Синтез системно-динамических моделей регионального промышленного комплекса на основе формализации коллективных экспертных знаний

• Автор: Быстров, Виталий Викторович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2008
• Место защиты: Тверь
• Количество страниц: 144 с. : ил.

Содержание
ВВЕДЕНИЕ

Глава 1. СОВРЕМЕННЫЕ МЕТОДЫ И СРЕДСТВА МОДЕЛИРОВАНИЯ СЛОЖНЫХ СИСТЕМ

1.1. Современные методы моделирования сложных систем

1.2. Компьютерное моделирование.

1.3. Инструментальные средства компьютерного моделирования

Глава 2. РАЗРАБОТКА КОНЦЕПТУАЛЬНОЙ МОДЕЛИ.

2.1. Топливноэнергетический комплекс как сложная система.

2.2. Концептуальная модель

2.3. Разработка дерева целей и набора концептуальных шаблонов.

2.3.1 Построение дерева целей ТЭК.

2.3.2 Разработка набора шаблонов для ТЭК Мурманской области.
Глава 3. ФОРМАЛЬНЫЙ СИНТЕЗ МОДЕЛЕЙ СИСТЕМНОЙ ДИНАМИКИ НА ОСНОВЕ ШАБЛОНОВ
3.1. Основные положения метода системной динамики.
3.2. Состав и структура базы знаний системы. .
3.2.1. Декларативные данные базы знаний.
3.2.2. Процедурные знания базы знаний.
3.3. Механизм синтеза модели системной динамики.
3.3.1. Генерация состава и структуры динамической модели на основе шаблонов.
3.3.2. Генерация информационных связей динамической модели
Глава 4. МЕТОДИКА ОЦЕНКИ МЕТОДИЧЕСКИХ ПОГРЕШНОСТЕЙ КОМПОЗИТНЫХ СИСТЕМНОДИНАМИЧЕСКИХ МОДЕЛЕЙ.
4.1. Анализ методических ошибок модели
4.1.1 Линейная аппроксимация СНФО.
4.1.2. Квадратичная аппроксимация СНФО
4.1.3. Кубическая аппроксимация СНФО
4.1.4. Множественные композиции подмоделей слинейными СНФО
4.2. Анализ проведения исследования методических погрешностей.
4.3. Апробация методики.
4.4. Программная реализация методики
Глава 5. ФУНКЦИОНИРОВАНИЕ ПРОГРАММНОГО КОМПЛЕКСА
5.1. Состав системы.
5.2. Функционирование системы
5.2.1. Организация сеанса работы.
5.2.2. Приобретение и пополнение знаний
5.2.3. Описание пользовательского интерфейса
5.2.4. Процедура формализации знаний экспертов в виде концептуальной модели предметной
области.
5.3. Синтез.
5.3.1. Реализация шаблонов
5.3.2. Реализация экземпляров
5.3.3. Синтез модели.
5.4. Применение разработанных методик и средств моделирования
5.4.1. Характеристика топливноэнергетического комплекса Мурманской области
5.4.2. Исследование динамической модели
Выводы.
ЗАКЛЮЧЕНИЕ.
СПИСОК ЛИТЕРАТУРЫ


Не менее сложной задачей для человека является и обработка выявленных связей и закономерностей. Появление и развитие средств вычислительной техники во второй половине XX столетия и внедрение информационных технологий практически во все сферы человеческой деятельности революционно раздвинули границы применимости различных методов моделирования. Вместе с ростом возможностей вычислительной техники эволюционировало и программно-алгоритмическое обеспечение от реализации расчетных алгоритмов до сложных систем имитации человеческих рассуждений, мультимедиа и создания виртуальной реальности. Появился новый метод моделирования - имитационное моделирование, принципиально ориентированный на компьютерную реализацию. Данный метод позволяет оперативно модифицировать как структуру, так и параметры модели непосредственно в ходе моделирования, что открывает широкие возможности итерационного повышения адекватности модели. В настоящее время в компьютерном моделировании развиваются два равноправных взаимодополняющих направления. Первое основывается на технологии вычислительного эксперимента в трактовке А. А. Самарского [, 6, 7]. Вычислительный эксперимент рассматривается как технология научных исследований, направленная на создание «фундаментальных моделей» как новых парадигм науки. Подход предполагает чрезвычайно высокую математическую подготовку главных участников и жесткое разделение труда между ними и специалистами предметной области, в задачи которых входит подготовка исходных данных, определение граничных условий и сценариев проводимых экспериментов, обсуждение результатов. Технология - вычислительного эксперимента, основанная на триаде «модель-алгоритм-программа» не рассчитана на массовое внедрение в повседневную работу конечных пользователей, которые лишь опосредованно участвуют в разработке моделей. Второе направление названо Г. С.Поспеловым [0] новой информационной технологией моделирования и ориентировано на конечного пользователя, как на непосредственного разработчика модели. Основной упор здесь делается на создание удобных и достаточно простых языков представления моделей, доступных для непрограммирующего пользователя, и инструментальных средств с элементами искусственного интеллекта, обеспечивающих поддержку в разработке моделей, выборе метода решения, автоматизации синтеза программы, организации интерфейса. Это направление рассчитано на внедрение методов моделирования в среду неподготовленных конечных пользователей и позволяет исключить программиста, а в некоторых случаях и системного аналитика при реализации компьютерного моделирования. В рамках второго направления развиваются и используются методы имитационного моделирования. Имитационное моделирование представляет собой попытку формализации любых эмпирических знаний о рассматриваемом объекте с помощью современных вычислительных технологий. Имитационная модель — формализованное описание изучаемого явления во всей его полноте на грани нашего понимания» []. Слова «на грани нашего понимания» фиксируют важное положение о том, что в процессе имитационного моделирования не обязательно должна выявляться природа причинно-следственных связей и определяющие их фундаментальные законы. Для построения модели достаточно знать лишь внешнюю сторону связей типа «если А, то Б», а какими фундаментальными взаимосвязями это обусловлено — знать не обязательно. Методы математического моделирования с использованием средств вычислительной техники применяются при исследованиях различных аспектов регионального развития уже на протяжении нескольких десятков: лег. До недавнего времени, в данной области преобладали технологии вычислительного эксперимента по схеме «модель-алгоритм-программа» (первое- направление);. Каждый из указанных типов моделей обладает своими достоинствами и недостатками, а так же предъявляет определенные требования- к объему и структуре исходных данных для моделирования;. Например, невозможно получить в общем случае аналитическое решение произвольной системы обыкновенных дифференциальных уравнений большой размерности[]. Для решения задачи используют численное интегрирование.