСФЕРА». Проанализировано использующееся в настоящее время для работы АСК аппаратное и программное обеспечение и сделаны выводы о существенной платформозависимости АСК. Приведена научно обоснованная оптимальная информационная структура интеллектуальной АСЭМиУ атмосферного воздуха.

В третьей главе описаны научные основы процесса разработки распределенной экспертной системы, являющейся неотъемлемой частью интеллектуальной АСЭМиУ атмосферного воздуха с удаленным доступом.

Любая интеллектуальная система (ИС) (см. рисунок 2) включает в себя следующие компоненты: пользовательский интерфейс сопряжения интеллектуальной системы с другими программными компонентами системы; процессор логических выводов, который осуществляет манипуляцию знаниями в символьном виде и координирует работу всей системы; базу знаний, содержащую знания о классе решаемых задач и знания о конкретной решаемой задаче.

Рисунок 2 – Элементарный состав интеллектуальной системы Под интеллектуальностью интерфейса подразумевается высокая степень интерактивности взаимодействия пользователя и ИС. Интерфейс предназначен и для организации взаимопонимания пользователя и ИС. База знаний (БЗ) ИС – реализует функции представления знаний в конкретной предметной области и управление ими. Знания в БЗ представлены в конкретной форме, а соответствующая организация БЗ позволяет их легко определять, модифицировать и пополнять. Процессор логических выводов выполняет логические выводы на основании знаний, имеющихся в базе знаний. Хотя оба эти компонента ИС с точки зрения ее структуры являются независимыми, они находятся в тесной связи между собой и определение модели представления знаний накладывает ограничения на выбор соответствующего механизма логических выводов.

К системам, основанным на знаниях, относятся, в первую очередь, экспертные системы. Экспертная система (ЭС) – это вычислительная система, в которую включены знания специалистов о некоторой конкретной проблемной области и которая в пределах этой области способна принимать экспертные решения. Структура типовой ЭС приведена на рисунке 3.

К описанным выше компонентам добавились Модуль приобретения знаний, который необходим для получения знаний от эксперта, поддержки базы знаний и дополнения ее при необходимости и Модуль ответов и объяснений, который формирует заключение экспертной системы и представляет различные комментарии, прилагаемые к заключению, а также объясняет мотивы заключения.

Далее описаны и проанализированы основные модели представления знаний, т.к.

для манипулирования знаниями из реального мира с помощью компьютера, необходимо осуществить их моделирование. К основным моделям представления знаний относятся:

логические модели; продукционные модели; сетевые модели; фреймовые модели.

Особое внимание указывалось на достоинства и недостатки моделей. Описаны различные модели и сделаны выводы по их применимости в интеллектуальных АСЭМиУ. Так логические модели, построенные с применением языков логического программирования, хотя и широко применяются в базах знаний и экспертных системах, однако, слабо или почти не подходят для описания АСЭМиУ, так как требуют высокой степени формализации. Продукционные модели как и сетевые модели являются наиболее популярными средствами представления знаний в системах ИИ. В общем виде под продукцией понимают выражение вида A B. Другими словами: ЕСЛИ А, ТО B. Импликация может истолковываться, в обычном логическом смысле, как знак логического следования B из истинного выражения А. Возможны и другие интерпретации продукции, например А описывает некоторое условие, необходимое, чтобы можно было совершить действие B.

Существуют два способа формирования заключений – прямые выводы и обратные выводы. В прямых выводах выбирается один из элементов данных, содержащихся в базе данных, и если при сопоставлении этот элемент согласуется с левой частью правила (посылкой), то из правила выводится соответствующее заключение и помещается в базу данных или исполняется действие, определяемое правилом, и соответствующим образом изменяется содержимое базы данных. В обратных выводах процесс начинается от поставленной цели. Если эта цель согласуется с правой частью правила (заключением), то посылка правила принимается за подцель или гипотезу. Этот процесс повторяется до тех пор, пока не будет получено совпадение подцели с данными.

Обе приведенные стратегии вывода имеют недостатки, достоинства и модификации. При большом числе продукций в продукционной модели усложняется проверка непротиворечивости системы продукций, т.е. множества правил. Поэтому число продукций, с которыми работают современные системы ИИ, как правило, не превышают тысячи.

В отличие от моделей других типов во фреймовых моделях фиксируется жесткая структура информационных единиц, называемых фреймами. Фрейм является формой представления некоторой ситуации, которую можно (или целесообразно) описывать некоторой совокупностью понятий и сущностей. В качестве идентификатора фрейму присваивается имя фрейма. Это имя должно быть единственным во всей фреймовой системе.

Помимо чисто фреймовых систем имеются продукционные системы, использующие ту или иную модификацию фреймового или объектного формализма для представления знаний, совместно с классическим продукционным механизмом логического вывода.

Среди этого класса систем следует отметить CLIPS. В дальнейшем будем использовать комбинированный принцип построения ЭС на базе продукционного и фреймового типов.

Такие ЭС относятся к классу гибридных.

Знания З в ИС можно разделить на статические ЗС и динамические ЗД. Статические служат для представления состояния предметной области в некоторый момент времени, а динамические описывают множество возможных правил перехода по графу состояний, вершинами которого являются элементы статических знаний. ЗД образуют базу знаний и описываются наборами продукционных правил. ЗС образуют множество атрибутов, формирующихся и пополняющихся в процессе решения конкретной задачи. Во фреймовой системе статические знания образованы множеством значений всех слотов всех фреймов.

Основные понятия прямого логического вывода в системе, основанной на правилах, иллюстрируются на рисунке 4.а. Правила активизируются с учетом наличия фактов, которые соответствуют антецедентам или левым частям (Left-Hand-Side — LHS) этих правил.

Процесс прямого логического вывода называется восходящими рассуждениями, поскольку в нем рассуждения осуществляются от свидетельств нижнего уровня, т.е. фактов, к заключениям верхнего уровня, которые основаны на этих фактах. В подходе, основанном на знаниях, факты рассматриваются как элементарные единицы знаний, поскольку невозможна их декомпозиция на какие-либо меньшие единицы знаний, имеющие смысл, а в обычных программах основными единицами значения являются данные.

Понятие обратного логического вывода иллюстрируется на рисунке 4.б.

Для того чтобы доказать или опровергнуть гипотезу Г, необходимо доказать по меньшей мере одну из промежуточных гипотез Г1, Г2 или Г3. Диаграмма представляется в виде дерева AND-OR, поскольку это дозволяет показать, что в некоторых случаях, таких как Г2, для обоснования Г2 должны выполняться все гипотезы низкого уровня. А в других случаях, таких как гипотеза верхнего уровня Г, необходимо доказать только одну гипотезу низкого уровня. При использовании обратного логического вывода в системе обычно предусматривается возможность запрашивать у пользователя дополнительные свидетельства, способствующие доказательству или опровержению гипотез. В этом состоит принципиальное отличие таких систем от систем прямого логического вывода, в которых все относящиеся к делу факты обычно известны заранее.

Рисунок 4.а - Прямой логический вывод 4.б Обратный логический вывод Характерные особенности прямого и обратного логического вывода сведены в таблицу 1.

Таблица 1 - Некоторые особенности прямого и обратного логического вывода Планирование, текущий контроль, Управляемые данными, восходящие Поиск в прямом направлении для определе- Поиск в обратном направлении для определения ния того, какие решения следуют из фактов фактов, обосновывающих текущую гипотезу Поиск определяется антецедентами Поиск определяется консеквентами Не способствует формированию объясСпособствует формированию объяснения Схемы организации приложений, наиболее подходящих для использования в них прямого и обратного логического вывода, показаны на рисунках 5 и 6 соответственно. Для упрощения соответствующие диаграммы представлены в виде графов (деревьев), а не сетей общего вида. Наиболее подходящим для прямого логического вывода является такое приложение, схема организации которого имеет вид широкого и не очень глубокого дерева. Это связано с тем, что прямой логический вывод способствует применению поиска в ширину. Это означает, что прямой логический вывод является удобным, если поиск заключений выполняется путем последовательного перехода с одного уровня на другой. В отличие от этого, обратный логический вывод способствует применению поиска в глубину, а дерево, наиболее подходящее для поиска в глубину, является узким и глубоким.

широкое дерево с небольшим количеством уровней Рисунок 5 – Приложение, подходящее для Рисунок 6 – Приложение, подходящее для Выбор наиболее подходящего способа поиска решения зависит от структуры правил. Это означает, что эффективность процесса активизации правил зависит от того, какие шаблоны будут применяться для согласования в проектируемом правиле. Шаблоны в левой части правила позволяют определить, может ли правило стать активизированным с помощью фактов. А действия, заданные в правой части правила, определяют, какие факты должны быть введены в базу знаний и удалены из нее, и поэтому влияют на другие правила. Аналогичная ситуация имеет место применительно к обратному логическому выводу, не считая того, что вместо правил используются гипотезы. Безусловно, любая промежуточная гипотеза может представлять собой какое-то правило, при согласовании с которым применяется консеквент, а не антецедент.

Особенности ЭС предыдущего поколения сводятся к следующим принципам:

1. Мощность экспертной системы обусловлена в первую очередь мощностью базы знаний и возможностью ее пополнения и только во вторую очередь - используемыми ею методами (процедурами). В исследованиях по искусственному интеллекту господствовала обратная точка зрения. Источником интеллектуальности считали небольшое количество общих мощных процедур вывода. Однако опыт показал, что важнее иметь разнообразные специальные знания, а не общие процедуры вывода.

2. Знания, позволяющие эксперту (или экспертной системе) получить качественные и эффективные решения задач, являются в основном эвристическими, экспериментальными, неопределенными, правдоподобными. Причина этого заключается в том, что решаемые задачи являются неформализованными или слабоформализованными. Необходимо также подчеркнуть, что знания экспертов имеют индивидуальный характер, т.е.

свойственны конкретному человеку.

3. Учитывая неформализованность решаемых задач и эвристический, личностный характер используемых знаний, пользователь (эксперт) должен иметь возможность непосредственного взаимодействия с экспертной системой в виде диалога.

Архитектура типовой ЭС (представлена на рисунке 7) вытекает из принципов, сформулированных выше. В соответствии с первыми двумя принципами ЭС включает два компонента: решатель (процедуры вывода) и динамически изменяемую базу знаний.

Выбор в качестве основы для реализации решателя систем продукций предопределяет наличие в ЭС также и рабочей памяти.

Третий принцип предъявляет к системе следующие требования:

- способность вести диалог о решаемой задаче на языке, удобном пользователю (эксперту), и, в частности, приобретать в ходе диалога новые знания;

- способность при решении задачи следовать линии рассуждения, понятной пользователю (эксперту);

- способность объяснять ход своего рассуждения на языке, удобном для пользователя (эксперта), что необходимо как при использовании, так и при совершенствовании системы (т. е. при отладке и модификации базы знаний).

Первое требование реализуется диалоговым компонентом ЭС и компонентом приобретения знаний, а для выполнения второго и третьего требований в ЭС вводится объяснительный компонент. Кроме того, второе требование накладывает ограничения на способ решения задачи: ход рассуждения в процессе решения должен быть понятен пользователю (эксперту).

ИП ИП ОУ

Где: ИП - интерфейс пользователя, ЛВ - логический вывод, БЗ - база знаний, РЗ редактор знаний, АМ - алгоритмическая модель решения, ОР - объяснение решения, БД база данных, ОУ – объект управления, Пр – программист, П – пользователь, И - инженер по знаниям.

Структуру, приведенную на рисунке 8, называют структурой статической ЭС. ЭС данного типа используются в тех приложениях, где можно не учитывать изменения окружающего мира, происходящие за время решения задачи.

Где: решатель (Р) (интерпретатора); рабочая память (РП), называемой также базой данных (БД); база знаний (БЗ); компоненты приобретения знаний (ПЗ); объяснительный компонент (ОК); диалоговый компонент (ДК).

База данных (рабочая память) предназначена для хранения исходных и промежуточных данных решаемой в текущий момент задачи. Этот термин совпадает по названию, но не по смыслу с термином, используемым в информационно-поисковых системах (ИПС) и системах управления базами данных (СУБД) для обозначения всех данных (в первую очередь долгосрочных), хранимых в системе.

База знаний (БЗ) в ЭС предназначена для хранения долгосрочных данных, описывающих рассматриваемую область (а не текущих данных), и правил, описывающих целесообразные преобразования данных этой области.

Однако существует огромный класс приложений, в которых требуется учитывать изменения, происходящие в окружающем мире за время выполнения приложения. На рисунке 9 изображено преобразование структуры статической ЭС. За счет добавления дополнительных компонентов: подсистемы моделирования внешнего мира и подсистемы связи с внешним окружением, статическая ЭС преобразуется в динамическую ЭС. Кроме того, традиционные компоненты статической ЭС (база знаний и машина вывода) претерпевают существенные изменения, чтобы отразить временную логику происходящих в реальном мире событий.

Разработка ЭС в широком смысле имеет существенные отличия от разработки обычного программного продукта. Опыт создания ЭС показал, что использование при их разработке методологии, принятой в традиционном программировании, либо чрезмерно затягивает процесс создания ЭС, либо вообще приводит к отрицательному результату.

Дело в том, что неформализованность задач, решаемых ЭС, отсутствие завершенной теории ЭС и методологии их разработки приводят к необходимости модифицировать принципы и способы построения ЭС в ходе процесса разработки по мере того, как увеличивается знание разработчиков о проблемной области.

Перед тем как приступить к разработке ЭС, инженер по знаниям должен рассмотреть вопрос, следует ли разрабатывать ЭС для данного приложения. В обобщенном виде ответ может быть таким; использовать ЭС следует только тогда, когда разработка ЭС возможна, оправдана и методы инженерии знаний соответствуют решаемой задаче. Чтобы разработка ЭС была возможной для данного приложения, необходимо одновременное выполнение, по крайней мере, следующих требований:

1) существуют эксперты в данной области, которые решают задачу значительно лучше, чем начинающие специалисты;

2) эксперты сходятся в оценке предлагаемого решения, иначе нельзя будет оценить качество разработанной ЭС;

3) эксперты способны вербализовать (выразить на естественном языке) и объяснить используемые ими методы, в противном случае трудно рассчитывать на то, что знания экспертов будут «извлечены» и вложены в ЭС;

4) решение задачи требует только рассуждений, а не действий;

5) задача не должна быть слишком трудной (т.е. ее решение должно занимать у эксперта несколько часов или дней, а не недель);

6) задача хотя и не должна быть выражена в формальном виде, но все же должна относиться к достаточно «понятной» и структурированной области, т.е. должны быть выделены основные понятия, отношения и известные (хотя бы эксперту) способы получения решения задачи;

7) решение задачи не должно в значительной степени использовать «здравый смысл» (т.е. широкий спектр общих сведений о мире и о способе его функционирования, которые знает и умеет использовать любой нормальный человек), так как подобные знания пока не удается (в достаточном количестве) вложить в системы искусственного интеллекта.

Для ИАСЭМиУ атмосферного воздуха характерно достаточно малое количество экспертов в данной области, и, самое главное, их территориальная удаленность друг от друга, что существенно затрудняет оценку решения, особенно, если эксперты находятся в разных часовых поясах. Однако, сами задачи экологического мониторинга и управления экологической ситуацией требуют достаточно быстрого урегулирования, несмотря на всю неполноту информации об экологической обстановке и ее быстрое изменение.

Использование ЭС в экологии может быть возможно, но не оправдано. Применение ЭС в этой области может быть оправдано одним из следующих факторов:

- решение задачи принесет значительный прямой социальный эффект, и косвенный – экономический, т.к. люди будут жить в лучших условиях, меньше болеть, повысится производительность труда, и т.д., кроме того, не надо будет тратить средства на восстановление окружающей среды после ненадлежащего ее использования, очистки и обеззараживания и т.д.;

- использование человека-эксперта невозможно из-за недостаточного количества экспертов, и из-за необходимости выполнять экспертизу одновременно в различных местах и в разное время;

- когда при передаче информации эксперту происходит недопустимая потеря времени или информации об экологической ситуации, которая может привести к чрезвычайной ситуации, техногенной катастрофе и т.д.;

- при необходимости решать задачу территориально удаленно от места сбора данных о ситуации.

ИАСЭМиУ соответствует методам ЭС, если решаемая задача обладает совокупностью следующих характеристик:

1) задача может быть естественным образом решена посредством манипуляции с символами (т.е. с помощью символических рассуждений), а не манипуляций с числами, как принято в математических методах и в традиционном программировании;

2) задача должна иметь эвристическую, а не алгоритмическую природу, т.е. ее решение должно требовать применения эвристических правил. Задачи, которые могут быть гарантированно решены (с соблюдением заданных ограничений) с помощью некоторых формальных процедур, не подходят для применения ЭС;

3) задача должна быть достаточно сложна, чтобы оправдать затраты на разработку ЭС. Однако она не должна быть чрезмерно сложной (решение занимает у эксперта часы, а не недели), чтобы ЭС могла ее решать;

4) задача должна быть достаточно узкой, чтобы решаться методами ЭС, и практически значимой.

В разработанной в диссертации структуре ЭС ИСЭМ введены следующие структурные изменения, отличающие ее от типового решения.

1. База знаний и база данных размещены в Интернет, что преобразует ЭС из автономной в распределенную.

2. Изменен интерфейс пользователя. Сами пользователи могут находиться территориально удаленно от системы. Основное требование при этом – наличие у них доступа в Интернет. Взаимодействие пользователей с системой происходит через web-интерфейс.

3. Эксперты могут формировать знания в реальном времени.

ИП ЛВ ИП ОУ

Рисунок 10 – Структура распределенной ЭС ИАСЭМиУ с удаленным доступом ЭС экологического мониторинга должна обладать знаниями, которые должны быть ориентированы на конкретную предметную область, и из этих знаний должно непосредственно вытекать решение проблемы. Именно поэтому знания в экспертных системах предполагают определенную организацию и интеграцию (отдельные факты, сведения должны соотноситься друг с другом и образовывать между собой определенные связи).

То есть знания должны быть соответствующе представлены.

В области ЭС представление знаний означает не что иное, как систематизированную методику описания на машинном уровне того, что знает человек–эксперт, специализирующийся в конкретной предметной области. Представление знаний должно позволять извлекать их в нужной ситуации с помощью относительно несложного и более–менее естественного механизма. Следует понимать, что недостаточно простого перевода знаний в форму, пригодную для хранения на машинных носителях. Чтобы достаточно быстро извлекать те элементы знаний, которые наиболее пригодны в конкретной ситуации, база знаний должна обладать достаточно развитыми средствами контекстной адресации и индексирования. Тогда программа, использующая знания, сможет управлять последовательностью применения отдельных «элементов» знания, даже не обладая точной информацией о том, как они хранятся.

Подобные средства предлагает разработчикам язык представления знаний CLIPS, позволяющий характеризовать представленные знаний функционально, то есть в терминах действия, а не в терминах структурной организации. Применение CLIPS для построения систем, основанных на знаниях, может быть обусловлено следующими причинами:

этот язык является свободно распространяемым программным продуктом;

его исполнительная система обладает вполне приемлемой производительностью;

имеет четко сформулированный синтаксис;

в него включено множество опробованных на практике конструкций из других инструментальных средств;

язык допускает вызов внешних функций, написанных на других языках программирования; в свою очередь модули, написанные на CLIPS, могут быть вызваны программами, написанными на других языках;

язык включает средства, позволяющие комбинировать порождающие правила и объектно–ориентированный подход.

CLIPS предлагает эвристические и процедурные подходы для представления знаний. Также средства CLIPS позволяют применять и объектно–ориентированный подход к организации знаний. Кроме того, язык предоставляет возможности комбинировать эти подходы. В CLIPS предусмотрены три основных формата представления информации:

факты, объекты и глобальные переменные. CLIPS предоставляет три механизма представления знаний: эвристический, процедурный и объектно-ориентированный.

Также, на выбор CLIPS повлияло и то, что: эта ЭС, разработанная NASA, доказала свою эффективность и свободно распространяется через Интернет; а реализация CLIPS на языке С++ позволяет переносить конкретные ЭС на различные типы операционных систем. Кроме того, может быть обеспечена возможность работы в реальном масштабе времени, когда реакция системы на возмущения должна не превышать нескольких миллисекунд.

Приведено научное обоснование изменения структуры ЭС ИАСЭМиУ. В предлагаемой структуре ЭС ИСЭМиУ введены следующие изменения, отличающие ее от других.

1. База знаний и база данных размещены в Интернет, что преобразует ЭС из автономной в распределенную.

2. Изменен интерфейс пользователя. Сами пользователи могут находиться территориально удаленно от системы. Основное требование при этом – наличие у них доступа в Интернет. Взаимодействие пользователей с системой происходит через web-интерфейс.

3. Эксперты могут формировать знания в реальном времени.

Приведено обоснование выбора инструментального средства для разработки ЭС ИАСЭМиУ – CLIPS, которое обладает всем необходимым для построения ЭС и является свободно распространяемым и платформонезависимым.

В четвертой главе приведен практический пример преобразования АСК в интеллектуальную АСЭМиУ с использованием удаленного доступа, представлены ее структурная схема и алгоритмы функционирования, произведен обоснованный выбор аппаратного и программного обеспечения. Как было сказано выше, для реализации функции управления качеством атмосферного воздуха необходимо добавить в существующую систему новый структурный элемент – экспертную систему (рисунок 10).

На рисунке видно, что часть структурных элементов системы находятся (или имеют доступ) в Интернет. К ним относятся: подсистема работы со знаниями (БЗ, РЗ, ИП), подсистема рабочей памяти (БД), ОР и ИП. Именно такое решение позволяет устранить ряд важных проблем, связанных со знаниями в ЭС. Для формирования знаний обычно привлекаются эксперты в соответствующих областях. Чтобы пополнить БЗ знаниями необходимо найти этих экспертов, организовать с ними встречу, детальное обсуждение проблем, сформулировать вопросы и получить от экспертов ответы и т.д. и т.п. Все это требует существенных затрат, как временных, так и материальных, особенно, если эксперты территориально удалены друг от друга.

В результате реорганизации структуры ЭС и распределения ее элементов на разных компьютерах в Интернет, нет необходимости собирать экспертов в одном месте или встречаться с ними в разных местах. Интернет позволяет объединять знания множества экспертов территориально удаленных друг от друга. Кроме того, совсем не обязательно взаимодействовать с экспертами одновременно, т.к. располагаться они могут в разных временных поясах.

Также существенному изменению подверглась и подсистема хранения и передачи информации. В существующей АСК информация храниться в виде структурированных файлов. В этом случае за целостность файлов отвечает операционная система. В случае непредвиденного отключения компьютера возможна потеря информации. В предлагаемой системе информация будет храниться в СУБД, которая сама обеспечивает целостность информации. Т.к. в разработанной ИАСЭМиУ неотъемлемой частью является Интернет, необходимо обеспечить платформонезависимость всего ПО. В действующей АСК все ПО имеет жесткую привязку к аппаратной платформе, однако компьютеры экспертов, инженеров и простых пользователей не обязательно могут быть PC IBM совместимыми. Это могут быть компьютеры фирмы Apple, мобильные телефоны и коммуникаторы, и другое оборудование, которое поддерживает работу в Интернет. Произведено преобразование «плоских файлов» в базу данных MySQL и проведена ее нормализация. Описан авторский программный продукт на языке CLIPS, позволяющий обеспечивать эффективное функционирование системы мониторинга вне зависимости от программно-аппаратной платформы.

В заключении приведены основные результаты работы.

1. Проведен анализ и разработана методика преобразования АСК в ИАСЭМиУ с удаленным доступом, работающую в реальном масштабе 2. Произведен детальный обзор способов удаленного доступа к информационным ресурсам и даны методические рекомендации для выбора различных способов доступа в зависимости от решаемых задач, пропускной способности каналов передачи информации, характера передаваемой информации.

3. Подробно описан и проанализирован «Эквивалентный объект» исследования и управления, в который входят атмосферный воздух и источники его загрязнения – промышленные предприятия и автотранспорт г.Новомосковска Тульской области.

4. Дано научное обоснование построения ИАСЭМиУ, произведены исследования способов создания ЭС, подтверждающие правильность выбранных методов построения ИАСЭМиУ, которые позволяют ей эффективно функционировать.

5. Описан пример практической реализации разработанной ИАСЭМиУ и даны рекомендации по построению подобных систем.

6. Созданы авторские программы, позволяющие обеспечить эффективный удаленный доступ, с использованием современных пакетов программ и информационных технологий, таких как CLIPS, Web 2.0, WIKI, AJAX, СУБД MySQL, Web-сервера Apache, языка программирования Perl и PHP последних версий. Приведен анализ и обоснован выбор данных пакетов программ, описанный авторский программный продукт, позволяет обеспечивать эффективное функционирование системы мониторинга вне зависимости от программно-аппаратной платформы.

7. Сделаны выводы о применимости разработанных подходов к решению аналогичных задач по созданию подобных систем мониторинга.

Полученные научные и практические результаты имеют важное народнохозяйственное значение для автоматизации процессов управления экологической ситуацией на муниципальном уровне, создания теоретической и методической основы для разработки систем информационной поддержки принятия эффективных решений по управлению экологической безопасностью г.Новомосковска Тульской области.

По теме диссертации опубликованы 7 научных публикаций:

1. Волков В.Ю., Вент Д.П., Бархум Ибрахим, Али Мансур. Современные информационные технологии в автоматизированных системах экологического мониторинга атмосферного воздуха /ГОУ ВПО «Российский Химико-Технологический Университет им. Д.И. Менделеева», Новомосковский институт (филиал). Новомосковск, 2008.- 157 с.

2. Волков В.Ю., Вент Д.П., Бархум Ибрахим. Интеллектуальные автоматизированные системы в экологии. Известия Тульского Государственного Университета.Технич.науки. Вып.4., 2008.–с.268-273.

3. Бархум Ибрахим, Волков В.Ю., Эдельштейн Ю.Д., Али Мансур. Состояние атмосферного воздуха как объект управления в АСЭМ. Вестник МАСИ.

Информатика, экология, экономика. Том 10. –М:, 2007. - С.88-95.

4. Бархум Ибрахим, Волков В.Ю., Эдельштейн Ю.Д., Али Мансур. Удаленное наблюдение за загрязнением атмосферного воздуха в АСЭМ и способы представления результатов в Интернет. Вестник МАСИ. Информатика, экология, экономика. Том 10. –М:, 2007. - С.95-101.

5. Бархум Ибрахим, Волков В.Ю. Создание подсистемы удаленного наблюдения в АСЭМ атмосферного воздуха. Тезисы докладов X научно-технич.

конф. молодых ученых, аспирантов и студентов, РХТУ им. Д.И.Менделеева, Новомосковский институт. -Новомосковск, 2008. - С.168-169.

6. Али Мансур, Бархум Ибрахим, Волков В.Ю. Варианты представления и использования результатов наблюдения за загрязнением атмосферного воздуха в АСЭМ.

Тезисы докладов XXVI научной конференции профессорско-преподавательского состава и сотрудников НИ РХТУ им. Д.И.Менделеева, ч.I. - Новомосковск, 2007. - С.138.

7. Бархум Ибрахим, Али Мансур, Волков В.Ю. Основные характеристик атмосферного воздуха как объекта управления в АСЭМ. Тезисы докладов XXVI Научной конференции профессорско-преподавательского состава и сотрудников НИ РХТУ им. Д.И.Менделеева, ч.I. - Новомосковск, 2007. - С.139.

Издательский центр НИ РХТУ им.Д.И.Менделеева