автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Методологические основы построения экспертных автоматизированных систем прогнозирования с применением параллельных технологий для судовых технических систем

Введение.

I. Математические аспекты обоснования параллельных технологий в задачах прогнозирования.

1.1. Анализ временных рядов как случайных процессов.

1.2. Прикладное применение теоремы Колмогорова.

1.3. Обоснование возможности применения параллельных информационных технологий прогнозирования.

Основные результаты.

II. Концептуальное проектирование автоматизированных систем прогнозирования экспертного типа.

2.1. Автоматизация проектирования алгоритмических структур на базе семиотического моделирования.

2.2. Компьютерная поддержка анализа и синтеза алгоритмических решений на этапе концептуального проектирования.

2.3. Математическое обеспечение концептуального моделирования алгоритмических задач при создании автоматизированных систем прогнозирования.

2.4. Информационные технологии, использующие вербальные модели информационных потоков.

Основные результаты.

III. Информационные основы создания автоматизированных систем прогнозирования экспертного типа на основе параллельных информационных технологий.

3.1. Формализация описания временных рядов на основе шаблонов

3.2. Моделирование стохастических временных рядов как средство 99 формализации.

3.3. Поиск однородностей в базе данных, представленных в виде временных рядов.

3.4. Описание временных зависимостей на основе нейросетевых методов.

3.5. Информационная поддержка анализа и управления контролируемыми случайными процессами на основе гипертекстовой базы знаний.

Основные результаты.

IV. Процедурные и логико-семантические модели экспертной основы автоматизированных систем прогнозироания.

4.1. Вербально - структурная модель процедуры прогнозирования при нечетких требованиях.

4.2. Построение экспертной основы в автоматизированных системах прогнозирования.

4.3. Принципы построения коныонктивно - дизъюнктивных моделей в рамках экспертной системы автоматизированного прогнозирования.

4.4. Методические основы логических выводов на основе деления конъюнкто - дизъюнктов при выборе методов прогнозирования.

4.5. Продукционные экспертные системы прогнозирования.

4.6. Построение продукционных экспертных систем прогнозирования.

4.7. Принятие решений в АСП на основе нечеткой экспертной информации.

4.8. Диагностирование экспертных знаний и заключений в АСП.

Основные результаты.

V. Методология построения алгоритмических структур параллельных информационных технологий процедур прогнозирования.

5.1. Классификация механизмов параллельной информационной технологии прогнозирования.

5.2. Информационно-технологические основы параллелизма в решении задач прогнозирования—,.

5.3. Теоретические аспекты проблемно-ориентированных типовых алгоритмических структур с массивным параллелизмом.

5.4. Математические основы алгоритмических структур параллельного прогнозирования.

5.5. Оценивание точности и сходимости результатов прогноза.

Основные результаты.

VI. Технологии параллельного использования различных принципов прогнозирования.

6.1. Диалоговые процедуры при решении задач прогнозирования.

6.2. Параллельное применение принципов аналитического и вероятностного прогнозирования.

6.3. Коллективное использование принципов экстраполяции и математического программирования.

6.4. Алгоритмические особенности совместного применения «вырожденного» распознавания и регрессионных моделей.

Основные результаты.

Актуальность темы. Характерной чертой современного этапа создания бортовой аппаратной корабельных (судовых) систем и летательных аппаратов является рост требований к их качеству, соответственно надежности и долговечности. Важность этих свойств ответственной аппаратуры как в вооружении, так и в народном хозяйстве была всегда первостепенной, однако в условиях международной, с одной стороны, открытой конкуренции, с другой стороны наивыгоднейшей кооперации, она возросла многократно. Это объясняется том, чтоцена отказа аппаратуры (материальная и моральная) в условиях открытой рыночной экономики возросла значительно.

Современные системы автоматизированного проектирования (CADsystem) автоматизированного технологического производства (САМ-system) и автоматизированные обслуживания процесса эксплуатации (CAE-system) достаточно серьезно повысили культуру создания аппаратуры на всех этапах жизненного цикла аппаратуры, что привело к повышению их качества (надежности, долговечности) на новую ступень. Развитие новых информационных технологий (интеллектуализация информационных систем, экспертные основы компьютерных систем поддержки принятия решений, нейросетевые технологии, технологии нечетких множеств, диалоговые системы и т.д.) явилось объективной потребностью необходимости создания надежных технических, организационно-управленческих, информационных и т.п. систем, функционирование которых необходимо рассматривать интегрированно и взаимосвязано, т.е. используя системный подход.

Эволюция упомянутых систем, применяемых на всех этапах жизненного цикла, продолжается, и улучшение характеристик технической аппаратуры (объектов) может быть также обеспечена «интеллектуальным» обслуживанием, т.е. интеллектуализацией управления процессом проектирования, процессом производства и процессом эксплуатации. К одним из важнейших средств интеллектуализации компьютерных процессов на всех стадиях жизненного цикла является прогнозирование изменения технического состояния объекта. История развития теории прогнозирования имеет более чем 40-летний этап развития как у нас в стране, так и зарубежом. Однако в связи с созданием нового поколения вычислительных систем, операционных систем, программных продуктов и информационно-технологических процедур в решении проблемы прогнозирования открылись новые горизонты.

В настоящее время очевидно, что задачи оценки состояния объектов и процессов, контроля и управления, прогнозирования и принятия решений требуют для своего реального внедрения в конкретную предметную область экспертной основы в соответствующей компьютерной системе.

Это объясняется тем, что решение этих задач в различных областях приложения происходит зачастую при: отсутствии или ограниченности «за-шумленной» текущей информации; отсутствии четких рекомендаций по процедуре анализа той или иной информации; острой необходимости структурирования требований к алгоритмическому обеспечению решений этих задач; несущной целесообразности формализации многих качественных рекомендаций по описанию ситуаций в исследуемой предметной области; обязательном раскрытии семантики взаимоотношений между условиями решения задач (что дано), что требуется получить (цель) и множеством алгоритмов решения (библиотека моделей и алгоритмов); необходимости построения логических зависимостей (моделей) и выводов (заключений) при семиотическом описании фрагментов предметной области; наконец, при требовании принятия решений при нечетких условиях, нечетких данных и нечетких алгоритмах.

Нетрудно увидеть, что применение строго формализованных алгоритмов, традиционно работающих с количественной информацией, в перечисленных условиях затруднено. Нужен подход, повышающий эффективность решения упомянутых задач при столь жестких требованиях, это применение автоматизированных систем, использующих экспертную алгоритмическую основу. Кроме того, с момента появления современных вычислительных средств происходит постоянный процесс их совершенствования. При этом одна из мировых тенденций в развитии вычислительного дела неразрывно связана с созданием высокопроизводительных вычислительных систем на базе фундаментальных принципов распараллеливания и конвейеризации, а также с интеграцией обработки потоков быстро поступающей информации на многопроцессорных системах, комплексах и сетях ЭВМ. Это обусловлено как необходимостью достижения сверхвысокой производительности и надежности вычислительных средств, так и существенного ускорения решения реальных задач, повышения их размерности и точности результатов. В связи с этим происходит процесс создания принципиально новых и пересмотра существующих математических методов и алгоритмов решения задач в различных предметных областях с пересмотром алгоритмического багажа прикладной математики, выдвигаются новые требования к построению и исследованию математических моделей, касающихся различных аспектов параллельной и конвейерной обработки, организации параллельных вычислений. Кроме того, принципы параллельной организации процессов являются не только одним из универсальных способов достижения высокой производительности и надежности вычислительных средств, но и носят достаточно общий характер и присущи процессам различной природы, прежде всего они свойственны системам управления, операционным системам, системам автоматизированного проектирования, геоинформационным системам, системам автоматизированного контроля и диагностирования, промышленным технологиям, конвейерным и роторно-конвейерным линиям и т.д.

В настоящее время в этой области ведутся интенсивные исследования. Однако, понимание ряда аспектов, связанных с параллельными вычислениями, находится на интуитивномуровне. Это трудные в математическом отношении проблемы параллельного программирования по расчету оптимальных характеристик как самих вычислительных систем, так и характеристик оптимальной организации большого числа одновременно взаимодействующих параллельных процессов; вопросы границ эффективности и применимости методов распараллеливания и приемов ускорения вычислений; количественная и качественная оценка различных стратегий управления параллельными процессами, включая проблемы синхронизации; проблемы создания эффективных параллельных алгоритмов и соответствующего программного обеспечения с учетом характеристик конкретных систем параллельной обработки данных и др.

Одной из центральных в этих направлениях и во многом объединяющая их является проблема оптимального распределения вычислительных ресурсов и, прежде всего, алгоритмических и программных, так как именно алгоритмы и программы являются не только основными вычислительными ресурсами, но и интегрированными средствами, через которые осуществляются запросы на ресурсы вычислительных систем. Это порож- -----дает, в свою очередь, множество параллельно-конкурирующих за их использование процессов. А проблемы оптимальной организации выполнения этого класса процессов относятся к операционному параллелизму, который является «мозгом и сердцем», параллельных вычислений. Поэтому от успешного решения проблем оптимальной организации множества параллельно-конкурирующих процессов зависит не только эффективность реализации заданных объемов вычислений, но й работоспособность и надежность систем в целом.

Несмотря на имеющиеся в этих направлениях результаты до сих пор открытыми остаются проблемы оптимальной организации параллельных вычислительных процессов в условиях ограниченных ресурсов (реальные ресурсы всегда ограничены), проблемы эффективной реализации заданных объемов вычислений в различных режимах их синхронного и асинхронного взаимодействия при сосредоточенной и распределенной обработке в условиях ограниченного параллелизма, проблемы синхронизации множества конкурирующих процессов, проблемы разработки методов решения оптимизационных задач в условиях неограниченного и ограниченного параллелизма при сосредоточенной и распределенной обработке с целью создания условий оптимальной реализации заданных объемов вычислений и критериев эффективности и оптимальности реализации множества параллельно-конкурирующих процессов, проблемы эффективного отображения паралдельных алгоритмов и соответствующих программных реализаций с учетом архитектурных особенностей многопроцессорных систем (МС) и вычислительных комплексов (ВК), проблемы разработки и математического обоснования приемов ускорения вычислений на базе принципов распараллеливания и конвейеризации вычислений и др.

Следовательно, разработка математических моделей и методов оптимальной организации конкурирующих" процессов, критериев эффективности и оптимальности реализации заданных объемов вычислений в условиях неограниченного и ограниченного параллелизма в различных режимах синхронного и асинхронного взаимодействия параллельно-конкурирующих процессов при сосредоточенной и распределенной обработке и решение на этой основе проблем и задач оптимального отображения алгоритмов и соответствующих программных реализаций из различных предметных областей, прежде всего логико-комбинаторных, с учетом архитектурных особенностей многопроцессорных систем и комплексов в условиях массового параллелизма, разработка и обоснование приемов ускорения вычисления с повышением точности и достоверности при ограниченной информации является актуальной проблемой компьютерной науки и теории управления.

Цель исследования. Целью диссертационной разработки является разработка методологических принципов построения автоматизированных систем прогнозирования на экспертной основе с применением параллельных информационных технологий при ограниченной информации в процессе эксплуатации многопараметрических судовых комплексов.

Задачи исследований:

1. Обосновать возможность и необходимость использования прогнозирования для расширения базы данных автоматизированных систем контроля и управления судовыми объектами. :

2. Сформулировать, классифицировать и формализовать основные этапы проектирования автоматизированных систем прогнозирования (АСП) на основе концептуального моделирования проблемной области исследования с учетом ее иерархии и использования различных методов, способов, технологий и алгоритмов, определяющих математические, информационные и информационно-технологические аспекты процесса создания АСП.

3. Разработать алгоритмические структуры формализации описания временных рядов с учетом их ограниченности и неопределенности с применением процедур моделирования, интеллектуальной поддержки и семантического анализа случайного процесса.

4. Обобщить и предложить методологические принципы построения экспертной основы в автоматизированной системе прогнозирования с выбором семантической среды и математического аппарата моделей, позволяющих осуществить выбор наилучших алгоритмов прогнозирования и составляющих логико-математическую основу функционирования экспертных систем.

5. Разработать принципы параллелизма решающих задачу прогнозирования с повышенной точностью и особенно достоверностью в условиях ограниченной информации и неопределенности, с обеспечением сходимости результатов прогноза.

6. Разработать реализацию информационно-технологических процедур параллелизма, основанных на применении: совокупности математических моделей, использовании множества контролируемых параметров объекта и конкретных алгоритмических структур различного математического аппарата применительно к судовым энергетическим установкам.

Объект исследования. Объектом исследования является процесс создания автоматизированных систем прогнозирования на экспертной основе с использованием параллельных информационных технологий применительно к судовым энергетическим установкам.

Предмет исследования. Предметом исследования являются методы, способы и алгоритмы прогнозирования изменения состояния СЭУ на основе семантических и формальных моделей экспертных систем и информационно-технологических принципов параллелизма.

Научная новизна работы. В диссертации проведено исследование, обобщение и развитие компьютерных методов формального описания и прогнозирования случайных процессов изменения технического состояния судовых объектов:

1. Обоснована правомерность использования процедур прогнозирования для расширения базы данных автоматизированных информационных систем на основе введенной и -эквивалентности между наблюдаемым и прогнозируемым случайными процессами, удовлетворяющая как минимум эквивалентности и сходимости в среднеквадратическом и обеспечивающая однородность конечномерных распределений (наблюдаемого и прогнозируемого). При этом показано, что прогнозируемое значение, полученное замкнутым линейным многообразием, дает наилучшую аппроксимацию наблюдаемого значения в смысле минимума квадрата расстояния.

2. Сформулировано основное содержание этапов проектирования автоматизированной системы прогнозирования на основе концептуального моделирования предметной области прогнозирования с использованием МПС- и ЕОА-технологий, включающие в себя модель абстракций, конструктивное пространство, процедурную модель и процедуру автоматизации логического моделирования. При этом разработаны: иерархическая теоретико-множественная модель (использующая методы нечеткой математики и анализа иерархий), графовая (визуальная) модель представления знаний, вербально-табличные модели информационных потоков.

3. Разработанное в рамках системы управления временными рядами алгоритмическое обеспечение формального описания временных рядов, включает в себя ряд методов (шаблонов 1Р-индексов, поиска однородно-стей, с нейросетевой технологией, с гипертекстовой базы знаний), охватывающих структурную, информационную, математическую и процедурную стороны формализации с учетом ограниченности и неопределенности наблюдаемых рядов.

4. При построении элементов экспертной системы прогнозирования разработаны принципы построения конъюнктивно-дизъюнктивных моделей, создающих семантическую среду в предметной области, и методологические аспекты операции деления конъюнкто-дизъюнктов при выборе метода прогнозирования. Разработаны продукционные модели с четкими и нечеткими схемами вывода, используемые в АСП и представляющие логико-математическую основу их функционирования.

5. Предложены алгоритмические структуры, позволяющие решать задачу прогнозирования при разнообразных информационно-технологических принципах параллелизма: интегрированном, категорий-ном и факторном; параметрическом и модельном, с оценкой точности, достоверности и сходимости прогнозов.

6. Разработаны алгоритмы параллельно-коллективного использования методов различных математических аппаратов в диалоговом режиме: аналитического и вероятностного (матричного) прогнозирования; принципов экстраполяции и математического программирования; «вырожденного» распознавания и моделей регрессионного анализа.

Методы исследования. В диссертационной работе используются методы: общей теории случайных процессов, математической статистики и теории вероятностей, теории множеств, теории графов, теории принятия решений, теории искусственного интеллекта, теории прогнозирования, регрессионного анализа, алгебры логики, нечеткой математики.

Практическая ценность заключается в создании комплекса средств алгоритмически-методической поддержки процессов концептуального проектирования автоматизированных систем прогнозирования, позволяющих решать задачи упреждающего контроля и диагностирования, расширения баз данных, уменьшение неопределенности на экспертной основе с применением параллельных информационных технологий.

В процессе выполнения диссертационной работы разработаны алгоритмические структуры, которые используются в научно-исследовательских работах, в целях обучения, а также на предприятиях в качестве компонент автоматизированных систем контроля и управления, диагностических комплексов и самостоятельно для решения следующих задач:

1. Компьютерная поддержка процессов формирования требований и многокритериальный выбор моделей и алгоритмов прогнозирования по ограниченной информации (СППР «Выбор методов и алгоритмов» Borland Delphi 6.0, внедренная в холдинговой компании «Ленинец», центре управления полетами ЦНИИ Машиностроения).

2. Компьютерная поддержка задач прогнозирования, где используется алгоритмически-программный комплекс, содержащий системы: автоматизированную систему прогнозирования MATLAB6.1 - Statistics Toolbox, внедренная в ОАО «Техприбор».

3. Компьютерная система оценивания точности, достоверности и сходимости результатов прогноза (интеллектуальная система «Exactness», внедренная в НИИ РЭСПЧП «Прогноз»).

Апробация работы. Основные научные и практические результаты диссертационной работы были представлены и одобрены более чем на 10 международных и всероссийских конференциях и семинарах: Всероссийской научно-технической конференции «Методы и средства оценки и повышения надежности приборов, устройств и систем» (г. Саратов, 1996г.); Международной научно-технической конференции «YAWE'94» (Люблин, Польша, 1994г.); Всероссийской научно-методической конференции «Высшее образование в современных условиях» (Санкт-Петербург, 1996г.); Международных научно-технических конференциях «ТРАНС-КОМ-94,97,99,2001» (Санкт-Петербург); Международных научно-технических конференциях «Региональная информатика, RI-98,2000,2002» (Санкт-Петербург); «Методы и технические средства обеспечения безопасности информации» (Санкт-Петербург, 2002г.); научно-технических конференциях профессорско-преподавательского состава СПГУВК (1994-2002г.г.); кафедральных семинарах «Диагностика технических объектов» (1994-2002г.г.); Международно-техническом семинаре «Прикладная муль-тисенсорика» (г. Иена, Германия, 2001г.) и др.

Публикации. По теме диссертации опубликовано 39 печатных работ, из них: 4 монографии.

Структура и объем работы. Диссертация состоит из введения, шести глав, заключения, приложений и списка литературы, содержащего 141 наименование. Общий объем работы 304 страницы, который включает 87 рисунков и 5 таблиц, приложения.страниц.

Основные результаты

1. Разработана диалоговая процедура для пользователя при решении задачи прогнозирования с помощью экспертных структур и параллельных технологий с введением графа диалоговых процедур и графа информационной модели.

2. Разработана алгоритмическая структура параллельно-коллективного использования методов аналитического и вероятностного (матричного) прогнозирования с введением соотношения, определяющего момент появления нестационарности контролируемого процесса. Разработанный метод матричного прогнозирования позволяет оценить как результат прогноза - функцию плотности безотказной работы СЭУ.

3. Разработана алгоритмическая структура коллективного использования принципов экстраполяции и математического программирования. При этом в качестве математического программирования применяется линейное программирование, решающее задачу дискриминантного анализа, когда строится в качестве решающего правила - разделяющая гиперповерхность.

4. Исследованы алгоритмические сосбенности совместного применения разработанного метода «вырожденного» распознавания и моделей регрессионного анализа.

ЗАКЛЮЧЕНИЕ

Новое поколение вычислительной техники, операционных систем и прогнозируемых продуктов принципиально изменило технологию решения большинства традиционных задач на стадиях проектирования, производства и эксплуатации объектов (процессов) созданием САО/САМ/САЕ систем, а также САБЕ-технологии, САЬБ-технологии и др.

При этом все эти новые инструментальные средства позволили создать новые информационные (именно информационные, так как математическая суть их была известна ранее) технологии. Новизна новых технологий заключается прежде всего в более эффективном, точном, достоверном, экономичном, быстром решении поставленных задач. К подобным задачам безусловно относится задача прогнозирования, более точное и достоверное решение которой удается выполнить с помощью таких информационно-технологических процедур как

- параллельные вычислительные системы,

- интеллектуализация на экспертной основе,

- нейросетевые технологии,

- технологии нечетких множеств,

- диалоговые системы и т.д.

В результате решения сформулированной в процессе исследований проблемы были получены следующие научные результаты:

1. Введено понятие и даны определения и -эквивалентности между наблюдаемым и прогнозируемым случайными процессами, которая требует как минимум эквивалентности в среднеквадратическом, а как максимум и по вероятностной мере. При этом на основе теоремы Крамера Г. о проекции показано, что прогнозируемая проекция 77 величины £ на подпространство М может рассматриваться как наилучшая аппроксимация £точками из М в смысле минимума квадрата расстояния.

2. На основе разложения Уолда показана возможность использования множества линейных операций на £(/) и получения множества прогнозируемых оценок, сходящихся в среднеквадратическом к £(/), и построения конечномерных распределений, являющихся наиболее полным описанием прогнозируемого случайного процесса.

3. Сформулированы основные этапы проектирования АСП на основе концептуального моделирования предметной области прогнозирования, а также предложена последовательность проектирования АСП на основе макета. При этом выделены основные информационные задачи:

- последовательно решаемых в МПС-технологии, и определена очередность этапов получения спецификации модели системы;

- решаемых на основе семиотического моделирования с использованием элементов ЕОА-технологии (включающих модель абстракции, конструктивное пространство и процедурную модель ЕБАТ, процедуру автоматизации логического моделирования).

4. Разработана иерархическая теоретико-множественная модель концептуального проектирования АСП:

- во-первых, с основными компонентами и этапами информационной технологии проектирования (с обоснованием методов принятия решений; методов нечеткой математики; методы анализа иерархии; метод, привлекающий экспертные знания);

- во-вторых, с формализацией процесса моделирования проектных задач на основе графового (визуального) представления системы знаний предметной области (с рассмотрением понятийной, структурной, функциональной и содержательной графовых моделей);

- в-третьих, с информационно-технологическими аспектами вербаль-но-табличных моделей информационных потоков при создании алгоритмических структур.

5. Предложены принципы организации системы управления временным и рядами и элементы ее архитектуры. При этом разработано в рамках СУВР алгоритмическое описание временных рядов на основе: метода шаблонов, метода 1Р-индексов, метода моделирования, использующего алгоритмы скользящего описания (базовый алгоритм, алгоритм описания с коэффициентом запаздывания, алгоритм описания с поиском прецедентов).

6. Разработан метод поиска однородностей в многомерной базе данных, использующий 4-х мерную информационную модель хранения данных по учету состояния подсистем СЭУ, в составе аналитической системы, входящей в АСП. При этом разработана процедура заполнения пропусков значений временных рядов, основанная на нейросетевой технологии, и метод поворотных точек для описания временных рядов.

7. Разработана технология создания системы алгоритмической поддержки принятия решений, основанной на интегрировании в структуру САППР гипертекстовой базы знаний, формируемой как результат системного анализа и моделирования предметной области и позволяющая учитывать специфику знаний о случайном процессе при осуществлении прогнозирования. В связи с этим осуществлен семантический анализ функциональной модели случайного процесса и предложен алгоритм интеллектуальной информационной поддержки искусственной нейронной сети.

8. Построена вербально-структурная модель процедуры прогнозирования, охватывающая все этапы ретроспективного, диагностического и прогнозного анализа. Обобщены методологические принципы построения экспертной основы в АСП с рассмотрением аспектов:

- системного анализа проблемной области на применимость технологии экспертных систем прогнозирования;

- приобретения знаний в ЭСП;

- этапов разработки ЭСП;

- критериев выбора экспертов в проблемной области прогнозирования.

9. Разработаны принципы построения конъюнктивно-дизыонктивных моделей, создающих семантическую среду в предметной области между условиями решения задачи и средствами получения точного и достоверного результата. В развитие этих принципов разработаны методические основы логических выводов в АСП экспертного типа на основе вводимой операции деления конъюнкто-дизъюнктов при выборе метода прогнозирования близкого к оптимальному в зависимости от входных требований к решаемой задаче.

10.Разработаны продукционные модели, используемые а АСП экспертного типа, позволяющие решать задачи выбора наилучших моделей, алгоритмов, программ и составляющих логико-математическую основу функционирования продукционных экспертных систем прогнозирования. предложены алгоритмы принятия решений на основе нечетких схем дедуктивного и индуктивного вывода с помощью системы нечеткий продукционных высказываний.

11.Решена задача диагностирования экспертных знаний и заключений, представленных в виде информационных гранул на основе нейронной модели при нечетких заданных условиях.

12.При осуществлении классификации механизмов параллельной информационной технологии выделены пригодные для решения задачи прогнозирования:

- абстрактные системы с неявным параллелизмом;

- высокоуровневые системы с~явным параллелизмом;

- низкоуровневые системы с явным параллелизмом.

Определены три вида параллелизма: естественный параллелизм; искусственный параллелизм 1-го вида (формирование множества потоков данных); искусственный параллелизм 2-го вида (формирование множества потоков команд). Для реализации механизмов параллелизма в АСП существует два способа организации вычислительного процесса: синхронный (замкнутый и разомкнутый методы) и асинхронный (метод распределения по запросу).

Существующее автоматическое распараллеливание имеет три основных направления: распараллеливание на уровне операторов и команд, распараллеливание циклов и крупноблочное распараллеливание. При полуавтоматическом распараллеливании используются специализированные параллельные языки и инструментальные средства с диалоговыми советчиками.

13.Введено понятие - граф зависимостей по данным, представленный пятью уровнями и восемнадцатью многоальтернативными входами, а также три технологических принципа параллелизма: интегрированный, категорийный и факторный. Определены понятия алгоритмического параллелизма по параметрическим данным и математически обоснован параллелизм по моделям прогнозирования, а также принцип параллелизма по математическому аппарату.

Кроме того, предложены типовые алгоритмические структуры, разбитые на базовые, проблемно-ориентированные и управляющие, позволяющие решать задачу прогнозирования при массивном параллелизме.

14.Изложено многоуровневое представление в распараллеливании алгоритмов с введением вероятностной модели оценивания процесса синхронизации и предложена процедура построения управляющего графа алгоритма с рассмотрением конкретных операторов и граф зависимостей по данным с алгоритмом нахождения ГЗД для циклов вычислений.

15.Разработаны информационно-технологические принципы параллелизма: ОПОМ-, ОПМОМ-, ОПМРМ-, МПОМ-, МПМРМ-технологии. Для них предложена процедура организации информационных матриц для построения скользящих авторегрессионных и взаимнорегрессионных моделей (линейных, со взаимодействиями, квадратичных, полных) и комплексного использования алгоритмических структур прогнозирования.

16.Разработана методика оценивания точности, достоверности и сходимости результатов прогнозирования при использовании информационно-технологических принципов параллельного прогнозирования многопараметрических судовых энергетических установок по ограниченной информации.

17.Разработана диалоговая процедура для пользователя при решении задачи прогнозирования с помощью экспертных структур и параллельных технологий с введением графа диалоговых процедур и графа информационной модели.

18.Разработаны конкретные алгоритмические структуры параллельно-коллективного использования моделей различных принципов прогнозирования:

- аналитического и вероятностного (матричного) прогнозирования;

- экстраполяции и математического программирования (дискрими-нантного анализа);

- регрессионного анализа и «вырожденного» распознавания.

Перечисленные алгоритмы позволяют прогнозировать надежностные характеристики судовых энергетических установок в процессе эксплуатации.

1. Андерсон Т. Статистический анализ временных рядов. - М.: Мир, 1976

2. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. Вып. 1 и 2. М.: Мир, 1974. - 406с., - 197с.

3. Буков В.Н. Адаптивные прогнозирующие системы управления полетами. М.: Наука, 1987. - 230с.

4. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования. М.: Статистика, 1979. - 245с.

5. Геминтер В.И., Френкель A.A. Обобщенные модели авторегрессии и скользящего среднего в анализе временных рядов. В кн.: Стратегический анализ экономических временных рядов. - М.: Наука, 1973.

6. Кендалл М., Стюарт А. Многомерный статистический анализ и временные ряды. М.: Наука, 1976.

7. Кильдишев Г.С., Френкель A.A. Анализ временных рядов и прогнозирование. М.: Статистика, 1973.

8. Кендалл М. Временные ряды. М.: Финансы и статистика, 1981.

9. Ковалева Л.Н. Многофакторное прогнозирование на основе рядов динамики. М.: Статистика, 1980.

10. Абрамов О.В., Розенбаум А.Н. Прогнозирование состояния технических систем. М.: Наука, 1990. - 126с.

11. Воробьев В.Г., Козлов А.И. Прогнозирование технического состояния изделий авиационной техники. 4.1. М.: МИИГА, 1977. - 108с.

12. Юдицкий С.А., Кутанов А.Г. Технология проектирования архитектуры информационно-управляющих систем. -М.: ИПУ РАН, 1993.

13. Рыков A.C. Методы системного анализа: многокритериальная и нечеткая оптимизация, моделирование и экспертные оценки. М.: НПО «Издательство «Экономика», 1999. - 191с.

14. Редкозубов С.А. Статистические методы прогнозирования в АСУ. -М.: Энергия, 1981. 180с.

15. Юсупов P.M., Заболотский В.П. Научно-методологические основы информатизации. СПб.: Наука, 2000. - 455с.

16. Глушков В.М. О прогнозировании па основе экспертных оценок. Науковедение прогнозирование - информатика. - Киев: Наукова думка, 1970.

17. Вахненко А.Г. Долгосрочное прогнозирование и управление сложными системами. Киев: Техника, 1975.

18. Подвальный Е.С. Модели индивидуального прогнозирования и классификации состояний в системах компьютерного мониторинга. Воронеж: Изд-во ВГТУ, 1998. - 127с.

19. Система прогнозирования, основанная на методах получения и обработки знаний./Загоруйко Н.Г. и др.//Вычислительные системы, 1994, №150. с. 17-31.

20. Токарев B.JI. Моделирование сложных процессов для целей прогнози-рования.//Математические методы в технике и технологиях. Сборник-трудов 12 Международной научной конференции. Том 3. Великий Новгород: НГУ, 1999. - с.4-5.

21. Крамер Г., Лидбеттер М. Стационарные случайные процессы (свойства выборочных функций и их приложения). М.: Мир, 1969. - 398с.

22. Колмогоров А.Н. Основные понятия теории вероятностей. М.: Гостехиздат, 1936. -

23. Дуб Дж. Вероятностные процессы. М.: Иностранная литература, 1956.

24. Wold Н. A study in the analysis of stationary time series. Stockholm, 1954.

25. Гуков Л.И., Ломако Е.И., Морозова A.B. и др. под ред. Ломако Е.И., Макетирование, проектирование и реализация диалоговых информационных систем. М.: Финансы и статистика, 1993. - 320с.

26. Information System Design Metodologies: A Comparative Revievv//01e T.W. et al (ed.) CRISI. - North-Holland, 1982. - 645p.

27. M. Yarke, Y. Mylopoulos et al. Information System Development as Knowledge Engineering: A Review of DAITA Project/УПрограммирование, 1991, - N1. - c.4-30.

28. On Conceptual Modelling/Ed. by M. Brodie, Y. Mylopoulos, Y. Schmid. -New York: Springen Verlag, 1984. 510p.

29. Ванин В.Н. Дедукция и обобщение в системах принятия решений. -М.: Наука, 1988.- 384с.

30. Михайлов М. CASE-продукты фирмы Огас1е//Компьютер-Пресс, -1991, №7, - с.35-37.

31. Мудтер В. Открытая интегрированная архитектура программных средств фирмы Software АО//Проблемы теории и практики управления, 1989, - №1, - с.88-95.

32. Фомин В.В. Автоматизация логического моделирования программного обеспечения с применением формального аппарата семиотических систем. Спб.: Энергоатомиздат, Санкт-Петербургское отделение, 2000.-250с.

33. Гаскаров Д.В., Фомин В.В. Автоматизация конструирования логических структур на базе семиотического моделирования. Наукоемкие технологии. М., №6, 2002.

34. Агафонов В.Н. Спецификация программ: понятийные средства и их организация. Новосибирск: Наука, 1987. - 240с.

35. Тейчроу Д., Херш Э. PSL/PSA: автоматизированная методика структурированного документирования и анализа систем обработки и анализа информации//Требования и спецификации в разработке программ. М.: Мир, 1984. - с. 7-27.

36. Савинков В.М., Вейнер О.М., Казаров М.С. Основные концепции автоматизации проектирования баз данных//Прикладная информатика. -М.: Финансы и статистика, 1984. с.30-41.

37. Цикритзис Д., Лоховски Ф. Модели данных. М.: Финансы и статистика. 1985. - 344с.

38. Computer-Aided Database Design. The DATAID Project. Ed. Albano Antonio e.a. Amsterdam e.a.: North-Holland, 1985. - 221p.

39. Dennis A., Burns R., Galluper R. Phased Design: A mixed Methodology for Application System Development//Data Base/ 1987/ V/18, №4. -p.31-37.

40. Андрейчиков A.B., Андрейчикова O.H. Компьютерная поддержка изобретательства (методы, системы, примеры применения). М.: Машиностроение, 1998.-476с.

41. Андрейчиков A.B., Андрейчикова О.Н. Анализ синтеза и планирование решений в экономике (Учебник для вузов). М.: Финансы и статистика, 2000. - 368с.

42. Андрейчикова О.Н. Принятие решений в условиях взаимной зависи-, мости критериев и альтернатив.//«Информационные технологии»,2001, №11,-с. 14-19.

43. Волкова Г.Д., Сирота И.М. Автоматизация проектирования прикладных' систем//«Автоматизация и управление в машиностроении», №7, 1999.

44. Прохоров А.Ю. Работа с временными рядами при помощи Informix Time Series DataBlade.//«TexHononw клиент-сервис», №2, Москва, 2000.

45. Прохоров А.Ю. Использование ОРСУБД для хранения и анализа временных рядов//«Компыотер Пресс», №6, №7, Москва, 2001.

46. Ведерникова Т.Н., Санким И.Н., Хамитов Г.П. Средства машинного моделирования, обработки и анализа данных стохастической природы// Трубы третьего международного семинара «Конверсия науки -международному сотрудничеству». Томск: 1999. - с.253-256.

47. Савкин И.Н., Хамитов Г.П. Вероятностный процессор.//Свидетельство об официальной регистрации программы для ЭВМ № 200061081 от 31.08.2000, РОСПАТЕНТ.

48. Хамитов Г.П. Имитация случайных процессов. Иркутск: Изд-во Иркутского университета, 1983. - 184с.

49. Коровкин С.Д., Левенец И.А., Ратманова И.Д., Старых В.А., Щавелев JI.B. Решение проблемы комплексного оперативного анализа информации хранилищ данных. СУБД, 1997, №5-6. с.47-51.

50. Щавелев Л.В., Коровкин С.Д., Левенец И.А. Агрегация и интеллектуальный анализ информации хранилищ данных//Новые информационные технологии. Материалы науч.-трак. семипара/Моск. гос. ии-т электроники и математики. М.: 1998. - с. 108-118.

51. Фигурин А.Л., Малыгин Л.Л. Современные методы и технологии прогнозирования в бизнесе и социальных процессах.//Информационные технологии в производственных, социальных и экономических процессах. Материалы конференции. Череповец: 1999. - с.209.

52. Черняховская Л.Р., Низамутдинов М.М. Анализ процессов управления в критических ситуациях на основе классификации с использованием нейронных сетей//Нейрокомпыотеры: разработка и применение. №4-5, 2001. с.73-76.

53. Фаттахов Р.В., Черняховская Л.Р., Низамутдинов М.М. Информационная поддержка процессов анализа и оценки инвестиционных проектов. Учебное пособие. Уфа: УГАТУ. 2001. - 120с.

54. Арзякова О.Н., Кормашева В.М., Агарков Г.А. Применение вероятностно-статистических методов в бухгалтерском учете /Советник бухгалтера в сфере образования и пауки. М.: Нефть и газ, №1, 1999. - с. 18-20.

55. Надежность и эффективность в технике: Справочник в Ют./ Ред. Совет: B.C. Авдуевский (пред.) и др. М.: Машиностроение, 1987. Т.9. Техническая кибернетика/Под общей ред. В.В. Клюева, П.П. Пархоменко.-352с.

56. Рыбина Г.В. Проектирование систем, основанных на знаниях. Учебное пособие. М.: МИФИ, 2000. - 104с.

57. Попов Э.В. Экспертные системы. М.: Наука, 1987.

58. Хейес-Рот Ф., Уотерман Д., Ленат Д. Построение экспертных систем. -М.: Мир, 1987.

59. Уотерман Д. Руководство по экспертным система. М.: Мир, 1989.

60. Стефанюк В.Л. Некоторые аспекты теории экспертных сис-тем//Известия АН СССР. Техническая кибернетика, 1987, №2, с.8591.

61. Форсайт Р. Экспертные системы. Принцип работы и примеры. М.: Радио и связь, 1987.

62. Поспелов Д.А. Ситуационное управление: Теория и практика. М.: Наука, 1986.

63. Элти Дж., Кумбс Н. Экспертные системы: концепции и примеры. -М.: Финансы и статистика, 1987.

64. Искусственный интеллект: Справочник. В 3-х томах. М.: Радио и связь, 1990.

65. Экспертные системы для персональных компьютеров: Справочное' пособие. Минск: Высшая школа, 1990.

66. Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ. М.: Финансы и статистика, 1990.

67. Нейлор К. Как построить свою экспертную системы. М.: Энергоатом издат, 1991.

68. Искусственный интеллект. Применение в интегрированных производственных системах/Под ред. Э. Кьюсиака. М.: Машиностроение, 1991.

69. Приобретение знаний/Под ред. С. Осуги, Ю. Саэки. М.: Мир, 1990.

70. Представление и использование знаний/Под ред. X. Уэно, М. Исидзу-ка.-М.: Мир, 1989.

71. Осуга С. Обработка знаний. М.:.Мир, 1989.

72. Хорошевский В.Ф. Автоматизация программирования экспертных систем: Учебное пособие. М.: МИФИ, 1989.

73. Стефанюк В.А. Консультирующая экспертная система с локальной организацией//Всесоюзная конференция по проблемам разработки и внедрения экспертных систем. М.: ВНИИНС, 1989. - с.33-39.

74. Стефанюк В.Л. Экспертные системы и их применение: Курс лекций. САИИ-ИППИ АН СССР. М.: НПО «Центрпрограммсистем», 1990.

75. Магазов С.С., Осипов Г.С. Типы переменных областей и модели знание/Сборник трудов «ИИ'98». Теория и применение искусственногоинтеллекта. Второй международный научный семинар. Т.2. Болгария,"Сазопол, 1989. -с.225-228.

76. Осипов Г.С. Метод формирования и структурирования модели знаний для одного типа предметных областей//Изв. АН СССР. Техническая кибернетика, 1988, №2. с.3-12.

77. Scott A.C., Clayton I.E., Gibson E.L. A Practical Guide to Knowledge Acquisition. Addision-Wesley Publishing Company, Inc. 1991.

78. Молокова O.C. Программные системы приобретения знаний//Новости искусственного интеллекта, 1992, №4. с.б-45.

79. Гаврилова Т.А., Червинская K.P. Извлечение и структурирование знаний для экспертных систем. М.: Радио и связь, 1992.

80. Осипов Г.С. Информационные технологии, основанные на знани-ях//Новости искусственного интеллекта. М.: АИИ, 1993, №1. - с.7-41.

81. Заволович О.В., Рыбина Г.В. Средства автоматизации приобретения знания в экспертных системах: классификация, современное состояние, сравнительный анализ/ЛТрограммные продукты и системы. Soft-ware&Systems. Тверь, 1993, №1. - с.54-58.

82. Белкин А.Р. Учет когнитивных и поведенческих особенностей человека-эксперта при построении систем искусственного интеллек-та//Программные процедуры и системы. Software&Systems. Тверь, 1993, №2. - сЛ3-18.

83. Readings in Knowledge acquisition and learning Edited by B.G. Buchanan & D.C. Wilkins. Morgan Kaufmann Publishers, Inc. San Mateo, -California, 1993.

84. Рыбин Г.В. Принципы создания автоматизированной технологии проектирования интегрированных экспертных систем//Новости искусственного интеллекта. М.: АИИ, 1993, №4. - с. 105-116.

85. Попов Э.В., Фоминых И.Б., Кисель Е.Б. Статические и динамические экспертные системы (классификация, состояние, тенденции). Методический материал. М.: ЦРДЗ, 1995.

86. Попов Э.В. Экспертные системы реального времени/ТМатериалы семинара «Экспертные системы реального времени». М.: ЦРДЗ, 1995. - с.5-22.

87. Попов Э.В. Искусственный интеллект-95. Состояние и тенден-ции//Динамические интеллектуальные системы в управлении и моделировании. Материалы семинара. М.: ЦРДЗ, 1996. - с.5-14.

88. Стробыкин Д.А. Организация машин параллельного логического вывода. Киев.: Изд-во ВятГТУ, 1999. - 189с.

89. Стробыкин Д.А. Логический вывод в системах обработки знаний/Под — ред. Д.В. Пузанкова. Спб.: СПбГЭТУ, 1998. - 164с.

90. Малышев Н.Г., Бернштейн Л.С., Боженюк A.B. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат, 1991. - 136с.

91. Бернштейн Л.С., Боженюк A.B. Нечеткие модели принятия решений: дедукция, индукция, аналогия. Таганрог: Изд-во ТРТУ, 2001. - 110с.

92. Кормышев В.М. Методика определения функции компетентности эксперта на основе математической модели./Автоматика и информационные технологии. Екатеринбург: УГТУ, 1999. - с.237-242.

93. Араксян В.В. Модель реализации диалоговых процедур в интерактивных системах. Изв. АН СССР «Техническая кибернетика», 1987, №5.- с.19-28.

94. Гаскаров Д.В., Голинкевич Т.А., Могалевский A.B. Прогнозирование технического состояния и надежности радиоэлектронной аппаратуры.- М.: Сов. Радио, 1974. 224с.

95. Розанов Ю.А. Случайные процессы. М.: Наука, 1979.

96. Линник Ю.В. Метод наименьших квадратов и основы теории обработки наблюдений. М.: Физматгиз, 1962.

97. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. М.: Статистика, 1973.

98. Прохоров Ю.В., Розанов Ю.А. Теория вероятностей. М.: Наука, 1973.

99. Гнеденко Б.В. Курс теории вероятностей. М.: Наука, 1969. Ш.Свешников A.A. Прикладные методы теории случайных функций.

100. Л.: Судпромгиз, 161. 112. Араксян В.В. Инструментальные средства реализации графов диалоговых процедур в интерактивных системах. УСиМ. 1986. - №4. -с.15-18.

101. Головкин Б.А. Машинное распознавание и линейное программирование. М.: Советсвое радио, 1973. - 99с.

102. Бикаев A.A., Грищенко В.И., Козлов В.Н. Оболочка экспертной системы со смешанной стратегией логического выбора. /Препринт. АНСССР,

103. Ин-т кибернетики им. В.М. Глушкова, 89-15. Киев: 1989. - 22с.

104. Гаскаров Д.В., Истомин Е.П., Кутузов О.И. Сетевые модели распределенных автоматизированных систем. СПб: Энергоатомиздат, Санкт-Петербургское отделение, 1998. - 353с.

105. Варжапетян А.Г. Обеспечение качества технических средств автоматизации.-С.: Машиностроение, 1984.-241с.302

106. Глущенко В.В., Варжапетян А.Г. Системы управления. М.: Вузовская книга, 2000. - 328с.

107. Попов С.А., Трифонов В.Н., Францев Р.Э. Информационная компьютерная технология как средство реализации системных принци- пов/Сб.науч. трудов «Информационные технологии на транспорте». -СПб: СПГУВК, 1996.-с.112-119.

108. Белый О.В., Копаев О.Г., Попов С.А. Архитектура и методология транспортных систем. СПб: «Элмор», 2002. - 256с.

109. Прангшвили И.В. Системный подход и общесистемные закономерности. М,: СИНТЕГ, 2000. - 528с.

110. Столбов В.В., Францев И.Р. Системы (анализ, моделирование, проектирование). СПб: Судостроение, 2002. - 140с.

111. Францев Р.Э. Автоматическое управление и контроль корабельных и дизель-газотурбинных энергетических установок. J1.: ВМФ, 1991. -375с.

112. Белый О.В., Попов С.А., Францев Р.Э. Транспортные сети России. (Системный анализ, управление, перспективы). СПб: ИПТРАН, СПГУВК, 1999.

113. Климов E.H., Попов С.А., Сахаров В.В. Идентификация и диагностирование технических систем. Я.: Судостроение, 1978. - 176с.

114. Элементы теории испытаний и контроля технических систем (Под — ред. проф. P.M. Юсупова). JL: Энергия, 1978. - 192с.

115. Гаскаров Д.В., Киселев В.Б., Солдатенко С.А., Строгонов В.И., Юсупов P.M. Введение в геофизическую кибернетику и экологический мониторинг. СПб: СПГУВК, 1998.- 165с.

116. Варжапетян А.Г., Коршунов Г.И. и др. Системы управления. Инжиниринг качества. М.: «Вузовская книга», 2001. - 315с.

117. Кузнецов С.Е., Филев B.C. Основы технической эксплуатации судового электрооборудования и автоматизации. СПб: Судостроение, 1995.- 448с.

118. Попов С.А., Францев Р.Э. и др. Основы автоматизации проектирования систем управления. СПб: СПГУВК, 1995 (ч.1). - 57с; 1996 (ч.И).- 102с.

119. Кулибанов Ю.М. и др. Основы создания сложных информационных систем. СПб: СПГУВК, 1998. - 72с.

120. Бутов A.C., Гаскаров Д.В. и др. Транспортные системы. Моделирование и кправление. СПб: Судостроение, 2001. - 533с.

121. Бендерская Е.Н., Колесников Д.Н. и др. Системный анализ и принятие решений. Учебное пособие. СПб: СПГТУ, 1999. - 205с.

122. Бендерская Е.Н., Колесников Д.А. и др. Моделирование систем с использованием теории массового обслуживания. Учебное пособие. -СПб: СПГПУ, 2003. 180с.

123. Бродский Е.Л., Сикарев А.А. Проблемы безопасности судоходства на Неве: Программа «Нева-2000». В сб.науч.тр. «Информационные проблемы транспортных систем». СПб: СПГУВК, 2000. - с. 15-18.

124. Гринкевич Я.М., Сахаров В.В. Наблюдатели и оцениватели состояния в судовых системах управления. СПб: СПГУВК, 2001. - 193с.

125. Глущенко В.В., Сахаров В.В., Сумеркин Ю.В. Моделирование и оптимизация динамических систем и электрических цепей в среде Mathlab. СПб: СПГУВК, 1998. - 297с.

126. Копанев А. А. Информационное и техническое обеспечение тренажерных комплексов. СПб: СПГУВК, 1998. - 139с.

127. Копанев А.А. Информационные системы судовых энергетических установок. СПб: СПГУВК, 1999. - 77с.

128. Вентцель Е.С. Теория вероятностей. М.: Физматлит, 1966.