«СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В РЕГИОНАЛЬНОМ ВОДОХОЗЯЙСТВЕННОМ КОМПЛЕКСЕ ...»

Подземные воды Самарской области характеризуются повышенным содержанием железа, а также повышенной жесткостью, общей минерализацией [113].

Одна из основных проблем в области регионального водоснабжения и водоотведения заключается в отсутствии системного подхода к организации использования природных водных ресурсов, построении сбалансированных систем водоснабжения и водоотведения.

Обозначим некоторые аспекты этой проблемы.

1. В Самарской области далеко не все потребители имеют возможность получать воду из р. Волги, которая позволяет практически без лимитов отбирать любое количество воды для промышленных предприятий современного масштаба. Многие предприятия и населенные пункты пользуются либо подземными источниками, либо прудами и водохранилищами с ограниченными водными ресурсами.

В то же время практика строительства новых водозаборов до сих пор не всегда учитывает эффект взаимного влияния производительности и мощностей различных потребителей, пользующихся одним и тем же ресурсом.

2. Как правило, системы водоотведения проектируются с расчетом, основанным на крупное промышленное производство. При этом предприятия малого и среднего бизнеса не попадают в сферу рассмотрения, тогда как суммарное потребление и отведение воды для них может быть сравнимо с крупным предприятием или населенным пунктом.

3. Не проводится системный анализ и не используются научно обоснованные методики проектирования систем водоснабжения и отведения, учитывающие все компоненты традиционно сложившегося в Самарской области комплекса водопотребителей.

Научные исследования, проводимые в Самарском государственном техническом университете, Самарском государственном архитектурностроительном университете, ОАО «Институт Средволгогипроводхоз», Самара, показали необходимость создания единого водохозяйственного комплекса Самарской области [12, 110, 111].

Основная цель – организация комплексного централизованного управления в сфере водоснабжения и водоотведения, направленного на сохранение здоровья, улучшения условий деятельности и повышения уровня жизни населения Самарской области.

Построение водохозяйственного комплекса связано с необходимостью объединить в рамках одной региональной зоны производственные проекты в конкретной технологической области – водоснабжении и водоотведении промышленности и населения, а также фундаментальные разработки и современные системы проектирования новых технологий производства питьевой и технической воды и очистки сточных вод.

На рисунке 1.1 приведена структура водохозяйственного комплекса Самарской области. Дальнейшее развитие водохозяйственного комплекса должно привести к образованию кластера промышленного развития, идея которых является центральным пунктом реализации проектной установки управления страной в рамках национальных проектов.

Р и с у н о к. 1.1 - Структура водохозяйственного комплекса Самарской области Комплекс должен объединять три основных компоненты:

• Промышленное водоснабжение • Хозяйственнобытовое водоснабжение населения чистой водой • Промышленное и хозяйственно-бытовое водоотведение взаимодействие как минимум трёх крупных технологических групп, которые образуют его технологическую основу:

предприятия по выпуску опытной продукции, участвующие в разработке новых технологий и оборудования водоподготовки и водоочистки.

перспективного развития Самарской области осуществлять эффективную добычу и подготовку воды нормативного качества в необходимом объеме, хозяйственно-бытового происхождения.

3. Управленческие группы, способные эффективно и рентабельно управлять продвижением продукции водохозяйственной отрасли на рынок услуг и формировать устойчивый спрос, в том числе и поставок воды за пределы Самарской области.

организуются:

финансировании проектов;

- экспертный совет, рассматривающий различные проекты и принимающий решения о реализации проектов, - креативный центр, подготавливающий материалы для принятия решений экспертным советом и советом инвесторов.

осуществляет Координационный совет, включающий представителей основных отраслевых министерств региона и частных инвесторов.

Задачи, выполняемые водохозяйственным комплексом Повышение конкурентоспособности предприятий водного хозяйства региональных проектов в области промышленного водоснабжения и Внедрение новых технологий и оборудования водоподготовки Развитие экспортных ресурсов воды Обеспечение безопасности систем водоснабжения и водоотведения Научно-техническое развитие водного хозяйства Концепция водохозяйственного комплекса была разработана научными коллективами кафедры «Вычислительная техника» СамГТУ и ОАО «Институт Средволгогипроводхоз» и представлена в Правительство Самарской области.

Автор входил в состав исполнителей проекта.

В Самарской области планомерно проводится работа по развитию водохозяйственного комплекса на основе программно-целевого подхода. В 2005 – 2010 годах выполнялась региональная целевая программа по обеспечению питьевой водой [114]. В настоящее время в Российской Федерации реализуется реформирование и модернизацию сектора водоснабжения и водоотведения.

Главная задача государственной программы «Чистая вода» - создание эффективной бизнес-среды и условий для привлечения частных инвестиций в сектор промышленного и хозяйственного водоснабжения и водоотведения на основе прозрачной системы государственного регулирования, обеспечивающей баланс интересов потребителей, собственников и операторов систем водоснабжения и водоотведения.

1.2 Анализ системных подходов к управлению крупными водохозяйственными комплексами Для управления водохозяйственным комплексом необходимо выбрать методологический подход, который можно применить для анализа промышленных систем водоснабжения, управления целевой региональной программой и для построения системы принятия решений. Для этого рассмотрено несколько известных и использующихся на практике теоретических направлений. Остановимся на них подробнее и рассмотрим по отдельности.

1.2.1. Управление проектами в организационных структурах Рассмотрим общие подходы теории управления, применяемые для разработки математических моделей социальных и экономических систем [17, 18]:

• теория активных систем – ТАС [19-22];

• теория иерархических игр – ТИИ [23-25];

• Mechanism Design – MD [26-28].

Совместное использование этих подходов привело к созданию теории управления организационными системами, предметом изучения которой является разработка организационных механизмов управления [29]. В рамках этой теории созданы, исследованы и апробированы на практике десятки механизмов управления, которые успешно применяются при управлении сложными системами в различных областях промышленности.

Теория активных систем (ТАС) - раздел теории управления социальноэкономическими системами, изучающий свойства механизмов их функционирования, обусловленные проявлениями активности участников системы. Основным методом исследования является математическое, в частности теоретико-игровое моделирование, и имитационное моделирование.

В теории активных систем задача управляющего органа состоит в выборе такого допустимого управления, которое максимизировало бы значение его эффективности при условии, что известна реакция системы F(u) на управляющие воздействия [22].

Иерархическая игра является важнейшим подклассом неантагонистических многошаговых игр. Иерархические игры моделируют конфликтно-управляемые системы с иерархической структурой. Такая структура определяется последовательностью уровней управления, следующих друг за другом в порядке определенного приоритета. В математической постановке иерархические игры классифицируются по числу уровней и характеру вертикальных связей.

В иерархических играх существует фиксированный порядок ходов – первый ход делает центр, затем свои стратегии выбирают агенты. С этой точки зрения теория иерархических игр является наиболее адекватным аппаратом описания задач управления организационными системами.

В теории конструирования механизмов (Mechanism Design) первой задачей является определение желаемого результата или социальной цели. После этого проводится конструирование соответствующего института (механизма) для достижения поставленной цели.

В работах [30, 31] описан метод управления крупными проектами в матричной структуре сложной производственной системы, который характеризуется подчинением сотрудников двум руководителям одного уровня.

Руководитель проекта ставит задачи перед членами проектной группы, определяет сроки, осуществляет контроль над деятельностью группы.

Руководители функциональных служб определяют способы решений поставленных перед соответствующими специалистами задач и контролируют ход их решений. Такой подход предполагает децентрализацию выполнения множества декомпозированных задач множеством исполнителей, которые участвуют в виртуальном аукционе выбора проектных задач. Однако, эта методология дает хорошие результаты на этапе проектного процесса. На предпроектном этапе при принятии решений она недостаточно эффективна.

Как видно из вышеизложенного, ни один из рассмотренных подходов управления в организационных структурах не может служить базой для разработки системы принятия решений в водохозяйственном комплексе при проектировании систем промышленного и бытового водоснабжения в рамках региональной целевой программы.

1.2.2. Мультиагентные технологии управления в сложных системах использованием мультиагентных технологий [32, 33, 34]. В мультиагентных технологиях решение получается автоматически в результате взаимодействия множества самостоятельных целенаправленных программных модулей — агентов [34]. В этом отличие от классического способа, заключающегося в нахождении детерминированного алгоритма, обеспечивающего наилучшее в смысле заданных критериев решение проблемы.

Неопределенность присутствует, когда имеется ряд альтернатив, при этом невозможно предсказать, какой из вариантов окажется лучшим в будущем.

Неопределенность возрастает, когда возможны непредсказуемые события [35].

Агенты похожи на членов команды: они также могут соревноваться друг с другом или сотрудничать в процессе принятия решения.

Ключевая особенность эмерджентного интеллекта заключается в динамике и непредсказуемости процесса принятия решений.

На практике это означает, что решение достигается за счет множества, которые не поддаются точному перебору или наблюдению. Однако это требуется в мультиагентных технологиях, так как агенты получают цели, которые должны быть достигнуты. При этом заранее не предопределяются сценарии выполнения задач по достижению этих целей. Эти сценарии формируются и исполняются агентами самостоятельно. На каждом шаге агенты рассматривают входы системы и реагируют на непредсказуемые события (задержки, сбои, изменения). Реакция агентов может быть самостоятельной, или осуществляться во взаимодействии с оператором.

Агенты функционируют в виртуальном мире, представляющем проблему, и взаимодействуют между собой путем посылки сообщений. Как результат переговоров агентов, формируется текущее решение проблемы, которое гибко меняется в соответствии с динамикой среды [36].

Применение мультиагентных технологий позволяет адаптироваться к изменениям системы и находить решения с учётом различных факторов. Этот подход хорошо применим для динамично изменяющихся систем, в которых необходимо быстрое принятие решений на основании взаимодействия различных агентов. Однако, при управлении водохозяйственными комплексами подобный подход будет избыточен.

1.2.3. Применение методов DEA при анализе и управлении Анализ отечественных и зарубежных публикаций показывает значительный рост интереса к измерению и сравнению эффективности деятельности элементов разной организационной структуры [37]. Одной из важных задач является оценка эффективности функционирования систем, обеспечивающих экономическое и социальное развитие регионов страны [38, 39]. Проблема состоит в том, как измерить такой неформальный параметр, как «эффективность». Что должно быть положено в основу процедуры оценки, если сложный объект характеризуется множеством параметров? При этом сравниваемые объекты и системы могут значительно различаться по своей внутренней организации и структуре. В последнее время получил развитие метод построения границы эффективности [40 - 43]. С этим также связаны такие понятия, как граница производственных возможностей и производственная функция.

Производственная функция [44 - 50] показывает максимальное количество выпуска (продукции), которое может быть произведено из данного количества входных факторов производства (входов) при использовании данной технологии.

Если распространить рассуждения на случай, когда выпускается продукция не одного вида, а нескольких, то принято говорить не о производственной функции, а о производственной границе, или границе эффективности [40, 43].

Предприятия или производственные системы, которые образуют анализируемое множество, считаются эффективными, если производят максимальное количество выпуска единиц продукции из данного количества входов. В пространстве, описывающем параметры входов и выходов, точки, соответствующие таким предприятиям, принадлежат границе эффективности.

Предприятия, которые не попадают на границу эффективности, описываются точками внутри области, ограниченной этой границей. В этом случае эффективность таких предприятий будет ниже возможной. Степень неэффективности объекта определяется степенью удаленности его точки от границы эффективности. При задании определенных условий можно вычислить и границу неэффективности предприятия. Так как на практике граница эффективности заранее неизвестна, следует использовать метод ее вычисления.

Для оценивания границы эффективности множества производственных объектов применяются различные методы, в том числе метод Data Envelopment Analysis (DEA), в основе которого лежит линейное программирование [51 - 54]. Граница эффективности, получаемая с помощью методологии DEA, является кусочнолинейной.

Таким образом, методологию Data Envelopment Analysis можно использовать для оценки эффективности и классификации промышленных и хозяйственнобытовых систем водоснабжения. Аналогичные подходы были использованы для оценки эффективности энергетических и тепловых систем [38]. Однако для целей водоснабжения, полученные в этих работах математические модели и результаты нуждаются в дальнейшем развитии и модификации с учетом специфики предметной области.

1.2.4. Байесовские интеллектуальные технологии при управлении региональными проектами При принятии управленческих решений для сложных объектов и систем [55, 56, 61] как правило, отсутствуют достаточно полные и достоверные данные. Вопервых, информация, хранящаяся в электронном виде, характеризуется неточностью, нечеткостью и неполнотой. Это приводит к риску выбора неправильных решений в условиях неопределенности. Во-вторых, неопределенность обусловлена действиями субъектов, участвующих в работе промышленного предприятия, воздействие которых на ситуацию не может быть определено заранее с высокой степенью вероятности.

В этом случае имеем задачу принятия решений в многокритериальной среде в условиях риска и неопределенности.

Для организации функционирования сложных промышленных комплексов можно использовать методологию байесовских интеллектуальных технологий аналитические системы на основе БИТ используются в самых разных прикладных предприятий и маркетинга. На базе байесовских интеллектуальных технологий разработаны и используются на практике информационно-аналитические распределенные системы для различных приложений и средства мультимедийной визуализации сетевых решений [55-59]. Такие системы называются баесовскими интегрирующими сетями.

Эти системы могут осуществлять следующие функции:

• предоставлять метрологическое обоснование качества принимаемых решений;

• интегрировать разнородные множества данных и знаний;

• управлять качеством решений;

• развиваться в процессе жизненного цикла системы.

Разработка байесовских интегрирующих сетей обусловлена требованиями практических задач по обобщению всего имеющегося объема информации, и возможностями современных сетевых технологий, позволяющих накапливать на вычислительных узлах значительные массивы разнотипных информационных ресурсов.

Успешное применение на практике информационно-аналитических систем на основе БИТ является подтверждением их эффективности и интегрирующих интеллектуальные технологии можно применить для управления целевой региональной программой. В то же время в водохозяйственном комплексе Самарской области, как и в других регионах России, отсутствуют достоверные данные о функционировании сложных систем промышленного водоснабжения за многолетние периоды. Это снижает возможность эффективного использования БИТ на современном этапе. Однако, байесовские интеллектуальные технологии целесообразно использовать для построения концептуального подхода к управлению региональными программами водоснабжения.

Вывод. Для разработки системных моделей, предназначенных для управления в водохозяйственном комплексе, целесообразно использовать методологию DEA, модель региональной программы, основанную на байесовских технологиях, и методы принятия решений на базе продукционного вывода.

1.3 Информационно-управляющая система водохозяйственного комплекса 1.3.1 Структура информационно-управляющей системы Создание интегрированного водохозяйственного комплекса Самарской области невозможно без внедрения информационных технологий для сбора и обработки данных, поддержки принятия решений при управлении всеми процессами в комплексе.

водохозяйственного комплекса Самарской области приведена на рисунке 1.2.

Рисунок 1.2 - Структура интегрированной информационно-управляющей системы 1.3.2 Информационно-измерительные системы в составе ИУС В Самарской области большинство источников водоснабжения строится на подземных водозаборах. В связи с этим актуальна задача информационного обеспечения систем водоснабжения, внедрения современных информационноизмерительных систем.

Водозаборы больших городов Самарской области, таких как гг. Тольятти и Новокуйбышевск, построены с использованием подземных вод и имеют несколько десятков скважин. Неправильные эксплуатационные режимы, отсутствие прогноза изменений состояния водных пластов могут привести к таким нежелательным явлениям, как потеря производительности скважин, засоление добываемой воды и др.

В диссертации рассматривается структура информационно-измерительной системы (ИИС) для контроля эксплуатационных параметров скважин, управления режимами водозабора и прогнозирования его гидрогеологического состояния [2].

Модель объекта измерений и управления. Водозабор подземных вод обеспечить требуемую суммарную производительность при безусловном выполнении нормативов СанПиН 2.1.4.1074-01 по качеству воды.

Основой водозабора является комплекс из I скважин, I=IЭ+IН, где IЭ и IН соответственно количества эксплуатационных и наблюдательных скважин, причем IЭ >>IН. Следовательно, вклад наблюдательных скважин в суммарный дебит водозабора незначителен. Основное назначение этих скважин - мониторинг состояния водоносного пласта.

производительность (дебит) и N = {N k } - вектор нормативных показателей качества воды:

Vi = {vij }, j = 1, J, - вектор влияющих параметров, J – количество параметров, I – количество скважин водозабора, K – количество контролируемых нормативных показателей, U – вектор управляющих воздействий, W – вектор внешних воздействий.

К влияющим параметрам относятся напор (глубина уровня) воды в скважине, гидрогеологические параметры водных пластов и др. В их число входят также измеряемые величины: коэффициент фильтрации водовмещающих пород, мощность водоносного горизонта, гидравлическое сопротивление в точке расположения скважины [68].

К внешним воздействиям относятся климатические данные, временной график объемов потребляемой городом воды, заданные экономические и экологические показатели и др.

Следовательно, задача управления водозабором состоит в нахождении обеспечивающего максимум дебита водозабора:

при заданных ограничениях где k - область допустимых значений k – го нормативного показателя СанПиН, Si,рас и Si,доп - расчетное и допустимое значения понижения уровня воды в i-й скважине.

региональной программы водообеспечения была предложена общая структура информационно-управляющей системы для территориального водоснабжения (рис 1.2). В ее состав были включены информационно-измерительные системы на крупных водозаборах области. Задача ИИС контроля водозабора состоит в измерении, обработке и хранении данных, характеризующих параметры Vi, Nk, W.

Структура ИИС приведена на рисунке 1.3.

Измерительные системы ИС 1 – ИС IЭ содержат комплексы датчиков, расположенных на эксплуатационных скважинах, а ИС 1 – ИС IН – датчики на наблюдательных скважинах. Отличие в составе датчиков в том, что на наблюдательных скважинах производится измерение дополнительных параметров, характеризующих состояние водоносного пласта. Кроме того, частота опроса датчиков на эксплуатационных скважинах выше для оперативного реагирования на изменение режимов. Измерительная система ИС ТС содержит датчики, установленные на технологических сооружениях: накопительных емкостях, водоочистном оборудовании, водоводах. База данных хранит временные ряды измерений за длительный период эксплуатации.

Кроме контроля текущего состояния водозабора, актуальной является задача прогнозирования роста водопотребления, будущих изменений в гидрогеологии антропогенных факторов в долгосрочной перспективе. Функции прогноза реализованы в модуле «Прогноз», который содержит базу знаний и экспертную управляющих воздействий U, а также потока Z информационных сообщений для информационно-управляющей системы территориального водоснабжения.

Рисунок 1.3 - Структура ИИС контроля параметров водозабора подземных вод Часть функций, выполняемых в модуле обработки данных и модуле контроллерах. Управление базой данных, базой знаний, работа экспертной системы и многие другие функции реализованы в персональном компьютере.

Для более экономичного построения ИИС целесообразно использовать мобильную систему анализа качества воды на основе погружного зонда [117].

Это позволит получать достаточно подробную информацию от наблюдательных скважин в реальном режиме отбора воды из источника.

1.4 Формализация описания целевой региональной программы водоснабжения В процессе системного анализа методов управления было принято решение использовать регуляризирующий байесовский подход (РБП) и Байесовские Интеллектуальные Технологии (БИТ), развиваемый профессором Прокопчиной С.В. [55 – 60, 62], в качестве концептуального подхода к созданию системы управления проектами промышленного или хозяйственно-бытового водоснабжения в рамках целевой региональной программы. В частности вопросы, близкие к задачам, решаемым в настоящей диссертации, рассмотрены в работах [58,59]. Однако, в них не предложены методы и алгоритмы принятия решений при отборе объектов регионального водохозяйственного комплекса, не рассмотрены задачи оптимального выбора состава технологических схем систем промышленного водоснабжения.

Байесовские Интеллектуальные Технологии - универсальное средство для снятия неопределенности, верификации и уточнения гипотез по мере поступления новых данных. В их основу положена концепция накопления информационных ресурсов и постепенного наращивания информационных и аналитических возможностей системы управления без принципиального изменения ее структуры и инструментальных средств. При этом информация может быть не только численной, но и лингвистической, что дает возможность учитывать мнение экспертов и различные позиции по рассматриваемым вопросам.

Целью системы управления является выработка управленческих решений где j =1, J, (J - число этапов проекта), переводящих систему объекта в требуемые промежуточные (соответствующие этапам проекта) и окончательное состояния GT(0). При использовании РБП и БИТ регуляризация решений достигается путем введения системы специальных шкал (шкал с динамическими ограничениями ШДО) для получения устойчивых решений возникающих в прогнозирования или выработки управленческих решений.

Мероприятия Ft, предусмотренные в проекте, представляющие собой воздействия на объект и обеспечивающие целенаправленное преобразование ресурсов Zt в условиях Yt сложившихся внутренней и внешней ситуации и инициирующих их управленческих решений Фt, можно представить в виде последовательности мероприятий этапов ft реализуемых в рамках проекта за период информации, наличием ограничений и граничных условий проекта Оt проектных требований Mt (в том числе и метрологических) и могут быть представлены в виде кортежа:

где At={ait}, i = 1, It, Ot={ojt}, j = 1,Jt, В реальной проектной ситуации из-за имеющейся неопределенности информации и рисков последовательность этапов не может быть жестко определена заранее на этапе первоначального планирования, но должна корректироваться управляющим объектом в ходе проекта в зависимости от ситуаций. Свойства объекта проектирования Gt(OE) и его внешнего окружения Gt(E), а также их взаимодействия меняются во времени реализации проекта.

Внешнюю среду составляют субъекты и объекты Git, i = l….It, оказывающие влияние на проект и объект проектирования, а также на систему управления проектом (субъекта управления), что может быть записано в виде композиции (1.4), где символом * обозначено действие байесовской свертки отдельных элементов Gj в целостную структуру модели внешней среды:

Взаимодействие проекта и факторов внешней среды представлено на рисунке 1.4, где приняты условные обозначения с уточнениями их содержания применительно к программе:

GtE1 - владельцы проекта – Правительство Самарской области в лице министерства жилищно-коммунального хозяйства Самарской области, Gt GtE3 - техногенная и производственная инфраструктура Самарской области, финансовоGtE4 - социально-культурное окружение (средства экономические институты, массовой информации, общественность), Gt - конкуренты проекта – частные компании, работающие по собственным планам развития, Gt - субподрядчики (поставщики, консультанты), Gt - частные инвесторы, Gt - партнеры по предприятия, городские округа и муниципальные районы), Gt - политическое окружение, технологии).

Условия проектирования для модели объекта проектирования во взаимосвязи с внешней средой могут быть представлены в виде:

Используя выражение (1.4), модель объекта проектирования с учетом влияния среды имеет вид:

где Qit0 ) - кортеж свойств компонента внешней среды Git.

Для всех, указанных на рисунке, типов компонентов внешней проектной среды проектируются свои подсистемы управления, взаимоувязанные с основной системой управления гиперкубом единообразно построенных и сопряженных шкал типа шкал с динамическими ограничениями (ШДО).

Методологические основы построения ШДО и их применения для прогнозирования и генерации управленческих решений подробно рассмотрены в [60-62].

многокритериальную задачу оптимизации управления проектом Pn на каждом этапе программы:

параметрическом множестве.

В результате реализации БИТ для указанных выше задач на соответствующих им ШДО получаются решения в виде регуляризированных байесовских оценок (РБО) hkt | {MX }kt, представляющих собой совокупность альтернативных решений с определенной апостериорной вероятностью.

Альтернативы определяются в соответствии с оптимизационным уравнением БИТ в виде:

где hk - k- ое регуляризированное значение свойства Q(0) в момент времени t, Xit – поступающая информация для генерации управленческих решений от источников информации в соответствии с выражением (1.4).

Последовательность мероприятий Ft, составляющих проект, может быть последовательности этапов ft:

где k =1, Kt, Kt - число альтернативных управляющих решений, j = 1, Jt.

Решение о реализации последующего этапа проекта находится в виде списка упорядоченных по вероятности альтернатив как решение уравнения вида:

Комплекс метрологических характеристик MX kt jt включает показатели РБО по точности, надежности и апостериорной достоверности. Последняя величина может быть вычислена по модифицированной формуле Байеса:

1.5 Жизненный цикл региональной программы водоснабжения и водоотведения Для отбора потенциальных объектов для включения в региональную часть государственной программы «Чистая вода» необходимо провести анализ образованиях и анализ источников водоснабжения по параметрам воды.

В предыдущие годы формирование инвестиционных государственных программ зачастую проходило без системного анализа объектов, не проводилась оптимизация инвестиций в зависимости от важности объектов, от природных и техногенных факторов. Решение о включении объектов в программу принималось на основе просьб администраций муниципальных образований без взвешенного учета всех факторов.

Другим отрицательным моментом являлось то, что ценообразование проектирования и строительства производилось без тщательной предпроектной подготовки. Это приводило к необходимости дополнительных инвестиций после проведения изыскательских работ и начала проектирования систем водоснабжения.

Для устранения указанных недостатков предлагаемая процедура (рисунок 1.5) включает этапы системного анализа, предпроектного этапа и этапа проектных и строительно-монтажных работ.

Анализ водохозяйственного комплекса области, отбор потенциальных объектов Предварительное определение инвестиций и принятие решений о включении объектов Оптимизация инвестиций в проектирование и строительство систем водоснабжения Этап проектно-изыскательских работ Государственная экспертиза и сдача объекта Эксплуатация систем водоснабжения, Рисунок 1.5 - Жизненный цикл региональной программы водоснабжения 1.6 Задача создания интеллектуальной системы поддержки принятия решений по технологиям водоснабжения Как было показано выше, на всех этапах управления строительством и эксплуатацией промышленных систем водоснабжения необходимо принимать ряд решений в условиях неопределенности и недостаточности полных и достоверных данных. В связи с этим основной задачей диссертационного исследования является создание интеллектуальной системы поддержки принятия решений, водохозяйственным комплексом.

На начальных стадиях проектирования, как правило, не решается подробно задача анализа и выбора технологической схемы объекта или системы водоснабжения. При этом традиционный подход не учитывает поисковый характер проектирования. Принятие проектных решений будет более обоснованным и достоверным, если проводить многокритериальный выбор предпочтительного технического решения, опираясь на генерацию альтернативных вариантов. Решение этой задачи связано с привлечением средств обработки знаний, логического вывода и расчетно-логических процедур. Наличие четырех компонент (многокритериальность, знания, вывод, планирование вычислений) сочетается в интеллектуальных системах поддержки принятия решений (ИСППР).

Такие системы относятся к классу интегрированных интеллектуальных систем, сочетающих строгие математические методы и модели поиска решения с нестрогими, эвристическими (логико-лингвистическими) моделями и методами, базирующимися на знаниях специалистов-экспертов, моделях человеческих рассуждений и накопленном опыте.

подразделяются на следующие основные типы [63]:

а) информационно-поисковые системы с диалоговым интерфейсом на естественном языке;

б) интеллектуальные пакеты прикладных программ для инженерных расчетов;

в) интеллектуальные программно-методические комплексы для моделирования и анализа систем;

г) экспертные системы.

Типовая архитектура ИСППР представлена на рисунке 1.6.

Архитектура разрабатываемой системы содержит все типовые компоненты, необходимые для принятия решений в области технологий водоснабжения.

Задачи разрабатываемой в диссертации ИСППР:

1. Автоматизация процесса управления государственной целевой программой на уровне министерств и департаментов Правительства области.

2. Использование современных методов системного анализа состояния отрасли, оценки и отбора объектов водоснабжения для включения в целевую программу.

3. Использование методов информационных технологий, искусственного интеллекта и баз знаний для формирования альтернативных инвестиционных, проектных и организационных решений для лиц, принимающих решения (ЛПР).

4. Генерация альтернативных вариантов технологических решений по водообеспечению объектов в городах и муниципальных образованиях для оценки инвестиций на предпроектном этапе, выбора оптимальных технических решений, контроля выполнения проектно-изыскательских и строительно-монтажных работ по объектам.

5. Возможность интеграции ИСППР в систему Электронного правительства региона.

Таким образом, можно сформулировать основные задачи дальнейших исследований в диссертации.

городских и муниципальных объектов водоснабжения с целью их региональную программу.

2. Разработать алгоритм генерации альтернативных технических решений по технологиям промышленного водоснабжения и водоотведения на 3. Разработать математическую модель оптимизации технических решений на предпроектных этапах выполнения работ по объектам 4. Разработать и исследовать интеллектуальную систему поддержки принятия управленческих и проектных решений на этапах жизненного существующих методик управления целевой программой водоснабжения показывает целесообразность развития интегрированного водохозяйственного комплекса области.

Задача строительства новых систем промышленного водоснабжения и водоотведения связана с проблемой комплексной оценки существующих систем промышленного и бытового водоснабжения с учетом использования общих водных ресурсов ограниченного объема, возможностью государственного и частного инвестирования в их развитие.

Практика управления целевыми программами регионального водоснабжения приводила к тому, что ценообразование проектирования и строительства производилось без тщательной предпроектной подготовки. Это приводило к необходимости дополнительных инвестиций после проведения изыскательских работ и начала проектирования систем водоснабжения. Не использовались современные научные методики и информационные технологии для принятия решения при управлении проектами водоснабжения и в процессе эксплуатации промышленных систем водоснабжения.

Проведенный анализ предметной области показал, что решение выявленных проблем лежит на пути разработки системных моделей водохозяйственного комплекса и создания интеллектуальной системы поддержки принятия решений.

Глава 2. Системные модели оценки и классификации объектов водоснабжения и водоотведения 2.1 Комплекс системных моделей поддержки принятия решений при управлении региональным водоснабжением промышленных предприятий С целью учета большинства вышеперечисленных факторов при управлении развитием промышленных и бытовых систем водоснабжения в диссертации разработан комплекс системных моделей, служащих основой для построения алгоритмов принятия решений. Это один из основных научных результатов диссертационной работы.

Иерархия системных моделей принятия решения [4, 5] показана на рисунке 2.1.

Основной задачей системного анализа, выполняемой при формировании региональной программы водоснабжения, является классификация объектов необходимости включения их в программу. Модель классификации M1: CCRp Output строится на основе методологии DEA (Data Envelopment Analysis) [65] и представляет собой ориентированную на выход модель Чарнеса-Купера-Роуда с учетом постоянного коэффициента отдачи. Это задача дробно-линейного программирования, которая находит максимум функционала эффективности n –го объекта из совокупности N рассматриваемых объектов:

где u1n, u2n, v1n, v 2n, v3n - неизвестные весовые коэффициенты.

ИСППР ТВ

Преобразование задачи (2.1) к задаче линейного программирования производится по методике, предложенной в [65]. Задача (2.1) решается N раз, в результате чего получаются показатели эффективности для каждого объекта. На основе этих показателей проводится сравнительный анализ и классификация объектов, предлагаемых к включению в программу.

В каждом классе объектов, сравнимых по эффективности, строится искусственный эффективный объект [66]. Для этого используется модель M2:

BCCp–Output – модель Банкера –Чарнеса – Купера, ориентированная на выход с учетом переменного коэффициента отдачи. В результате искусственный объект для заданного класса реальных объектов имеет эффективность больше, чем 1. Он используется как ориентир для определения целей, которые должны быть достигнуты реальными объектами класса. Соответственно, рассчитываются предварительные значения инвестиций, необходимых для достижения данных целей.

На следующем этапе для отобранных к включению в программу территориальных образований проводится этап анализа и классификации систем промышленного и бытового водоснабжения в каждом населенном пункте. Здесь применяется модель М3: CCRp – Output, аналогичная модели M1. При этом на основе сравнительного анализа строятся классы систем водоснабжения, близких по показателю эффективности.

Затем для уточнения используется методика кластерного анализа водозаборов по нормативным параметрам качества воды, изложенная в работе [67]. Модель М4 продуцирует кластеры, объединяющие водозаборы по группам загрязнения воды. Объединение кластеров дает значительно меньшее число вариантов технологических решений для реализации водозаборов, для которых следует проводить сложные процессы очистки воды.

Следующей важной задачей при управлении водохозяйственным комплексом является генерация множества альтернативных решений для технологических схем очистки воды для каждого объекта из кластера водозаборов. С этой целью была разработана интеллектуальная система поддержки принятия решений по технологиям водоподготовки ИСППР ТВ [7]. В основе работы этой системы лежит продукционная модель вывода М5, использующая базы фактов для поверхностных источников и подземных источников воды и базы правил выбора технологических схем на основе классификатора, разработанного в НИИ ВОДГЕО [68, 109].

В результате выполнения этого этапа анализа получаем набор возможных технологических схем водоподготовки, которые следует оценить по заданным критериям.

Для этого используется следующая оптимизационная модель М6, где целевая функция имеет вид:

оптимизации и примеры ее практического использования рассмотрены в следующих главах диссертации.

Решение задачи минимизации (2.2) с ограничениями для всех систем водоснабжения позволяет определить параметры технологических решений и минимизировать инвестиционные вложения в объект.

После того, как объект промышленного водоснабжения включен в региональную программу, начинается этап проектно-изыскательских работ.

Теперь система ИСППР ТВ может использоваться как компонент САПР при проектировании конкретного оборудования водозаборов, систем фильтрации, водопроводных сетей, энергетического оборудования и других устройств. В этом случае применяется продукционная модель М7, которая, в отличие от модели М6, опирается на расширенную базу знаний об используемом технологическом и строительном оборудовании в системах водообеспечения.

Система ИСППР ТВ ориентирована на анализ и поддержку принятия решений по состоянию не только в данный момент времени. Она содержит блок прогноза состояния качества воды в водозаборах, роста потребления воды, влияния техногенных, антропогенных и природных факторов. Эти процессы инерционны, тем не менее, необходим постоянный мониторинг, данные которого используются в ИСППР ТВ.

На базе прогноза могут быть построены границы эффективности систем водоснабжения, которые анализируются с использованием методологии DEA и моделей М1, М2 и М3.

2.2 Группировка водозаборов по нормативным показателям качества воды 2.2.1 Выбор критериев кластеризации Для оценки полученных данных по качеству воды и применения методики кластеризации сформируем критерии отнесения водозаборов к различным кластерам по показателям качества забираемой воды (таблица 2.1).

Выбор критериев основан на анализе всех данных по Самарской области и выделении для них значащих критериев, то есть таких, которые встречаются с высокой частотой.

Количество водозаборов, вода из которых полностью соответствует нормам, равно 278 ( кластер П).

Количество водозаборов с непригодной водой равно 61 (кластер НП).

Остальные водозаборы распределены между кластером ППО «Пригодна после обработки» и кластером УП «Условно пригодна» (21 водозабор).

Основываясь на критериях из таблицы 2.1, построим иерархическое дерево кластеров источников воды, которое представлено на рисунке 2.2.

Таблица 2.1 – Признаки кластеризации водозаборов по параметрам воды П Пригодна (соответствует всем требованиям СанПиН 2.1.4-1074-01) Отметим, что кластеры второго и третьего уровня могут объединяться, образуя кластер с комплексным критерием. Например, П1,П3,М1 соответствует критерию: «Пригодна после умягчения и очистки от органических веществ, минерализация повышена в допустимых пределах»; УП, М1,С1 – «Условно пригодна, минерализация повышена в допустимых пределах, содержание сульфатов превышает норму».

2.2.2 Комплексные критерии пригодности питьевой воды В большинстве районов Самарской области присутствует целый набор поверхностных источников. В связи с этим для конкретных населенных пунктов характерны комплексные критерии, по которым строятся кластеры. В таблице 2. приведены объединенные кластеры, включающие в себя главные критерии П1 – П5, а также сопутствующие критерии – признаки: Ж1, М1, МГ1, Ц1, Х1 и С1.

реализации, критерии. Например, сочетание П4, Ф1 не имеет смысла, так как обезжелезивание воды нецелесообразно в связи с нахождением концентрации железа в воде в допустимых пределах, несмотря на то, что содержание его повышено. В таблице 2.2 в столбцах указано число водозаборов, попавших в соответствующие кластеры.

УП ППО НП

технологическим схемам. На рисунке 2.3 показана гистограмма процентного распределения водозаборов по кластерам таблицы 2.2.

Полученные результаты дают возможность проанализировать современные технологические методы подготовки воды и принять решение об эффективности той или иной технологической схемы.

Из рисунка 2.3 видно, что 76,8 % водозаборов либо не требует водоподготовки, либо требует только один из типов очистки воды.

Также видно, что редко встречаются комбинации из трех факторов:

а) жесткости, бактериологического заражения и содержания органических веществ (П1, П2, П3);

б) железа, бактериологического заражения и содержания органических веществ (П2, П3, П4));

60% 50% 40% 30% 20% Рисунок 2.3 – Диаграмма распределения водозаборов по кластерным признакам 2.3 Применение методологии DEA для оценки и классификации объектов водоснабжения упорядочивания сложных систем по некоторому интегральному свойству, неподдающемуся непосредственному измерению. Подобные сложности возникли и при комплексной оценке и классификации районов и крупных городов Самарской области по эффективности водоснабжения. Избежать этих проблем интегральный показатель эффективности для каждого из объектов, включенных в рассматриваемую систему, не требуя при этом априорного знания весовых коэффициентов для переменных. Таким образом, метод DEA очень полезен в системах поддержки принятия решений, когда требуется классифицировать какие-либо объекты на основе оценки их эффективности.

Таблица 2.3 – Данные по городам и районам Самарской области Большеглушицкий Большечерниговский Кинель-Черкасский Челно-Вершинский Объектами классификации являются 10 крупных городов и 27 районов Самарской области. Данные по ним приведены в таблице 2.3.

Метод Data Envelopment Analysis был предложен в 1978 г. американскими учеными A. Charnes, W.W. Cooper, E. Rhodes [69], которые основывались на идеях M.J. Farrell [70]. Этот метод используется для оценки эффективности функционирования однородных объектов в различных сложных производственных системах. Такими объектами могут быть промышленные и сельскохозяйственные предприятия, банки, учреждения здравоохранения и образования, органы управления и правосудия и т.д. [41, 42, 71-88]. Методология DEA находится в постоянном развитии [41, 42, 75, 76, 88-92]. В литературе имеется ряд описании применения DEA российскими исследователями [37, 38, 66, 93-95].

Ключевой термин методологии DEA - "эффективность функционирования".

Здесь рассматривается эффективность, с которой объекты, объединенные в некоторый кластер, преобразуют входы в выходы, при этом выбор входных и выходных параметров может быть неоднозначным и меняться в разных моделях..

классификации объектов водоснабжения Пусть в регионе имеется N территориальных образований, каждый из которых является объектом нашего анализа. Для оценки эффективности водоснабжения каждый объект представлен двумя входами: X1n – численность населения города или района, X2n - площадь территории, занимаемой объектом водоснабжения, и тремя выходами: Y1n - производительность водозаборов, Y2n – объем водопотребления, Y3n = ln(100/In) - показатель качества водопроводных сетей; In - процент износа водопроводных сетей объекта. Сформированы шесть видов частных критериев водообеспечения – удельные производительности водозаборов, объемы потребления и износ водопроводных сетей на одного жителя и на единицу площади для каждого территориального образования:

где N – число территориальных образований в анализируемой группе объектов.

На рисунке 2.4 приведены критерии многоуровневой оценки эффективности водоснабжения.

Модель линейного программирования Рисунок 2.4 - Иерархия критериев водообеспечения территориального Анализ показывает, что по разным частным критериям получаются различные оценки степени водообеспеченности районов и крупных городов (таблица 2.5).

Таблица 2.5 – Частные критерии оценки степени водообеспеченности Самара 933,8157559 379,8844225 2029,659279 825, Жигулевск 940,9256198 179,0082645 937,8253707 178, Новокуйбышевск 416,1284722 603,2986111 557,4186047 808, Октябрьск 811,4089347 117,8694158 1083,119266 157, Похвистнево 629,137931 223,1034483 282,8682171 100, Продолжение таблицы 2. Сызрань 456,3365282 235,9957401 732,4786325 378, Тольятти 377,5819098 374,5309437 856,6631723 849, Алексеевский район 1089,007634 72,51908397 7,548148148 0, Безенчукский район 1620,134228 202,9082774 36,41391794 4, Богатовский район 539,6774194 350,9677419 10,15169903 6, Большеглушицкий район 229,1203704 72,22222222 1,953038674 0, Большечерниговский Волжский район 408,7886598 161,8556701 12,7859734 5, Елховский район 287,3529412 1203,921569 2,440466278 10, Исаклинский район 494,4594595 85,81081081 4,637515843 0, Камышлинский район 155,5932203 54,23728814 2,229508197 0, Кинельский район 508,3278689 47,54098361 7,36987213 0, Кинель-Черкасский Клявлинский район 439,6341463 56,09756098 6,215517241 0, Кошкинский район 506,984127 37,3015873 7,300571429 0, Красноармейский район 464,6875 358,3333333 4,073972603 3, Красноярский район 841,7090909 102,9090909 20,04069264 2, Нефтегорский район 516,2229102 237,1517028 12,35111111 5, Пестравский район 398,1967213 96,17486339 147,0042364 35, Похвистневский район 330,1324503 158,6092715 4,680751174 2, Приволжский район 837,398374 680,0813008 14,93511201 12, Сергиевский район 294,6122449 502,4489796 5,307352941 9, Ставропольский район 381,1973392 1448,558758 4,694702348 17, Сызранский район 486,9166667 99,58333333 6,192898781 1, Хворостянский район 1058,012422 94,40993789 9,232520325 0, Челно-Вершинский Шенталинский район 287,1428571 35,16483516 3,905245853 0, Шигонский район 691,9067797 135,5932203 7,650393553 1, В силу противоречивости оценок в соответствии с DEA методологией были сформированы обобщенные критерии водообеспечения жителя муниципального района или города.

Для каждого n – го объекта рассматриваем максимизируемый функционал взвешенной суммы частных критериев водообеспеченности и получаем:

а) обобщенный критерий водообеспечения одного жителя n – го территориального образования:

б) обобщенный критерий водообеспечения единицы площади n – го территориального образования:

где N – число объектов, G1, G2 – области значений искомых весовых коэффициентов.

Весовые коэффициенты uin частных критериев водообеспеченности yin задаются системами из N линейных неравенств (2.4) или (2.6), отвечающих нормированию обобщенных показателей водообеспечения на интервале [0; 1].

В общем случае модель обобщенного оценивания (2.3), (2.4) определяет N задач линейного математического программирования, каждая из которых содержит N ограничений. Отметим, что для группы городов N =10, а для группы районов N =27. Решение каждой n – й задачи даёт значение обобщённого критерия водообеспечения интервале [0,1], и соответствующие ему весовые коэффициенты u1n, u2n, u3n, программирования решаются симплекс-методом. Для каждого n – го объекта проводятся расчеты значений целевой функции fn1 во всех вершинах выпуклого множества G1. Затем находится та вершина, в которой достигается максимальное значение целевой функции водообеспеченности для n-ого района. Аналогично по модели (2.5), (2.6) находятся весовые коэффициенты u4n, u5n, вычисляется ее максимум на G2.

Результаты расчета критериев f 1 и f 2 представлены для городов в таблице 2.6, а также на рисунке 2.5 и для районов на рисунках 2.6 и 2.7.

Таблица 2.6 – Обобщенные и интегральный критерии водообеспечения Новокуйбышевск 0,543204119 0,951042073 0, Алексеевский район 0,672171241 0,003718924 0, Богатовский район 0,462537923 0,007852028 0, Большеглушицкий район 0,153314193 0,00096225 0, Исаклинский район 0,311559414 0,002284874 0, Камышлинский район 0,107025524 0,001098464 0, Клявлинский район 0,271632897 0,003062345 0, Красноармейский район 0,429744792 0,003718515 0, Красноярский район 0,519530466 0,00987392 0, Нефтегорский район 0,387164947 0,006834218 0, Продолжение таблицы 2. Рисунок 2.5 - Обобщенные критерии водообеспечения для городов Самарской области Обобщенный критерий водообеспечения на одного жителя для районов Рисунок 2.7 - Обобщенный критерий водообеспечения на единицу площади для районов Из графиков следует, что обобщенные критерии водообеспеченности на одного жителя и на единицу площади для разных объектов не позволяют сделать водообеспечения.

интегральную оценку водоснабжения n-ого объекта, представлен в виде модели CCRD-Output, ориентированной на выход с учетом постоянного эффекта масштаба [40]:

с ограничениями водообеспечения определяет N задач дробно-линейного программирования с N ограничениями. Для решения этих задач используем преобразование Чарнеса – Купера и сведем к решению двойственных задач линейного программирования [65].

ограничений, определяющих область G3. Полученная линейная задача решалась с помощью симплекс-метода.

Подробнее методика Чарнеса-Купера применительно к задаче дробнолинейного программирования вида (2.7 – 2.8) рассмотрена в следующем пункте, так как в нем формулируется аналогичная задача.

системную эффективность водообеспечения городов Самарской области, представлены в таблице 2.5, а также на рисунке 2.8.

2.5 Построение искусственных объектов по методологии P-DEA Для каждого кластера объектов может быть поставлена задача определения путей дальнейшего повышения эффективности. Будем использовать модель практической границы P-DEA [96], которая позволяет на базе реальных эффективных объектов сформировать искусственные объекты с эффективностью, дальнейшего повышения эффективности реальных объектов.

На рисунке 2.8 приведен пример границы и искусственных объектов в плоскости двух критериев. Здесь показаны: РО1 - РО3 – реальные объекты, ИО1ИО3 искусственные объекты, образующие практическую границу эффективности, ЦО1 и ЦО3 – целевые объекты для развития объектов РО1 и РО3.

Векторы, проводимые от реальных объектов к целевым объектам на практической границе, позволяют определить необходимое изменение параметров объектов водоснабжения, которые обеспечивают повышение эффективности объекта в заданном смысле.

Используем данный подход к каждому ранее сформированному кластеру объектов и построим модель Банкера – Чарнеса – Купера BCCP-Output, ориентированную на выход с учетом переменного эффекта масштаба [97].

Рисунок 2.8 – Практическая граница и искусственные объекты выходов у объектов. Критерий f 03 эффективности искусстве данного кластера определяется решением следующей задачи дробно-линейного программирования:

где (2.10) – ограничения для реальных эффективных объектов, (2.11) ограничение для нового искусственного объекта, X i 0 и Yr 0 - искомые значения входов и выходов искусственного эффективного объекта.

Величина, а также верхние Vi 0, Vry и нижние Lix0, Lry0 границы диапазона входов и выходов искусственного объекта задаются ЛПР на основе экспертных оценок.

Для решения задачи дробно-линейного программирования (2.9) – (2.11) согласно [97] вводятся новые переменные qi = vi X i 0, pr = urYr 0 и преобразуются ограничения (2.10) и (2.11).

Пример формулировка задачи для н для городов Самарской области, NKL=8.

при ограничениях:

Сделаем замену переменных:

Получаем новую задачу:

при ограничениях:

У этой задачи неизвестными переменными, подлежащими определению, являются:

Искомые показатели искусственного объекта получаем в виде:

Зададим границу эффективности для искусственных объектов: = 0,25.

Нижние и верхние границы определим, как:

L10 и V10 - минимальная и максимальная численности населения среди Lx и V20 - минимальная и максимальная площади населения среди объектов, L10 и V10 - минимальная производительность и (максимальная +25%) производительность среди объектов, Ly и V20 - минимальный и (максимальный +25%) объем потребления воды среди объектов, L30 и V30 - минимальный и (максимальный +25%) показатель износа сетей среди объектов.

Для определения наличия решения поставленной задачи воспользуемся исследованием дробно-рациональной целевой функции, приведенном в работе[121].

Для использования метода Чарнеса – Купера необходимо, чтобы множество ограничений задачи было ограниченным. В нашей постановке задач (2.7-2.8) и (2.9-2.11) это условие выполняется. Дробно-линейная функция (2.9) не является ни вогнутой, ни выпуклой. Но поверхности уровня этой функции являются гиперплоскостям.

В работе [122] Дорн доказал, что любой локальный минимум задачи дробнолинейного программирования является в то же время глобальным. При этом числитель и знаменатель целевой функции вида (2.9) не должны одновременно обращаться в нуль для любых значений аргументов, принадлежащих множеству, задаваемом ограничениями (2.10 – 2.11). Кроме того, делается предположение о положительности знаменателя дробно-линейной целевой функции.

В постановке задач оценки эффективности объектов (п. 2.4) и построения искусственных объектов (п.2.5) указанные условия выполняются. Следовательно, преобразование Чарнеса-Купера применяется корректно и максимум, полученный симплекс-методом, является глобальным.

В результате решения полученной линейной задачи (2.12) определяются значения X i 0 и Yr 0 входов и выходов искусственного эффективного объекта, а также неизвестные весовые коэффициенты ur и i. Теперь можно определить, на какую величину следует изменить показатели j –го реального объекта, чтобы он достиг уровня эффективности искусственного объекта:

Полученные значения используются для вычисления инвестиций региональной программы, которые надо вложить в j – й объект кластера, чтобы получить требуемые показатели. В нашем случае для объектов программы определяются размеры инвестиций:

а) C( R1yj ) - в увеличение производительности водозаборов;

б) C( R2yj ) - в повышение удельного потребления воды;

в) C( R3yj ) - в увеличение протяженности качественных водопроводных сетей.

В качестве примера приведены расчеты для города Похвистнево, которые сведены в таблицу 2.7.

Таблица 2.7 – Показатели для г. Похвистнево Инвестиции C ( Rrj ), тыс. рублей эффективность водообеспечения, является изношенность водопроводных сетей.

нецелесообразно, так как затраты на их реконструкцию не покроют потери воды в сетях. Поэтому необходимо провести реконструкцию водопроводных сетей города и затраты порядка 37 млн. рублей обеспечат достижение нормативного водопотребления для жилых нужд и производственных потребностей при прежней производительности водозаборов.

примере территориальных образований Самарской области Водоснабжение районов отличается от организации водного хозяйства в городах как с точки зрения структуры водопроводных сетей, так и по составу источников воды и вспомогательных сооружений. Поэтому принято решение проводить анализ и классификацию отдельно для двух групп объектов. Первая группа – городов, вторая группа – 27 муниципальных районов Самарской области.

использованием полученных обобщенных критериев. Рассмотрим районные муниципальные образования Самарской области, так как городских округов немного, и они образуют один кластер.

Алгоритм кластеризации заключается в следующем:

1. Рассчитывается интегральный критерий f 3 для каждого района.

2. Выделяется множество районов, для которых выполняется условие нашем случае принято k = 0,8). Образуется кластер № 1 с объектами, имеющими наивысшую эффективность. Эти объекты удаляются из исходного множества.

3. В оставшемся наборе снова производится расчет критерия f 3.

4. Выделяется новое множество эффективных объектов по выше приведенному условию. При этом образуется кластер № 2, и его объекты опять удаляются из множества районов.

5. Процедура повторяется до тех пор, пока множество районов не станет Множество полученных кластеров содержит районы, сгруппированные по уровню эффективности. Чем больше номер кластера, тем менее эффективные в смысле водообеспечения районы он содержит.

Применение вышеописанной методики к городам области дает два кластера.

Кластер 1: города Самара, Жигулевск, Новокуйбышевск, Отрадный, Кинель, Тольятти. Кластер 2: города Октябрьск, Похвистнево, Сызрань, Чапаевск. Это разделение хорошо видно на рисунке 2.9.

Рисунок 2.9 - Интегральный критерий водообеспечения для городов Управление таким сложным и разноплановым объектом, как региональный водохозяйственный комплекс, возможно только при использовании на каждом этапе жизненного цикла соответствующей системной модели. С этой целью был разработан комплекс взаимосвязанных системных моделей, являющихся основой для построения алгоритмов и системы принятия решений.

В результате системного анализа построены кластеры водозаборов в различных районах региона, что использовано в дальнейшем при проектировании технологических схем промышленного водоснабжения.

Была проведена комплексная оценка объектов водоснабжения в регионе Самарской области с применением методологии DEA. Показано, что разработанная методика обеспечивает обоснованную оценку эффективности однородных объектов по набору входных и выходных параметров. Основной научный результат заключается в методике построения искусственных объектов с использованием методологии P-DEA (метод практической границы). Это дает возможность определять пути дальнейшего повышения эффективности для каждого объекта промышленного водоснабжения.

Предложен алгоритм кластеризации городов и районов Самарской области по эффективности систем водоснабжения на основе обобщенных критериев.

Глава 3. Разработка интеллектуальной системы поддержки принятия решений 3.1 Задачи ИСППР ТВ Современные технологии управления крупными системами предполагают использование систем поддержки принятия решений. Решаемые в диссертации задачи управления комплексом промышленных систем водоснабжения опираются на создание интеллектуальной системы поддержки принятия решений, которая использует комплекс системных моделей, разработанных во второй главе диссертации.

Интеллектуальная система поддержки принятия решений по технологиям водоснабжения (ИСППР ТВ) предназначена для выполнения следующих задач.

1. Автоматизация процесса управления государственной целевой программой на уровне министерств и департаментов Правительства области.

2. Использование современных методов системного анализа состояния отрасли, оценки и отбора объектов водоснабжения для включения в целевую программу.

3. Использование методов информационных технологий, искусственного интеллекта и баз знаний для формирования альтернативных инвестиционных, проектных и организационных решений для лиц, принимающих решения (ЛПР).

4. Генерация альтернативных вариантов технологических решений по водообеспечению объектов в городах и муниципальных образованиях для оценки инвестиций на предпроектном этапе, выбора оптимальных технических решений, контроля выполнения проектно-изыскательских и строительно-монтажных работ по объектам.

5. Возможность интеграции ИСППР в систему Электронного правительства региона.

3.2 Структура ИСППР ТВ Обобщенная модель программного обеспечения проектной процедуры в ИСППР имеет множество модулей и списки данных [63] (рисунок. 3.1).

Рисунок 3.1 – Организация работы модулей данных в ИСППР Модуль формирования входных данных создает список проектных данных и контролирует ввод данных в систему. Структура и формат списка входных данных зависят от качества и полноты содержания анализа воды на природные и антропогенные свойства. Первоначальная (или основная) структура списка данных определяется наличием параметров участвующих в рассмотрении в соответствие СанПиН 2.1.4.1074-01 [98].

редактирование списка при изменениях измеряемых параметров воды, при внесении новых требований по качеству воды для технологических процессов, при анализе альтернативных технологических решений, а также при обнаружении некорректного ввода данных.

Программные модули формирования и корректировки ограничений на процесс проектирования реализуют алгоритм анализа решений ИСППР. Система выдает несколько решений, т.е. несколько взаимозаменяемых схем очистки воды, далее выбор происходит в зависимости от ограничений (финансовые, объем переработки и т.д.) Структура и формат ограничений зависят от проектного модуля, но они существенно меньше подвержены изменениям, чем структура и формат исходных данных.

Варьируемый список данных состоит из списка данных по прогнозу качества воды в зависимости от времени.

Получаемые варианты проектных решений обрабатываются программным модулем подготовки данных для оценки решений и передаются модулю визуализации. Анализируя результаты всего программного процесса, пользователь должен иметь возможность просмотра выходных данных.

При разработке ИСППР необходимо формализовать как можно больше параметров и определить связи между ними. Множество таких параметров и связей между ними образуют модель представления знаний о предметной области.

Обобщенная схема ИСППР приведена на рисунке 3.2.

Анализ качества воды

ПРАВИЛА ПРАВИЛА

где G - алгебраическая система фактов базы знаний;

U - алгебраическая система элементов управления фактами;

- алгебраическая система представления графа логического вывода, в которой множество вершин графа соответствует множеству фактов, а множество отношений или дуг графа соответствует множеству элементов управления.

На рисунке 3.3 изображен граф логического вывода, где вершины графа представляют собой факты базы знаний, а дуги соответствуют элементам управления. Для определения того, сработает ли тот или иной оператор перехода, используются операции соответствующие правилам в базе знаний.

Не менее важным является выбор необходимых математических систем в модели. Данный набор представляет множество формальных и логиколингвистических моделей реализующих определенные процессы обработки информации.

3.3.1 Логико-лингвистическая модель фактов базы знаний Алгебраическая система фактов базы знаний представляет собой следующую систему множеств [100]:

где Mg = {g1, g2,..., gi,..., gn} - множество-носитель алгебры фактов базы знаний Og = { } - множество операций над элементами gi, алгебры ( - операция объединения);

Rg = {,,, =>, >, - отношение косвенного вхождения;

Множество-носитель Mg алгебры составляют все возможные факты базы знаний gi. Различают предшествующее, последующее и текущее множество фактов.

Текущее множество фактов (fC) - набор фактов, находящихся в базе данных в настоящий момент времени.

Предшествующее множество фактов (fP) - набор фактов, находящихся в базе данных до текущего множества фактов, то есть такой набор фактов, который, после применения к нему правил, привел к текущему множеству фактов.

Последующее множество фактов (fN) - набор фактов, которые могут находиться в базе данных после применения правил к текущему множеству фактов.

Для данных множеств справедливо следующее соотношение: fP fC fN.

Факт составляет базовое множество M g. Факт содержит следующие составляющие: идентификатор, описание факта, действие, список информационных элементов.

идентификатору следующего факта (Fnext), который может быть установлен, как следствие из данного факта. Каждый информационный элемент имеет имя, идентификатор нового факта, а также список идентификаторов правил. Список идентификаторов правил показывает, в какие правила входит данный факт, в консеквентах которых находится факт (Fnext) [100, 101].

Обозначим If(g) - информационный элемент факта g, соответствующий идентификатору факта f.

информационных элементов данного факта.

Объем правил i - го информационного элемента факта g((Ii(g))) вычисляется, как объем списка идентификаторов правил, соответствующего i - му информационному элементу факта g. Здесь i = 1,..., n, где n = (g), а i информационный элемент.

Мощность правила, соответствующего j - му идентификатору правила i - го информационного элемента факта g((Rj(Ii(g)))) вычисляется как количество фактов, стоящих в антецеденте правила, соответствующего j - му идентификатору информационном элементе факта g. Здесь j = 1,..., m, где m = (Ii(g)), i = 1,..., n, где n = (g). Операнд (Rj(Ii(g))) показывает идентификаторы фактов, стоящих в антецеденте правила, соответствующего j - му идентификатору правила из списка идентификаторов правил, находящемуся в i - ом информационном элементе факта Множество операций Og содержит одну единственную операцию - операцию объединения фактов. Операция является бинарной и применима только к множеству Mg. В результате выполнения операции объединения получается новый факт где g1, g2, g3 - факты. Операция замкнута, обладает свойством идемпотентности, т.е. в результате объединения факта g с самим собой получается факт g. Свойства коммутативности и ассоциативности для операции не выполняются, т.к. важен порядок рассуждений механизма логического вывода. Операция объединения фактов определена не на всем множестве фактов. Рассмотрим примеры, когда выполняется данная операция.

а) факты g1 и g2 связаны следующим отношением g1 g2 при соблюдении условий: степень выхода факта и мощность правила равны 1 (рисунок 3.4);

Рисунок 3.4 – Операция объединения фактов, на графах для первого примера.

б) факт g1 должен иметь пустое составляющее действие.

а) факты g1 и g2 не должны быть связаны ни отношением g1 => g2, ни отношением g2 => g1;

б) должен существовать единственный факт gs, связанный с g1 и g следующими отношениями: gs g1 и gs g2, никакие другие факты не должны быть связаны с g1 и g2 отношением прямого вхождения (рисунок 3.5); в другом случае, может существовать множество фактов M g M g - {g1, g2), причем g' Рисунок 3.5 – Операция объединения фактов, на графах для второго примера.

в) должны выполняться следующие отношения: g' gl, g' g2, (Ig1(g’)) = 1, (Rj(Ig1(g’))) = 1, (Ig2(g’)) = 1 и (Rj(Ig2(g’))) = 1, все остальные элементы множества Mg - {g1, g2} - M g не должны быть связаны с g1 и g2 отношением прямого вхождения;

в другом случае, может существовать множество фактов M g M g - {g1, g2}, причем g' M g должны выполняться следующие отношения: g' gl, g' gl, (Ig1(g’)) = (Ig2(g’)) = С, где С - константа, (Rj(Ig1(g’))) = (Rj(Ig2(g’))) = | M g |, j = 1,..., m, где m = С, (Rj(Ig1(g’))) = (Rj(Ig2(g’))) = M g, j = 1,..., m, где m = С и g' M g : (Rj(Ig1(g’))). Антецедент = (Rj(Ig2(g’))). Антецедент, j = 1,..., m, где m = С, (Rj(If(g))). Антецедент - антецедент правила, соответствующего j - му идентификатору правила, из списка идентификаторов правил информационного элемента факта g, причем информационный элемент соответствует факту f, все остальные элементы множества Mg - {g1, g2} - M g не должны быть связаны с g1 и g2 отношением прямого вхождения;

г) должен существовать единственный факт gf, такой, что g1 gf, g2 gf и (g1) = (g2) = 1, факты g1 и g2 не должны быть связаны отношением прямого вхождения ни с каким другим фактом (рисунок 3.4); в другом случае, может существовать множество фактов M g'' M g - {g1, g2,gк}, причем g' M g' должны выполняться следующие отношения: g1 g’, g2 g’, (Ig’(g1)) = 1, (Rj(Ig’(g1))) = 1, (Ig’(g2)) = 1, и (Rj(Ig’(g2))) = 1, факты g1 и g2 не должны быть связаны отношением прямого вхождения ни с каким другим фактом, не принадлежащим M g' ; в другом случае, может существовать множество фактов M g'' M g - {g1, g2,gк}, причем g' M g' должны выполняться следующие отношения:

g1 g’, g2 g’, (Rj1(Ig’(g1))) = {g1, g2}, jl = 1,.... ml, ml = (Ig’(g1)), (Rj2(Ig’(g2))) = {g1, g2), j2 = 1,..., m2, m2 = (Ig’(g2)), то есть факты g1 и g2, в данном случае, эквивалентны по спискам информационных элементов (g1 g2), факты g и g2 не должны быть связаны отношением прямого вхождения ни с каким другим фактом, не принадлежащим M g' ;

ж) факты g1 и g2 должны иметь пустое составляющее действие.

В множество отношений Rg входят следующие отношения:

информационных элементов {} (если у фактов g1 и g2 списки информационных элементов совпадают, то они эквивалентны по спискам информационных элементов g1 g2), отношение рефлексивно, симметрично и транзитивно.

информационных элементов {} (если у фактов g1 и g2 списки информационных элементов различны, то они неэквивалентны по спискам информационных элементов g1 g2), отношение антирефлексивно, симметрично и нетранзитивно;