[ МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное бюджетное образовательное
учреждение высшего профессионального образования
«Саратовский государственный аграрный университет
имени Н.И. Вавилова»
СОГЛАСОВАНО УТВЕРЖДАЮ
Заведующий кафедрой Декан факультета _ /Соловьев Д.А./ /Маштаков Д.А./ «30» августа 2013 г.
«30» августа 2013 г.
РАБОЧАЯ ПРОГРАММА ДИСЦИПЛИНЫ (МОДУЛЯ)
ПРОГРАММИРОВАНИЕ И МОДЕЛИРОВАНИЕ
ДисциплинаПРОЦЕССОВ В ЛЕСНОМ ДЕЛЕ
Направление 250100.62 Лесное дело подготовки Профиль Лесное хозяйство подготовки Квалификация (степень) Бакалавр выпускника Нормативный срок 4 года обучения Форма обучения Очная Количество часов в т.ч. по семестрам Всего 1 2 3 4 5 6 7 Общая трудоемкость 4 дисциплины, ЗЕТ Общее количество часов 144 Аудиторная работа – 54 всего, в т.ч.:лекции 18 лабораторные 36 практические х х Самостоятельная работа 90 Количество рубежных 2 контролей Форма итогового х зач контроля Курсовой проект х х (работа) Разработчик: доцент, Кабанов С.В.
(подпись) Саратов 1. Цели освоения дисциплины Целью освоения дисциплины «Программирование и моделирование процессов в лесном деле» является формирование у студентов навыков статистического моделирования лесных экосистем.
2. Место дисциплины в структуре ООП ВПО В соответствии с учебным планом по направлению подготовки 250100.62 «Лесное дело» дисциплина «Программирование и моделирование процессов в лесном деле»
относится к дисциплинам по выбору студента математического и естественно – научного цикла.
Дисциплина базируется на знаниях, имеющихся у студентов при получении среднего (полного) общего образования или среднего профессионального образования, а также на знаниях, полученных при изучении дисциплин Информационные технологии, Таксация леса, Лесоведение, Лесоводство.
Для качественного усвоения дисциплины студент должен:
- знать: основные понятия информационных технологий; процессы сбора, передачи, обработки и накопления информации с использованием ПК; технические и программные средства реализации информационных процессов; основные модели решения функциональных и вычислительных задач; основы алгоритмизации и программирования;
локальные и глобальные сети; методы таксации лесных насаждений и лесных массивов;
типологию лесов, системы рубок спелых, перестойных лесных насаждений, ухода за лесами, способы воспроизводства лесов и лесовосстановления, в т.ч. искусственного.
- уметь: пользоваться персональным компьютерным, современными офисным программным обеспечением, таксационными нормативами, нормативами проектирования лесохозяйственных мероприятий.
Дисциплина «Программирование и моделирование процессов в лесном деле» является базовой для изучения следующих дисциплин: Государственное управление лесами, Лесоустройство, Организация использования лесов, Основы устойчивого лесоуправления.
3. Компетенции обучающегося, формируемые в процессе изучения дисциплины Дисциплина «Программирование и моделирование процессов в лесном деле»
направлена на формирование у студентов профессиональных компетенций: «способность применять современные методы исследования лесных и урбо- экосистем (ПК-29)», «готовность спланировать необходимый эксперимент, получить адекватную модель и исследовать ее (ПК-32)».
В результате освоения дисциплины студент должен:
Знать: общие принципы, элементы и этапы моделирования, математические методы планирования экспериментов лесном деле;
Уметь: спланировать наблюдение и эксперимент для получения необходимых данных, применять методы математического моделирования в исследованиях лесных и урбоэкосистем;
Владеть: статистическими методами моделирования (регрессионный, дисперсионный анализ, нелинейное оценивание).
Общая трудоемкость дисциплины составляет 4 зачетные единицы, 144 часов, из них аудиторная работа – 54 ч., самостоятельная работа – 90 ч.
Основы моделирования в лесном деле. Общие принципы построения Этапы построения математической модели. Элементы теории подобия, применяемые в моделировании Первичная обработка опытных данных:
Описательные статистики.
Корреляционные матрицы.
3 Экологические модели. Выборочный метод. Статистические оценки параметров распределения случайных величин по выборкам. Статистические оценки гипотез об моделях в лесном 4 Первичная обработка опытных данных:
5 Регрессионный анализ. Построение регрессионных моделей.
Статистическое оценивание уравнения регрессии и парной корреляции.
Регрессионный анализ. Линейные модели. Нелинейные модели, приводимые к линейному виду.
Нелинейный регрессионный анализ.
Построение регрессионных моделей.
Статистическое оценивание уравнения Нелинейное оценивание 9 Динамические статистические модели. Ряды динамики. Показатели динамики. Методы выравнивания 11 Многофакторные экологоматематические модели.
Множественный регрессионный анализ. Множественный корреляционный анализ.
Множественный нелинейный регрессионный анализ. Методы включения и исключения переменных при проведении анализа. Анализ 13 Анализ влияния отдельных факторов в моделях. Дисперсия.
анализ. Двухфакторный дисперсионный анализ.
15 Математические методы планирования экспериментов.
Некоторые особенности экспериментально-статистических методов в лесном деле. Методы отбора объектов в выборку. Математические Методы анализа значимости факторов.
Однофакторные и многофакторные эксперименты. План эксперимента.
Рандомизация. Виды планирования.
Проверка статистических гипотез при планировании экспериментов.
Планирование экспериментов Примечание:
Условные обозначения:
Виды аудиторной работы: Л – лекция, ЛЗ – лабораторное занятие.
Формы проведения занятий: В – лекция-визуализация, П – проблемная лекция/занятие, Б – бинарная лекция, Т – лекция/занятие, проводимое в традиционной форме, М – моделирование.
Виды контроля: ВК – входной контроль, ТК – текущий контроль, РК – рубежный контроль, ТР – творческий рейтинг, ВыхК – выходной контроль.
Форма контроля: УО – устный опрос, ПО – письменный опрос, КЛ – конспект лекции, Р – реферат, ЗР – защита курсовой работы, З – зачет.
Для успешной реализации образовательного процесса по дисциплине «Программирование и моделирование процессов в лесном деле» и повышения его эффективности используются как традиционные педагогические технологии, так и методы активного обучения: лекция-визуализация, проблемная лекция.
Удельный вес занятий, проводимых с использованием активных и интерактивных методов обучения, в целом по дисциплине составляет 33 % аудиторных занятий (в ФГОС не менее 20 %).
6. Оценочные средства для проведения входного, рубежного 1. Перечислите существующие способы рубок.
2. Каково назначение клавиши "Delete" ?
3. Каково назначение клавиши "Home" ?
4. Каково назначение клавиши "End" ?
5. Каково назначение клавиши "Shift" ?
6. Каково назначение клавиши "Caps Lock" ?
7. Каково назначение клавиши "Ctrl" ?
8. Каково назначение клавиши "Esc" ?
9. Каково назначение клавиши "Alt" ?
10. Каково назначение клавиши "Tab" ?
11. Каково назначение клавиши "Page Up" ?
12. Каково назначение клавиши "Page Down" ?
13. При помощи какой клавиши отключается и включается цифровая клавиатура ?
14. Как перезагрузить компьютер не выключая его ?
15. Какие антивирусные программы Вы знаете ?
16. Какие операционные системы Вы знаете ?
17. Какие текстовые редакторы Вам знакомы ?
18. Каково назначение табличных процессоров ?
19. Для чего предназначена кнопка "Reset" на системном блоке компьютера ?
20. Какие современные языки программирования Вам знакомы ?
21. Каково назначение клавиши "Back Space" ?
22. Что такое файл ?
23. Что такое винчестер ?
24. Какие периферийные устройства для компьютера Вам известны ?
25. Какая операционная система является наиболее распространенной ?
26. Какие основные действия возможны с файлами ?
1. Общие принципы построения моделей.
2. Элементы моделирования.
3. Этапы построения математической модели.
4. Элементы теории подобия, применяемые в моделировании 5. Выборочный метод.
6. Статистические оценки параметров распределения случайных величин по выборкам.
7. Статистические оценки гипотез об моделях в лесном деле 8. Регрессионный анализ. Общие сведения.
9. Построение регрессионных моделей.
10. Статистическое оценивание уравнения регрессии и парной корреляции.
11. Нелинейный регрессионный анализ. Общие сведения.
12. Построение регрессионных моделей.
13. Статистическое оценивание уравнения регрессии.
1. Экологические модели. Общие сведения.
2. Статистическое оценивание уравнения регрессии.
1. Динамические статистические модели. Общие сведения.
2. Ряды динамики.
3. Показатели динамики.
4. Методы выравнивания рядов.
5. Многофакторные эколого-математические модели.
6. Множественный регрессионный анализ.
7. Множественный корреляционный анализ.
8. Множественный нелинейный регрессионный анализ.
9. Методы включения и исключения переменных при проведении анализа. Анализ остатков.
10. Анализ влияния отдельных факторов в моделях.
11. Дисперсия.
12. Однофакторный дисперсионный анализ.
13. Двухфакторный дисперсионный анализ.
14. Математические методы планирования экспериментов. Общие сведения.
15. Некоторые особенности экспериментально-статистических методов в лесном деле.
16. Методы отбора объектов в выборку.
17. Математические методы планирования экспериментов.
18. Методы анализа значимости факторов.
19. Однофакторные и многофакторные эксперименты.
20. План эксперимента.
21. Рандомизация.
22. Виды планирования.
23. Проверка статистических гипотез при планировании экспериментов.
1. Линейное программирование. Общие сведения.
2. Балансовые модели.
3. Использование информационных технологий при решении задач лесного дела.
1. Общие принципы построения моделей.
2. Элементы моделирования.
3. Этапы построения математической модели.
4. Элементы теории подобия, применяемые в моделировании 5. Экологические модели. Общие сведения.
6. Выборочный метод.
7. Статистические оценки параметров распределения случайных величин по выборкам.
Статистические оценки гипотез об моделях в лесном деле 8. Регрессионный анализ. Общие сведения.
9. Построение регрессионных моделей.
10. Статистическое оценивание уравнения регрессии и парной корреляции.
11. Нелинейный регрессионный анализ. Общие сведения.
12. Построение регрессионных моделей.
13. Статистическое оценивание уравнения регрессии.
14. Динамические статистические модели. Общие сведения.
15. Ряды динамики.
16. Показатели динамики.
17. Методы выравнивания рядов.
18. Многофакторные эколого-математические модели.
19. Множественный регрессионный анализ.
20. Множественный корреляционный анализ.
21. Множественный нелинейный регрессионный анализ.
22. Методы включения и исключения переменных при проведении анализа. Анализ остатков.
23. Анализ влияния отдельных факторов в моделях.
24. Дисперсия.
25. Однофакторный дисперсионный анализ.
26. Двухфакторный дисперсионный анализ.
27. Математические методы планирования экспериментов. Общие сведения.
28. Некоторые особенности экспериментально-статистических методов в лесном деле.
29. Методы отбора объектов в выборку.
30. Математические методы планирования экспериментов.
31. Методы анализа значимости факторов.
32. Однофакторные и многофакторные эксперименты.
33. План эксперимента.
34. Рандомизация.
35. Виды планирования.
36. Проверка статистических гипотез при планировании экспериментов.
37. Линейное программирование. Общие сведения.
38. Балансовые модели.
39. Использование информационных технологий при решении задач лесного дела.
7. Учебно-методическое и информационное обеспечение дисциплины а) основная литература 1. Гринин, А.С. Математическое моделирование в экологии: учеб. пособие для вузов / А.С. Гринин, Н.А. Орехов, В.Н. Новиков.– М.: ЮНИТИ-ДАНА, 2008.– 269 с. – ISBN 5-238-00440- б) дополнительная литература 1. Боровиков, В.П. Популярное введение в программу Statistica / В.П. Боровиков.– М.:
КомпьютерПресс, 1998.– 267с. – ISBN 5-89959-042- 2. Дрейпер, Н. Прикладной регрессионный анализ: в 2-х книгах / Н. Дрейпер, Г. Смит.– Кн. 1.– М.: Мир, 1981.– 252с.
3. Лакин, Г.Ф. Биометрия / Г.Ф. Лакин.– М.: Высшая школа, 1990.– 352 с. – ISBN 5-06Литтл Т. Сельскохозяйственное опытное дело. Планирование и анализ / Т. Литтл, Ф.
Хиллз.– М.: Колос, 1981.– 320с.
5. Никитин, К.Е. Методы и техника обработки лесоводственно-таксационной информации / К.Е. Никитин, А.З. Швиденко.– М.: Лесная промышленность, 1978.– 272с.
6. Тюрин Ю.П., Макаров А.А. Анализ данных на компьютере / Ю.П. Тюрин, А.А.
Макаров.– М.: ИНФРА-М, Финансы и статистика, 1995.– 384 с. – ISBN 5-86225-126-Х, 5Уланова Е.С., Забелин В.Н. Методы корреляционного и регрессионного анализа в агрометеорологии / Е.С. Уланова, В.Н. Забелин.– Л.: Гидрометеоиздат, 1990.– 207 с. – ISBN 5-286-00424- 8. Пузаченко, Ю.Г. Математические методы в экологических и географических исследованиях: Учеб. пособие для студ. вузов / Ю.Г. Пузаченко.– М.: Издательский центр «Академия», 2004.– 416 с. – ISBN 5-7695-1348- в) базы данных, информационно-справочные и поисковые системы Агропоиск, полнотекстовая база данных иностранных журналов Doal, поисковые системы Rambler, Yandex, Google:
Электронная библиотека СГАУ - http://library.sgau.ru http://www.roslesinforg.ru/ ФГУП «Рослесинфорг»
http://www.belinvestles.by/ Научно - производственное общество с дополнительной ответственностью «БЕЛИНВЕСТЛЕС»
http://www.lesis.ru/ ООО «ЛесИС»
http://www.rosleshoz.gov.ru/ Федеральное агентство лесного хозяйства России Ризниченко Г.Ю. Экология математическая http://www.library.biophys.msu.ru/MathMod/EM.HTML г) требования к программному обеспечению учебного процесса:
№ Наименование раздела учебной Наименование Тип программы (расчетная, 8. Материально-техническое обеспечение дисциплины Для проведения занятия используется следующее материально-техническое обеспечение:
Специализированный компьютерный класс с ПЭВМ, набором программного обеспечения из расчета 1 ПК на 1 обучающегося, выходом в интернет;
Комплект мультимедийного оборудования (ПК, мультимедийный проектор, экран, акустические колонки) Программа составлена в соответствии с требованиями ФГОС ВПО с учетом рекомендаций и ПрООп ВПО по направлению подготовки 250100.62 Лесное дело.
«