автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.16, диссертация на тему:Принципы построения и реализация системы долгосрочного прогнозирования природообусловленных составляющих энергетики

Введение

1 Постановка и подход к решению задачи долгосрочного прогнозирования природообусловленных составляющих энергетики

1.1 Влияние природообусловленных составляющих на развитие энергетики

1.2 Особенности долгосрочного прогнозирования природных процессов

1.3 Постановка задачи и требования к программному обеспечению развиваемой прогностической системы ГИПСАР.

1.4 Анализ современных информационных технологий для решения задачи долгосрочного прогнозирования.

1.5 Особенности подхода к реализации системы ГИПСАР.

2 Развитие аппроксимативных методов долгосрочного прогнозирования

2.1 Общая характеристика аппроксимативных методов долгосрочного прогнозирования

2.2 Формализация методологии долгосрочного прогнозирования.

2.2.1 Оптимизация как базовое средство настройки внутренних параметров

2.2.2 Верификация как индикатор приемлемости методов прогнозирования

2.2.3 Уточнение параметров и формирование прогнозной траектории

2.3 Развитие метода аналоге-сходственных соотношений.

2.3.1 Основы метода аналого-сходственных соотношений

2.3.2 Выбор эталона и формирование списка аналогов

2.3.3 Способы выбора мер близостей аналогов.

2.3.4 Комплексирование способов выбора мер близостей аналогов

2.3.5 Параметры оптимизации метода.

2.4 Метод аппроксимации результатов наблюдений.

2.4.1 Основные принципы метода.

2.4.2 Формы мер влияния и способ их выбора.

2.4.3 Обучение с одним фактором влияния.

2.4.4 Обучение с множеством факторов влияния

2.4.5 Параметры оптимизации метода.

2.5 Комплексирование методов как средство повышения качества, прогноза

2.6 Подход к прогнозированию экстремальных значений показателей

2.7 Вычислительные трудности реализации аппроксимативных методов

3 Среда ЗИРУС как эффективное средство создания и развития прогностической системы ГИПСАР

3.1 Концепция среды ЗИРУС и ее экспериментальные реализации.

3.2 Модель данных среды.

3.3 Модель программ среды

3.4 Язык описания логико-функциональных связей как средство обеспечения целостности данных

3.5 Структура среды

3.6 Технология разработки приложений в среде.

3.7 Перспективы развития ЗИРУС.,.

3.8 Специфика применения среды для реализации системы ГИПСАР

4 Системные компоненты ГИПСАР

4.1 Пакет диалогового взаимодействия

4.2 Гипертабличный редактор.

4.3 Редактор табличных форм.

4.4 Пакет формирования и вывода графиков.

4.5 Пакет преобразования структур данных.

4.6 Пакет визуализации схем данных.

4.7 Пакет по поддержке интерфейсов.

5 Реализация методов прогнозирования и функции системы ГИПСАР

5.1 Конфигурация и основные функции системы ГИПСАР.

5.2 Объекты системы.

5.3 Реализация базы данных для хранения первичной информации.

5.4 Реализация метода аналого - сходственных соотношений

5.5 Реализация метода аппроксимации результатов наблюдений

5.6 Функции анализа и статистической обработки.

5.7 Выходные прогностические документы и технология работы пользователя системы.

6 Результаты эксплуатации системы и перспективы ее развития

6.1 Подготовка базы данных исходной информации.

6.2 Исследование закономерностей протекания природных процессов

6.3 Результаты прогнозирования природообусловленных показателей энергетики

6.3.1 Гидрологические прогнозы.Г

6.3.2 Прогнозирование температур воздуха.

6.3.3 Прогнозирование солнечной активности.

6.3.4 Прогнозирование других показателей.

6.4 Анализ результатов эксплуатации системы

6.5 Разработка и включение в систему новых методов прогнозирования

Актуальность исследований. Долгосрочное прогнозирование (ДП) природо-обусловленных составляющих энергетики (объединяющей те элементы производства, транспортировки и потребления энергии, которые в значительной степени зависят от динамических природных процессов) не только не теряет своей значимости в настоящий момент из-за не всегда высокой надежности прогноза, но становится все более насущной задачей при переходе к рыночным методам управления экономикой, когда даже незначительные ущербы, наносимые природой энергетике, немедленно отражаются на состоянии экономики. Особенно актуальным долгосрочное прогнозирование становится во времена экономических кризисов, когда нехватка ресурсов не позволяет предотвратить нежелательные последствия влияния природно-климатических факторов еще на ранних стадиях их развития.

Надежный долгосрочный прогноз приточности в водохранилища и бассейны рек важен для стабильной выработки электроэнергии на ГЭС. Так, на водохранилищах Ангарского каскада ГЭС периодически наблюдаются длительные маловодные периоды, когда вынужденная работа гидроузлов при низких напорах снижает выработку электроэнергии до 10%, что приводит к удорожанию ее себестоимости, являющейся сильным возмущением для экономики в целом.

В бывшем СССР разрабатывались специальные энергетические программы на длительную перспективу (например [32]), направленные на:

- увеличение эффективности управления топливно-энергетического комплекса (ТЭК), включающего получение, передачу, преобразование и использование различных видов энергии;

- улучшение экономических показателей производства и потребления топливно-энергетических ресурсов (ТЭР), на составляющие которых важную роль играют динамически изменяющиеся природные факторы (такие как метеорологические, гидрологические, гелиофизические и др.);

- уточнение показателей топливно-энергетического баланса. (ТЭБ), природообусловленные составляющие которого занимают значительное место как в его приходной, так и расходной частях.

Такие программы не учитывали множество факторов, актуальных на современном этапе. Это прежде всего природные факторы риска энергетической безопасности в связи с новым геополитическим статусом России. Намечена переориентация развития энергетики Сибири с учетом ее интеграции в энергетическое пространство азиатско-тихоокеанского региона [14]. Для осуществления новых программ желательно было бы иметь более точные сведения о грядущей природной обстановке, например, об ожидаемых маловодьях и наводнениях на крупных ГЭС, часть энергии которых предполагается перебрасывать в страны этого региона.

Что касается учета негативных последствий влияния природных факторов, то имеется обоснование необходимости разработки общенациональной федеральной целевой программы " Снижение рисков и смягчение последствий чрезвычайных ситуаций природного и техногенного характера в Российской Федерации до 2005 года" [39]. Анализ данных о чрезвычайных ситуациях за последние 5 лет показывает, что сохраняется устойчивая тенденция их роста, в среднем на 5,1 процентов в год [39]. На 42 процента возросло число чрезвычайных ситуаций природного характера. Территория России подвержена воздействию широкого спектра опасных природных явлений и процессов: геологического, гидрологического и метеорологического происхождений, а. также лесных и торфяных пожаров. Учитывая тенденцию ежегодного возрастания масштабов чрезвычайных ситуаций и вызываемого ими ущерба, экономика страны, в перспективе, окажется не в состоянии восполнить потери от чрезвычайных ситуаций природного и техногенного характера. В этой программе особой строкой подчеркивается необходимость ее адаптации на территориальном уровне, а также выделены пункты:

- по продолжению совершенствования техники предсказания опасных природных процессов и явлений с выделением приоритетных направлений по разработке и внедрению методов долгосрочного и сверхдолгосрочного прогнозирования;

- по обеспечению нормального функционирования сетей наблюдения и контроля за состоянием окружающей природной среды с учетом их оптимизации и централизации управления;

- по осуществлению в субъектах Российской Федерации предупреждающих мер по защите населения от природных опасностей с выполнением мероприятий по снижению природного риска территорий как одного из важнейших условий устойчивого развития.

Из сказанного выше следует, что необходимость разработки и совершенствования долгосрочных методов прогнозирования природных процессов с осуществлением соответствующих процедур по их применению поддерживается в настоящее время на правительственном уровне. Ранее (более 5 лет назад), к сожалению, не было уделено должного внимания проекту по созданию центра долгосрочного прогнозирования природных процессов [44] для народного хозяйства страны.

Важность прогнозирования приточностей в водохранилища для эффективного регулирования Ангаро-Енисейского каскада ГЭС описана. А.Н. Афанасьевым [3], И.П. Дружининым [17], В.А. Савельевым [45] и др. Исследования В.И. Зоркальцева [22] по оценке колебаний в топливообеспечении различных регионов страны приводят к выводу о важности прогнозов максимально-низких и среднезимних температур для осуществления оптимального запаса и эффективной передислокации топлива.

Обоснование необходимости применения долгосрочного прогнозирования в энергетике (включая использование новых видов энергии [51]) показано в работах А.П. Резникова [41, 42, 44]. Что касается возможного дублирования по разработке различных методов прогнозирования, их программных реализаций, то, как неоднократно подчеркивает в своих работах А.П.Резников, оно не только имеет право на существование из-за несравнимых затрат на их разработку и возможного предотвращения экономических потерь, наносимых природой, но даже желательно с точки зрения повышения надежности результатов [44].

Если в недалеком прошлом прогностические методы основывались на обработке статистической информации относительно простыми математическими методами, такими как: регрессионный анализ [16], построение автокорреляционных функций [16, 33], вероятностные методы [19], использование методов выявления пространственно-временных зависимостей в виде интегрально-разностных кривых [6], то, в настоящее время, с быстрым ростом производительности вычислительной техники, появляются реализации значительно более сложных методов прогнозирования. Среди них хотелось бы отметить методы В. А. Понько, основанные на учете и специфической обработке различной астрономической информации в виде предикторов множества земных явлений [36], которые реализованы в виде программной системы "Экопрогноз". Интересным с практической точки зрения является подход к комплексированию различных методов прогнозирования у H.H. Завалишина, наряду с его собственными разработками методов [21, 47].

Что касается программных реализаций методов долгосрочного прогнозирования, то, в настоящее время, нет проблемы выбора соответствующего базового программного обеспечения для реализации простых с математической точки зрения методов. Что касается сложных систем, какими являются объекты энергетики, то для них нужно разрабатывать специальные информационные технологии, обеспечивающие соответствующее качество [28] и взаимоувязку подчиненных компонентов. Если же методы прогнозирования достаточно сложны и имеется необходимость постоянного их совершенствования, то требования к выбору или разработке базового программного обеспечения возрастают настолько, что процесс их реализации должен включать все этапы жизненного цикла программного продукта - разработку технического задания, проектирование, кодирование, отладку, тестирование и сопровождение [64, 71, 96, 98, 99, 126]. Все те жесткие требования, предъявляемые к разработке больших программных систем, не только справедливы в этом случае, но еще в значительной мере усиливаются в связи с тем, что сами методы, которые опираются на множество эвристических алгоритмов различной природы, могут существенно модифицироваться вплоть до смены их базиса после проведения серий численных экспериментов.

Методология долгосрочного прогнозирования, разработанная- А.П.Резниковым [41, 42], включает три базовых метода, основанных на применении аппроксимативных обучающихся систем с широким использованием процедур оптимизации и позволяющих выявлять внутренние закономерности исследуемых процессов, а также принимать решения с учетом изменчивости закономерностей со временем:

- аппроксимативную дискретную обучающаюся систему (А ДО С), основанную на учете мер влияния внешних факторов на исследуемый процесс в виде дискретного набора возбуждающихся связей;

- аппроксимативную континуальную обучающаюся систему (АКОС), основанную на учете непрерывно заданных мер влияния с возможностью получения прогностических показателей, выходящих за пределы накопленного диапазона разброса прогнозируемого показателя; метод аналого-сходственных соотношений (МАСС), основанный на выявлении подобия протекания процессов с различной заблаговременностыо и построении алгоритмически заданной прогностической функции.

Эти методы, названные АОР-методами (аппроксимативные обучающиеся методы А.П. Резникова), включают процедуры обучения, оптимизации заданных или выбранных каким-то методом параметров с целью формирования прогностической функции, ее дальнейшей верификации на независимой подвыборке и непосредственного прогнозирования на длительную перспективу. Реализация этих методов требует больших вычислительных мощностей компьютеров и развиваемой информационной поддержки. Они относятся к классу сложных или очень сложных (с точки зрения сочетания на разных этапах обработки эвристических методов со строгими методами оптимизации).

Хотя АОР-методы Резникова были реализованы самим автором по отдельности в разное время на ЭВМ БЭСМ-6, их реализации не удалось перенести даже в урезанном виде на персональные компьютеры, в первую очередь, вследствие сложности их адаптации к новым программным условиям функционирования, не говоря об их дальнейшем развитии. ¿Алгоритмизация АОР-методов характеризуется множеством контуров оптимизации и разнородных эвристических приемов для предсказания, что делает критичным требования по быстродействию, наглядности, верификации и развитию. С появлением новых вычислительных возможностей и различных парадигм программирования (объектно-ориентированный подход, искусственный интеллект, визуальное программирование и др.) стало возможным по новому взглянуть на разработанные ранее АОР-методы ДП с целью их эффективной компьютерной поддержки и развития.

Несмотря на обилие современных информационных технологий, выбор необходимых инструментальных средств для реализации сложных задач, к которым относится и рассматриваемая задача долгосрочного прогнозирования, затруднителен (тем более, если планируется существенное развитие в дальнейшем).

Использование в качестве системной основы реализации задачи долгосрочного прогнозирования среды программирования, тем более развиваемой, является наиболее перспективным (по мнению автора), т.к., в этом случае, развиваемость системы заложена в ее базовой основе.

Объектом исследования является множество геофизических, гелиофизических и астрофизических процессов, оказывающих существенное влияние на развитие энергетики и развивающихся в системах различных масштабов (точечных, региональных, континентальных и др.), охватывающих промежутки времени от десятилетий до столетий с заблаговременностью прогнозирования от одного года до нескольких десятилетий. Среди них выделяются наиболее значимые для энергетики процессы: гидрологические (сток рек, приточность в водохранилища, уровни вод, ледовый режим гидросистемы); погодно-климатические (параметры атмосферы, характеристики отопительного и вегетационного периодов); гелиофизические (солнечная активность); геофизические (геомагнитное и электрическое состояние планеты, структура атмосферы); планетарные (изменчивость скорости вращения Земли, приливные силы), гелиогеофизические (солнечно-земные связи, гелиоэнергетический потенциал в различных точках Земли); экологические (пожароопасность, парниковый эффект и его последствия, экологическая устойчивость и др.).

Предметом исследования являются: формализация, развитие и программная реализация методов ДП энергетически важных природных процессов, основанных на аппроксимации скрытых и изменчивых закономерностей; создание среды программной реализации АОР-методов ДП и их увязка в единую систему.

Цель диссертационной работы. Разработка принципов построения и программная реализация на современной компьютерной основе гибридной информационно-прогностической системы (ГИПСАР) для предсказания природообусловленных составляющих энергетики АОР-методами.

Методами и средствами исследования являются: статистический, корреляционный, регрессионный анализ; методы конечномерной оптимизации; теоретическое, системное и прикладное программирование; моделирование данных и знаний, а также применение объектно-ориентированного и логического подходов в реализации и развитии прогностической системы.

Научную новизну исследования составляют:

1. Формализация, в виде математической (вычислительной) технологии энергетически важных природных процессов на основе известных результатов по ДП, а именно: а) метода аналога-сходственных соотношений (МАСС) с различными способами выбора мер сходства; б) метода аппроксимации результатов наблюдений (АРН) с учетом возмущающих факторов, построенного на базе методов, именуемых аппроксимативными дискретными и континуальными обучающимися системами — АДОС и А КО С, соответственно [41, 42].

2. Создана новая информационная технология ДП природообусловленных составляющих энергетики, интегрирующая разные методы ДП, эффективная по вычислительным критериям и допускающая дальнейшее наращивание математических методов.

На защиту выносятся следующие результаты:

1. Формализация методологии ДП с методами аналого-сходственных соотношений (МАСС) и аппроксимации результатов наблюдений (АРН) природообусловленных составляющих энергетики в виде набора оптимизационных задач и средств верификации методов.

2. Принципы построения гибридной информационно-прогностической системы ГИПСАР на базе среды программирования ЗИРУС (также принадлежащей автору).

3. Реализация программной системы ГИПСАР на основе методов МАСС и АРН с обеспечением: а) анализа получаемых результатов по критериям их эффективности; б) синтеза прогнозов.

Практическая ценность. Первая версия системы ГИПСАР успешно эксплуатируется в ИСЭМ СО РАН, обеспечивая требуемый объем прогностических показателей для оценок приточностей в водохранилища Ангаро-Енисейского каскада ГЭС, ожидаемых осадков, среднесезонных и среднемесячных температур. Результаты расчетов периодически внедряются в Ангаро-Байкальское бассейновое управление и в Администрацию Иркутской области для принятия решений по оперативному регулированию функционирования ГЭС в условиях сложившегося в настоящее время маловодья. Среда ЗИРУС создана и внедрена вместе с приложениями СипКдо и БухУчет в ИДСТУ СО РАН. Выполнены также внедрения в Комитете по экономике Администрации Иркутской области, в Школе высшего спортивного мастерства (г. Иркутск), в АО "Иркутск-кабель", в больнице N9 г. Иркутска, на комбинате "Печоршахто-строй"и другие.

Апробация работы. Основные результаты работы докладывались на семинарах и конференциях различного уровня: Всесоюзная конференция "Диалог Человек - ЭВМ"(Свердловск, 1989); Научно-техн. конференция "Автоматизированные системы научных исследований"(Иркутск, 1989); Всесоюзная конф. "Информационное и алгоритмическое обеспечение систем управления"(Москва — Переславль-Залесский,

1989); Всесоюзный семинар 'Томеостатика живых и технических систем"(Минск,

1990); Международная конф. "Технология программирования 90-х"(Киев, 1991); Международная конф."Методы и программное обеспечение систем автоматического управления" (Иркутск, 1991); IX Всесоюзная научная школа по пакетам прикладных программ (Адлер, 1991); Всероссийские школы "Компьютерная логика, алгебра и интел-лектное управление", "Проблемы анализа стратегической стабильности и устойчивости развития"(Иркутск, 1994); Всероссийский семинар "Системы поддержки принятия решения для исследований и управления энергетикой" (Иркутск, 1996); Международный семинар 'Томеостатика живых, технических и социальных систем" (Иркутск, 1997); XI Международная Байкальская школа-семинар "Методы оптимизации и их приложения"(Иркутск, 1998); Научно-практическая конф."Водные ресурсы Байкальского региона: проблемы формирования и использования на рубеже тысячелетий" (Иркутск, 1998).

Публикации. По теме диссертации опубликованы 22 печатные работы.

Диссертация состоит из б-ти глав, введения, заключения, 6-ти приложений, списка литературы из 175 пунктов, списка сокращений и предметного указателя. Она включает "135 страниц основного текста, 24 рисунка и 5 таблиц.

Выводы. Описанные в данной главе инструментальные пакеты составляют системную основу ГИПСАР. Например, пакет поддержки меню позволяет оперативно его перенастраивать, что очень важно при исследовании побочных явлений в прогнозировании. Гипертабличный редактор является неотъемлемой частью визуализации и редактирования произвольных фрагментов данных. Пакет графического взаимодействия является составной частью процесса прогнозирования. Особенностью реализации инструментальных пакетов является то, что они, фактически, не связаны с конкретной спецификой долгосрочного прогнозирования и могут быть применены для решения других задач.

Реализованный в среде ЗИРУС инструментарий по поддержке языка ОЛФИС в виде транслятора и интерпретатора его обработки не был рассмотрен, т.к. их применение в существующей версии ГИПСАР пока ограничено. Предполагается их активное использование в следующей версии системы.

Глава 5

Реализация методов прогнозирования и функции системы ГИПСАР

Система ГИПСАР реализована полностью в среде ЗИРУС и включает в себя как стандартные инструментальные пакеты среды, описанные в главе 4, так и особые, реализующие методы прогнозирования, специфическую обработку данных и их анализ. Система построена в виде 4-х компонетов, характеризующихся собственным управлением меню (взаимодействие с базами данных, прогнозирование методом аналого-сходственных соотношений, прогнозирование методом аппроксимации результатов наблюдений, анализ исходной и прогностической информации).

5.1 Конфигурация и основные функции системы

ГИПСАР

Система ГИПСАР включает развитую базу данных, несколько методов прогнозирования в виде специализированных пакетов, инструментарий для верификации алгоритмов, а также для организации различного вида ввода исходной информации и формирования выходных прогностических документов. Общая схема системы приведена на рисунке 5.1. Структура базы данных включает:

- архивы исходной информации в виде статистических временных рядов;

- параметры настройки методов и их модификаций и показатели управления процессом прогнозирования;

- архив выходной информации в виде прогностических траекторий, полученных различными методами при разных параметрах;

Рис. 5.1. Схема связей ГИПСАР.

- дополнительную информацию, связанную с алгоритмами статистической обработки рядов (скользящее осреднение, интегрально-разностные кривые и др.).

Файлы описания типов сегментов системы, конфигурации, ввода из текстовых файлов описаны в приложениях 1-3. Основные функции, реализующие непосредственно методы и оперативную обработку данных, приведены в приложении 4. Пример системного выходного документа приведен в приложении 5.

Основными функциями системы являются:

• настройка параметров прогностического эксперимента в виде задания специальной информационной структуры, связывающей различные сегменты параметров управления в единое целое (в виде cera, см. гл. 3) с сохранением их в базе сегментов;

• выбор управляющей информационной структуры из базы сегментов с оперативной корректировкой параметров;

• запуск процедуры формирования показателей прогностической функции через последовательное выполнение шагов оптимизации, верификации и уточнения показателей на обобщенной оптимизационно-верификационной подвыборке;

• формирование прогностической траектории с заблаговременностью до нескольких десятилетий с формированием и записью в базу выходных прогностических документов;

• ввод исходной информации с клавиатуры или из входных текстовых файлов с записью ее в базу сегментов;

• формирование интегрально-разностных кривых как для одного, так и для нескольких рядов с сопоставлением их на одном графике и в одной таблице;

• оперативное проведение скользящих осреднений ряда по задаваемым параметрам для выявления скрытых закономерностей протекания процессов;

• формирование таблицы коэффициентов корреляции фрагментов ряда;

• выполнение различных сервисных функций по настройке параметров графиков, выходных документов и ведения базы данных.

Ввод исходной информации может осуществляться двумя способами: 1) из текстового файла по заданному формату; 2) непосредственно через табличный редактор. Кроме того, в системе имеется возможность ввода из файлов DBF-формата. При формировании информации оперативно осуществляется интервальный контроль и-отмечаются лакунарные точки (пробелы в данных). По завершению ввода формируется график для визуальной оценки исходных рядов. Инструмент агрегирования информации за более длинный интервал времени, определения средних значений, средне-квадратичных отклонений, а также формирования интегрально-разностных кривых с использованием метода скользящего осреднения (МСО), который позволяет оперативно исследовать исходную информацию перед ее записью в архив данных.

Система позволяет формировать графики изменения различных параметров и оперативно выводить их на экран дисплея (с возможностью фрагментарного просмотра и печати). Кроме того, с помощью встроенного в ЗИРУС графического редактора можно их дооформить по желанию прогнозиста. Диалог в системе организован с использованием набора "висячих"окон-меню с гибкими средствами их оперативной настройки на текущие потребности. Система включает заглушки для подключения дополнительных методов прогнозирования и комплексирования их с базовыми.

В систему включены средства визуализации процесса прогнозирования в реальном масштабе времени, параметрически задаваемые как на этапе запуска, так и оперативно изменяемые. С помощью этих средств можно отслеживать все изменения в сегментах данных с целью проверки правильности работы алгоритмов, а также выявления тонких эффектов прогнозирования.

5.2 Объекты системы

Структура данных системы реализована в виде отдельного пакета. Она включает сегменты: исходной и выходной информации, управления, вспомогательные.

Сегменты исходной информации, sec/3 = (Iden, {*sei;}) - сегмент списка временных рядов, содержит ссылки {*seti} на сегменты {seg4k}. Iden - представляет набор информационных полей для описания времени, места наблюдений и некоторую дополнительную информацию. segA — (Iden, god, {у¿\) - описывает показатели временного ряда, начинающегося с года, определяемого параметром god. Если показатель у^ отсутствует, то он считается лакуной и заносится специальным символом '—' в сегмент.

Сегменты параметров управления. seglO = (*set4,*setll,*setl5,*setlQ,me-tod, Rinf,{timek}) - головной сегмент задания параметров. Он содержит ссылки на сегменты setA,setl 1, se£15,seil6. Переменная часть {timek} содержит временные характеристики отдельных этапов процесса прогнозирования. Д;п/ - включает набор параметров, определяющих вид визуализации, процесса прогнозирования; metod

- определяет метод прогнозирования и принимает следующие значения: 0,1,2 - для выбора соответствующего способа МАСС ; 3 - для одновременной работы всех под-методов МАСС на конкурентной основе; > 10 - для запуска, метода АРН. sec/11 = (кО, kv, {пг-}) - определяет точки оптимизации и верификации подвыборок с длинами кО и kv соответственно, щ - относительный номер точки ряда sec/4. sei/15 = (Par, ZO,{(nornk,min,max,delta)i}) - степень квантования параметров оптимизации для метода МАСС. Par - описывает вспомогательные значения для метода оптимизации. Z0 - минимальная заблаговременность; потк - наименование коэффициента; min, max - минимальное, максимальное значения коэффициента, с шагом разбиения delta, seglö = {патк, min, max, delta] - определяет диапазон изменения внешних параметров оптимизации, таких как: начальное смещение ряда; количество шагов скользящего осреднения ряда; весовой коэффицент скользящего осреднения и др. sec/49 = (*sec/10, namf, I den, Par, Oper) - сегмент параметров выходного документа; *seg 10 - ссылки на сегмент sec/10; nam f - имя файла выходного документа; Iden

- информация о виде прогнозирования; Par - параметры внутреннего управления; Oper - информация об операторе.

Сегменты выходной информации, sec/25 = ({god, yl,y2,y3,yk,y^act,delta}i) -задает прогностическую информацию для трех лучших внутренних решений у 1, у2, у3 и комллексированыое значение у к. Они содержат также фактическую информацию yj'ict для прогнозирования на оптимизационной и верификационной подвыборках, а также ошибку прогнозирования для комплексированного решения. Сегменты такой структуры формируются отдельно для оптимизационной, верификационной, уточненной (опимизационная + верификационная) и прогностической подвыборок.

На основе перечисленных сегментов формируется выходной документ, содержащий информацию о процессе прогнозирования совместно с графиками исходного ряда и прогнозной траектории, примеры которого приведены в главе 6.

Метод АРН. Этот метод содержит дополнительные сегменты описания исходных мер влияющих факторов, а также промежуточные данные необходимые для его работы. seg50 = (Iden, {к, d, г}) - содержит дискретный набор коэффициентов, используемых для определения исходной меры для вычисления по формуле 2.16. segbl — (IcLen,{yi}) - описывает дискретное представление функции распределения на основе выбора коэффициентов segbO] используется для описания мер влияющих факторов. segb2 - имеет структуру, аналогичную segbl; используется для описания меры исследуемого показателя. seg53 = (Iden, {(пат, z0, Zk, tip)i}) ~ описывает список влияющих факторов с заданным диапазоном заблаговременностей; имя влияющего фактора определяется параметром пат{. segbA - содержит список текущих весовых коэффициентов используемых при оптимизации.

5.3 Реализация базы данных для хранения первичной информации

К первичной информации относятся статистические временные ряды с периодичностью один год (иногда месяц). Требования к структуре хранения заключались прежде всего в: надежности, быстроте чтения, эффективности поиска, компактности и полноте. База данных (БД) первичной информации подразделена на отдельные тематические базы (приточность в водохранилища, температуры, осадки, характеристики атмосферы и др.), каждая из которых представляет собой список рядов с заданным набором атрибутов. Пример содержимого базы данных (в виде набора отдельных рядов) приведен в таблице 5.1.

Заключение

Разработке гибридной информационно-прогностической системы (ГИПСАР) пред-шевствовала длительная работа как по созданию методологии долгосрочного прогнозирования (ДП), основанной на АОР-методах, так и по развитию концепции развиваемой инструментальной среды программирования ЗИРУС, позволяющей эффективно объединять в единую систему разнородные компоненты при минимальном использовании базовых системных средств. Оказалось, что разработанная версия среды ЗИРУС не только отвечает требованиям, предъявленным к ГИПСАР, но и позволяет осуществлять модернизацию АОР-методов прогнозирования путем введения новых эвристических или аналитических связей на разных уровнях реализаций алгоритмов.

Основными результатами диссертационной работы являются следующие.

1. Формализована методология ДП природообусловленных составляющих энергетики в виде набора оптимизационных задач и средств верификации методов.

2. Формализован, развит и включен в единую математическую технологию метод ДП на основе аналого-сходственных соотношений (МАСС) с различными способами выбора мер сходства.

3. Формализован, развит и включен в единую математическую технологию метод ДП на основе аппроксимации результатов наблюдений (АРН) с учетом возмущающих факторов.

4. Разработаны принципы построения гибридной информационно-прогностической системы ГИПСАР на основе среды программирования ЗИРУС в качестве средства создания и развития системы.

5. Реализована программная система ГИПСАР на основе аппроксимативных методов МАСС и АРН с обеспечением: а) анализа получаемых результатов по критериям их эффективности; б) синтеза прогнозов.

6. Реализованы компоненты системы ГИПСАР по анализу и статистической обработке исходной и прогностической информации для отбора влияющих факторов.

7. С помощью системы ГИПСАР получены и внедрены прогнозы (месячные, квартальные, годовые) для Ангаро-Байкальского бассейнового водохозяйственного управления и Администрации Иркутской области с целью более эффективного управления режимами работы ГЭС.

В настоящее время система ГИПСАР используется как средство получения сре-десезонных прогнозов приточностей в водохранилища и бассейны рек, температур воздуха, осадков, солнечной активности и других естественных процессов, составляющих основу природообусловленных компонентов энергетики. Для развития системы прогнозирования ГИПСАР, требуется включение методов отбора и использования влияющих факторов, повышение точности оптимизационных задач и реализация более совершеннной программной версии среды, включающей: а) широкое использование средств искусственного интеллекта; б) распараллеливание методов и подметодов; в) преобразование программных моделей; г) программную оптимизацию алгоритмов по заданным параметрам и критерию; д) выделения минимально необходимого состава программных средств, обеспечивающих решение поставленнной задачи.

Автор надеется, что реализация следующей версии среды ЗИРУС (по предложенным в работе направлениям развития) позволит полностью решить системные задачи ГИПСАР (на всех этапах ее жизненного цикла). С другой стороны, дальнейшее развитие методов прогнозирования на основе нахождения фундаментальных закономерностей поведения исследуемых процессов и с применением средств искусственного интеллекта (а также распараллеливания процессов) позволит создать надежный инструмент по долгосрочному прогнозированию и его эффективно использовать в народном хозяйстве страны, о чем было заявлено в работе [44].

1. Методы и средства долгосрочного прогнозирования природообусловленных процессов

2. Агроклиматические ресурсы Сибири // Сб. научных трудов Академии сельскохозяйственных наук. Новосибирск, 1987. - 187 с.

3. Алехин Ю.М. Статистические прогнозы в геофизике. Доклад на соискание ученой степени доктора технических наук. Ленинград, 1965. - 38 с.

4. Афанасьев А.Н. Колебания гидрометеорологического режима на территории СССР. М: Наука, 1967. -231 с.

5. Ахиезер Н.И. Лекции по теории аппроксимации. М.: Наука, 1965. - 407 с.

6. Багров H.A., Кондратович К.В., Педь Д.А., Угрюмое А.И. Долгосрочные метеорологические прогнозы. Л: Гидрометиздат, 1985. - 248 с.

7. Бережных Т.В., Резников А.П. Фоновое прогнозирование речного стока на основе пространственно временных закономерностей // География и природные ресурсы. - Новосибирск: Наука, 1996. N. 4. - С. 17-24.

8. Борисов А.Е., Вулъф Т.Н., Осис Я.Я. Прогнозирование состояния сложных систем с использованием теории размытых множеств // Кибернетика и диагностика, вып.5. Рига: Зинатне, 1972. - С. 79-84.

9. Брусиловский П.М. Многокритериальная оценка методов прогнозирования и задача комплексирования альтернативных прогнозов // Метеорология и гидрология, 1986, N 10, С. 18-25.

10. Вителъс Л.А. Синоптическая метеорология и гелиофизика. Л: Гидрометиздат, 1977. - 255 с.

11. Витинский Ю.И. Цикличность и прогнозы солнечной активности. Ленинград: Наука, 1973. - 257с.

12. Витинский Ю.И., Копецкий М., Куклин Г.В. Статистика пятно-образовательной деятельности солнца. М: Наука, 1986. - 296 с.

13. Гласс Л., Мэки М. От часов к хаосу. Ритмы жизни. М: Наука, 1986. - 296 с.

14. Воронин Ю.А. Введение мер содства и связей для решения геологогеофизических задач // Докл. АН СССР, 1971, т. 199, N 5, С. 1011-1014.

15. Восточная энергетическая политика России и проблемы интеграции в энергетическое пространство азиатско-тихоокеанского региона. Иркутск: ИСЭМ СО РАН, 1998. - 151 с.

16. Гире A.A. Многолетние колебания атмосферной циркуляции и долгосрочные метеорологические прогнозы. Л: Гидрометиздат, 1971. - 280 с.

17. Гире A.A., Кондратович К.В. Методы долгосрочных прогнозов погоды. Л: Гидрометиздат, 1978. - 343 с.

18. Дружинин И.П. Долгосрочный прогноз и информация. Новосибирск: Наука, 1987. - 255 с.

19. Дружинин И.П., Коноваленко З.П., Кукушкина В.П., Хамъянова Н.В. Речной сток и геофизические процессы. М: Наука, 1966. - 295 с.

20. Дружинин И.П., Сазонов Б,И., Ягодинский В.Н. Космос-Земля. Прогнозы. М: Мысль, 1974. - 288 с.

21. Дружинин И.П., Смага В.Р., Шевнин А.Н. Динамика многолетних колебаний речного стока. М: Наука, 1991. - 176 с.

22. Зоркалъцев В.И. Колебания потребности в топливе на отопление по экономическим районам СССР / Препринт N8. Иркутск: ИСЭМ СО РАН, 1998. - 25 с.

23. Зубаков В. А. Глобальные климатические события плейстоценна. JT. Гидроме-тиздат, 1986. - 288 с.

24. Иваньо Я.М. Циклы экстремальных характеристик тепла и влани как повторение ритмов внешних сигналов //Тр. IV межд. конф. "Циклы природы и общества". Ставрополь: Изд-во университета, 1996. - С.128-135.

25. Иваньо Я.М. Региональная модель управления водными ресурсами в период наводнений //Тр. XI межд. Байкальской школы семинара "Методы оптимизации и их приложения", т.З - Иркутск: ИСЭМ СО РАН, 1998. - С.83-86.

26. Кендэл М. Временные ряды. М: Финансы и статистика, 1981. - 199 с.

27. Колебания климата за последнее тысячилетие / Под ред. Е.П. Борисенкова, JT: Гидрометиздат, 1988. - 288 с.

28. Криворуцкий Л.Д., Масселъ Л.В. Информационная технология исследований развития энергетики. Новосибирск: Наука, СО, 1995. - 160 с.

29. Кузин П. С. Циклические колебания стока рек северного полушария. JI: Гидрометиздат, 1970. - 179 с.

30. Малинин Н.К. Теоретические основы гидроэнергетики. М: Энергоатоиздат, 1985. - 320 с.

31. Наставление по службе прогнозов. Часть III, разд. 3. Служба морских гидрпо-логических прогнозов. JI: Гидрометиздат, 1979. - 135 с.

32. Основные положения энергетической программы СССР на длительную перспективу. М: Политиздат, 1984. - 32 с.

33. Панковский Г.А., Брайер Г.В. Статистические методы в метеорологии. JI: Гидрометиздат, 1967. - 242 с.

34. Первозванский A.A., Гайцгори В.Г. Декомпозиция, агрегирование и приближенная оптимизация, М: Наука, 1979. - 342 с.

35. Синоптико-климатические и гелио-геофизические долгосрочные прогнозы погоды. Л: Гидрометиздат, 1969. - 254 с.

36. Понъко В.А. Система Экопрогноз. Способы оценки и прогнозирование природных аномалий. Новосибирск: НЦ СО РАСХИ, 1996. - 95с.

37. Пределы предсказуемости / По ред. Ю.А. Кравцова М: ЦентрКом, 1997. - 256с.

38. Природа многолетних колебаний речного стока / Под ред. И.П. Дружинина -Новосибирск: Наука, 1976. 335 с.

39. Проблемы безопасности при чрезвычайных ситуациях / Обзорная информация. Вып. 9. М: ВИНИТИ, 1998. - 225 с.

40. Пространственно временные колебания годового стока рек СССР / Под ред. A.B. Рождественского. - JT: Гидрометиздат, 1988. - 229 с.

41. Резников А.П. Обработка накопленной информации в затрудненных условиях. -М.: Наука, 1976. 242 с.

42. Резников А.П. Предсказание естественных процессов обучающейся системой (физические, информационные, методологические аспекты). Новосибирск: Наука, СО, 1982. - 287 с.

43. Резников А.П. Аналого-сходственные соотношения в долгосрочном прогнозировании прродных процессов методологические аспекты // География и природные ресурсы, 1986. N3. - С. 114-122.

44. Резников А.П. Сверхдолгосрочные прогнозы народному хозяйству. - Иркутск: СЭИ СО-РАН, 1991. - 72 с.

45. Савельев В.А. Проблемы устойчивого функционирования ангарских водохранилищ //Материалы научно-практич. конф. "Водные ресурсы Байкальского региона: Проблемы формирования и использования на рубеже тысячелетий", т.1, Иркутск, 1998. - С. 200-202.

46. Стронгин Р.Г. Численные методы в многоэкстремальных задачах. М: Наука, 1978. - 240 с.

47. Физико-статистические методы в метеорологии// Тр. Западно-Сибирского регионального НИ гидрометеорологического института. М: Гидрометеоиздат, 1990. - 140 с.

48. Цыпкин Я.З. Адаптация и обучение в автоматических системах. М: Наука, -1968. - 396 с.

49. Чистяков В. Ф. Прогноз солнечной активности до 2030 года // Солнечные данные, 1983, N1.

50. Месячные прогнозы погоды, их состояние и перспективы / Обзорная информация. Сер. Метеорология. Обнинск: ВНИИ ГМИ-МЦД. Вып. 2, 1984. - 135 с.

51. Dendney D., Flavin С. Renewable energy. The Power to Choose. New York, London: W.W.Norton and Company, 1983. - 431p.

52. Dillon T.S., Morsztyn K., Phua K. Short term load forecasting using adaptive pattern recognition and self organizing techniques // Fifth Power System Computation Conference Proc. Cambridge: 1975. vol.1. - P. 1-16.

53. Проектирование и технологии построения программно информационных систем

54. Абрамов С.А. Элементы анализа программ. Частичные функции на можестве состояний. М.: Наука, 1986. - 128 с.

55. Атре Ш. Структурный подход к организации баз данных. М.: Финансы и статистика, 1983. - 317 с.

56. Баурн С. Операционная система UNIX М.: Мир, 1986. - 463 с.

57. Борисов М. UNIX-кластеры // Открытые системы, N 2, 1995. С. 22-28.

58. Беляков М.И., Рабовер Ю.И., Фридман А.Л. Мобильная операционная система: Справочник. М.: Радио и связь, 1991. - 208 с.

59. Брукс Ф. Как проектируются и создаются программы. М.: Наука, 1979. - 152 с.

60. Бузиниэр М., Трифонов С.Какая операционная среда самая лучшая? // Открытые системы, "1996. N5 (19). С. 10-13. .

61. Буч Г. Объектно-ориентированное проектирование с примерами применения -М.: Конкорд, 1992. 519 с.

62. Вальковский В.А. Распараллеливание, алгоритмов и программ. Структурный подход. М.: Радио и связь, 1989. - 173 с.

63. Ван Тассел Д. Стиль, разработка, эффективность, отладка и испытание программ. М.: Мир, 1981. - 320 с.

64. Велъбицкий И.В. Технология программирования. Киев: Техника, 1984. - 279 с.

65. Bupm Н. Долой "жирные"программы // Открытые системы, 1996. N6 (20). С. 25-31.

66. Bupm Н. Алгоритмы + структура данных = программы. М.: Мир, 1985. - 406 с.

67. Воеводин В.В. Математические модели и методы в параллельных процессах. -М.: Наука, 1986. 294 с.

68. Вудс У.А. Основные проблемы представления знаний // ТИИЭР, 1986, N 10. -С. 32-47.

69. Въюкова Н. Сервер для кластерных и массово-параллельных архитектур // Открытые системы, N 4, 1995.- С. 4-14.

70. Гантпер Р. Методы управления проектированием программного обеспечения. -М.: Мир, 1981. 392 с.

71. Гилдер Дж. Программное обеспечение: переворот грядет // Открытые системы, N 2-3, 1996. С. 48-52, 54-60.

72. Горбунов-Посадов М.М., Корягин Д.А., Мартынюк В.В. Системное обеспечение пакетов прикладных программ. М.: Наука, 1986. - 208 с.

73. Гранже М., Менсъе Ф. 08/2. Принципы построения и установка. М.: Мйр, 1991. - 232 с.

74. Гудмэн Дж. Управление памятью для всех. Киев: Диалектика, 1996. - 521 с.

75. Дал У., Дейкстра Э., Хоор К. Структурное программирование: Пер. с англ. -М.: Мир, 1975. 247 с.

76. Дедков А.Ф. Абстактные типы данных в языке АТ-Паскаль. М.: Наука, 1989. - 198 с.

77. Дейкстра Э. Дисциплина программирования: Пер. с англ. М.: Мир, 1978. -275 с.

78. Дейт К. Введение в системы баз данных. М.: Наука, 1980. - 463с.

79. Ершов Ю.П., Палютин Е.А., Математическая логика. М.: Наука, 1979. - 320 с.

80. Зиндер Е. Реинжиниринг + информационные технологии + новое системное проектирование // Открытые системы, N 1, 1996.- С. 56-60.

81. Замулин А.В. Системы программирования баз данных и баз знаний. Новосибирск: Наука. СО, 1990. - 352 с.

82. Иванов Ю.Н. Теория информационных объектов и системы управления базами данных. М.: Наука, 1988. - 232 с.

83. Иордон Э, Аргила К. Структурные модели в объектно-ориентированном анализе и проектировании. М.: Лори, 1999. - 264 с.

84. Искусственный интеллект: в 3 кн. Кн. 1: Системы общения и экспертные системы: Справочник / Под ред.Э.В. Попова. - М.: Радио и связь, 1990.

85. Калиниченко ¡I.A. Методы и средства интеграции неоднородных баз данных. -М.: Наука, 1983. 424 с.

86. Каляное Г.Н. CASE структурный системный анализ (автоматизация и применение) М.: Лори, 1996. - 242 с.

87. Каратыгин С.А., Тихонов А.Ф. Энциклопедия по СУБД PARADOX 4.5 fo DOS, т. 1, 2. М.: Мир, 1994.

88. Карпов В.Я., Корягин Д.А. Разработка и использование пакетов прикладных программ // Информатика и научно-технический прогресс. М.: Наука, 1987. -С.104-120.

89. Клиницкий H.A., Миронов Г.А., Фролов Г.Д. Программирование и алгоритмические языки. М.: Наука, 1979. - 512 с.

90. Кнут Д. Искусство программирования для ЭВМ. Т.1. Основные алгоритмы. -М.: Мир, 1976. 735 с.

91. Кокарева Т.В. Ява остров восходящего солнца // Сети и системы связи, N 1, 1996. - С. 24-25.

92. Кузнецов С.Д. Четверть века операционной системы UNIX // Открытые системы, N 1, 1995. С. 14-17.

93. Леонас В.В. ОС UNIX в СССР: 1980-1990 годы // Интеркомпьютер, N4, 1990. -С. 41-42.

94. Лингер Р., Миллс X., Уитт Б. Теория и практика структурного программирования. М.: Мир, 1982. - 406 с.

95. Липаев В.В. Управление разработкой программных комплексов. М.: Финансы и статистика, 1993.

96. Липаев В.В. Переносимость прикладных программ и данных в открытых системах и стандарты POSIX // Открытые системы, N 3, 1994. С. 59-66.

97. Липаев В.В.,Серебровский Л.А., Гаганов П.Г. Технология проектирования комплексов программ АСУ. М.: Радио и связь, 1983. - 264 с.

98. Лисков Б., Гатэг Дж. Использование абстракций и спецификаций при разработке программ. М.: Мир, 1989. - 424 с.

99. Логическое программирование / Под ред.В.Я. Агафонова. М.: Мир, 1988, 368 с.

100. Лоръер Ж.-Л. Системы искусственного интеллекта. М.: Мир, 1991. - 568 с.

101. Лорин Г., ДегЬпел Х.М. Операционные системы. М.: Финансы и статистика., 1984. - 392 с.

102. Любарский Ю.Я. Интеллектуальные информационные системы. М.: Наука, 1990. - 228 с.

103. Марселлус Д. Программирование экспертных систем на ТУРБО ПРОЛОГЕ. -М.: Финансы и статистика, 1994. 256 с.

104. Мартин Дж. Организация баз данных в вычислительных системах. М.: Мир, 1980. - 660 с.1061 Математическая логика в программировании // М.: Мир, 1991. - 408 с.

105. Мейер Д. Теория реляционных баз данных. М.: Мир, 1987. - 607 с.1081 Мейер Б., Бодуэн К. Методы программирования: в 2-х томах. Т. 1, 2. М.: Мир, 1982.

106. Нилъсон Н. Принципы искусственного интеллекта. М.: Радио и связь, 1985. -373 с.

107. Озкарахан Э. Машины баз данных и управление базами данных: М.: Мир, 1989. - 696 с.lili Опарин Г.А. САТУРН метасистема для построения пакетов прикладных программ // Разработка пакетов прикладных программ. - Новосибирск: Наука, СО, 1982. - С. 130-160.

108. Представление и использование знаний: Пер. с яп. / Под ред. X. Уэно; М. Исид-зука. М.: Мир, 1989. - 220 с.

109. Программирование на параллельных вычислительных системах: Пер. с англ. / Под ред.Р. Бебба М.: Мир, 1991. - 376 с.

110. Пятенок В. Три кита перспективных ОС // Открытые системы, N 1, 1995. -С. 31-39.

111. Рябко С. Д. Мир TCP/IP. Internet Protocol // Сети и системы связи, N 1, 1996.- С. 20.

112. Семенов Ю.А. Программирование на языке ФОРТ. М.: Радио и связь, 1991.- 240 с.

113. Сергеев Н.П. Домнин Л.Н. Алгоритмизация и программирование. М.: Радио и связь, 1982. - 232 с.

114. Сергиенко И.В. Эффективность разработки и применения пакетов программ // Кибернетика. Становление информатики. М.: Наука, 1986. - С.99-106.

115. Симоне Дж. ЭВМ пятого поколения: Компьютеры 90-х годов. М.: Финансы и статистика, 1985. - 173с.

116. Смит Д.М., Меленовски М. Время пришло для профессионалов в области открытых систем // Открытые системы, N 1, 1995. С. 4-13.

117. Современный UNIX все цвета радуги // Открытые системы, N 1, 1995.- С. 20-30.

118. Среда программирования: Методы и инструменты / Под ред. И.В. Поттосина- Новосибирск: Институт систем информатики СО РАН, 1992. 174 с.

119. Тейер Т., Липов М., Нельсон Э. Надежность программного обеспечения. М.: Мир, 1981. - 323 с.

120. Телло Э. Объектно-ориентированное программирование в среде Windows. М.: Высшая школа, 1993. - 348 с.

121. Технология системного моделирования / Е.Ф. Аврамчук, A.A. Вавилов, C.B. Емельянов и др. М.: Машиностроение; Берлин: Техник, 1988. - 520 с.

122. Требования и спецификация в разработке программ. М.: Мир, 1984. - 344 с.

123. Тейз А., Грибомон П., Луи Ж. Логический подход к искусственному интеллекту: от классической логики к логическому программированию. М.: Мир, 1990.- 432 с.

124. Тыугу Э.Х. Концептуальное программирование. М.: Наука, 1984. - 256 с.

125. Уилкокс, Джонатан. Объектные базы данных. Агенты и системы управления объектными базами данных // Журнал д-ра Добба, спецвыпуск А-95, апрель 1995. С. 5-10.

126. Ульман Дж. Основы систем баз данных. М.: Финансы и статистика, 1983. -334с.

127. Федоров A. Delphi 95 // Компьютер Пресс, N 1, 1995. С. 5-9.

128. Федоров А. Управление базами данных: технология фирмы Borland // Компьютер Пресс, N10, 1994. С. 5-7.

129. Филинов Е. Выбор и разработка концептуальной модели среды открытых систем // Открытые системы, N 6, 1995. С. 71-77.

130. Хювенен Э., Сеппянен И. Мир Лиспа в 2-х т. Т. 1,2: Введение в язык Лисп и функциональное программирование. М.: Мир, 1990.

131. Цаленко М.Ш. Моделирование семантики в базах данных. М.: Наука, 1989. -288с.

132. Цикритзис Д., Лоховски Ф. Модели данных. М.: Финансы и статистика, 1985.- 334 с.

133. Чэн Ш.-К. Принципы проектирования систем визуальной информации: Пер с англ. М.: Мир, 1994. - 408 с.

134. Чери С., Готлоб Г., Танка Л. Логическое программирование и базы данных. -М.: Мир, 1992. 352 с.

135. ЭВМ пятого поколения: Концепции, проблемы, перспективы. /Под ред. Т.Мотоока. М.: Финансы и статистика, 1984. - 110 с.

136. Эндрю А. Искусственный интеллект / Под ред. и с пред. Д.А. Поспелова. М.: Мир, 1985. - 264 с.

137. Юткин А. Объектные технологии в распределенных системах // Открытые системы, N 3, 1995. С. 6-11.

138. Baker H. G. Relational Databases // Commun. ACM, 1992. Vol. 35, N4. - P. 16-18.

139. Bielloch G.E. Programming Parallel Algorithms // Commun. ACM, 1996. Vol. 39, N3. - P. 85-97.

140. Chen P.P. The entity-relationship model: Toward of unified view of data // ACM Trans. Databas Syst. 1976. N1. - P.9-36.

141. Dasgupta S. Design Theory and Computer Science. New York: Cambridge University Press, 1991, - 428 p.

142. Euphoria powerfull simple language. 1999. http://www.aol.com/FilesEu.

143. Fahlman S.E. Gwidion: An Integrated Software Environment for Evolutionary Software Development and Maintenance. Febr. 1997. http: // legend.gwydion.cs.cmu.edu/dylan/design-notes/home.html.

144. Haynes С.T., Friedman D.P. Embedding continuations in procedural objects // ACM Tansaction on Programming Languages and Systems, 1987. N9(4). P. 582-598.

145. Liedtke J. Toward Real Microkernels //Commun. ACM, 1996. Vol. 39, N9. - P. 70-77.

146. Rideau F.R. Why a New OS? 1997. http://WWW.eleves.ens.fr.8080/home/ricleau/ Tunes/WhyNewOS.

147. Selker T. New Paradigms for Using Computers I ! Commun. ACM. 1996. - Vol. 39, N8. - P. 60-69.

148. Smolka G. The Oz Programming Model //J. van Leeuwen, ed., Computer Science Today, LNCS 1000, Springer, 1995, pp. 324-343.

149. Twine S. From information analysis towards knowledge analysis // GMD Stud.1988, N 143. P.6-15.

150. Работы no теме диссертации

151. Абасов H.В., Гутерман И.M., Осъкина О.Н. Специализированная система генерации выходных документов (ССГВД) // Инструментальные системы и моделирование. Новосибирск: Наука, 1988. - С. 100-105.

152. Абасов Н.В., Осъкина О.Н. Логический том (ЛТ) — система организации хранения разнородной информации // Тез. докл. научно-технич. конф. "Автоматизированные системы научных исследований". Иркутск, 1988. - С. 11-13.

153. Абасов Н.В., Осъкина О.Н. Технология построения программных систем типа ЛТ на языке ПЛ-1 // Там же. С. 13-14.

154. Абасов Н.В., Осъкина О.Н. Логический том (ЛТ) — средство построения информационно-замкнутых программных систем // Тез. докл. Всесоюзной конфер. "Диалог Человек—ЭВМ", ч. 3. Свердловск, 1989. - С. 4-6.

155. Абасов Н.В., Осъкина О.Н. Логический том — средство для построения развиваемых информационных систем // Тез. докл. Всесоюзной конф. "Информационное и алгоритмическое обеспечение систем управления". Переславль-Залесский,1989. С. 15.

156. Абасов Н.В. Подход к компьютерному моделированию и его инструментальная поддержка (ЗИРУС) // Тез. докл. международ, конф. "Технология программирования 90-х". Киев, 1991. - С. 65-67.

157. Абасов Н.В. Опытная версия ЗИРУС (Замкнутой инструментальной развиваемой унивесальной системы) // Тез. докл. IX научн. школы по пакетам прикладных программ (ППП-91). Адлер (Иркутск), 1991. - С. 82-83.

158. Абасов Н.В., Дуденкова Н.Г. Встроенный графический редактор системы ЗИ-РУС//Там же. С. 86-87.

159. Абасов Н.В., Ованесян A.C. Тексто-графический редактор системы ЗИРУС // Там же. С. 85-86.

160. Абасов Н.В., Ованесян С.С., Осъкина О.Я. Технология проектирования АРМов в системе ЗИРУС // Там же. С. 83-84.

161. Абасов Н.В., Осъкина О.Н., Хамайдес Ю.Г. АРМ оперативного планирования грузоперевозок (ТРАССА) в системе ЗИРУС // Там же. С. 88-89.

162. Абасов Н.В., Усова Я.О. Сегментная база данных (СБД) системы ЗИРУС // Там же. С. 87-88.

163. Абасов Н.В., Хамайдес Ю.Г. Встроенный табличный редактор системы ЗИРУС // Там же. С. 84-85.

164. Абасов Н.В., Бережных Т.В., Лапин Н.В., Резников А.П. Ожидаемая водность на основных гидрологических объектах Иркутской области (экспресс информация). Препринт N9. Иркутск: СЭИ СО РАН, 1996. - 16 с.

165. Абасов Н.В., Васильев С.Н., Косое A.A. и др. Интеллектная система поддержки контроля договорных ограничений для задач стратегической стабильности // Оптимизация, управление, интеллект. Иркутск: ИрВЦ СО РАН, N2, 1996. -С. 134-150.

166. Абасов Н.В. Представление данных, программ, знаний в среде ЗИРУС // Системы поддержки принятия решений для исследования и управления энергетикой. Новосибирск: Наука СО РАН, 1997. - С. 110-125.

167. Абасов Н.В., Резников А.П. Гибридная информационно-прогностическая система // Системы поддержки принятия решений для исследования и управления энергетикой. Новосибирск: Наука СО РАН, 1997. - С. 157-167.

168. Абасов Н.В., Резников А.П. Роль оптимизации в прогностической системе ГИПС АР // Труды XI межд. Байкальской школы-семинара "Методы оптимизации и их приложения", т. 3. Иркутск: ИСЭМ СО РАН, 1998. - С. 13-16.

169. СУБЗ система управления базами знаний

170. СЭ системный экран ТК - текстовая константа TP - табличный редактор ТФ - табличная форма ТЭБ - топливно-энергетический баланс ТЭК - топливно-энергетический комплекс ТЭР - топливно-энергетические ресурсы

171. ФП функциональное программирование

172. ЯП язык программирования DBF - формат файла баз данных VM - виртуальная машина

173. Описание типов системы ГИПСАР

174. Гипсар кш=50 ОПИСАНИЯ ТИПОВ СИСТЕМЫ ГИПСАР

175. Пар6 Ilg=l km=10 — Параметры для расчета• Ряд .МесНач .МесКон tp=13 tp=3 tp=3 — имя ряда — начальный месяц

176. ГодНач .ГодКон .Операция tp=3 tp=3 tp=3 — год начала — вид операции

177. Пункт ng=3 km=5 — Список рядов (по месяцам)

178. Фактор .ГодНач .ГодКон • fk tp=13 tp=3 tp=3 tp=7 — год начала

179. Мес tp=13 —>4 — указатель на ряд (6,4)

180. Ряд ng=4 km=8 — Структура ряда1. Фактор .Месяц tp=13 tp=13

181. ГодНач .ГодКон • fk .Lset .Информ tp=3 tp=3 tp=7 tp=3 tp=9 ss=50 -год начала масштабный коэффициент

182. Показат tp=3 - значение показателя

183. ТабПр ng=5 km=20 — Сводная таблица по месяцам

184. Фактор . ГодНач .ГодКон tp=13 tp=3 tp=3••Год tp=3

185. Мес1 :Мес2 :МесЗ :Мес4 tp=7 tp=7 tp=7 tp=7

186. Мес5 :Мес6 :Мес7 :Мес8 tp=7 tp=7 tp=7 tp=7

187. Мес9 :Мес10 :Мес11 :Мес12 tp=7 tp=7 tp=7 tp=7

188. МесГГ :МесЗИМ :МесСРед tp=7 tp=7 tp=71. ТабИнт ng=8

189. Фактор .ГодНач .ГодКон tp=13 tp=3 tp-3

190. Год :ИсхРяд : К : KINT :S3 : S5 : Sil : S19 : S23 tp=13 tp=7 tp=7 tp=7 tp=7 tp=7 tp=7 tp=7 tp=7январьфевралькш=13декабрькомментарии

191. ЗадПрог ng=10 km=22 — Головной сегмент параметров оптимизации

192. Ряд14 tp=13 —>4 — имя ряда

193. ВыбИ tp=13 —>39 — сегмент подвыборок (6,14)

194. Пар15 tp=13 —>15 — сегмент параметров текущей оптимизации (6,15)

195. Пар16 tp=13 —>16 — сегмент параметров оптимизации(6,15)1. YP tp=71. КО tp=31. N0 tp=31. СС tp=71. NZAD tp=31. NPOD tp=31. N1 tp=31. NIM tp=3

196. R1 tp=l — метод оптимизации•R2 tp-1 — управления визуализацией• R3 tp=l — вывода в файл сатистической информации

197. R4 tp=l — признак добавления коэфф. растяжения1. R2M tp=7

198. Дата :Начало ¡Конец tp=14 tp=13 tp=13 tp=3 — характеристики процесса счета по шагам

199. Выб11 ng=U кш=6 — Подвыборки(Ь-оптимизац.У-верификац.)

200. Прогноз .У .ЬО .14 tp=3 tp=7 tp=3 tp=3 — длина подвыборки Ь — длина подвыборки V

201. Оптим. :Вериф. tp=3 tp=3 — параметры подвыборки Ь — параметры подвыборки V

202. Ряд ng=12 кт=7 — Нормализованный вид ряда

203. ГодНач .Усредн. .Напр. tp=3 tp=3 tp=3 -Год начала -Кол. итераций осреднения -Направление ряджа1. УМШ .УМАХ tp=7 . tp=7

204. УУ tp=7 tp=l — значение показателя — признак точки или лакуны

205. СписР ng=13 кш=6 — Список рядов для скользящего осредненияи .г .патО tp=3 tp=3 tp=13 — ■>12 — остаточный рядпашх :С :С2 tp=13 tp=7 tp=7 -->12 — осредненный ряд — коэффициент скользящего омреднения

206. Китерап .сигМИН .сигТ .Cl .CVERсз .и1. МО1. NOMК