Разработка интеллектуальной технологии обнаружения аномалий экосистем акватории г. Севастополя

от

А.В. Скатков1, А.А. Брюховецкий1, Ю.Е. Шишкин1,2

1ФГАОУ ВО «Севастопольский государственный университет», РФ, г. Севастополь, ул. Университетская, 33

2Институт природно-технических систем, РФ, г. Севастополь, ул. Ленина, 28

E—mail: iurii.e.shishkin@gmail.com

DOI: 10.33075/2220-5861-2019-1-27-34

УДК 004.9         

Реферат:

   Организация систем мониторинга в современных условиях увеличивающихся масштабов и сложности облачных вычислительных сред требует новых подходов. Поэтому проблема разработки методов, положенных в основу построения интеллектуальной технологии обнаружения аномалий экосистем акватории г. Севастополя с целью обеспечения непрерывного мониторинга ключевых показателей окружающей среды, представленных в виде неоднородных потоков информации: гидрометеорологической информации, данных об уровне загрязнения и составе воздуха, почвы, экологического контроля, мониторинга предельно допустимых выбросов вредных веществ для обнаружения изменения состояния потока данных мониторинга, рассматриваемая в данной статье, является актуальной.

   Поэтому для разрешения указанных проблем предлагается использовать комплексный подход к построению систем мониторинга, которому будут присущи отличительные функциональные и структурные особенности. Разрабатываемая система мониторинга будет обладать очевидными преимуществами по сравнению с известными. Основные отличия предлагаемых решений состоят в использовании:

  • малых объемов выборок при проведении измерений метрик физических объектов окружающей среды,
  • методов, обладающих низкой трудоемкостью и высоким быстродействием,
  • критериев для оценки информационных ситуаций изменения состояния объектов,
  • адаптивных подходов, позволяющих отслеживать изменчивость информационных состояний объектов и учитывающих нестационарность среды,
  • метода актуализации баз данных, содержащих информацию о мониторируемых объектах окружающей среды.

   Применение адаптивного подхода построения интеллектуальных систем мониторинга позволит совершить переход к качественно новым знаниям, оптимизировать процессы обработки, анализа, интеграции гетерогенных данных, повысить достоверность и оперативность принимаемых решений. Реализация такого подхода базируется на применении математических моделей: нестационарной оптимизационной модели управления и модели обеспечения качества функционирования системы мониторинга.

Ключевые слова: системы мониторинга, обнаружение аномалий, интеллектуальная технология, Большие Данные, моделирование сложных систем, интеллектуальный анализ данных.

Полный текст в формате PDF

СПИСОК ЛИТЕРАТУРЫ

  1. Скатков А.В., Брюховецкий А.А., Моисеев Д.В. Методология организации мониторинговых процессов при решении крупномасштабных задач в облачных вычислительных средах // Информационные технологии и информационная безопасность в науке, технике и образовании «ИНФОТЕХ – 2017»: сборник статей Всерос. науч.-техн. конф. Севастопольский государственный университет, Институт «Информационные технологии и управление в технических системах». Севастополь: СевГУ, 2017. С. 78–80.
  2. Брюховецкий А.А., Скатков А.В., Шишкин Ю.Е. Моделирование процессов обнаружения аномалий в сложноструктурированных данных мониторинга // Системы контроля окружающей среды. 2017. № 9 (29). С. 45–49.
  3. Скатков А.В., Шишкин Ю.Е. Разработка модели оптимизации мониторинга при частичной неопределенности в виде системы массового обслуживания // Развитие методологии современной экономической науки и менеджмента: материалы I Междисциплинарной Всерос. науч.-практ. конф. (г. Севастополь 4-5 мая 2017 г.). Севастополь: СевГУ. 2017. С. 611–618. ISBN 978-5-9907603-9-4.
  4. Скатков А.В., Шишкин Ю.Е. Кластеризация данных в задачах обнаружения аномалий на основе ортогональных фильтров // Системы контроля окружающей среды. 2018. № 11 (31). С. 36–43.
  5. Новикова А.М., Аверьянова Е.А. Применение ГИС-технологий для решения комплексных задач пространственного моделирования в океанологии и экологии // Экологические проблемы Азово-Черноморского региона и комплексное управление биологическими ресурсами: материалы науч.-практ. молод. конф. Севастополь, 2016. С. 200–203.
  6. Бондур В.Г. Аэрокосмический мониторинг объектов нефтегазового комплекса. М.: Научный мир, 2012. 558 с.
  7. Ратнер Ю.Б., Толстошеев А.П., Холод А.Л. Создание базы данных мониторинга Черного моря с использованием дрейфующих поверхностных буев // Морской гидрофизический журнал. 2009. № 3. С. 50–69.
  8. Лаврова О.Ю., Костяной А.Г., Лебедев С.А. Комплексный спутниковый мониторинг морей России. М.: ИКИ РАН, 2011. 480 с.
  9. Коротаев Г.К., Демышев С.Г., Ли М.Е. Спутниковый мониторинг морских акваторий. Киев: Академпериодика, 2014. C. 91–100.
  10. Балашов И.В., Халикова О.А. Организация автоматического получения наборов информационных продуктов из центров архивации и распространения спутниковых и метеоданных // Современные проблемы дистанционного зондирования Земли из космоса. 2013. Т. 10. № 3. С. 9–20.
  11. Ширяев А.Н. Вероятностно-статистические методы в теории принятия решений. 2-е изд., новое. М.: МЦНМО, 2014. 144 с.
  12. Scheduling in distributed systems: A cloud computing perspective / L.F. Bittencourt, A. Goldman, R.M. Madeira [et al.] Computer Science Review. 2018. Vol. 30. P. 31–54 DOI: 10.1016/j.cosrev.2018.08. 002
  13. Monsalve S.A., Carballeira F.G., Calderon A. A heterogeneous mobile cloud computing model for hybrid clouds // Future Generation Computer Systems. 2018. Vol. 87. P. 651–666. DOI: 10.1016/j.future.2018.04.005
  14. Матишов Г.Г., Бердников С.В., Жичкин А.П. [и др.]. Атлас климатических изменений в больших морских экосистемах Северного полушария (1878–2013). Регион 1. Моря Восточной Арктики. Регион 2. Чёрное, Азовское и Каспийское моря. Ростов н/Д.: Изд-во ЮНЦ РАН, 2014. 256 с.
  15. Li X., Ma. H., Wang X. Feature proposal model on multidimensional data clustering and its application // Pattern Recognition Letters. 2018. Vol. 112. P. 41–48. DOI: 10.1016/j.patrec.2018.05.025

Loading