Оценивание состояний природно-технических систем на основе динамической кластеризации

от

А.В. Скатков, А.А. Брюховецкий, Д.В. Моисеев, В.И. Шевченко

Севастопольский государственный университет», РФ, г. Севастополь, ул. Университетская, 33,

E—mail: dmitriymoiseev@mail.ru

DOI: 10.33075/2220-5861-2020-1-135-144

УДК 681.3

Реферат:

     В работе рассматриваются основные особенности, связанные с разработкой и исследованием методов интеллектуальной технологии оценивания состояний природно-технических систем. Предлагаемый авторами подход позволит создать основу для моделирования процессов, протекающих в природно-технических системах (ПТС), осуществить интеллектуальный анализ слабоструктурированных данных в ходе мониторинга ключевых показателей ПТС, представленных в виде неоднородных потоков информации, содержащей, например, гидрометеорологические данные об уровне загрязнения и составе воздуха, почвы, экологического контроля, предельно допустимых выбросов вредных веществ, а так же данные о состоянии ресурсов вычислительной системы, каналов связи, используемых при обработке данных мониторинга. Разработка интеллектуальной технологии на основе оценивания состояний природно-технических систем, базирующейся на автоматной модели динамической кластеризации, приведет к повышению обоснованности, достоверности и оперативности процессов поддержки принятия решений при исследовании антропогенной трансформации природной среды, а также при решении задач обеспечения безопасности объектов критической информационной инфраструктуры «умный город». Представлен метод динамической кластеризации мониторируемых объектов в классе автоматных моделей, что позволило описать с использованием автоматной грамматики процессы изменения состояния объектов ПТС. Практическая значимость результатов работы приведёт к снижению уровня негативного воздействия природных и антропогенных факторов, в частности, на состояние экосистем акватории г. Севастополя.

Ключевые слова: системы мониторинга, динамическая кластеризация, интеллектуальная технология, большие данные, моделирование сложных систем, интеллектуальный анализ данных.

Для цитирования пройдите по ссылке DOI и используйте опцию Actions-Cite или скопируйте:

[IEEE] А.В. Скатков, А.А. Брюховецкий, Д.В. Моисеев, В.И. Шевченко, “Оценивание состояний природно-технических систем на основе динами-ческой  кластеризации”, Системы контроля окружающей среды, вып. 1, с. 135–144, март 2020.

Полный текст в формате PDF

СПИСОК ЛИТЕРАТУРЫ 

  1. Об утверждении Концепции построения и развития АПК «Безопасный город», утв. Распоряжением Правительства Российской Федерации 03.12.2014, № 2446-р. [Электронный ресурс]. Режим доступа: http://14.mchs.gov.ru/document /2632303 (дата обращения: 23.12.2019).
  2. Аэрокосмический мониторинг объектов нефтегазового комплекса / под ред. акад. В.Г. Бондура. М.: Научный мир, 2012. 558 с.
  3. Гайский В.А., Гайский П.В. Многомерный гармонический анализ фурье при измерениях полей морской среды // Системы контроля окружающей среды. 2019. Вып. 4 (38). С. 33–42.
  4. Зегжда П.Д. Систематизация киберфизических систем и оценка их безопасности / П.Д. Зегжда, М.А. Полтавцева, Д.С. Лаврова // Проблемы информационной безопасности. Компьютерные системы. 2017. № 2. С. 127–138.
  5. Добрынин Д.А. Беспилотные транспортные средства, современное состояние и перспективы // Четырнадцатая национальная конф. по искусственному интеллекту с междунар. участием КИИ-2014 (г. Казань, 24–27 сентября 2014 г.): тр. конф.: в 3 т. Т. 3. М.: Физматлитгиз, 2014. С. 265–274.
  6. Ширяев А.Н. Вероятностно-статистические методы в теории принятия решений. 2-изд., новое. М.: МЦНМО, 2014. 144 с.
  7. Информационные технологии для критических инфраструктур: монография / под ред. А.В. Скаткова. Севастополь: СевНТУ, 2012. 306 с.
  8. Скатков А.В., Брюховецкий А.А., Моисеев Д.В. Интеллектуальная система мониторинга для решения крупномасштабных научных задач в облачных вычислительных средах // Информационно-управляющие системы. Спб.: Изд-во «ГУАП», 2017. № 2 (87). С. 19–25.
  9. Skatkov А., Brykhovetskiy А., Moiseev Detecting changes simulation of the technological objects’ information states // MATEC Web of Conferences. Vol. 224, 2018. 02072 (ICMTMTE 2018). https://doi.org/10.1051/matecconf/201822402072
  10. Брюховецкий А.А., Скатков А.В., Шишкин Ю.Е. Моделирование процессов обнаружения аномалий в сложноструктурированных данных мониторинга // Системы контроля окружающей среды. 2017. Вып. 3 (29). С. 45–49.
  11. Кульбак С. Теория информации и статистика. М.: Наука, 1967. 408 с.
  12. Поспелов Д.А., Пушкин В.Н. Мышление и автоматы. М.: Сов. Радио, 1972. 244 с.

Loading