автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.16, диссертация на тему:Разработка методов и средств байесовской интеллектуализации измерений в задачах мониторинга сложных объектов

Г Г Б ОД

9 з 0\П

На правах рукописи

ПРОКОПЧИНА Светлана Васильевна

РАЗРАБОТКА МЕТОДОВ И СРЕДСТВ БАЙЕСОВСКОЙ ИНТЕЛЛЕКТУАЛИЗАЦИИ ИЗМЕРЕНИЙ В ЗАДАЧАХ МОНИТОРИНГА СЛОЖНЫХ ОБЪЕКТОВ

Специальность: 05.11.16 - Информационно-11змерительшга

системы

АВТОРЕФЕРАТ диссертации на.соискание ученой степени доктора технических наук

Санкт-Петороург - 1995

Работа . выполнена в Санкт-Петербургском государственном электротехническом университете им. В.И.Ульянова (Ленина)-. . '

Официальные оппоненты: доктор технических наук, доктор технических наук, доктор технических наук,

профессор Кондрашкова Г.А. профессор Кнорринг В.Г. профессор Угрюмов Е.П.

Ведущая организация - Научно-исследовательский институт электроизмерителышх приборов

Защита диссертации состоится в // час. на заседании диссертационного совета Д 063.36.02 С.-Петербургского государственного электротехнического университета им. В.И.Ульянова (Ленина) по адресу: 19Т376, С.-Петербург, ул. Проф. Попова, 5.

С диссертацией можно ознакомиться в библиотеке университете АвтопеЛедат разослан " ЙС/^Л^Я 19^г.

Ученый секретарь диссертационного совета Исаков Л.Б.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность теми работа. Современные научные и практические измерительные задачи характеризуются комплексностью целей, сложностью объектов и условий измерений, что выдвигает ряд дополнительных требований к методам и средствам их решения. К числу подобных задач относится задача мониторинга сложных технических и природных объектов, которая в данной работе понимается как задача определения и контроля свойств и состояний сложного объекта (СО) в режиме'его функционирования и активного взаимодействия о окружающей средой, а также выработки управляющих решений и рекомендаций. Специфика измерительных ситуаций при решении задач мониторинга СО.состоит в том, что информация, получаемая в измерительном эксперименте, является всегда неполной и неточной в связи со сложностью познания свойств СО и влияющих факторов (ВФ) среды его функционирования (СФ). Неконтролируемые дополнительные погрешости результатов измерений, обусловленные неадекватностью -априорной модели объекта измерения (ОИ) самому объекту, возникающие за счет неполного учета ВФ, как показывает измерительная практика, во многих подобных задачах оказываются весьма значительными и могут превосходить основную погрешность измерения. Однако, значимость для науки и народного хозяйства решений этих задач, их дальнейшее использование в познавательных, природоохранных и природопользовательских целях обусловливают особые требования к обеспечению их точности, достоверности, полноты и объективности.

Методическая среда современных средств измерений, предназначенная для реализации измерительных процессов в ситуациях с незначительной или ограниченной априорной неопределенность» информации оО ОМ не позволяет обобщать и использовать в процессе измерений разнообразную по форме априорную й текущто информацию, об ОМ и ВФ, что необходимо для обеспечения требуемого качества решения измерительной задачи. Для этого необходимо привлечешь в измерительную среду методов теории искусственного интеллекта, позволяющих преобразование информации, представленной в фор« знаний. Однако, современные методы этой теории не имеют возможности метрологического обоснования получаемых результатов, что но позволяет контролировать, равно как и обеспечивать, требуемый

уровень их качества. Это обусловливает необходимость создания методов и средств интеллектуализации измерений (ИИ), что позволило бы обеспечить требуемый уровень качества решений сложных измерительных задач на основе познания ОИ и СФ, метрологическое обосноваще результатов и поддержку этих функций информационно-измерительной системой (ЙИС) при подготовке,'реализации и интерпретации результатов измерений на формализованной основе в автоматизированном или автоматическом'режимах.

Методология измерений на основе ИИ, информационные измерительные технологии (ИТ) и средства ее реализации в виде измерительных экспертных систем (ИЭС). и интеллектуальных измерительных комплексов являются перспективными для эффективного решения на--учных и народно-хозяйственных задач мониторинга сложных технических и природных объектов, что делает их разработку одной из основных современных задач, как для теории и практики измерений и метрологии, так и их прикладных сфер, чем и обусловливается актуальность теш данной работы.

Цель работы. Теоретическое обобщение и разработка методологии, алгоритмов, информационных технологий, программных средств байесовской интеллектуализации измерений (БИИ) для решения задач мониторинга СО, активно взаимодействующего со средой его функци- ' онирования, в условиях неполной, неточной и нечеткой информации и значительной априорной неопределенности знаний о СО не основе принципов измерительного подхода, учете разнообразной априорной и поступающей в процессе мониторинга информации, оптимизации мониторинга с целью обеспечения требуемого качества решений, методического и структурного развития средств мониторинга.

Поставленная цель достигается решением следующих вопросов:

- разработкрй концепции БИИ, обеспечивающей- методологическую основу для решения задач мониторинга СО в указанной выше постановке ;

- разработкой регуляризирукщего байесовского подхода (РБГ1) для повышения устойчивости и создания методической основы метролога? получаемых решений задачи мониторинга СО;

- созданием принципов и методов синтеза шкал БШ в виде икал с динамическими ограничениями (ИЩО), позволяющих снимать ограничения моделей СО по мере получения новых знаний в процессе измерений, что обеспечивает возможность развития моделей, алго-

ритмов, технологий и средств в процесса мониторинга СО на осноьь методологии БШ;

- разработкой методов и алгоритмов ВИИ, реализующих конкретные виды БШ при определении значений параметров, аналитических описаний функциональных зависимостей и их систем, а тахжэ для определения состояний СО в процессе мониторинга;

- разработкой способов обобщения числовой и лингвистической информации на методической основе БЩ, позволяющих решать задачи измерительных оценивания, контроля и управления и получать результаты не только в виде отдельных числовых значений, но и в виде аналитических зависимостей, выводов, решений, рекомендаций с полным метрологическим обоснованием их показателей точности, надежности и достоверности;

- разработкой информационных технологий БШ статистического системного мониторинга сложных технических и природных.объектов, процессов и систем;

- созданием экспертных, информационно-аналитических и сове-• тующих систем, реализующих прикладные информационные технология

БШ для интеллектуальных комплексов мониторинга СО в условиях значительной априорной неопределенности знаний о нем.

Методы исследования, используемые в данной работе для достижения поставленных целей, объединяются на основе системного подхода к решаемой проблеме. Используются аппарат, принципы н основные положения теории измерений,.метрологии, теории вероятностей, математической статистики, функционального анализа, оптимальных байесовских, решений, теории распознавания образов, некорректных задач, искусственного интеллекта, методов и средств измерительной техники.

Научная новизна результатов диссертационной работы состоит в том, что автором разработаны концепция, методология, методы и алгоритмы параметрической, функциональной и системной БКИ, основывающиеся на РБП, новом типе моделей и шкал с динамическими ограничениями, позволяющие: осуществлять синтез алгоритмов БШ в процессе измерений на основе новых информационных технологий обобщения и получения измерительных знаний; обеспечивать полнее метрологическое обоснование результатов; получать решают з чис ловой, формульной и лингвистической форме с учетом априорной и поступающей информации, и также а том, что на оекопе когододогкк

БИИ разработаны обобщенные методики синтеза развивающихся информационных технологий и средств мониторинга СО в условиях значительной априорной неопределенности.

Основные научные результаты, выдвигаемые на защиту, состоят в том, что впервые разработаны:

1) концепция, основные принципы и обобщенное уравнение БИИ, позволяющие обеспечивать требуемое качество измерений в условиях значительной неопределенности априорных знаний и поступающей в процессе измерений информации о СО и СФ, их активного взаимо. действия и эволюции;

2) модель СО с динамическими ограничениями (МДО), адекватно •отражающая свойства развивающихся СО и СФ, на основе которой ■ предложена развивающаяся модель ОИ (МДО ОИ) с учетом ВФ И условий измерений;

3) регуляризирующий байесовский подход (РЕП),' синтезирующий принципы байесовского подхода, теории измерений и метрологии, что позволяет в сложных измерительных ситуациях получать устойчивые, метрологически обоснованные решения на основе всего объема априорной и поступающей информации об ОИ и ВФ;

4) концепция, формализованная запись и принципы синтеза шкалы с динамическими ограничениями (ПЩО), адекватно отражающей свойства МДО ОИ и основные принципы БИИ; принципы синтеза сопряженных лингвистических ПЩО БИИ для учета при измерениях качест-. венной информации об ОИ и ВФ;

5) принципы, уравнения измерений и алгоритмы БИИ • в задачах определения:

- характеристик СО, представленных в виде значений случайных величин (СВ) и случайных процессов (СП);

- моментных характеристик СВ и СП, включая коэффициенты ас-симметрии и эксцесса;

- статистик критериев проверки гипотез, что позволило разработать принципы синтеза обобщенных критериев проверки нечетких гипотез, обеспечивающих определение расстояния между проверяемой гипотезой и ее статистическим аналогом, а также между различными гипотезами, метрологическое обоснование 'результатов проверки, требуемое качество решений; на .основе чего разработаны байесовские модификации известных критериев (критерия согласия х3, критериев Стыодента и Фишера);

- функциональных характеристик СВ и СП. в том числе законов распределений в унимодальной и многомодальной форме, а также их статистических представлений в форме гистограмм;'

- характеристик систем СВ и СП, в числе которых многомерные законы распределения и их статистические оценки;

- интегральных характеристик состояния СО;

- контрольных выводов и управляющих рекомендация в лингвистической форме;

6) обобщенная методика метрологического синтеза алгоритмов БИИ,.обеспечивающая достижение требуемого качества измерений в сложных измерительных ситуациях, оптимизацию и планироЕание измерительных процессов БИИ в конкретных условиях измерений;

7) структура комплекса метрологических характеристик, включающая показатели точности, надежности и достоверности результатов БИИ, правила и принципы их функциональных преобразований, позволяющих создать автоматическое метрологическое сопровождение-результатов БИИ в интеллектуальных измерительных системах;

8) концепция и обобщенная ИТ БИИ для мониторинга СО,которые позволяют создавать развивающиеся ИТ мониторинга свойств и состояний СО и их эволюции с метрологическим обоснованием качества решений, обеспечивающие непрерывное изучение СО и СФ; а тагеке обобщенная методика синтеза шкал, алгоритмов и ИТ БИИ с заданными метрологическими характеристиками, требованиями и динамическими ограничения®;

9) новые аналитические зависимости, выводы и рекомендации для решения измерительных задач мониторинга сложных технических и природных объектов на основе БИИ.

Практическую ценность представляют конкретные методики, ИТ и ЭС, построенные на основе методологии, алгоритмов и обобщенной ИТ БИИ, которые включают:

1) ИГ статистического мониторинга СО на основе'БИИ и созданную на ее основе ЭС "АССИСТЕНТ";

2) алгоритм БИИ в задачах статистического управления технологическим процессом механической обработки деталей, измерительного контроля качества продукции и переналадки технологического оборудования;

3) ИТ БИИ в задачах измерительного контроля характеристик и состояний измерительных приборов и систем, позволяющую опреде-

лять математические модели погрешностей приборов, оптимизировать методики поверки и исследовательской метрологической аттестации средств измерений;

4) ИТ, конкретные результаты и программные средства в задаче классификации объектов по изображениям, обеспечивающие классификацию с заданными метрологическими характеристиками и с высокой скоростью получения результатов решений на основе оптимизации системы признаков и алгоритмов классификации;

5) ИТ БИИ в ЭС "АССИСТЕНТ-ГИДРОЛОГ" на базе методологии БШ Е ЭС "АССИСТЕНТ", для определения состояния, динамики и ретроспективы развития водных экосистем и их компонентов в виде ус-лозных решений БИИ с обоснованием их качества и определением области нахождения действительного решения в рамках принятых ограничений;

6) ИТ БИИ в ЭС "АССИСТЕНТ-БИОСФЕРА" для контроля состояния и принятия управляющих экологических решений в задаче обеспечения устойчивого развития биосферных заповедников; ,

7) ИТ БШ для поддержки принятия управленческих и ихтиологических решений "АССИСТЕНТ-ИХТИОЛОГ'' в целях устойчивого развития промысловых популяций рыб Финского залива;

8) интеллектуальный информационно-измерительный комплекс в составе с передвижной экологической лабораторией и базовым экологическим центром для контроля состояния и прогнозирования эко-. логических ситуаций в воздушной среде промышленного региона (г. Макеевке), а также для принятия эколого-экономических решений, позволяющей определить распределение концентраций примесей в воздушной среде, выявить возможные источники загрязнений и синтезировать оптимальную методику измерений;

9) реализованная и внедренная в практику' деятельности природоохранных организаций и управлений охотничьих хозяйств ЭС "АССИСТЕНТ-БИОЛОГ", имеющая средства ее развития на основе методологии БИИ; конкретные структуры баз знаний, моделей и данных для популяций диких'животных; аналитические модели динамики развития популяций кабана, лося и некоторых видов рыб для Ленинградской области и Удмуртской республики, средства,™ которых получены выводы и рекомендации по устойчивому развитию 4 указанных популяций.

Реализация результатов работы состоит в создании и снедрз-шш под руководством и при непосредственном участии автора:

- ЭС "АССИСТЕНТ" на предприятии "Севзоггрибвод", г.Санкт-Петербург; в организации "Удмуртгёология";

- ЭС "АССИСТЕНТ-ИХТИОЛОГ" контроля состояния промысловых видов рыб на Нижнекамском и Боткинском водохранилищах в рыб-инспекции и в промысловой оргашзацшг Удмуртской республики, г.йиевск;

■ - ЭС "АССИСТЕНТ-БИОЛОГ" изучения и контроля состояния популяций лося, кабана и оленя в Центральной научно-исследовательской лаборатории Охотничьего хозяйства, г.Москва; в Управлении охотничьего хозяйства при Совете Министров Удмуртской республики, г.Ижевск; в Комитете Охотничьего хозяйства Ленинградской области, г. С.-Петербург;

- ЭС "АССИСТЕНТ-ЭКОЛОГ" и интеллектуальный измерительный комплекс для оценки, контроля состояния воздушной среди г.Макеевки Донецкой области, позволяющий осуществлять принятие оптимальных эколого-экономических решений;

- ЭС "АССИСТЕНТ- ЭКОСИСТЕМА" для ландшафтного мониторинга, используемая в'научных и учебных целях в Ижевском государственном техническом университете;

- ЭС "АССИСТЕНТ-ГИДРОЛОГ" для контроля и изучения состояния гидрологических, гидробиотических и социально-экономических факторов экосистемы 'восточной части•Финского залива в организации "Севзапрыбвод", г.Санкт-Петербург.

Суммарный экономический эффект от внедрения результатов диссертационной работы составил более трех миллионов рублей в ценах 1993 г. . Системы экспонировались на мевдународных и рето- ■ нальных выставках, симпозиумах и совещаниях, в такие на Всемирном Форуме в г. Манчестере "Города и устойчивое развитие" в 1994 г.

Диссертационная работа выполнялась в рамках координационного плана научно-исследовательских работ АН СССР по проблеме "Техническая .кибернетика", комплексной территориально-отраслевой программы "Мнтенсификация-90", государственной научной программы "Экологическая безопасность России", а таюке в рамках 9 госбюджетных и хоздоговорных НИР, выполненных под руководством и Лр! непосредственном участии пвторп.

. Апробация работы. Материалы диссертации докладывались и обсуждались в период с 1978 по 1995 г.г. на 12 международных- конференциях и симпозиумах, а также на 23 всесоюзных, всероссийских, республиканских и краевых конференциях, совещаниях и семинарах в отраслевых институтах и вузах.

Публикации. По теме'диссертации опубликованы 53 работы, ьключая 1 монографию, 1 препринт АН СССР и 35 статей в центральных изданиях, межотраслевых и меетузбвских сборниках научных трудов.

Структура и объем работы. Диссертация состоит из введения, . 7. глав, 'заключения, списка литературы из 360 наименований и ' приложения. Основная часть работы изложена на 297 стр. машино- • писного текста. Работа содержит 73 рисунка и 5 приложений.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

В первой главе работы на основании определения современных задач и тенденций развития методической и технической баз измерительной техники выделено направление интеллектуализации измерений, под которым понимается автоматизированное или автоматическое получение, обобщение и использование в измерительном про- " цебсе метрологически обоснованных знаний об ОИ и ВФ с целью его оптимизации и повышения качества результатов измерений. Основа-. нием этому послужила произведенная в работе типизация современных измерительных задач по признакам типов цели, объекта измерения и измерительных ситуаций, которая позволила выделить класс задач интеллектуализации измерений (Ш), характеризуемый значительной априорной неопределенностью знаний оС_ОИ и ВФ среды его функционирования в условиях взаимовлияния и развития их свойств. Изучение методологических и информационных характеристик задач мониторинга сложных природных и технических объектов (процессов и систем), общих свойств реальных сложных объектов, а также сопоставление их с соответствующими характеристиками задач ИИ и современными требованиями, предъявляемыми к методам и средствам мониторинга (учета разнородной качественной и количественной априорной информации об ОИ и ВФ, метрологического обоснования ре-результатов, представляемых в зависимости от цели мониторинга в формах значений параметров, аналитических выражений, контрольных

выводов и управляющих рекомендаций, оптимальной организации мониторинга в целях обеспечения требуемого качества результатов и других) дало основание отнести измерительные задачи мониторинга СО к классу задач ИИ. Проведенный с позиций основных требований ИИ обзор методологических, информационных и технических аспектов современных информационно-измерительных систем показал необходимость создания методов и средств ИИ в задачах мониторинга СО, отвечающих поставленным требованиям.

В последующих разделах первой главы разработана концепция ИИ в задачах мониторинга СО, основывающаяся на байесовском подходе, получившая название байесовской интеллектуализации измерений (БИИ). Выбор байесовского подхода обусловлен его преимуществами при измерительной ситуации, характерной для задач ИИ, а именно:

- принципиальной возможностью получения байесовских решений на основе учета априорной и текущей объективной и субъективной информации;

- свойством внутреннего единства методологии, что делает подход универсальным для применений на всех этапах подготовки и. реализации измерительного процесса и позволяет строить соответствующие шкалы ИИ иерархической структуры на единой принципиальной основе, обеспечивающей формализованную связь всех этапов ИИ, системность и комплексность их результатов;

- максимальной объективностью и полнотой решений, что вакно для интерпретации результатов в условиях нечеткой и неточной информации об ОМ и ВФ;

- последовательным накоплением и коррекцией знаний об объекте изучения, что позволяет реализовать основную функцию ИИ познания объекта и создает основу для самообучения средств ИИ;

- принципиальной возможностью непрерывного уточнения рэ-зультатов в процессе длительного изучения о'бъекта, характерного для задач мониторинга СО, так как по мере накопления знаний байесовские решения концентрируются вокруг истинного решения (данное положение вполне согласуется с принципом теории измерений о возможности постоянного увеличения точности измерений);

- возможностью перспективного и ретроспективного изучения свойств объекта на основе индуктивной логики, что особенно важно для получения объективных и достоверных прогнозов к восстановлю ■

няя истории развития объекта;

- эффективностью (в связи с предыдущими свойствами) подхода для реализации его средствами новых измерительных технологий на основе средств получения и обобщения знаний, в частности, в виде экспертных систем и интеллектуальных измерительных комплексов.

Созданная концепция БИИ 'основана на известном понятии СО, как объекта сформированного в результате агрегации его элементов, в качестве которых выступают объекты минимальной структурной сложности, декомпозиция которых нецелесообразна или невозможна при конкретных целях и условиях измерительной задачи.

. С позиций Ш сформулированы требования, которым должна отвечать модель СО, адекватно отражающая его свойста в их развитии и взаимодействии с окружающей средой.

• Предложены концепция и формальная запись абстрактной модели СО с динамическими ограничениями (МДО) в виде композиции (*) реляционных систем контролируемых свойств самого СО (в [), ВФ 1) и используемых при синтезе модели ограничений ,(0о 1) мерности пространств свойств СО и факторов СФ в момент времени t=t 1 (1=2, Т. где Т- период времени мониторинга или измерений):

0 = Й +0 * С | 1=1 . (1)

1 И, 1 Б, 1 О, 1 1 I

В концепции модели предусмотрена возможность ее развития при получении новых знаний о СО и ВФ, которая при накоплении информации реализуется путем перевода ряда свойств СО и СФ из системы ограничений в систему контролируемых, что. обеспечивает адекватность отображения эволюции свойств объекта в процессе его функционирования и мониторинга и служит принципиальной основой для его познания.

На основании предложенной концепции модели'СО разработана концептуальная абстрактная модель ОИ в задачах ИИ в виде:

которая представляет собой композицию реляционных систем СО, СФ и средства измерений (СИ) Сс 1 и отражает эволюцию этих объектов в процессе измерений, что позволяет ' реализовать познавательную функцию СИ, оптимизировать измерительный экспермент и повысить качество результатов измерений. Предложенная модель ОИ обладает свойством развития сеозй структуры в процессе измерений, что да-

ет принципиальную возможность реализации на ее основе развивающихся алгоритмов и информационных технологий. . *

Реализация концепции ОИ вида (2) в измерительном процессе возможна при наличии измерительных шкал, обладающих необходимыми свойствами для отражения свойств такой модели. 0 целью определения типа измерительной шкалы, соответствующей сформулированным в главе 1 требованиям, предъявляемым моделью ОИ вида (2), произведен обзор известных концепций измерительных шкал. Результаты обзора показали'необходимость разработки нового типа измерительной шкалы, способной к развитию структуры носителя и системы отношений, реализуемых' на нем в процессе измерений и познания свойств ОИ. В главе 1 разработаны концепция и принципиальная основа измерительной шкалы с динамическими ограничениями (ШДО) в виде реляционной системы Сз, являющейся подсистемой или фрагментом систем 0м и и при определенных условиях измерительного эксперимента адекватно'отражающей свойства МДО СО и ОИ вида (2):

Оа.-Ж'У,-,)- (3>

где {0 ,},(1=1,1 ), {V? ,}, (./=1,.1 -,) - совокупность свойств я отношений шкалы, у - совокупность условий измерений, включающих множества априорной информации (А^ },(1=И,1 1), метрологических требований ,Ь ({=1«гм ^ 11 ограничений К (1=1,1 ]). В работе обоснован состав совокупности отношений ^ для реализации концепции ВДО,- и показано, что для реали-бации концепции ШДО система отношений {IV} 1} долита включать отношения эквивалентности, порядка, функциональные (алгебраические), структуризации и обобщения свойств и диапазонов их значений.

Предложена обобщенная структура информационной технологии (ИТ) измерительного, процесса в задачах мониторинга СО, позволяющая реализовать процесс ИТ на принципиальной основе ИЩ0 в виде' последовательности этапов: подготовил измерений, включающего формирование ккад КИ п соотвогстб:пх с условиями измерений (у ), синтеза алгоритма измерений ($>„), оптимизации его параметров для достижения требуемого качества результатов (у ); реализации из-нерэшп! и ыитерпрэтощш рззультатоз )? проверю! адекватности л качеств? получешмх результатов (I,- ), чему соответствует запись:

Л, | т ,, I ,, >*<\,, I ,.,) Л

де П ,, Л , Л - результаты реализации этапов ИИ;

1 б | I 4 | 1 1 | I

{ИХ} , (4=175) - комплексы метрологических характеристик результатов каждого из этапов соответственно; вн. - реляционные системы результатов измерений, данных и знаний.

Предложенная структура ИТ ИИ для мониторинга свойств СО обеспечивает эффективное решение задачи мониторинга СО в условиях неполной, неточной, разнородной информации об ОИ и ВФ, значительной априорной неопределённости, а также метрологическое обоснование получаемых решений.

Формальная запись уравнения БИИ в оптимизационной форме имеет следующий вид:

<\,«!<«„.,» . <<я?1 .. гНг.. . <5>

где 7гз 1 - список результатов (8=173,) . достоверность каждого из которых определяется как апостериорная байесовская вероятность, отличная от нуля; Н , - множество результатов БИИ, составляющих совокупность элементов носителя ЩДО; Н ,, Н ,, Н . Н, -

2 | 1 г | 1 У» 1 ™ » 1

носители ЩДО для параметров, функциональных зависимостей, систем, взаимосвязанных параметров и (или) функциональных зависимостей, лингвистических переменных; С - интегральный байесовский критерий - оптимизирующее байесовское решающее правило (БРП) принятия решения по алгоритму р 1 из множества алгоритмов Фл , при наборе экспериментальных данных х1 и условиях измерений у .

В работе показано, что уравнение (5) является обобщением известных типов уравнений измерений и отражает дальнейшее развитие методических основ организации измерительных процессов в направлении обобщения, использования и получения различных по форме представления дайных и знаний, то есть интеллектуализации измерений. ■

В качестве перспективных средств реализации ИТ БИИ выделены экспертные системы (ЭС), как системы, обеспечивающие получение решений на основе правил вывода и обобщения знаний. Однако, отмеченная необходимость метрологического обоснования получаемых

решений отсутствует в настоящее время в ЭС. Предложена абстрактная структура интеллектуальной ИИС для реализации задач мониторинга СО на основе ИГ ИИ.

Концепция БШ рекомендована в качестве основы для решения задач мониторинга СО природной и искусственной среды на принципах измерительного подхода.

Во второй главе работы решаются методические вопросы организации Б$Ш.

При всех достоинствах байесовского подхода применить его в классическом виде или в виде известных модификаций в средствах ИИ не удается в связи с рядом причин. Основная из них касается невозможности метрологического обоснования результатов байесовского оценивания. Хотя оптимальные байесовские правила получения решений и учитывают статистический характер данных, используемых при принятии решений, в виде вероятностной характеристики решения - его апостериорной байесовской вероятности, но, как известно, они не обеспечивают устойчивость получаемых решений в связи с тем, что в практических приложениях используются эмпирические или имитационные оценки вида априорного распределения решения или функции правдоподобия выборки, что вносит в результаты неконтролируемую дополнительную погрешность. Кроме того, точность оценивания контролируемого свойства также не определяется, в виду отсутствия в известных алгоритмах метрического представления функционального пространства байесовских решений. Показатели этих погрешностей должны входить в комплексы метрологических характеристик (KMX) результатов байесовского оценивания. Таким образом, необходима модификация байесовского подхода в направлении обеспечения возможности полного метрологического обоснования решений, что позволит реализовать основные принципы измерительного подхода на основе байесовской идеологии.

Во второй главе разработаны основные принципы регуляризиру-. клцего байесовского подхода (РЕП), позволяющие получать результаты интеллектуализации измерений в виде устойчивых оптимальных нечетких байесовских решений с метрологическим обоснованием их качества - значений показателей точности, надежности и достоверности. Концептуальную основу РБП составляют принципы байесовского подхода и оптимальных байесовских решений, реализованные на ШДО а процессе БИИ.

В целях теоретического обоснования РБП доказана теорема о возможности реализации.на компакте байесовских решений структуры ЩДО БЛИ в условиях заданных метрологических требований (Теорема 1). Условие реализации ШДО может быть записано в виде:

х Э,!1 (3*1),!' 3,1* 3,1* Б . < X +1 > * , 1,1 х '

где р - расстояние между соседними элементами носителя ЩЦО;

Теорема 1 обобщена для ЩЦО иерархического типа. Разработаны принципиальные основы синтеза ЩЦО иерархического типа.

В работе доказана условная устойчивость решений БШ на компакте ШДО при определенных метрологических, требованиях и ограни-.чениях. Это позволяет назвать методы БИИ и алгоритмы, построенные на их основе, регуляризируицими, а получаемые на ЩЦО решения . - регуляризированшми байесовскими оценками (р.б.о.). Сформулированы необходимые и достаточные условия реализации регуляриви-рующего алгоритма БИИ на основе заданных структуры ЩДО БШ и метрологических требований БИИ в виде:

где Н(е 11 - байесовская разделяющая граница; го 1 - байесовский риск решения Ь ■ .

Предложена концепция формирования' априорного распределения количественной информации об ОИ и СФ, обеспечивающая обобщение и использование количественной информации, поступающей от различных ее источников, и ее метрологическое обоснование.

Для привлечения в измерительный процесс качественной информации об ОИ и'СФ предложена концепция сопряженной с числовой (базовой) лингвистической шкалы БИИ и структура алгоритма лингвистических БИИ. Сформулированы условия, определяющие. возможность синтеза сопряженной лингвистической ЩДО и алгоритма БИИ в конкретной измерительной ситуации.

Для формализации и автоматизации БИИ на основании проведенного изучения свойств р.б.о. разработана - структура комплекса метрологических характеристик результатов БИИ в виде:

в который входят показатели:

- точности:

^.г^Р««,,,»].

который является параметром регуляризации решений {hs ,} и характеризует потенциальную точность измерений на шкале Gg i;

- надежности :

Vs>1 = <1-'я.,)'(1-С81,>.

где аз t и , ~ Уровни ошибок первого и второго рода:

\(1> ' ■ h<" s*i,1 S+1,1

«..i = J paii= «

^(r) J. Iе s,l U<7>

S , I S , 1

f(h\ha () - плотность вероятности параметра n при условии гипотезы hs j и достоверности, определяемой в виде апостериорной вероятности р.б.о..

Для метрологического обоснования сложных свойств ОИ, определяемых на 'основании системы признаков, разработаны основные правила функциональных преобразований KMX согласно структуре ал' горитма БИИ. Разработаны основные принципы и формализованная основа оптимизации эксперимента БИИ в целях обеспечения установленных метрологических требований. Для конкретных видов функций правдоподобия выборки или функций распределения достаточных статистик получены форлульные■зависимости для определения оптимального объема выборочных данных, обеспечивающие заданные значения показателей точности и надежности решений БИИ.

Разработана обобщенная методология синтеза ЩДО и алгоритмов БИИ, а также оптимизации измерительного эксперимента в целях обеспечения требуемого качества его результатов. .

В третьей главе разработана методология параметрических статических и динамических БИИ, позволяющая получать метролога-чески обоснованные решения ' о значении параметров в числовой и лингвистической форме, учитывать априорную информацию о параметрах, оптимальным образом организовывать измерительный эксперимент для обеспечения метрологических требований, получать максимально полные, в виде списка возможных в условиях данного эксперимента, решения. Уравнение параметрической БИИ (ПБИИ) для статистик вероятностных характеристик СВ и СП имеет вид:

k.i^K.J ¿г, <9>

где - алгоритм вычисления статистики по выборочным данным;

р® t - алгоритм шкалирования статистики на ЩЦО БИИ.

Разработана методика синтеза алгоритмов, числовых и сопряженных лингвистических шкал БИИ статистик моментных характеристик и функций от них (коэффициентов асимметрии и эксцесса).

Создана методология синтеза обобщенных форм критериев проверки статистических гипотез. Разработаны алгоритмы, шкалы и методики проверки по обобщенным формам критериев Стьюдента, Фишера, ха. позволяющие обеспечить требуемое качество проверки гипотез, производить проверку нечетких гипотез, определять расстояние от проверяемой гипотезы до действительного значения или модели ОИ, оптимизировать процесс проверки по обобщенным критериям. Показано, что существующие в статистической практике формы данных критериев являются вариантами обобщенных и неэффективными при измерительных ситуациях со значительной априорной неопределенностью знаний об ОИ и ВФ и неполной, нечеткой , неточной поступающей информации.

Создана методика синтеза алгоритмов, базовых и сопряженных лингвистических шкал БИИ динамических параметров. Разработаны алгоритмы БИИ авторегресии различных порядков, позволяющие оценивать коэффициенты авторегрессии и получать аналитические зависимости для авторегрессии и регрессии с обоснованием их качества в виде KMX, содержащих показатели точности, надежности и достоверности решений.

Разработаны алгоритмы, шкалы для БИИ коэффициента корреляции, позволяющие обеспечить требования по метрологическому обоснованию значений коэффициента, получать интерпретированные решения в условиях априорной неопределенности на основе учета всего объема разнородаой априорной информации.

Методология ПБИИ .реализована в виде ИТ БШ в прикладных ЭС мониторинга свойств,* состояний и эволюции развития технических и природных объектов. В главах 5, 6, 7 работы приводятся конкретные примеры реализации ИТ ПБИИ в указанных 'выше задачах.

Четвертая глава посвящена вопросам создания жал и методов БИИ характеристик и состояний систем взаимосвязанных СЬ или СП.

Под функциональной БИИ (ФБИИ) понимается определение функ-

ционалыюй зависимости, связывающей в аналитической. форме два или более простых параметров, которые могут быть представлены в*' виде СВ или СП, на основе методологии РБП и соблюдения принципов измерительного подхода. Таким образом, результат ФБИИ может быть быть представлен в виде:

,|{«}я argmlnCCfp* , ь(рЧ '^.^»ll/? J], (10)

ti" , , ' ' , ' iS, I 5,1

Л8>.бН3,1' f. cY L- I t b I-, b *

где b=f7Bi - число параметров функциональной зависимости, {MX}^ i * KMX для этапа определения вида .функциональной зависисмости, и охарактеризован KMX вида:

„ В' '

гдр {MX}^ ь j - KMX собственные для каждого Ь-го параметра.

Под системной БИИ (СБШ) в данной работе понимается определение на основе методологии БИИ характеристик или состояния системы взаимосвязанных функциональных зависимостей, векторов параметров,' других систем, входящих в данную.

Обобщенный результат системных БИИ может быть представлен в виде:

ar«*inc и»;.,>e«<i.,..(12) hc »h" «h"

где g=fTgj; g, - число функциональных зависимостей, входящих в систему.

KMX, характеризующий качество результатов вида (10) имеет

вид:

, 5 В .

Основное отличие от параметрических БИИ состоит в том, что пространство решений ФБШ и СБШ отличается сложностью своей структуры. Оно может быть представлено совокупностью вложенных друг в друга подпространств. Причем для ФБШ существует всегда одно обобщающее пространство решений, содержащее в себе в качестве вложенных подпространств подпространства параметров, а при С БИИ таких пространств мотет <5ить мнокестзо, каждое иа кото-

рых. может быть взаимосвязано с остальными по влиянию на его собственную структуру и форму и может быть независимым от остальных в рамках конкретных ограничений системы.

Очевидно, структура шкал ФБИИ и СБИИ должна отражать специфику их решений и иметь иерархическую структуру.

Если функциональная'характеристика или системные параметры определяются по признакам, то иерархическая структура шкалы развивается для включения в обобщенные пространства решений подпространств решений по отдельным признакам с учетом их взаимосвязи. » т

В( I)

а»1 1»1

Таким образом, носитель такой шкалы представляет собой многомерную структуру согласно иерархии уровней измерительных процессов ФБИИ и СБИИ.

На этане синтеза структуры многомерных шкал ФБИИ возникает вопрос измеримости функциональных пространств • непараметрических решений, связанных с определением расстояний между отдельными элементами носителя таких шкал.

В качестве элемента носителя шкалы ФБИИ может выступать элемент функционального пространства, представляющий собой конкретный класс или вид аналитических зависимостей, определенных

110 Лк,п.Г- •

Для формирования носителя ЩЦО БИИ таких решений необходимо

выполнение условий теоремы 1. Проверка свойств компактности функционального пространства необходима каждый раз при введении в класс ОИ БИИ новых видов функциональных пространств объектов и на кавдом уровне иерархии ЩО ФБИИ или ШДО СБИИ.

Одним из сложных теоретических и практических вопросов является вопрос определения меры расстояния в функциональном пространстве решений ФБИИ и СБШ. Отмечается, что в ряде .задач практически удобным оказывается определение меры различия элементов в функциональном пространстве в смысле среднеквадратической характеристики, однако для полного метрологического обоснования необходимы более сильные метрики, такие как, например, равномерная.

Для сложных вероятностных функций эта метрика может быть определена в вероятностных пространствах. '

Примером алгоритма ФБИИ является алгоритм БИИ ПВ одномерных

унимодальных законов распределения.

Одним из основных вопросов синтеза алгоритмов БИИ ПВ является вопрос выбора системы моделей ПВ, составляющих пространство_ решений алгор!тма ФБИИ. Практика измерений показывает, что в большинстве задач оптимальной, с точки зрения простоты интерпретации и удобства дальнейшего использования, является система ' кривых плоскости Пирсона. Эта система моделей охватывает все разнообразив форм унимодальных и антимодальных распределений и является достаточно полной базой для ФБИИ ПВ.

. Для построения'ШДО БИИ ПВ производится дискретизация непрерывного функционального пространства ПВ в соответствии с условием:

Л ,,) ~ модель ПВ в форме аналитического выражения, где расстояние определяется в равномерной метрике, которая, являясь наиболее- сильной, обеспечивает соблюдение заданного расстояния и расстояния между интегральными законами распределения соответствующих ПВ. Специфика определения расстояния между ПВ, являющимися соседними элементами шкалы, состоит в том, что. оно определяется в вероятностном пространстве, и ' для выявления различий по форме распределений в равномерной метрике должно быть устранено влияние параметров сдвига и масштаба. Однако, из-за коррелированное™ параметров сложных распределений этого достичь не удается. В работе предложена и теоретически обоснована методика определения расстояния мезду ПВ сложных распределений через использование образцового распределения, которая позволяет обеспечить сравнение двух ПВ в равномерной метрике.

При организации ФБИИ ПВ основной вопрос состоит в выявлении формы ПВ, соответствующей экспериментальным данным. Характеристиками формы типовых распределений, входящих в систему Пирсона, являются коэффициенты асимметрии Аа и эксцесса Ех.

Шкала ФБШ ПВ представляет собой иерархическую двухъярусную структуру вида:

5,1 3,1 3 , 1 " 1

где - условная шкала Б МИ эксцесса;

- тала БИИ ясюк^етр«ц.

л 1'

Уравнение ФБИИ ПВ имеет вид:

.<С )/_<Г)

аг&Ип С г <* г'|у "])], (17)

у^«»^; »"¡«^г:-

где '(р'г' - алгоритм непараметрического определения вида ПВ, выявляющий ее форму; | - область решений о виде аналитической зависимости ПВ;- - алгоритм параметрического оценивания ПВ, о'беспечивающий определение параметров ПВ на основе ПБИИ; -

- область решений ПБИИ для параметров

КМХ для результата (17) формируется с учетом собственных КМХ параметров {М}[ь> и признаков формы ПВ {ЛХ}^"', их}'"1 в виде:

{МХ}'Г) = {МХ} |Ех' |{МХ}(АВ 1 * {МХ»'АО * ( '* {МХ}'"!). (18) 111 '

Таким образом алгоритм БИИ для плотности вероятности позволяет получать аналитическую зависимость для ПВ СВ или СП в форме типового распределения плоскости Пирсона с требуемыми точностью, надежностью и определять ее достоверность в условиях измерений. Исследованы дисперсии оценок асимметрии и эксцесса типовых распределений. Предложена формализованная методика решения обратной задачи БИИ ПВ, для чего иссследованы выборочные дисперсии Лз и Ег, типовых распределений системы Пирсона, получены зависимости, позволяющие определять оптимальный объем выборочных данных для проведения БШ ПВ о обеспечением заданных метрологических требований.

Проверка адекватности полученных моделей ПВ производится по обобщенному критерию х2, обеспечивающему точность и надежность такого контроля.

Алгоритм ФБИИ ПВ нашел применение при решении задач определения законов распределений погрешностей средств измерений, показателей яркости изображений объектов на космических и аэрофотоснимках, гидрологических показателей акваторий, размерно-весовых характеристик особей популяций и других, где подтвердилось об^ста-л^стс тушуемого качества и высокой скорости получения ре-

эультатов. Особую роль играет этот алгоритм в ИТ БИИ-при определении аналитического вида априорных распределений объект'ов Б1Ш и" их метрологического обоснования.

Для оценки состояния и характеристик системы СВ и СП применяются базовые и сопряженные лингвистические шкалы состояний, позволяйте получить количественную и качественную оценку' состо-' яяия СО в виде:

! | ! i н«> I1,! 11?! | К"! i К?! i

\{ЫХ}1п[)\{ЫХ}(аЧ[)\[МХ}1с1)}. (.19)

Закон распределения общей погрешности такого результата определяется, в виде:

; > ./-(л. x/(Ah«*;) \\t, (, > |У jyj'■». (го

где ¿h^*j\hm j - условная погрешность качественного решения, полученного на'сопряженной лингвистической шкале СБИИ при условии, что интегральная характеристика погрешности количественного результата СБИИ равна гЛш t.

KMX для результата БИИ (19) имеет вид:

т<а°\ = ш}<3"\\{мх}51 * {«)•„,¡м**}^;..,. '(2D

Рассмотрена задача метрологического синтеза алгоритмов ФБИИ и СБИИ при заданных условиях измерений.

Алгоритмы и методы ФБИИ и СБИИ для вероятностных функциональных. и системных характеристик приводятся в отдельных параграфах данной главы.

Разработана методика, структуры иерархической ИЩО и алгоритма решения задачи ФБИИ многомодальной ПВ СВ или СП. Получены формулы для решения задачи определения оптимального объема данных для алгоритма в целом и отдельных его этапов.

Разработана методика построения гистограмм ПВ с требуемой точностью оценивания ПВ на основе методологии БИИ, что позволяет на формализованной основе производить выбор числа разрядов гистограммы и определять оптимальный объем выборочных Данных при заданных метрологических требованиях БИИ для типовых распределений системы Пирсона.

Предложена концепция прогнозирования поведения и ретроспективного оценивания на основе БИИ, отличающаяся от существующих

обоснованием качества прогнозов и резуЛоштив ретроспективных решений в виде KMX, позволяющая учесть всю имеющуюся информацию об ОИ и среде его функционирования, а также более точно определить достоверную область нахождения прогнозных и ретроЬпективных • решений БИИ при неполной, неточной и нечеткой информации.

В пятой главе разработаны принципы синтеза информационных технологий мониторинга сложных объектов на основе БИИ, что позволяет представить 'процесс мониторинга как единый измерительный процесс с полным метрологическим обоснованием его этапов и решений в динамическом режиме функционирования с иерархической ЩДО объекта в виде:

a<u>=(G<y)*a<up>»G(°)*G *G *G )*G<U' |у . (22)

3,1 x 8,1 S,1 S,1 9,1 X,1 F,l' 4 '

где G^J. G^', ■ - реляционные системы ЩДО БИИ генерации управляющих решений'и рекомендаций, контрольных выводов,и определения свойств и состояний объектов БИИ.

Сформирована структура обобщенной ИТ БИИ- и методика решения типовых задач БИИ (измерительного оценивания, контроля и управления на основе методологии БИИ) в различных условиях измерений.

Предложена и реализована структура ЭС статистического мониторинга свойств сложных объектов "АССИСТЕНТ", реализующая мате-, магическую среду БИИ и ИТ БИИ к позволяющая организовать й оптимизировать процесс мониторинга, а также обеспечить 'развитие•ИТ БИИ и ЗС "АСС1ЮТЕНТ" в различных условиях мониторинга.

Поставлена задача к пр-гдло::з$т ИТ БИИ в задачах статистического управления технологичеаэгм процессом (СУТП) и производственны! оборудованием (ПО). Рассмотрен пример применения ИТ БИИ в статистической монитора с- задачи СУТИ механической обработки деталей, что позволило поикать эффективность контроля и качество готовой продукты и оптимизировать систему СУТП н ПО, а такке регжм эксплуатации ПО.

ПрбДЛОйЗЕ подход к реыэшш задачи метрологического конито-ршга на основе ИТ БШ, о такав алгоритм БИИ характеристик СИ, обеспечивающий опрэделение параметров к кодояоЯ мзтролошчвокт: характеристик СИ в реальнш: условиях его эксплуатации к взышэ-дсПствкя с ОИ u OS', 1Юзволяшп1й роелазовшачь процесс 1,:этролого-ческого коккторанга »шшщовдя: хорактерютш: СК, а tcklo гокс-оггп.ьмии". кэтодогл повзркп 01 на ocuobs PiH I.' созд?;-

вать развивающиеся ИГ и интеллектуальные средства метрологического мониторинга СИ.

Предложен подход к формированию ИТ и алгоритмов классификации объектов по изображениям и другой неточной или неполной информации, который апробирован в задаче.классификации космических искусственных объектов по космическим фотоснимкам. Сформирована база знаний и ЭС "АССИСТЕНТ-КЛАСС" для мониторинга определенных классов космических объектов. Алгоритм классификации этих объект тов на основе ИТ БШ отличает высокие скорость классификации и вероятность правильной, классификации. '

В шестой главе разработаны методология и ИТ БИИ в задачах экосистемного мониторинга природных'объектов.

Экосистемный (биогеоинформационный) мониторинг природной среда предполагает комплексные исследования состояния природных объектов, которые, являясь разнообразными по масштабам, физическим, географическим и биологическим свойствам, обладают некоторой общностью, состоящей в представлении этих объектов в виде живой сложной системы, активно взаимодействующей со средой своего окружения. Понтону в Постановке задач БИИ на основе методологии БИИ могут решаться как комплексные задачи экосистемных исследований, так к задачи оценок монофакторных'исследований, составляющие предмет экологических или биологических видов мониторинга различных компонент экосистемы: воды, атмосферы, почвы, растительного и животного мира, климата или отдельных характе-рйстик, Полями таких исследований могут бнть: оценка современного или перспективного состояния экосистемы или ее отдельных компонент, структуризация и" экологическое картографирование, определение динамики внутригодовых, многолетних и крупномасштабных показателей эволюции экосистем и входящих в них природных объектов, моделирование развития природных процессов и систем, прогнозирование экологических ситуаций, экологическое нормирование, планирование развития регионов с учетом их социально-экономического и природного потенциала, оптимизация природопользовательс-кой и природоохранной деятельности в целях устойчивого развития экосистем, включая и их социально-экономические компоненты.

Очевидно,, все эти задачи могут быть разделены на три основные группы:

- оценивание свойств и характеристик экосистемы и ее компо-

цент, а также моделирование их эволюции, восстановление ретроспективы развития и прогнозирование состояний и ситуаций;

- контроль и нормирование состояния экосистем или их характеристик;

- генерация оптимальных экологических решений и управляющих рекомендаций.

В главе разработана концепция ИТ БИИ в задачах экосистемно-го мониторинга при определении осйовных характеристик, состояний и' эволюции экосистем и их компонент, содержащая принципиальную основу для реализации РБП в задачах оценивания, экологического контроля и нормирования, а также выработки управляющих рекомендаций, что позволяет производить метрологическое обоснование получаемых результатов, планировать стратегию мониторинга для обеспечения требуемого качества получаемых решений, учитывать в процессе БИИ разнородную априорную информацию об ОИ и ВФ экосистемы, получать достоверные решения при неполной, неточной, нечеткой информации.

ИДО экосистемы может быть записана в виде композиции структурной .и топографической моделей экосистемы:

Kl^l^S (23)

с KMX вида:

= inx)^; * да'1;; * (24)

Модель вида <23) может Сыть использована как для прогнозирования состояния экосистемы (при.времени прогноза ■ t>tL ), так и для восстановления ретроспективы развития экосистемы, ее исторического прошлого (tctj).

Предложены конкретные модели вида МДО природных объектов в задачах . экологического мониторинга водной, воздушной сред и ландшафтов, позволяющие реализовать развивающиеся ИТ БИИ, обес-, печивающие повышение качества получаемых результатов и эффективность решения основных задач мониторинга.

Разработаны и реализованы в прикладных ЭС структуры базовых и сопряженных лингвистических ИЩО БШ при определении значений, аналитических зависимостей, контролирующих и управляющих решений для основных характеристик водной и воздушной сред конкретных экосистем Ленинградской и Донецкой областей, а также конкретные ИТ БИИ, обеспечивающие требуемое качество результатов в условиях

значительной априорной неопределенности■ и получение устойчивых региональных моделей характеристик экосистем для задач'контроля состояния природных объектов и экологических ситуаций, оптимальт ного регионального управления природными ресурсами.

Разработаны и внедрены в практику деятельности экологических организаций конкретные структуры экспертных.систем и ИИС,' на базе прикладных ИТ БИИ в виде систем "АССИСТЕНТ-ГИДРОЛОГ" для оценки состояния и эволюции водной экосистемы Финского залива и ИИС для контроля состояния воздушной среды г.Макеевки Донецкой области, получившая сертификат качества РФ.

Получены, конкретные модели динамики параметров и законов распределения значений компонент"водной и воздушной сред указанных регионов. Разработаны и наполнены информацией базы данных и знаний для водной экосистемы восточной части Финского залива и 28 типов ландшафтных компонентов экосистем России.

В седьмой главе разработана концепция биосферного мониторинга на основе ИТ БИИ, позволяющая получить достоверные, полные и объективные решения БИИ относительно основных показателей' и состояния популяций живых организмов биосферы, а также основные и альтернативные оценки экологических ситуаций с учетом информации о влияющих природных и антропогенных факторах экосистемы.

Разработаны концепции, модели, алгоритмы и методики для определения основных показателей состояния популяций копытных животных и рыб, обеспечивающие получение результатов с'обоснованием их качества в виде показателей точности, надежности и достоверности, что.позволило использовать их в практической деятельности экологических организаций и повысить эффективность природоохранной и природопользовательской деятельности оптимизировать управление биоресурсами по ряду показателей.

Основное уравнение БИИ для определения состояния популяции или его показателя с учетом состояния среды обитания /г^ и антропогенных факторов имеет вид:

{П^ИШ}^]1} = агдп1п0 [#'."° '<*. \П<*> ;7г(,а | .У )] , (25)

<по> (П;о) р(П0. З'(па. Л<Е) н<Е> и'-' ен<в'.

Э , 1 5 | 1 .1,1 ( 1 > , 1 ' .1,1 3 ( 1 ) ■ 1 .1,1 3,1

Разработаны структуры базовых и сопряженных лингвистически шкал БИИ для конкретных популяций животных Ленинградской области

и Удмуртии, позволяющие обобщать разнородную архивную и текущую информации о состоянии популяции и среда ее обитания для повышения качества решений задач оценивания, контроля, нормирования, квотирования и управления в биосферном мониторинге. " Использование ИТ БИИ позволило уменьшить погрешности в определении численности стада лося и уточнить результат в 1,5 раза. ИТ БИИ использовалась при прогнозировании численности популяций кабана и лося на территориях Ленинградской области и Удмуртии, результаты которого полностью подтвердились в последующие периоды. Согласно рд-комендацикм, полученным средствами БИИ (ЭС "АССИСТЕНТ-БИОЛОГ"),, число выдаваемых лицензий в Удмуртии уменьшено в 1.7 раза, что позволило стабилизировать состояние популяции' лося в республике.

Разработаны и внедрены в практику экологических организаций ЭС "АССИСТЕНТ-БИОЛОГ" И "АССИСТЕНТ-ИХТИОЛОГ" для принятия управленческих и экологических решений, моделирования и непрерывного изучения биосферы к ее основных компонентов (популяций животного мира), ведения кадастров природных объектов и систем на локальной, региональном и федеральном уровнях.

Созданы базы данных и знаний для популяций кивотного мира Ленинградской области и Удмуртии, получены конкретные результаты (значения показателей, модели их динамики, законы распределена^, решения о состоянии популяций и влияющих факторов среды их обп-.тания), используемые в настоящее время для принятия оптимальных управляющих решений в охране окружающей среды, контроля биоразнообразия и устойчивого развития региональных экосистем.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В работе получены следующие основные научные и практические результаты:

1. На основании исследований современных тенденций развития измерительной техники и новых измерительных задач' выделен класс задач интеллектуализации измерений, характеризуемый измерительной ситуацией со значительной априорной неопределенностью знаний об объекте измерения. Показано, что задача мониторинга слокных технических и природных систем, активно взаимодействующих с окружающей средой в процессе их фушаюонирования к эволюции, моке-.-бьть поставлена как задача интеллектуализации пзчерекий. Опрздн-

пены требования к информационным технологиям и средствам измерений для реализации интеллектуализации измерительных процессов.

2. Разработана концепция, получено • основное уравнение интеллектуализации измерительных процессов на основе байесовского подхода (БШ), в результате-изучения свойств сложных объектов предложена модель сложного объекта измерений с динамическими ограничениями (ВДО), адекватно отражающая свойства сложных технических и природных сиЬтем и позволяющая обеспечить непрерывное познание свойств сложного объекта в процессе измерений. Предложена концепция и обобщенная структура измерительной шкалы с динамическими ограничениями для реализации МДО в измерительных системах. ... •

3. Разработан регуляризирующий байесовский подход, позволяющий синтезировать алгоритмы БШ с устойчивыми, полными, метрологически обоснованными решениями, получаемыми на основании учета всего объема априорной и поступающей в процессе измерений информации, что повышает качество результатов БШ и дает возможность оптимизировать измерительные процессы в целях обеспечения требуемого качества результатов измерений.

4» Разработаны принципы, определены необходимые и достаточные условия синтеза базовой числовой и сопряженной лингвистической шкал, методов и алгоритмов БШ на основе РБП, реализующие методологию БИИ и обеспечивающие решение измерительных задач оценивания, контроля и управления в условиях значительной априорной неопределенности с требуемым качеством результатов репэниЯ и учетом информации, представленной в различных формах.

5. Предложена структура комплексов метрологических характеристик результатов БШ, включающая показатели точности, надежности и байесовской достоверности решений, а также способы их функциональных преобразований, что позволяет контролировать дополнительно к существующим, составляющие погрешности условной неадекватности, устойчивость и байесовскую достоверность результатов измерений.

6. Предложена принципиальная основа параметрической БИ11, поззоляющая синтезировать алгоритмы БШ1 параметрических статистик, обеспечивающая требуемое качество определения их гцаче'лй в условиях значительной априорной неопределенности и неполноты, неточности ц нечеткости поступающей информации. Разработчик и

реализованы алгоритмы ПБИИ для статистик моментных характеристик, коэффициентов.асимметрии, эксцесса и коэффициента корреляции.

Т. Разработана методика синтеза алгоритмов ПБИИ для критериев проверки статистических гипотез, позволяющая получать обобщенные формы критериев, обеспечивающие требуемое качество решений и оптимизацию алгоритма проверки, определение расстояния между проверяемыми гипотезами, проверку нечетких гипотез на основе всего объема■априорной и поступающей информации. Разработаны алгоритмы ПБИИ статистик критериев Стыодента, Фишера и ха~ -критерия.

8. Разработаны принципы оптимального синтеза алгоритмов БИИ для определения функциональных зависимостей и характеристик систем в условиях значительной априорной неопределенности, обеспечивающих метрологическое обоснование и требуемое•качество результатов. Реализованы алгоритмы БИИ для одномерных, многомодальных и многомерных законов распределений СБ и нестационарных СП, которые позволяют получать результаты в виде списка возможных моделей, представленных в аналитической формах типовых унимодальных распределений плоскости Пирсона и их смесей с полным метрологическим обоснованием результатов, а также алгоритмы БИИ характеристик систем СБ и СП.

9. Предложены информационные технологии решения трех типов задач БИИ': измерительного оценивания, измерительного контроля и измерительного управления объектом и измерительным экспериментом в процессе функционирования СО. Предложены конкретные ИТ мониторинга сложных технических объектов и процессов с использованием системы статистического мониторинга БИИ в задачах статистического управления технологическим процессом механической обработки деталей, метрологической аттестации СИ, классификации и мониторинга состояния технического объекта по изображениям, позволяющие получать метрологически обоснованные, устойчивые и полные решения, а также оптимизировать процесс мониторинга этих объектов.

10. Разработана, реализована и внедрена в измерительную практику структура ЭС "АССИСТЕНТ", реализующая ИТ БИИ в задачах статистического мониторинга СО на основе РБП.

11. Предложена концепция ИТ БИИ в задачах экосг.стекного мониторинга на основе методов БИИ, позволяющая непрерывно изучать

экосистему и ее основные компоненты, получать объективную и полную характеристику свойств экосистемы в условиях текущих•ограничений, а также оценку качества полученных решений, прогнозировать, контролировать и восстанавливать состояния экосистемы и ее. компонентов, получать эффективные природоохранные решения и оптимизировать процесс изучения на основе оптимизации БИИ. Построены и внедрены в практику деятельности экологических организаций прикладные ЭС и реализующие методологию, алгоритмы и ИТ БШ, -для мониторинга гидро-, аэро- и биосферы, позволяющие создавать развивающиеся системы мониторинга'этих'компонентов природной среды, обеспечивать получение метрологичеси обоснованных экологических решений и управляющих рекомендаций.

12., Получены новые модели и решения, созданы базы данных и знаний для, различных компонентов природной среды, позволяющие получать интегральные решения о состоянии и динамике развития природных объектов, повысить эффективность и качество природоохранных и природопользовательских решений.

Таким образом, в результате выполненных научных исследований осуществлено теоретическое обобщение и решение крупной научной проблемы, состоящей в разработке методов и средств йнтеллек-туалиэации измерительных процессов в задачёх Мониторинга сложных технических и природных объектов в сложных измерительных ситуациях, что обеспечивает повышение качества получаемых результатов и эффективности измерительного эксперимента, развитие ИТ измерений на основе непрерывного познания объекта мониторинга, что имеет важное народно-хозяйственное значение.

Основные результаты диссертации опубликованы в следующих работах:

1. Недосекин Д.Д..Прокопчина C.B., Чернявский Е.А. Информационные технологии интеллектуализации измерительных процессов. - СПб.: Энергоатомиздат, 1995.- 185 с.

2. Койнэш Б.В., Прокопчина C.B. Регуляризирующий байесовский подход в задачах классификации объектов по изображениям.7 Препринт АН СССР.ИПА, Л., 199t.- 61с.

3. Недосекин Д.Д., Прокопчина C.B. Об одном подходе к выбору типа распределения для выборок большого объема.- В сб. науч. тр. "Устройства и системы автоматизированной обработки ииформп-

ции",- Пенза: ППИ, 1976, с. 54-56.

•t. Недооекин Д.Д.. Прокопчина C.B. О возможном методе автоматизации выбора модели закона распределения случайного процесса.

- Тез. докл.Л? Всесоюзной конференции "Планирование и автоматизация эксперимента в научных исследованиях".- М., 1976, с.113-114.

,5. Прокопчина C.B. Выбор шага квантования по уровню равномерно распределенного сигнала.// Известия ЛЭТИ: Сб. научн. тр. -, Л.: ЛЭТИ, 1976, вып.'184, с. 92-96.

6. Недосекин Д.Д., Прокопчина'C.B. Многофункциональное комбинированное -вычислительное устройство для определения законов распределения случайных процессов.- В сб. "Проблемы создания преобразователей формы информации", ч.2.-Киев:'Наукова думка, 1976, с. 193-196.

7. Недосекин Д.Д., Прокопчина C.B. Вопросы построения гибридного вычислительного комплекса для определения законов распределения.- В сб. "Гибридные вычислительные машины и комплексы".

- Киев: Наукова дуыха, 1976, с. 110. ■

8. Прокопчина C.B. К расчету погрешности аппроксимации сложных распределений, обладающих параметрами формы, нормальным.//Известия ЛЭТИ: Сб. научн. тр.- Д.: ЛЭТИ, 1977, вып.209, с. 44-48'.

9. Прокопчина C.B. Идентификация распределений признаков текстурных изображений с заданными точностью и надежностью.- Тез. докл. II Всесоюзной конференции "Автоматизированные системы обработки изображений (АСОИз-86).- М.: Наука, 1986,- с. 302-303.

10. Прокопчина C.B., Рубинштейн Ю.Г., Липовецкий Ю.М. Пакет прикладных программ идентификации ПВ для задач статистического описания текстурных изображений.- Тез. докл. Респуб. научн.-техн. конф.- Ижевск, 1987, с. 334-335.

11. Чернявский Е.А., Недосекин Д.Д., Прокопчина C.B. Критерий оценки адекватности результатов имитационного моделирования, сложных систем и процессов.- В межвузовском сб. науч. тр. "Цифровые модели в проектировании и производстве РЭС". Вып.2.- Пенза: ППИ, 1990, с. 77-81.

12. Прокопчина C.B. Метрологическая аттестация моделей и алгоритмов байесовской идентификации вероятностных характеристик.

- В сб. тез. докл. III Всесоюзн. конф. "Метрологическое обеспечение ИИС и АСУТП", 3-5 октября 1990, Львов, с.24-25.

13. Прокопчина с.и., наугольнов O.A. Байесовские интеллектуальные измерения параметров случайных процессов. // Известия' ЛЭТИ: Сб.науч. тр.- Л.: ЛЭТИ, 1991. вып.442, с. 73-76.

14. Недосекин Д.Д., Наугольнов O.A., Прокопчина C.B. Идентификация законов распределений средствами экспертной системы "АССИСТЕНТ-СТАТ".- Тез. докл. Всес. науч.-техн. семинара "Статистическая идентификация, прогнозирование и контроль".- Севастополь,. 1991, с.68-69. '

15. Недосекин Д.Д., Прокопчина C.B. Метрологическое обеспечение' моделей и алгоритмов байесовской идентификации вероятностных характеристик. ДР 5014-пр91.- Деп. в ВИНИТИ "Депонированные научные работы", 1991, M 11.- 49'с.

16» Недосекин Д.Д., Прокопчина C.B., Наугольнов O.A. Параметрическая идентификация процессов и системи на основе регуля-ризирующего байесовского подхода.- Тез. докл. Всес. научн. конф. "Идентификация, измерение характеристик и имитация случайных сигналов", Новосибирск, 1991, с.62-63.

17. Прокопчина C.B. Классификация объектов по их изображениям на основе регуляризиругацего байесовского подхода.- Тез. докл. Всес. научн. конф. "Идентификация, измерение характеристик И имитация случайных сигналов", Новосибирск,'1991, с. 85-86. '

18. Недосекин Д.Д., Прокопчина C.B. Параллельные вычисления в алгоритмах байесовской идентификации.// Тез. докл. Всес. семинара ' "Распределенная обработка информации - IV", Новосибирск, 1991, с.32.

19. Прокопчина C.B. Интеллектуальные байесовские измерения вероятностных характеристик процессов и систем.- В сб. тез. докл. Всесоюзн. науч.-техн. конф."ИИС-91и, С.-Петербург,•1991, с.40-41.

20. Чернявский Е.А., Недосекин Д.Д., Прокопчина C.B., Кой-наш Б.В. Обеспечение требуемого качества решений в байесовских алгоритмах классификации объектов по изображениям.// Тез. докл. конф. "Проблемы создания, систем обработки, анализа и понимания изображений", Ташкент, 1991, с. 128-129.

21. Прокопчина C.B. Выбор параметров гистограммы для оценивания плотности вероятности унимодальных распределений с заданной точностью.- Методы вычислительного эксперимента в . вычислительной практике,- Сб. научн. тр., вып.1, Ижевск, 1992, с.59-62.

22. Наугольнов O.A., Прокопчина C.B. Байесовская идентификация, параметров распределений.//Известия ЛЭТИ: Сб. научн. тр. -Л.: ЛЭТИ, 1992, вып.446, с.57-61.

23. Прокопчина C.B., Рубинштейн Ю.Г. Определение дисперсии выборочных коэффициентов асимметрии и эксцесса.- Методы вычислительного эксперимента в вычислительной практике.- Сб. научн. тр.

- Ижевск: ИМИ, 1992, вып. 1, с. 62-67.

24. Прокопчина C.B. Оценка погрешности квантования по уровню при определении статистических характеристик сигналов.// Метода вычислительного эксперимента в инженерной практике: Сб. науч. тр.

- Ижевск: ИМИ, 1992, вып. 2, с. 116-125.

25. Прокопчина C.B. Экспертная система АССИСТЕНТ для интеллектуальных байесовских измерений вероятностных характеристик.// Измерительная техника, 1992, Н8, с. 11-14.

26. Прокопчина C.B., Рубинштейн Ю.Г. Применение регуляризи-рукщего байесовского подхода к подсчету численности биоресурсов лося.- Деп. в ВИНИТИ "Депонированные рукописи",- 1992, . #10, б/о 172, 12 е.; If 2032-92 от 23.06.92.

27. Прокопчина C.B., Наугольнов O.A., Рубинштейн Ю.Г. Экспертные системы интеллектуальных измерений в задачах экологического мониторинга.- Тез. докл. мекдунар. науч.-техн. конф."Микроэлектроника и информатика".- Ы., 1993, с. 122-124.

28. Прокопчина C.B., Недосекин Д.Д. Метрологические аспекты интеллектуальных измерений.- Тез. докл. межд. науч.-техн. конф. "Микроэлектроника и информатика".- М., 1993, с.119-122.'

29. Прокопчина C.B. Биосферный мониторинг на основе новых информационных технологий байесовских интеллектуальных измерений.

- Тез. докл. Мена. конф. "Мониторинг суши и водных экосистем", С.-Петербург, 1994, с. 225.

30. Прокопчина C.B., Наугольнов O.A., Лапнин М.В. Адаптивный алгоритм контроля качества на основе регуляризирующего байесовского подхода.- Тезисы докл. науч. конф. "Состояния и проблемы технических измерений", М., 1994.- с. 90-91

31. Прокопчина C.B., Строев Р.П., Домченко A.M. -Метрологическое обоснование алгоритмов байесовских интеллектуальных измерений показателей состояния биоресурсов.- Тез. докл. мевд. науч. ■ техн. конф. "Идентификация, измерение характеристик и иыггацил случайных екгнйкок", Новосибирск, 1994. с. 118-119.

32. Прокопчина C.B. Байесовские интеллектуальные измерения статистических характеристик случайных величин и процессов.- -Тез. докл. межд. науч.-техн. конф. "Идентификация, измерение характеристик и имитация случайных сигналов", Новосибирск, 1994, с.34.-

33. Рубинштейн Ю.Г., Прокопчина C.B. Прогнозирование объема возможной добычи биоресурсов методом байесовской идентификации" распределений.//Извес.тия ГЭТУ: Сб. научн. тр.- СПб.: ГЭТУ, 1994. вып. 469, с. 9-22:

34. Недосекин Д.Д., Прокопчина C.B., Чернявский Е.А. Регу-ляризирующий байесовский подход в задачах интеллектуальных измерений.// Известия ГЭТУ: Сб. научн. тр. - СПб.: ГЭТУ, 1994, вып. 469, с. 7Ch76.

35. Прокопчина C.B. и др. Определение состояния кабана на территории'Ленинградской области средствами интеллектуальных измерений.- СПб.: Санкт-Петербургский государственный электротехнический университет, 1995. - 35 с. - Деп. в ВИНИТИ 28.07.9?, М2324-В95. . . '

36. Прокопчина C.B. и др. Регуляризирущий байесовский иод-ход к определению состояния лося на территории Ленинградской области.- СПб. :. Санкт-Петербургский государственный электротехнический университет» 1995. - 30 с. - Деп. в ВИНИТИ 28.07.95, Н2325-В95.

Подписано в лечнта02.Ш,55 Формат 69*84/1« Печать ск)ксття. Заказ № I О 3 Пе«тинИ лист ■ 2\0 Тираж JQ О э>°-

Ротапринт МГП "Поликом" 197375, Санхт -Петербург, ул.Проф. Попояэ, 5

Список сокращений и обозначений.

ВВЩЕНИЕ.

Глава 1. ОБОСНОВАНИЕ КОНЦЕПЦИИ БАЙЕСОВСКОЙ ИНТЕЛЛЕКТУАЛИЗАЦИИ

ИЗМЕРЕНИЙ (БИИ).

1.1. Задачи, условия и принципы интеллектуализации измерений (ИИ).

1.1.1. Современные задачи измерений.

1.1.2. Типизация измерительных ситуаций и формализация этапов измерительного процесса.

1.1.3. Измерительные задачи мониторинга сложных технических и природных объектов.

1.2. Абстрактные и реальные модели сложных объектов мониторинга.

1.3. Шкалы измерений свойств сложных объектов.

1.4. Информационные технологии измерительных процессов.

1.5. Средства интеллектуализации ИИС.

1.6. Основная концепция байесовской интеллектуализации измерений.

1.7. Выводы по главе 1.

Глава 2. РАЗРАБОТКА РЕГУЛЯРИЗИРУЮЩЕГО БАЙЕСОВСКОГО ПОДХОДА

ДЛЯ СИНТЕЗА АЛГОРИТМОВ БИИ.

2.1. Методологические аспекты классической байесовской идеологии.

2.2. Теоретическое обоснование регуляризирувдего байесовского подхода. Необходимые и достаточные условия реализации ЩЦО БИИ.

2.3. Синтез обобщенного метода БИИ на основе РБП.----.

2.4. Метрологическое обоснование методологии БИИ.

2.4.1. Основные свойства регуляризирующих байесовских оценок.

2.4.2. Обоснование выбора системы показателей качества результатов БИИ.

2.4.3. Функциональные преобразования комплексов метрологических характеристик БИИ.

2.5. Синтез априорного распределения результатов на базовой и сопряженной шкалах БИИ.

2.5.1. Формы и способы представления априорной информации БИИ.

2.5.2. О формировании матрицы штрафов в БИИ.

2.5.3. Концепция и принципы построения сопряженной лингвистической шкалы БИИ.

2.6. Обобщенная методика синтеза шкал и алогритмов БИИ.

2.7. Выводы по главе 2.

Глава 3. РАЗРАБОТКА ШКАЛ И АЛГОРИТМОВ ПАРАМЕТРИЧЕСКОЙ БИИ

ПБИИ).

3.1. Концептуальная основа параметрической БИИ.

3.2. Синтез шкал и алгоритмов БИИ статистик моментных характеристик СВ и СЭСП.

3.3. Алгоритмы БИИ статистик проверки статистических гипотез.

3.3.1. Обобщенный алгоритм БИИ статистик критериев проверки статистических гипотез.

3.3.2. Обобщенные критерии проверки значимости на основе ПБИИ.

3.3.3. Обобщенные критерии согласия на основе ПБИИ

3.4. Алгоритмы ПБИИ коэффициента корреляции.

3.5. Выводы по главе 3.

Глава 4. БИМ ПРИ ОПРЕДЕЛЕНИИ ФУНКЦИОНАЛЬНЫХ И СИСТЕМНЫХ

ХАРАКТЕРИСТИК СО.

4.1. Методологические аспекты организации функциональной и системной БИИ.

4.2. БИИ одномерных законов распределения СБ и СЭСП.

4.3. БИИ многомодальных законов распределения СБ и СЭСП

4.4. БИИ вероятностных характеристик систем СБ или СП.

4.5. Выводы по главе 4.

Глава 5. ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ, СРЕДСТВА И ПРИМЕНЕНИЯ БИИ

В ЗАДАЧАХ МОНИТОРИНГА СЛОЖНЫХ ТЕХНИЧЕСКИХ ОБЪЕКТОВ

5.1. Информационная технология мониторинга сложных объектов на основе методологии БИИ.

5.2. Экспертная система "АССИСТЕНТ" для статистического мониторинга сложных объектов.

5.3. ИТ БИИ в задачах статистического управления технологическим процессом (СУТП) и промышленным оборудованием.

5.4. Применение ИТ БИИ в метрологическом мониторинге СИ

5.5. ИТ БИИ в задачах классификации объектов по их изображениям.

5.6. Выводы по главе 5.

Глава 6. ИТ И СРЕДСТВА БИИ В ЗАДАЧАХ МОНИТОРИНГА

СОСТОЯНИЯ ЭКОСИСТЕМ И ИХ КОМПОНЕНТОВ.

6.1. Методологические вопросы реализации ИТ БИИ в экосистемном мониторинге.

6.2. Применение ИТ БИИ в геоинформационном мониторинге

6.3. ИТ БИИ и ЭС "АССИСТЕНТ-ГИДРОЛОГ" для мониторинга характеристик водных экосистем.

6.4. ИТ БИИ в интеллектуальном информационно-измерительном комплексе для мониторинга состояния воздушной среды промышленных регионов.

6.5 Выводы по главе 6.

Глава 7. ПРИМЕНЕНИЕ МЕТОДОВ И СРЕДСТВА-БИИ В ЗАДАЧАХ

БИОСФЕРНОГО МОНИТОРИНГА.

7.1. Концепция биосферного мониторинга на основе методов и средств БИИ.

7.2. Структурная схема и основные функции

ЭС "АССИСТЕНТ-БИОЛОГ".

7.3. Мониторинг основных показателей, состояния и динамики развития популяций копытных животных средствами ЭС "АССИСТЕНТ-БИОЛОГ".

7.4. Система поддержки ихтиологических решений "АССИСТЕНТ-ИХТИОЛОГ" для мониторинга промысловых видов популяций рыб.

7.5. Выводы по главе 7.

Во второй половине XX века обеспокоенное экологическими проблемами современное общество (типизация экологических кризисов дана в докладах Римскому Клубу [263]) направляет интеллектуальные и финансовые средства на изучение состояния природной среды, создает экологические организации, Союзы, Фонды, разрабатывает природоохранные программы. В результате этого создаются фундаментальные научные основы изучения природной среды и системы мониторинга, реализующие средствами технических комплексов информационные технологии длительного экспериментального исследовавЕия природных процессов и явлений. Однако, несмотря на эти усилия, задача получения достоверной информации о биосфере и ее компонентах остается нерешенной до настоящего времени 1154,263,92). Это объясняется, главным образом, естественной сложностью, многообразием и взаимосвязанностью природных объектов, а также отсутствием эффективных концепций определения состояния окружающей среды как единого информационного процесса от методологической основы до технического воплощения, от получения экспериментальных данных до принятия решений о состоянии природного объекта с оценкой качества получаемых результатов мониторинга на каждом его этапе и в целом при принятии окончательного решения. Современные же разработки в области мониторинга природных объектов лишь декларируют принципы системного подхода, на деле представляя процесс мониторинга отдельными этапами получения данных, математического моделирования ( идентификации модели объекта ) и принятия решений о его состоянии, несвязанными между собой едиными теоретическим и информационным подходами, без достаточного контроля качества получаемых результатов и учета разнообразной априорной информации об объекте и влияющих факторах окружающей его природной среды. Между тем, известно 192,

34, 195), что принимаемое за фоновый шум влияние компонентов биосферы на объект мониторинга, может вносить настолько значительный вклад в результаты, что делает их недостоверными и непригодными к использованию на практике для принятия природоохранных или административно-хозяйственных решений. Кроме того, принятие окончательных решений о состоянии объекта, как правило, перелагается на специалистов, что, при несомненной целесообразности использования их опыта, не позволяет обобщить весь объем полученной информации и вносит неконтролируемую субъективность в решения на этом этапе.

Современные научные и практические задачи определения характеристик и состояний сложных технических и природных объектов, процессов и систем, динамики их развития, прогнозирования и контроля их свойств, а также управления ими или принятия оптимальных управляющих решений, связаны с получением и интерпретацией многочисленной и разнообразной по форме экспериментальной информации. К таким задачам в технической сфере можно отнести задачи автоматического управления техническими объектами, технологическими оборудованием и процессами, классификации объектов, ситуаций и образов, идентификации характеристик, контроля качества промышленной продукции и технических систем и другие. Все типы задач изучения и прогнозирования состояния и поведения живых организмов, оценки свойств природных процессов и систем, экологического нормирования, а также принятия оптимальных экологических решений и формирования регулирующих рекомендаций для устойчивого развития экосистем, относятся к подобным задачам. Наиболее общей задачей, включающей в себя многие из указанных выше, является задача мониторинга сложных технических и природных объектов, которая в данной работе понимается как задача определения и контроля свойств и состояний сложного объекта (СО), а также формирования управляющих рекомендаций в режиме его функционирования и активного взаимодействия с окружающей средой.

Сложность формализации и трудоемкость решения таких задач, требования полноты, объективности, достоверности и высокой скорости получения результатов с одной стороны, и значительные мощности технических средств получения, преобразования и отображения различного вида информации, реализованные на процессорной базе, с другой стороны, обусловили появление нового направления информационно-измерительной техники - интеллектуальных информационно-измерительных систем (ИИИС). Такой класс измерительных средств, основываясь на перспективных достижениях теории и практики измерительной техники, полученных благодаря результатам научных работ отечественных 110, 44+ 49, 52, 96, 108, 113, 126, 151, 162, 172, 181, 229+ +232, 246+249, 253+255, 257+260, 278, 291+ 296, 291+300, 308, 311 и др.З и зарубежных [14, 15, 124, 219, 237, 243, 244, 256, 2763 ученых, а также на современных разработках вопросов выделения и формирования специфических свойств и функций ИИИС 185+ 88, 97, 176, 178, 184, 279, 276, 277, 355}, ориентирован на эффективное изучение свойств сложных объектов и среды их функционирования (СФ), а также взаимосвязей между ними путем обобщения всех видов априорной и поступающей информации в целях генерации новых знаний, на основе чего - получения оптимальных решений в конкретных измерительных ситуациях.

Таким образом, как отмечается во многих работах по теории и проектированию ИИИС (например, I 88,243,279,291 3), одной из главных функций этих систем становится познавательная функция. Согласно определению ИИИС, данному в работе I295J, для реализации познавательных функций такой системе необходима способность к "индивидуализации алгоритмов своего поведения, функционирования на основе априорной и поступающей в процессе эксперимента измерительной информации в целях достижения заданных показателей качества функционирования". Это определение выделяет еще два основных свойства ИИИС: свойство самоорганизации на основе самообучения и способность к метрологическому обоснованию всех получаемых результатов.

Теоретическим аспектам метрологии ШШС посвящены работы [97, 291+ 296, 111, 114), в которых определяются основные задачи, направления и принципы развития специальных метрологических исследований функционирования и синтеза ИИИС.

Целесообразно добавить еще одно уникальное свойство ШШС -- способность к генерации новых методик и алгоритмов измерений в процессе функционирования ИШС на основе накопленных знаний и метазнаний самоорганизации ИИИС. Это может быть определено как свойство саморазвития, которое делает ИИИС развивающейся технической системой измерений.

Необходимым условием реализации основных свойств ИИИС является их развитая методическая среда, ориентированная на специфику задач, свойств сложных объектов измерений и измерительных ситуаций, функций и форм представления информации в ИИИС, позволяющая в процессе измерений генерировать новые информационные технологии измерений (ИТИ), на основе которых эффективно решать указанные задачи в меняющихся условиях измерений, получая достоверные и метрологически обоснованные результаты.

Значительная априорная неопределенность, не снимаемая в процессе измерений полностью, в связи с принципиальной невозможностью полного познания сложных (например, природных) объектов, обусловливает необходимость привлечения и усвоения дополнительных априорных знаний о неконтролируемых свойствах объекта и СФ в полном объеме и любых формах накопления их в процессе измерений для обеспечения приемлемой достоверности результатов/ что должно обеспечиваться, прежде всего, свойствами методической среды ИИИС и вести ее к развитию в процессе функционирования. Необходимость объединения измерительного подхода с принципами искусственного интеллекта, обусловленная задачей обобщения и генерации метрологически обоснованных знаний, привела к формированию нового направления организации измерительного процесса - интеллектуализации измерений (ИИ). Основная цель ИИ состоит в получении в автоматическом режиме новых метрологически обоснованных данных и знаний на основе априорной и поступающей, разнообразной по форме представления информации и использовании этих знаний для генерации в процессе измерений новых алгоритмов, методик и технологий измерений, оптимизации и автоматизации этапов планирования, реализации и интерпретации результатов измерительного эксперимента для обеспечения требуемого качества решения поставленной задачи.

Информационные технологии, методики измерений на основе ИИ и средства реализации ИИ в виде экспертных систем (ЭО) и интеллектуально-измерительных комплексов являются перспективной информационно-технической средой для эффективного решения новых измерительных задач мониторинга сложных объектов в условиях значительной (принципиальной) априорной неопределенности, что делает создание методологии и алгоритмов ИИ важной задачей как для современных теории и практики измерений и метрологии, так и для их прикладных сфер.

Актуальность настоящей работы, посвященной созданию методов, информационных технологии и средств ИИ для мониторинга сложных объектов (00), состоит в следующем.

Информация, получаемая в измерительном эксперименте мониторинга СО и СФ, является всегда неполной и неточной. Однако к решениям задач, получаемым на ее основе средствами ИИИС предъявляются особые требования в части обеспечения точности, достоверности, полноты и объективности результатов. Мощный аппарат статистических измерений 1300, 52, 1623, предназначенный для измерительных преобразований такого рода информации в известных алгоритмах не позволяет обобщать в процессе измерений априорную и текущую информацию. Для этого необходимо привлечение в методологию статистических измерений байесовского подхода, позволяющего рассматривать результат измерения как оптимальное решение, принятое на основе минимизации среднего риска и всей имеющейся априорной и апостериорной информации. Однако, классический байесовский подход (ЕП) 1561 и его модификации в виде алгоритмов эмпирического 13511 и адаптивного 12251 БП не позволяют контролировать, равно как и обеспечивать, требуемый уровень качества получаемых результатов. Это обусловливает необходимость создания методологии ИИ на основе БП, которая позволила бы обеспечить требуемый уровень качества результатов измерений, их метрологическое обоснование и автоматизацию поддержки этих функций ИИС при подготовке и решении измерительной задачи на формализованной основе в автоматическом режиме. Кроме того, в исходной математической постановке такие задачи могут быть сведены к классу некорректных обратных задач восстановления свойств СО и СФ в реальном масштабе времени (например, в процессе мониторинга СО). В этом случае для обеспечения устойчивости решений таких задач алгоритмы интеллектуализации измерений на основе БП (алгоритмы байесовской интеллектуализации измерений (БИИ)) должны обладать регу-ляризирующими свойствами и способностью метрологического контроля получаемых с их применением результатов в зависимости от специфики объектов и условий конкретных рассматриваемых задач. Такие алгоритмы и методология их создания в настоящее время отсутствуют, в связи с чем их разработка является актуальной задачей ИТ.

Сложность измерительной ситуации в задачах БИИ состоит также в необходимости для достижения требуемого качества решений задачи привлечения в измерительный процес з помимо чисто измерительных данных, характеризующих измеряемое свойство объекта, дополнительной информации о влияющих факторах (ВФ) среды его функционирования, которая может быть представлена в количественном и качественном виде. Вопросы метрологического обоснования и объединения такой информации с измерительной на единой формализованной основе также актуальны и являются предметом рассмотрения в настоящей работе. Динамика свойств СО и их взаимодействий с окружающей средой требуют адекватных методов и средств познания, что определяет необходимость создания развивающихся технологий и систем мониторинга СО. В работе показано, что подобные информационные и технические измерительные средства могут быть успешно реализованы на основе методологии БИИ.

Состояние проблемы. Для математических методов, применяемых в мониторинге СО, характерны:

- излишняя "жесткость" структур алгоритмов и моделей объектов;

- необеспеченность результатов мониторинга метрологическим сопровождением;

- техногенная основа методов, ориентированных на работу в измерительных ситуациях с ограниченной априорной неопределенностью, приводящая к необоснованным упрощению и типизации СО;

- невозможность совместной формализованной обработки числовой и нечисловой информации;

- отсутствие алгоритмического и модельного самообучения и саморазвития.

В области информационных технологий мониторинга и их технических реализаций средствами процессорной техники и ИИИС необходимо отметить следующие аспекты:

- отсутствие четкой стратегии организации мониторинга, согласованной с концепцией моделей объектов и методов получения знаний, направленных на достижение требуемого качества решения задачи мониторинга;

- недоиспользование интеллектуальных и вычислительных возможностей современных средств реализации информационных технологий мониторинга СО, в основном выполняющих функции средств сбора и накопления данных;

- необоснованное применение технических средств без согласования с характером объектов мониторинга и методов его изучения;

- отсутствие полной метрологической аттестации технических средств мониторинга и их сертификации;

- имитационный подход к получению данных и знаний, при котором экспериментальные данные об объекте и знания, полученные на их основе, заменяются рассчитанными по имитационным математическим моделям;

- невозможность автоматического развития информационных технологий и средств их реализации при меняющихся условиях среды или характеристиках СО в процессе мониторинга.

Исследованию и разработке данных вопросов и посвящена данная работа.

Связь с государственнымипрограм-мами и НИР. Диссертационная работа выполнялась в рамках координационного плана научно-исследовательских работ АН СССР по проблеме "Техническая кибернетика", комплексной территориально-отраслевой программы "Интенсификация - 90м, государственной научной программы "Экологическая безопасность России", а также в рамках 9 госбюджетных и хоздоговорных НИР, выполненных под руководством и при непосредственном участии автора.

Цель работы. Основной целью настоящей работы является разработка методологии, алгоритмов, информационных технологий, программных средств БИИ для решения задач мониторинга СО, активно взаимодействующего со средой его функционирования в условиях значительной априорной неопределенности знаний о СО на основе принципов измерительного подхода, учета разнообразной априорной и поступащей в процессе мониторинга информации, оптимизации мониторинга в целях обеспечения требуемого качества решений, методического и структурного развития средств мониторинга.

Основные задачи исследований. Поставленная цель достигается решением следующих вопросов:

- разработкой концепции БИИ, обеспечивающей методологическую основу для решения задач мониторинга СО в указанной выше постановке;

- разработкой регуляризирующего байесовского подхода (РЕП) для повышения устойчивости и создания методической основы метрологии получаемых решений задачи мониторинга СО;

- созданием принципов и методов синтеза шкал БИИ в виде шкал с динамическими ограничениями (ЩЦО), позволяющих снимать ограничения моделей СО по мере получения новых знаний в процессе измерений, что обеспечивает возможность саморазвития моделей, алгоритмов, технологий и средств мониторинга СО на основе методологии БИИ;

- разработкой методов и алгоритмов БИИ, реализующих конкретные виды БИИ при определении значений параметров, аналитических описаний функциональных зависимостей и их систем, а также для определения состояний СО в процессе мониторинга;

- разработкой способов обобщения числовой и лингвистической информации на методической основе БИИ, позволяющих решать задачи измерительных оценивания, контроля и управления и получать результаты не только в виде отдельных числовых значений, но и в виде аналитических зависимостей, выводов, решений, рекомендаций с полным метрологическим обоснованием их показателей точности, надежности и достоверности;

- разработкой информационных технологий БИИ статистического системного мониторинга сложных технических и природных объектов, процессов и систем;

- созданием экспертных, информационно-аналитических и советующих систем, реализующих прикладные информационные технологии БИИ для интеллектуальных комплексов мониторинга СО в условиях значительной априорной неопределенности знаний о нем.

Методы исследования, используемые в данной работе для достижения поставленных целей, объединяются на основе системного подхода к решаемой проблеме. Используются аппарат, принципы и основные положения теории измерений, метрологии, теории вероятностей, математической статистики, функционального анализа, оптимальных байесовских решений, теории распознавания образов, некорректных задач, искусственного интеллекта, методов и средств измерительной техники.

Научная новизна результатов диссертационной работы состоит в тем, что авторш разработаны концепция, методология, методы и алгоритмы параметрической, функциональной и системной БИИ, основывающиеся на РШ, новом типе моделей и шкал с динамическими ограничениями, позволяющие: осуществлять синтез алгоритмов БИИ в процессе измерений на основе новых информационных технологий обобщения и получения измерительных знаний; обеспечивать полное метрологическое обоснование результатов; получать решения в числовой, формульной и лингвистической форме на основе априорной и поступающей информации, а также в том, что на основе методологии БИИ разработаны обобщенные методики синтеза технологий и средств мониторинга СО в условиях значительной априорной неопределенности.

Совокупность полученных научных и практических результатов обеспечивает решение крупной научно-технической и народно-хозяйственной проблемы мониторинга сложных технических и природных объектов и систем, активно взаимодействующих со средой их функционирования в условиях априорной неопределенности знаний о них на основе методологии БИИ. Это позволяет получать метрологически обоснованиые результаты мониторинга в виде регуляризированных решений задач оценивания, прогнозирования и контроля характеристик и состояний СО, а также оптимальных управляющих решений; оптимизировать процесс измерений и синтезировать оптимальные стратегии мониторинга СО на основе получаемых знаний в процессе измерений, что обеспечивает возможности самообучения, реорганизации и развития технологий и средств мониторинга.

В рамках данной работы получены следующие научные результаты:

- задача мониторинга СО с учетом его активного взаимодействия со средой функционирования и значительной неопределенности знаний поставлена и решена на основе измерительного подхода и интеллектуализации процесса измерений;

- предложена концепция, определение и формализованная запись процесса БИИ;

- разработана модель СО с динамическими ограничениями, позволяющая адекватно отражать свойства развивающихся СО и СФ;

- разработан регуляризирующий байесовский подход на основе синтеза принципов байесовской идеологии и теории измерений, позволяющий в условиях значительной априорной неопределенности знаний об объекте измерений получать устойчивые, метрологически обоснованные решения на основе всего объема априорной и поступающей информации;

- созданы концепция и принципы синтеза нового типа измерительных шкал в виде шкал с динамическими ограничениями, позволяющих реализовать измерительный процесс в условиях значительной априорной неопределенности об объекте измерения, эволюции объекта и среды его функционирования;

- предложены методики синтеза параметрических, функциональных и системных ШДО для БИИ;

- разработаны принципы синтеза методов и алгоритмов БИИ, обеспечивающие метрологическое обоснование результатов мониторинга свойств СО и СФ;

- разработаны конкретные виды ПЩО и алгоритмов БИИ вероятностных характеристик и состояний СО;

- предложена обобщенная методика оптимального метрологического синтеза алгоритмов БИИ, обеспечивающая достижение требуемых метрологических показателей качества измерений;

- предложена структура комплекса метрологических характеристик, включающая показатели точности, надежности и достоверности результатов БИИ, разработаны правила и принципы их функциональных преобразований, позволяющих создать автоматическое метрологическое сопровождение результатов БИИ в ИИИС;

- разработаны концепция, принципы и алгоритмы построения обобщенных критериев проверки статистических гипотез на основе БИИ, позволяющие проверять нечеткие гипотезы и определять расстояния между проверяемой гипотезой и ее статистическим аналогом или теоретической альтернативой; разработаны методика метрологического синтеза оптимальных алгоритмов проверки статистических гипотез, конкретные версии обобщенных критериев согласия (критерий %г ), критериев значимости (критериев Стьюдента и Фишера);

- на основе методологии БИИ разработаны концепция и информационная технология статистического мониторинга технических объектов, экосистемного мониторинга и мониторинга отдельных компонент экосистем;

- получены новые аналитические зависимости, выводы и рекомендации для решения задач статистического управления технологическими процессами механической обработки деталей, метрологического мониторинга СИ, классификации объектов по изображениям, экосистемного, гидросферного и биосферного мониторингов СО.

Практическую ценность представляют конкретные ИТ и ЭС, а также ИИИС, построенные на основе методологии, алгоритмов и ИТ БИИ, которые включают:

- обобщенную методику синтеза шкал, алгоритмов и ИТ БИИ с заданными метрологическими характеристиками, требованиями и динамическими ограничениями;

- ИТ статистического мониторинга сложных объектов и созданную на ее основе ЭС "АССИСТЕНТ", позволяющую производить БИИ моментных характеристик СБ и СП (в том числе многомерных и нестационарных), статистик обобщенных критериев проверки статистических гипотез, одномерных, многомодальных и многомерных законов распределения, а также характеристик систем СБ и СП;

- методика БИИ в задачах статистического управления технологическим процессом механической обработки деталей, измерительного контроля качества продукции и переналадки технологического оборудования ;

- ИТ БИИ в задачах измерительного контроля характеристик и состояний измерительных приборов и систем, позволяющую определять математические модели погрешностей приборов, оптимизировать методики поверки и исследовательской метрологической аттестации средств измерений;

- ИТ, конкретные результаты и программные средства в задаче классификации объектов по изображениям, обеспечивающие классификацию с заданными метрологическими характеристиками и с высокой скоростью получения результатов решений на основе оптимизации системы признаков и алгоритмов классификации;

- концепцию и обобщенную ИТ мониторинга экосистем, которые позволяют создавать развивающиеся ИТ мониторинга их состояний с метрологическим обоснованием качества решений, обеспечивающие непрерывное изучение экосистем; методику ИТ БИИ в задачах классифинации ландшафтов по космическим и аэрофотоснимкам;

- ИТ БИИ в ЭС "АССИСТЕНТ-ГИДРОЛОГ" на базе методологии БИИ и ЭС "АССИСТЕНТ", для определения состояния, динамики и ретроспективы развития водных экосистем и их компонентов в виде условных решений БИИ с обоснованием их качества и определением области нахождения действительного решения в рамках принятых ограничений;

- ИТ БИИ в ЭС "АССИСТЕНТ-БИОСФЕРА" для контроля состояния и принятия управляющих экологических решений в задаче обеспечения устойчивого развития биосферных заповедников;

- ИТ БИИ для поддержки принятия управленческих и ихтиологических решений "АССИСТЕНТ-ИХТИОЛОГ" в целях устойчивого развития промысловых популяций рыб Финского залива;

- интеллектуальный информационно-измерительный комплекс в составе с передвижной экологической лабораторией и базовым экологическим центром для контроля состояния и прогнозирования экологических ситуаций в воздушной среде промышленного региона (г. Макеевка), а также для принятия эколого-экономических решений, позволяющий определить распределение концентраций примесей в воздушной среде, выявить возможные источники загрязнений и синтезировать оптимальную методику измерений;

- реализованная и внедренная в практику деятельности природоохранных организаций и управлений охотничьих хозяйств ЭС "АССИСТЕНТ-БИОЛОГ", имеющая свойства саморазвития на основе методологии БИИ, конкретные структуры баз знаний, моделей и данных для популяций диких животных и рыб; аналитические модели динамики развития популяций кабана, лося и некоторых видов рыб для Ленинградской области и Удмуртской республики, средствами которых получены выводы и рекомендации по устойчивому развитию указанных популяций.

Реализация результатов работы состоит в создании и внедрении под руководством и при непосредственном участии автора:

- ЭС "АССИСТЕНТ" на предприятии "Севзапрыбвод", г.Санкт-Петербург; в организации "Удмуртгеология";

- ЭС "АССИСТЕНТ-ИХТИОЛОГ" контроля состояния промысловых видов рыб на Нижнекамском и Боткинском водохранилищах в рыбинспекции и в промысловой организации Удмуртской республики, г.Ижевск;

- ЭС "АССИСТЕНТ-БИОЛОГ" изучения и контроля состояния популяций лося, кабана и оленя в Центральной научно-исследовательской лаборатории Охотничьего хозяйства, г.Москва; в Управлении охотничьего хозяйства при Совете Министров Удмуртской республики, г.Ижевск; в Комитете Охотничьего хозяйства Ленинградской области, г.С.-Петербург;

- ЭС "АССИСТЕНТ-ЭКОЛОГ" и интеллектуальный измерительный комплекс для оценки, контроля состояния воздушной среды г.Макеевки Донецкой области, позволяющий осуществлять принятие оптимальных эколого-экономических решений;

- ЭС "АССИСТЕНТ- ЭКОСИСТЕМА" для ландшафтного мониторинга, используемая в научных и учебных целях в Ижевском государственном техническом университете;

- ЭС "АССИСТЕНТ-ГИДРОЛОГ" для контроля и изучения состояния Лужской губы Финского залива в институте "Севзапрыбвод", г. С.-Петербург.

Суммарный экономический эффект от внедрения результатов диссертационной работы составил более трех миллионов рублей в ценах 1993 г. Системы экспонировались на международных и региональных выставках, симпозиумах и совещаниях, а также на Всемирном Форуме в г. Манчестере "Города и устойчивое развитие" в 1994 г.

Апробация работы. Материалы диссертации докладывались и обсуждались в период с 1978 + 1995 г.г. на международных конференциях и симпозиумах:

- на международной конференции "Идентификация, измерение характеристик и имитация случайных сигналави в г. Новосибирске в 1991 г.;

- на международной конференции по микропроцессорным средствам в г. Зеленограде в 1993 г.;

- на международном симпозиуме в ЗИН АН по проблемам создания информационных зоологических систем в 1994 г.;

- на международном координационном совещании по проблемам морских наук в г. С.-Петербурге, 1994 г.;

- на II Всемирном Форуме и академической конференции "Города и устойчивое развитие" в г. Манчестере в 1994 г.;

- на международном симпозиуме "Методы охраны атмосферы и водной среды. Регулирование и долгосрочное планирование природоохранных мероприятий" в г. С.-Петербурге, 1994 г.;

- на международной конференции "Идентификация, измерение характеристик и имитация случайных сигналов" в г. Новосибирске в 1994г.;

- на международном координационном совещании по проблемам Мирового Океана в г. С.-Петербурге, 1994 г.;

- на XXI и XXII международных конференциях "Новые информационные технологии в науке, образовании, бизнесе" в г. Гурзуфе в 1994 и 1995 г.г.;

- на международной конференции "Заповедное дело в новых социально-экономических условиях" в г.Санкт-Петербурге, в 1995 г., а также на всесоюзных, республиканских и краевых конференциях, совещаниях и семинарах в отраслевых институтах и вузах.

Публикации. Основные результаты работы по теме диссертации отражены в следующих публикациях: 1 монографии "Информационные технологии интеллектуализации измерительных процессов", 1 препринте АН СССР, 53 статьях в международных изданиях, центральных журналах, в межотраслевых и межвузовских сборниках, трудах, материалах и тезисах докладов всесоюзных, краевых конференций, симпозиумов, совещаний и семинаров.

Личный вклад автора. Во всех работах, опубликованных в соавторстве, автору принадлежат следующие результаты: постановка задач, методологическая основа, основные концепции моделей, шкал, идеи методов, алгоритмов и ИТ структурно-аппаратных средств БИИ, основные формулы и-теоретические результаты, обобщенные ИТ и методики метрологического синтеза средств и алгоритмов, а также структуры и преобразования комплексов метрологических характеристик решений, поставлены задачи экспериментальных и имитационных исследований, осуществлена интерпретация результатов.

Соавторство в основном относится к конкретизации и детализации теоретических результатов и идей для частных вариантов решений задач, к разработке, испытанию и внедрению конкретных аппаратных и программных средств, к проведению экспериментов и к решению конкретных народно-хозяйственных задач.

Структура и объем работы. Диссертация состоит из введения, 7 глав, заключения, списка литературы и приложения; содержит 297 стр. основного текста, 73 рисунка, 5 приложений.

7.5. Выводы по главе 7

1. Разработана концепция биосферного мониторинга на основании методологии БИИ, позволяющая получить достоверные, полные и объективные решения БИИ относительно основных показателей и состояния популяций живых организмов биосферы, а также основные и альтернативные оценки экологических ситуаций с учетом информации о влияющих природных и антропогенных факторах экосистемы.

2. Разработаны концепции, модели, алгоритмы и методики для определения основных показателей состояния популяций копытных животных и рыб, обеспечивающие получение результатов с обоснованием их качества в виде показателей точности, надежности и достоверности, что позволило использовать их в практической деятельности экологических организаций и повысить эффективность природоохранной и природопользовательской деятельности, оптимизировать управление биоресурсами для указанных в параграфах 7.3, 7.4 показателей.

3. Разработаны структуры базовых и сопряженных лингвистических шкал БИИ для конкретных популяций Ленинградской области и Удмуртии, позволяющие обобщать разнородную архивную и текущую информацию о состоянии популяции и среды ее обитания для повышения качества решений задач оценивания, контроля, нормирования, квотирования и управления в биосферном мониторинге.

4. Разработаны и внедрены в практику экологических организаций ЭС "АССИСТЕНТ-БИОЛОГ" И "АССИСТЕНТ-ИХТИОЛОГ" для принятия управленческих и экологических решений, моделирования и непрерывного изучения биосферы и ее основных компонентов (популяций животного мира), ведения кадастров природных объектов и систем на локальном, региональном и федеральном уровнях.

5. Созданы базы данных и знаний для популяций животного мира Ленинградской области и Удмуртии, получены конкретные результаты (значения показателей, модели их динамики, законы распределения, решения о состоянии популяций и влияющих факторов среды их обитания), используемые в настоящее время для принятия оптимальных управляющих решений в охране окружающей среды, контроля биоразнообразия и устойчивого развития региональных экосистем.

ЗАКЛЮЧЕНИЕ

В работе получены следующие основные научные и практические результаты:

1. На основании исследований современных тенденций развития измерительной техники и новых измерительных задач выделен класс задач интеллектуализации измерений, характеризуемый измерительной ситуацией со значительной априорной неопределенностью знаний об объекте измерения. Показано, что задача мониторинга сложных технических и природных систем, активно взаимодействующих с окружающей средой в процессе их функционирования и эволюции, может быть поставлена как задача интеллектуализации измерений. Определены требования к информационным технологиям и средствам измерений для реализации интеллектуализации измерительных процессов.

2.Разработана концепция, получено основное уравнение интеллектуализации измерительных процессов на основе байесовского подхода (БИИ), в результате изучения свойств сложных объектов предложена модель сложного объекта измерений с динамическими ограничениями (МДО), адекватно отражающая свойства сложных технических и природных систем и позволяющая обеспечить непрерывное познание свойств сложного объекта в процессе измерений.Предложена концепция и обобщенная структура измерительной шкалы с динамическими ограни-ограничениями для реализации МДО в измерительных системах.

3. Разработан регуляризирующий байесовский подход,позволяющий синтезировать алгоритмы БИИ с устойчивыми, полными, метрологически обоснованными решениями.получаемыми на основании учета всего объема априорной и поступающей в процессе измерений информации, что повышает качество результатов БИИ и дает возможность оптимизации измерительных процессов в целях обеспечения требуемого качества результатов измерений.

4.Разработаны принципы, определены необходимые и достаточные условия синтеза базовой числовой и сопряженной лингвистической шкал, методов и алгоритмов БИИ,на основе РБП, реализующие методологию БИИ и обеспечивающие решение измерительных задач оценивания , контроля и управления в условиях значительной априорной неопределенности с требуемым качеством решений и учетом информации, представленной в различных формах.

5. Предложена структура комплексов метрологических характеристик результатов БИИ, включающих показатели точности, надежности и байесовской достоверности решений, а также способы их функциональных преобразований,что позволяет контролировать дополнительно к существующим, составляющие погрешности условной неадекватности, устойчивость и байесовскую достоверность результатов измерений.

6. Предложена методология и обобщенная методика параметрической БИИ, позволяющие синтезировать алгоритмы БИИ параметрических статистик, обеспечивающие требуемое качество определения их значений в условиях значительной априорной неопределенности. Разработаны и реализованы алгоритмы ПБИИ для статистик моментных характеристик, коэффициентов асимметрии , эксцесса и коэффициента корреляции.

Т. Разработана методика синтеза алгоритмов ПБИИ для критериев проверки статистических гипотез, позволяющая получать обобщенные формы критериев, обеспечивающие требуемое качество решений и оптимизацию алгоритма проверки, определение расстояния между проверяемыми гипотезами, проверку нечетких гипотез на основе всего объема априорной и поступающей информации. Разработаны алгоритмы ПБИИ статистик критериев Стьюдента, Фишера и ^-критерия.

8. Разработана методика оптимального синтеза алгоритмов БИИ для определения функциональных зависимостей и характеристик систем * в условиях значительной априорной неопределенности, обеспечивающих метрологическое обоснование и требуемое качество результатов. Peaлизованы алгоритмы БИИ для одномерных, многомодальных и многомерных законов распределений СВ и нестационарных СП, которые позволяют получать результаты в виде списка возможных моделей, представленных в аналитической формах типовых унимодальных распределений плоскости Пирсона и их смесей с полным метрологическим обоснованием результатов, а также алгоритмы БИИ характеристик систем СВ и СП.

9. Предложены информационные технологии решения трех типов задач БШ: измерительного оценивания, измерительного контроля и измерительного управления объектом и измерительным экспериментом в процессе функционирования СО. Предложены конкретные МТ мониторинга сложных технических объектов и процессов с использованием системы статистического мониторинга БИИ в задачах статистического управления технологическим процессом механической обработки деталей, метрологической аттестации СИ, классификации и мониторинга состояния технического объекта по изображениям, позволяющие получать метрологически обоснованные, устойчивые и полные решения, а также оптимизировать процесс мониторинга этих объектов.

10. Разработана , реализована и внедрена в измерительную г практику структура ЭС "АССИСТЕНТ", реализующая ИТ БИИ в задачах статистического мониторинга СО на основе РБП.

11. Предложена концепция экосистемного мониторинга на основе методов БИИ, позволяющая непрерывно изучать экосистему и ее основные компоненты, получать объективную и полную характеристику свойств экосистемы в условиях текущих ограничений, а также оценку качества полученных решений, прогнозировать, контролировать и восстанавливать состояния экосистемы и ее компонентов, а также получать эффективные природоохранные решения и оптимизировать процесс ¥ изучения на основе оптимизации БИИ.Построены и внедрены в практику деятельности экологических организаций прикладные ЭС и реализующие методологию, алгоритмы и методики БШ, для мониторинга гидро-, аэро- и биосферы, позволяющие создавать развивающиеся системы мониторинга этих компонентов природной среды, обеспечивать получение метрологичеси обоснованных экологических решений и управляющих рекомендаций.

12. Получены новые модели и решения , созданы базы данных и знаний для различных компонентов природной среды, позволяющие получать интегральные решения о состоянии и динамике развития природных объектов, повысить эффективность и качество природоохранных и административно-хозяйственных решений.

Указанные средства и ИТ БИИ внедрены в организациях России и Украины. Суммарный экономический эффект от их внедрения составил более трех миллионов рублей в ценах 1993 года.

Таким образом, в результате выполненных научных исследований осуществлено решение крупной научной проблемы, состоящей в разработке методов и средств интеллектуализации измерительных процессов в задачах мониторинга сложных технических и природных объектов в условиях значительной априорной неопределенности, обеспечивающих повышение качества получаемых результатов и эффективности измерительного эксперимента, развитие информационных технологий измере-.ний на основе непрерывного познания объекта мониторинга, что имеет важное народно-хозяйственное значение.

1. Авен П.О., Мучник И.В.-, Ослон А.А. Функциональное шкалирование.- М: Наука, 1988.- 182с.

2. Айвазян С.А., Енюков И.О., Мешалкин Л.Д. Прикладная статистика: Исследование зависимостей.- М.: Финансы и статистика, 1985.- 488с.

3. Акофф Р. Искусство решения проблем.- М.: Мир, 1982.- 220 с.

4. Алгоритмы восстановления зависимостей./Под ред. В.Н.Вапника.-М.: Наука, 1984.- 815 с. ■ ,

5. Алиев Р.А., Церковный А.Э., Мамедова Г.А. Управление производством при нечеткой исходной информации.- М.: Энергоатом-издат, 1991.-239 с.

6. Алиев Т.М., Тер-Хачатуров Н.А. Итерационные методы повышения точности измерений.- М.: Энергоатомиздат, 1986.- 168 с.

7. Андерсон Т. Статистический анализ временных рядов.- М.: Мир, 1976.- 759 с.

8. Антонов А.Е. Крупномасштабная изменчивость гидрометеорологического режима Балтийского моря и ее влияние на промысел.- Л.: Гидрометеоиздат,1987.-248 с.

9. Антонов А.Е. Настоящее и будущее Балтики.- Санкт-Петербург.: Гидрометеоиздат, 1995.- 248 с.

10. Арутюнов П.А. Теория и применение алгоритмических измерений. -М.: Энергоатомиздат, 1990.- 256 с.

11. Балалаев В.А. Общее описание процесса измерений.//Измерительная техника, 1985, М8, с.

12. Балтрашевич В.Э. Реализация инструментальной экспертной системы.- СПб.: Политехника, 1993.- 237 с.

13. Безуглая Э.Ю. Мониторинг состояния загрязнения атмосферы в городах.- Л.: Гидрометеоиздат, 1986.- 201 с.

14. Бендат Дж.,Пирсол А. Измерение и анализ случайных процессов.-М.: Мир, 1971.- 458 с.

15. Берка К. Измерения. Понятия, теории, проблемы.- М.: Прогресс, 1987.- 320 с.

16. Берлянд М.Е. Прогноз и регулирование загрязнения атмосферы.-Л.: Гидрометеоиздат, 1985.- 272с.

17. Бигон М., Харнер Дж., Таунсенд К. Экология. Особи, популяции, сообщества. В 2 томах.- М.: Мир, 1989.-т.1.-667с.; т.2.- 447с.

18. Биология и промысел лося.- Сб. науч. тр.- М.: Россельхозиздат, 1967.- 335 с.

19. Блувштейн И.Г., Михайловский В.А. Параметрические адаптивные измерения.//ИКА, М.:Информприбор, tf3-4, 1992, с.5-6.

20. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление.- М.: Мир, 1974, т.1- 400 е.; т.2- 200 с.

21. Болычевцев В.Н., Вайхброт Э.И., Цапенко М.П., Шенборт И.М. Метрологическое обеспечение: понятие, термины, определения.// Измерительная техника, 1988, tf4, с.55-57.

22. Бондарь Е.Д., Сирая Т.Н. Структура и взаимосвязь основных этапов измерений.- В сб. науч. тр. "Анализ и формализация измерительного эксперимента".- Л.:Энергоатомиздат,1986,с.16-22.

23. Брейдо М.Д. Обработка изображений в среде ГИС.// Тез. докл. конф. "Проблемы создания, систем обработки, анализа и понимания изображений", Ташкент, 1991, с.73.

24. Бугровский В.В., Карпов Е.М. Интеллектуальность и ее мера.

25. В кн. "Информационные проблемы изучения биосферы".- М.:Наука, 1992, с.161-164.

26. Бутусов О.Б., Глушенко Е.В., Татарников В.А., Янковский И.В. Моделирование абиотических процессов для автоматизированных экоинформационных систем.- В кн. "Информационные проблемы изучения биосферы".- М.: Наука, 1992, с.87-91.

27. Верещагин H.K., Русаков О.С. Копытные Северо-Запада СССР.- Л.: Наука, 1979.- 309 с.

28. Вершин В.Е. Физические основы теоретической биологии (аналитический обзор).// Методологические проблемы организации биосистем.- Л.: Наука, 1978, с.22-44.

29. Вальд А. Статистические решающие функции//Позиционные игры.-М.:Наука,1976.-с.300-522.

30. Вишняков В.А. Архитектура интеллектуального АРМ контроля.// Приборы и системы управления, 1990, ЖЗ, с.8-16.

31. Владимир Вернадский. Жизнеописание. Избранные труды. Воспоминания современников. Суждения потомков./ Сост. Т.П.Аксенов.-М.: Современник, 1993.- 688 с.

32. Владимиров В.А. Основы метода гибкого автоматизированного последовательного контроля средств измерений.- В сб. научн. тр. "Основы построения гибких измерительных систем для автоматизации метрологических исследований".- Львов: ВНИИМИУС, 1989.- с.25-41.

33. Всесторонний анализ окружающей природной среды. Труды 5-го Советско-американского симпозиума.- Л.: Гидрометеоиздат, 1988. 248 с

34. Галушкин A.M. Синтез многослойных систем распознавания образов.- М.: Энергия, 1974.- 368 с.

35. Голев Р.В., Четкарев В.В., Прокопчина С.В., Ракита Н.В. Статистическое управление технологическим процессом механической обработки деталей.//Методы вычислительного эксперимента в вычислительной практике.- Сб. научн. тр., вып.2, Ижевск* 1992, с.1-9.

36. Горелик Д.О., Конопелько Л. А. Мониторинг загрязнения атмосферы и источников выбросов.Аэроаналитические измерения.- М.: Изд-во стандартов, 1992.- 432 с.

37. Горелик А. Л., Скрипник В.А. Методы распознавания: Учебное пособие для вузов.- М.: Высшая школа, 1989.- 232 с.

38. ГОСТ 1.25-76. ГСС. Метрологическое обеспечение. Основные положения.- М.: Изд-во стандартов, 1976

39. ГОСТ 16263-70 ГСИ. Метрология. Термины и определения,- М.: Изд-во Стандартов, 1970.- 54 с.

40. ГОСТ 8.009-84. ГСИ. Нормируемые метрологические характеристики средств измерений.- М.: Изд-во Стандартов, 1984.

41. ГОСТ 16504-81. Система государственных испытаний продукции. Основные термины и определения.- М.: Изд-во стандартов, 1982.

42. ГОСТ 23222-78. Средства измерений и автоматизация ГСП. Нормируемые метрологические и точностные характеристики.- М.: Изд--во стандартов, 1978.- 8с.

43. Грановский В.А., Гутнер Л.М., Довбета Л.И., Лячнев В.В. Гносеологические основы исходных положений метрологии.// Измерительная техника, 1988, с.6-8.вероятности в L .- М.: Мир, 1988.- 407 с.

44. Де Гроот М. Оптимальные статистические решения.- М.: Мир, 1974.- 492 с.

45. Дежкин В.В. О концептуальных основах ведения охотничьего хозяйства СССР. //Современные проблемы охотничьего хозяйства.-М.: ЦНЛИЛ, 1989.- 110с.

46. Джонсон Н., Лион Ф. Статистика и планирование эксперимента в технике и науке. В 2-х томах.- Т.1: Методы обработки данных.-- М.: Мир, 1980.- 511 е.; т.2: Методы планирования эксперимента.- М.: Мир, 1981.- 520 с.

47. Дмитриев А.К., Юсупов P.M. Идентификация и техническая диагностика. -М.: Изд-во Мин.обороны СССР, 1987,- 521 с.

48. Дмитриев В.В. Экологическое нормирование состояния и антропогенных воздействий на природные экосистемы.//Вестник СПбГУ Сер.7, 1994, вып.2 (if 14).- с. 60-70.

49. Добряков А.А. Методы интеллектуализации САПР.- М.: Наука, 1992.- 287 с.

50. Драган Я.П., Рожков В.А., Яворский И.И. Методы вероятностного анализа ритмики океанологических процессов.- Л.: Гидрометео-издат, 1987.- 319 с.

51. Дынкин A.M., Соломатин М.Е., Новик А.И. Система информационного обслуживания мониторинга окружающей среды на основе ГИС--технологий.//Тез. докл. конф. "Проблемы создания, систем обработки, анализа и понимания изображений", Ташкент, 1991, с.156.

52. Дюбуа Д., Прад А. Теория возможностей. Приложение к представлению знаний в информатике.- М.: Радио и связь, 1990.- 288 с.

53. Евланов Л.Г.Теория и практика принятия решений.-М.:Экономика, 1984.-175 с.

54. Ежова И.В., Поспелов Д.А. Принятие решений при нечетких основаниях. 1-я Универсальная шкала.//Изв.АН СССР.Техн.киберн., 1977, с.3-11.

55. Еняков A.M., Толстоухов А.Д., Трохап A.M. Состояние и перспективы развития метрологического обеспечения гидроакустических измерений // Измерительная техника, 1994, tf4, с.36-37.

56. Ефимов Е.И. Решатели интеллектуальных задач.- М.: Наука, 1982. 316с.

57. Жамбю М. Иерархический кластер-анализ и соответствия.- М.: Финансы и статистика, 1988.- 343 с.

58. Жибинов В.А., Чирихин С.Н., Яковлев П.В. Опыт представления и использования знаний в ЭС технического диагностирования.//

59. Новые книги зарубежом , 1991, Л7, с.62-73

60. Журавин Л.Г., Семенов Е.И., Шлыков Г.П. Расчет метрологических характеристик при проектировании средств измерений: Учебн. пособие./Под. ред. Г.П.Шлыкова.- Пенза: ППИ, 1988.- 80 с.

61. Журавлев Ю.И. Об алгоритмических методах в задачах распознавания и классификации.- В сб. науч. тр."Распознавание, классификация, прогноз. Математические методы и их применение.-М.: Наука, 1989.- Вып.1.- с.9-16.

62. Заде П. Понятие лингвистической переменной и его применения к принятию приближенных решений.- М.: Мир, 1976.- 163с.

63. Заико A.M. Анализ и синтез ИИС для натурных испытаний по точностным характеристикам.- В сб. тез. докл. III Всесоюзн. конф.

64. Метрологическое обеспечение ИИС и АСУТП", 3-5 октября 1990, Львов, с.53.

65. Заико А.И.Проблемы определения и уменьшения погрешностей информационно-измерительных систем . В сб. тезисов докл. Всесоюзной науч.-техн.конф., Санкт-Петербург, 1991,с.30-31

66. Заико А.И. О необходимости общего подхода к определению погрешностей ИК и системного подхода к нахождению их характеристик. //Приборы и системы управления, 1975, tf11, с.19-22.

67. Зайцев Т.Н. Математическая статистика в экспериментальной ботанике.- М.: Наука, 1988.- 424 с.

68. Закс Ш. Теория статистических выводов.- М.: Мир, 1975.- 776 с.

69. Засосов А.В. Теоретические основы рыболовства.-М.: Пищевая промышленность, 1970.- 291 с.

70. Зегжда П.Д. Принципы построения интеллектуальной системы проектирования датчиков.- В сб. тез. докл. Всесоюзн. науч.-техн. конф. "ИИС-91", Санкт-Петербург, 1991, с. 122.

71. Зельнер Э. Байесовские методы в эконометрии.- М.: Статистика, 1980.- 437с.

72. Земельман М.А. К вопросу о понятии "измерения и измерения физической величины".// Измерительная техника, 1988, tf2, с. 62-63.

73. Земельман М.А. Роль измерений при испытаниях и контроле качества продукции.//Измерительная техника, 1988, tf4, с.3-5.

74. Иванов В.Н., Кавалеров Г.И. Теоретические аспекты интеллектуализации измерительных систем.//III Всес. конф."Метрологическоеобеспечение ИИС и АСУТП".- Львов: ВНИИМИУС, 1990, с.240.

75. Иванов В.Н., Соболев B.C., Цветков Э.И. Интеллектуализация измерений.//Измерение,контроль,автоматизация.-Сб.научн.-техн. обзоров.- М.: Информприбор, 1992, >#1-2, с. 13-20.

76. Иванов В.Н. Теоретические аспекты интеллектуализации измерительной техники.- В сб. науч.-техн. трудов ВНИИЭП.- Л.,1989, tf2, с. 21.

77. Иванов B.C., Зуев А.Н. Контроль качества продукции в машиностроении.- М.: Машиностроение, 1990.- 96 с.

78. Измерения в промышленности. Справочник в трех книгах.// Под ред. Профоса П.- М.: Металлургия, 1990.- Кн.1: Теоретические основы.- 492 е.; Кн.2: Способы измерения и аппаратура.- 384с.; Кн.З: Способы измерения и аппаратура.- 344 с.

79. Израэль Ю.А. Экология и контроль состояния природной среды.-М.:Наука, 1984, 560 с.

80. Информационные проблемы изучения биосферы.- Сб. науч. трудов под ред. А.А.Воронова, В.В.Бугровского.- М.:Наука, 1992.-187с.

81. Информационные технологии в испытаниях сложных объектов: методы и средетва./Скурихин В.И., Квачев В.Г., Валькман Ю.Г., Яковен-' ко Л.П.; отв. ред. Египко В.М., АН УССР. Ин-т кибернетики им. В.М.Глушкова.- Киев: Наукова думка, 1990.- 320 с.

82. Исаченко Г.А. Разработка ландшафтно-динамической основы геоинформационной системы Приладожья.//География и современность, вып.6, СПб.:Изд-во СПб ун-та, 1994, с.9-14.

83. Исследование в области оценивания погрешностей измерений.- Сб. науч. тр. под ред. Ю.В.Тарбеева, Т.Н.Сирой.- Л.: Энергоатом-издат, 1986.- 49с.

84. Кавалеров Г.И., Солопченко Г.Н. Актуальные метрологические проблемы разумных измерений.- Тр. V Межд. симп. ИМЕКО "Интеллектуальные измерения", Йена, 1986, с.65-69.

85. Карпов Е.М. Измерения и меры в мире живого.- В кн. "Информационные проблемы изучения биосферы.- М.: Мир, с.164-170.

86. Кендалл М.Дж., Стьюарт А. Статистические выводы и связи.- М.: Наука, 1973.- 900 с.

87. Кендалл М.Дж., Стьюарт А. Теория многомерных временных рядов. М.: Наука, 1977.- 587 с.

88. Кендалл М.Дж. Ранговая корреляция.- М.:Наука, 1975, 214 с.

89. Кендалл М.Дж., Стьюарт А. Теория распределений.- М.: Наука, 1966.- 587 с.

90. Кендалл М.Дж., Стьюарт А. Теория статистических выводов.-М.: Наука, 1973.- 899 с.

91. Клайн С.Дж. Задачи анализа погрешностей.//Теоретические основы инженерных расчетов, 1985, т.103, tf2, с. 91-101.

92. Кликушин Ю.Н. Элементы "нечеткой" статистики в задаче идентификации формы распределения.// Тез. докл. Всес. науч. конф. "Идентификация, измерение характеристик и имитация случайных сигналов", 13-19 мая 1991, Новосибирск.

93. Кнорринг В.Г. Гносеотехника ~ техника познания.//Измерения, контроль, автоматизация.- Научно-техн. сб. обзоров.- М.: Ин-формприбор, 1992, tf1-2, с. 3-9.

94. Кнорринг В.Г. Принципы декомпозиции измерительного процесса. // "Измерительная техника", 1989, М7, с. 3-5.

95. Кнорринг В.Г. Развитие репрезентативной теории измерений.// Измерение, контроль, автоматизация.- Сб. научно-техн. обзоров.- М.: Информприбор, 1980, Н11—12. с.3-9.

96. Козачков Л.С. Прикладная логика информатики.- Киев: Наукова думка, 1990.- 256 с.

97. Койнаш Б.В., Прокопчина С.В. Регуляризирукщий байесовский подход в задачах классификации объектов по изображениям. Препринт АН СССР, ИПА, Л., 1991.- 61 с.

98. Койфман Ю.И., Кальман И.Г. Концепция построения информационно-экспертной системы по метрологическому обеспечению процессов создания ИИС.- В сб. тез. докл. III Всесоюзн. конф. "Метрологическое обеспечение ИИС и АСУТП", 3-5 октября 1990, Львов, с.33-34.

99. Кокс Д., Хинкли Д. Теоретическая статистика.- М.: Мир, 1978.- 560 с.

100. Кондрашкова Г.А. Технологические измерения и приборы в целлюлозно-бумажной промышленности. М.: Лесная промышленность, • 1981.- 272с.

101. Конюхов Э.Т. Метрологические особенности интеллектуальных средств измерений.- Тез. докл. II Всесоюзной конф. "Метрологическое обеспечение ИИС и АСУ ТП".-Львов.-1990,т.1, с.19-20.

102. Корень В.И. Математические модели в прогнозах речного стока.- Л.: Гидрометеоиздат, 1991.- 199 с.

103. Корн Г, Корн Т. Справочник по математике для научных работни-. ков и инженеров.- М.: Наука, 1974.- 831 с.

104. Корнеева Т.А. Толковый словарь по метрологии, измерительной технике и управлению качеством.- М: Рус. яз., 1990.- 464 с.

105. Косолапова Л.Г., Ковров Б.Г. Эволюция популяций. Дискретное математическое моделирование.- Новосибирск: Наука, 1988.- 93 с.

106. Котов P.P., Новиков А.И., Скокан Ю.П. Прикладная лингвистика и информационная технология.- М.: Наука, 1987.- 164 с.

107. Крамер Г. Математические методы статистики.- М.: Мир, 1975.- 647 с.

108. Краскэл Дж.Б. Многомерное шкалирование и другие методы поиска структуры.- В кн."Статистические методы для ЭВМ"./Под ред.Ма-лютова М.Б.- М.: Наука, 1986.- с.301-347.

109. Крейнович В.Я., Резник Л.К. Методы и модели формализации априорной информации в измерительных процедурах.- В сб. науч. тр. "Анализ и формализация измерительного эксперимента".- Л.: Энергоатомиздат, 1986, с.37-41

110. Крейнович В.Я., Резник Л.К. Перспективы использования экспертных систем в составе интеллектуальных средств измерений.-Материалы международной школы-семинара (Сочи-Дагомыс), ИМЕКО, ТК 7, 23-30 окт.1989, ЦП ВНТО, 1989.

111. Кунце Х.-И. Методы физических измерений.- М.: Мир, 1989.- 216 с.

112. Лебедев А.Н. Модели сложных объектов.- Пенза: ППИ, 1977.- 71 с.

113. Лебедев А.Н. Теория подобия.- Пенза: ППИ, 1976.- 75 с.

114. Левин Б.Р. Теоретические основы статистической радиотехники.-М.: Советское радио, т.1 1974.- 550 е.; т.2 - 1975.- 391 е.; т.3 - 1977.- 285 с.

115. Левченко В.Ф., Меныпуткин В.В., Цендина М.Л. Моделирование макроэволюцибнного процесса на ЭВМ.//Математическое моделирование сложных биологических систем.- М.: Наука, 1978, с.64-80.

116. Лескин А.А.Мальцев В.Н.Системы поддержки управленческих и проектных решений,- Л.: Машиностроение, 1990.- 167 с.

117. Лимер Э. Статистический анализ неэкспериментальных данных.-М.: Наука, 1992.- 386 с.

118. Ломанов И.К., Новиков Б.В., Санин Н.А. Анализ различных способов учета лося.// Биологические основы учета численности охотничьих животных.- Сб. науч. тр. ЦНИИЛ, М., 1990, С4-22.

119. Ломанов И.К. Факторы, влияющие на распределение населения лося в Центральном экономическом районе.//Биологические основы охраны и воспроизводства охотничьих ресурсов.- М.: ВДИШЕ, 1987.- 175 с.

120. Ломтев Е.А., Чернявский Е.А., Недосекин Д.Д. и др. Организация измерительно-вычислительных средств в автоматизированной обучающей системе. Учебное пособие.- Пенза: ПЛИ, 1989.- 72 с.

121. Малышев В.М., Механников A.M. Гибкие измерительные системы в метрологии.- М.: Изд-во стандартов, 1988.- 176 с.

122. Маргалеф М. Облик биосферы.- М.: Наука, 1992.- 214 с.

123. Марчук Г.И. Математическое моделирование в проблеме окружающей среды.- М.: Наука, 1982.- 320 с.

124. Матвеев Л.Т. Теория общей циркуляции атмосферы и климата Земли.- Л.: Гидрометеоиздат, 1991.- 295 с.

125. Математическое моделирование сложных биологических систем// Современные проблемы биосферы. Материалы X Всес. школы.- М.: Наука, 1993.- 145 с.

126. Мелихов А.Н., Бернштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой.- М.: Наука, 1990.- 272 с.

127. Менджелл М., Кларк К. Динамические модели в экологии поведения.- М.: Мир, 1992.- 289 е.

128. Методика расчета загрязнения атмосферы (ОНД-86).- Л.: Гидрометеоиздат, 1987.- 75 с.

129. Методические рекомендации по выявлению взаимоотношений популяций хищников, копытных и растительных сообществ горных экосистем биосферных заповедников.// Под ред. М.В.Придня.- Сочи, 1989.- 53 с.

130. Методы и средства определения метрологических характеристик измерительных информационных систем: Сб. науч. тр.- Львов: ВНИИМИУС, 1990.- 128с.

131. Методы и технические средства мониторинга качества поверхностных вод.- Сб. науч. статей.- СПб.:Гидрометеоиздат, 1991.-201с

132. Методы электрических измерений. Учебное пособие для вузов./ Под ред. Э.И.Цветкова.- Л.: Энергоатомиздат, 1990,- 288 с.

133. Малышев Н.Г.,Бернштейн Л.С., Боженюк А.В. Нечеткие модели для экспертных систем в САПР.-М.:Энергоатомиздат, 1991, 136 с.

134. МИ 176/177. М.:Изд-во стандартов, 1986, 35 с.

135. МИ 1317-86. Результаты и характеристики погрешностей измерений. Форма представления. Способы использования при испытаниях образцов продукции и контроле их параметров: Методич. указания.- М.: Изд-во стандартов, 1986.- 30 с.

136. Мирский Г.Я. Микропроцессоры в измерительных приборах.- М.: Радио и связь, 1984.- 160 с.

137. Мирский Г.Я. Характеристики стохастической взаимосвязи и их измерение.- М.: Энергоатомиздат, 1982.- 319 с.

138. Михайлов В.В. Вопросы методики построения математических моделей биогеоценозов.// Методологические проблемы организации биосистем.- Л.: Наука, 1978, с. 180-192.

139. Моисеев Н.Н. Алгоритмы развития.- М.: Наука, 1987.-304 с.

140. Моисеев Н.Н. Экологический фон современной политики.//Зеленый * мир, 1991, 1*20, с.8-9.

141. Мокрушин Л.А. Задача измерений функций в процессорных средствах и оптимизационная формулировка задач измерения./Санкт-Петербургский гос.университет.- СПб., 1992.- 44с.; Деп.в ВИНИТИ 21-12-92, ff3596-В92.

142. Мокрушин Л.А. Об уточнении термина "измерение функции".-В сб. тез. докл. Всесоюзн. науч.-техн. конф. "ИИС-91", Санкт-Петербург, 1991, с.34-35.

143. Моррис У. Наука об управлении. Байесовский подход.- М.: Мир, 1971.- 272 с.

144. Муравьев С.В., Бориков В.Н. Алгоритмы дискретной математики в измерениях.//Измерение, контроль, автоматизация.- Сб. научн.-технич. обзоров.- М.: Информприбор, 1992, tf1-2, с.20-28.

145. Муравьев С.В., Бориков В.Н., Сигайло М.Н. Интеллектуальная система для исследований в области метрологии.- В сб. тез. докл. III Всесоюзн. конф. "Метрологическое обеспечение ИИС и АСУТП", 3-5 октября 1990, Львов, с.36.

146. Мэгарран Э. Экологическое разнообразие и его измерение.- М.: Мир, 1992.- 184 с.

147. Наугольнов О.А., Прокопчина С.В. Байесовская идентификация параметров распределений.//Известия ЛЭТИ: Сб. научн. тр.- Л., 1992, вып.446, с.57-61.

148. Недосекин Д.Д. Методы и средства динамической идентификации в задачах проектирования измерительно-вычислительных систем для автоматизации научных исследований.- Диссертация на соискание уч. степ. докт. технич. наук.- Л.: ЛЭТИ, 1989.- 458 с.

149. Недосекин Д.Д., Наугольнов О.А., Прокопчина С.В. Идентификация законов распределений средствами экспертной системы "АССИСТЕНТ-СТАТ".-Тез. докл. Всес. науч.-техн. семинара

150. Статистическая идентификация, прогнозирование и контроль".-Севастополь, 1991, с.68-69. <

151. Недосекин Д.Д.,Прокопчина С.В. Метрологическое обеспечение моделей и алгоритмов байесовской идентификации вероятностных характеристик. ДР 5014~пр91.- Деп.в ВИНИТИ "Депонированные научные работы", 1991, if 11.- 49 с.

152. Недосекин Д.Д., Прокопчина С.В. Об одном подходе к определению типа распределения вероятностей для выборок большого объема .- В сб.науч.тр."Устройства и системы автоматизированной обработки информации".-Пенза, 1976, с. 54-56.

153. Недосекин Д.Д., Прокопчина С.В. О возможном методе автоматизации выбора модели закона распределения случайного процесса. Тез. докл.У Всесоюзной конф. "Планирование и автоматизация эксперимента в научных исследованиях".- М., 1976,с. 113-114.

154. Недосекин Д.Д., Прокопчина С.В., Чернявский Е.А. Информационные технологии интеллектуализации измерительных процессов.-СПб.:Энергоатомиздат, 1995, 185 с.

155. Недосекин Д.Д., Прокопчина С.В. Параллельные вычисления в алгоритмах байесовской идентификации.// Тез. докл. Всес. семинара "Распределенная обработка информации IV", Новосибирск, 1991, с.32.

156. Нильсон Н. Искусственный интеллект. Методы поиска решений.-М.: Мир, 1973.- 272 с.

157. Новицкий П.В., Зограф И.А., Лабунец B.C. Динамика погрешностей средств измерений.- Л.: Энергоатомиздат, 1990.- 192 с.

158. Новицкий П.В., Зограф И.Л. Оценка погрешностей результатов измерений.- Л.: Энергоатомиздат, 1985.- 248 с.

159. Новоселов О.Н.Фомин А.Ф.Основы теории и расчета информационно-измерительных систем.- М.: Машиностроение, 1991.- 336 с.

160. Одум Ю. Основы экологии.- М.: Мир, 1975.- 740 с.

161. Одум Ю. Экология. В 2 т.- М.: Мир, 1986.-Т.1.-328 е.; т.2.-- 376 с.

162. Ориценко В.И. Интеллектуальные средства для анализа проектных решений программно-аппартатных подсистем измерений.- Веб. тез. докл. III Всесоюзн. конф. "Метрологическое обеспечение ИИС и АСУТП", 3-5 октября 1990, Львов, с.45.

163. Орнатский П.П. Особенности методологии измерений.//Измерительная техника, 1988, tf6, с.3-4.

164. Орнатский П.П., Туз Ю.М. Интеллектуальные измерительные комплексы. //Приборы и системы управления, 1989, tf10, с.26-29.

165. Орнатский П.П. Упорядочение и развитие основных понятий в области метрологии.- В сб. тез. докл. III Всесоюзн. конф. "Метрологическое обеспечение ИИС и АСУТП", 3-5 октября 1990, Львов, с.32

166. Основные термины в области метрологии: Словарь-справочник./ М.Ф.Юдин, М.Н.Селиванов, О.Ф.Тищенко, А.И.Скороходов.- М.: Изд-во стандартов, 1989.- 113 с.

167. Основы метрологии и электрические измерения:Учебник для вузов. /Под ред. Е.М.Душина.- Л.: Энергоатомиздат, 1987,- 480 с.

168. Основы построения гибких измерительных систем для автоматизации метрологических исследований.-Сб.науч.тр.Львов.: ВНИИМИУС, 1989.- 96 с.

169. Отчет по НИР ИИТ-134 , Л.:ЛЭТИ, 1990, 135 с.

170. Пинчевский А.Д. Основные проблемы метрологического обеспечения ИИС четвертого поколения.- В сб. тез. докл. III Всесоюзн.конф. "Метрологическое обеспечение ИИС и АСУТП", 3-5 октября 1990, Львов, с.4-8.

171. Пиотровский Я. Теория измерений для инженеров,- М.: Мир, 1989.- 335с.

172. Попов Э.В.,Фридман Г.Р, Алгоритмические основы интеллектуальных роботов и искусственного интеллекта.- М.: Наука, 1976,- 456 с.

173. Попов Э.В. Экспертные системы.//Решение неформальных задач в диалоге с ЭВМ, 1987,- 286 с.

174. Поспелов Г.С. Искусственный интеллект основа новой информационной технологии.- М.: Наука, 1988.- 89 с.

175. Поспелов Д.А. Ситуационное управление. Теория и практика.-М.: , Наука, 1986.- 258с.

176. Практикум по вероятностным методам в измерительной технике./ В.В.Алексеев, Р.В.Долидзе, Д.Д.Недосекин, Е.А.Чернявский.-СПб.: Энергоатомиздат, 1993.- 264 с.

177. Представление и использование знаний./Под ред. Х.Уэко, М.Исид-зука.- М.: Мир, 1989.- 220 с.

178. Прикладная статистика: Классификация и снижение размерности: Справ.изд./Айвазян С.А.В.М.Бухштабер, И.Е.Енюков, Л.Д.Мешал-кин; под ред.С.А.Айвазяна.- М.: Финансы и статистика, 1989.- 607 с.

179. Применение методов имитационного моделирования в пресноводной экологии и в рыбохозяйственных исследованиях,- Сб. науч. тр., Л.:Гидрометеоиздат, 1989.- 165с.

180. Проблемы экологического мониторинга и моделирования экосистем Том XIV, Санкт-Петербург: Гидрометеоиздат, 1992,- 255 с.

181. Прокопчина С.В. Биосферный мониторинг на основе новых информационных технологий байесовских интеллектуальных измерений. -Тез. докл. Межд. конф. "Мониторинг суши и водных экосистем", Санкт-Петербург, 1994, с. 225.

182. Прокопчина С.В. Выбор параметров гистограммы для оценивания плотности вероятности унимодальных распределений с заданной точностью.- Методы вычислительного эксперимента в вычислительной практике.- Сб. научн. тр., вып.1, Ижевск, 1992, с.59-62.

183. Прокопчина С.В.Идентификация распределений признаков текстурных изображений с заданными точностью и надежностью. Тезисы докл.II Всесоюзной конференции "Автоматизированные системы обработки изображений (АСОИз-86).-М.: Наука,1986.-с.302- 303.

184. Прокопчина С.В. Интеллектуальные байесовские измерения вероятностных характеристик процессов и систем.- В сб. тез. докл. Всесоюзн.науч. конф. "ИИС-91", Санкт-Петербург, 1991,с.40-41.

185. Прокопчина С.В.Байесовские интеллектуальные измерения статистических характеристик случайных величин и процессов.-Тез. докл. межд.конф. "Идентификация, измерение характеристик и имитация случайных сигналов".Новосибирск, 1994, с.34-35.

186. Прокопчина С.В. Исследование и разработка вопросов организации процесса аппроксимации ПВ в ЭЦВМ и гибридных вычислительных комплексах.-Дисс. на соиск. уч. степ. канд. техн. наук.-Л.: ЛЭТИ, 1978.- 179 с.

187. Прокопчина С.В. К расчету погрешности аппроксимации сложных распределений,обладающих параметрами формы,нормальным распределением //Известия ЛЭТИ, вып.209, 1977, с. 44-48.

188. Прокопчина С.В. Метрологическая аттестация моделей и алгоритмов байесовской идентификации вероятностных характеристик.

189. В сб. тез. докл. III Всесоюзн. конф. "Метрологическое обеспечение ИИС и АСУТП", 3-5 октября 1990, Львов, с.24-25.

190. Прокопчина С.В., Наугольнов 0.А. Байесовские интеллектуальные измерения параметров случайных процессов.//Известия ЛЭТИ: Сб. науч. тр., вып.442, Л.: ЛЭТИ, 1991, с. 73-76.

191. Прокопчина С.В., Наугольнов О.А., Рубинштейн Ю.Г. Экспертные системы интеллектуальных измерений в задачах экологического мониторинга.-Тез. докл. междунар .науч.-техн. конф. "Микроэлектроника и информатика".- М., 1993, с. 122-124.

192. Прокопчина С.В., Наугольнов О.А., Лапнин М.В. Адаптивный алгоритм контроля качества на основе регуляризирующего байесовского подхода.- Тезисы докл. науч. конф. "Состояния и проблемы технических измерений", М., 1994.- с. 90-91.

193. Прокопчина С.В.и др. Регуляризирующий байесовский подход к определению состояния лося на территории Ленинградской облас ти.- СПб.:СПб ГЭТУ,1995.-30 с.-Деп.в ВИНИТИ 28.07.95,tf2325-95

194. Прокопчина С.В., Недосекин Д.Д. Метрологические аспекты интеллектуальных измерений.- Тез. докл. междунар .науч.-техн. конф. "Микроэлектроника и информатика".- М., 1993, с.119-122.

195. Прокопчина С.В.и др.Определение состояния кабана на территории Ленинградской области средствами интеллектуальных измерений. -СПб. : СПб ГЭТУ,1995.-35 с.-Деп.в ВИНИТИ 28.07.95,tf2324-95

196. Прокопчина С.В. Оценка погрешности квантования по уровню при определении статистических характеристик сигналов.// Методы вычислительного эксперимента в инженерной практике: Об.'науч. трудов.- Ижевск: ИМИ, 1992, вып. 2, с. 116-125.

197. Прокопчина С.В., Рубинштейн Ю.Г., Липовецкий Ю.М. Пакет прикладных программ идентификации ПВ для задач статистического описания текстурных изображений.-Тез. докл. Респуб. научн.-техн. конф., Ижевск, 1987, с. 334-335.

198. Прокопчина С.В., Рубинштейн Ю.Г. Определение дисперсии выборочных коэффициентов асимметрии и эксцесса.- Методы вычислительного эксперимента в вычислительной практике.- Об. научн. тр., вып.1, Ижевск, 1992, с. 62-67.

199. Прокопчина С.В., Рубинштейн Ю.Г. Применение регуляризирукнцего байесовского подхода к подсчету численности биоресурсов лося. Деп. в ВИНИТИ "Депонированные рукописи" 1992, tf10, б/о 172, 12 е.; М 2032-92 от 23.06.92.

200. Прокопчина С.В., Строев Р.П., Домченко A.M. Байесовские интеллектуальные измерения параметров и характеристик популяций и экосистем.- Тез. докл. международ, конференции "Идентификация, измерение, оценивание" , Новосибирск, 1994, с.118-119.

201. Прокопчина С.В.и др." Разработка информационо-аналитической системы для оценки состояния, динамики развития и поддержки принятия оптимальных ихтиологических и рыбохозяйственных решений".- Отчет по теме ИИТ-148, СПб.:СПб ТЭТУ ,1995 ,36 с.

202. Прокопчина С.В. Экспертная система АССИСТЕНТ для интеллектуальных байесовских измерений вероятностных характеристик.// Измерительная техника, 1992, ЛВ, с. 11-14.

203. Проненко В.И. О физической величине, ее истинном значении, погрешности и неопределенности измерения // Измерительная техника", 1990, tf11, с. 52-54.

204. Пфанцагль М. Теория измерений.- М.: Мир, 1976.- 248с.

205. Пытьев Ю.П. Методы анализа и интерпретации эксперимента.- М.: Мзд-во МГУ, 1990.- 288с.

206. Резник Л.К. Использование нечеткой информации для повышения точности оценок измеряемых величин.//Автометрия, 1985, tf4, с.25-27

207. Резник Л.К.Крейновия В.Я. Методы и модели формализации априорной информации в измерительных системах.- В с<5. науч.тр. "Анализ и формализация измерительного эксперимента".- Л.: Энергоатомиздат, 1986.- с. 37-41.

208. Резник Л.К. Проблемы использования экспертных систем в интеллектуальных средствах измерения.- Сб. докл. Международной КОНф. "МЕРА-90".-М., 1990, с.157-165.

209. Реконструкция изображений./Под ред.Г.Старка.- М.: Мир, 1992.- 636 с.

210. Репин В.Г., Тартаковский Г.П. Статистический синтез при априорной неопределенности и адаптация информационных систем. М.: Сов.радио, 1977.- 432 с.

211. Рогачев Н.Н., Конюхов М.И. Особенности метрологического обеспечения АСУТП.- В сб. тез. докл. III Всесоюзн. конф. "Метрологическое обеспечение ИИС и АСУТП", 3-5 октября 1990, Львов, с. 14-15.

212. Рогунович В.П.Автоматизация математического моделирования дви жения воды и примесей в системах водотоков.- Л.:Гидрометеоиз-дат -1991,272 с.

213. Рожков В.А., Трапезников Ю.А. Вероятностные модели океанографических процессов.- Л.: Гидрометеоиздат, 1990.- 272 с.

214. Розенберг В.Я. Введение в теорию точности измерительных систем.- М.: Сов. радио, 1975.- 304 с.

215. Розенберг В.Я. Диалоговая процедура измерений при наличии ограничений.//Измерительная техника, 1983, tf2, с. 10-14.

216. Розенберг В.Я. Развитие концепции неопределенности в теории информационных систем.// ИКА, Научн-техн. сб. обзоров.- М.: ИШ0РМПРИБ0Р, 1985, с. 4-12.

217. Розенберг В.Я. Развитие понятийно-терминологического аппарата метрологии на основе новой информационной технологии.// Измерительная техника, 1990, Jf11, с. 20-22.

218. Романов В.Н. Прогнозирование развития метрологии.- М.: Изд-во стандартов, 1989,- 272 с.

219. Рузаев Е.Н., Муравьев С.В. Формализованный выбор структур систем метрологического обеспечения.// Измерительная техника, 1986, f#3. с. 63-64.

220. Савчук В.П. Байесовские методы статистического оценивания. Надежность технических объектов.- М.: Наука, 1989.-328 с.

221. Сайфуллин Р.Т. Устойчивые решения обратных диагностических задач в ИИС.- В сб. тез. докл. III Всесоюзн. конф. "Метрологическое обеспечение ИИС и АСУТП",3-5 октября 1990, Львов, с.72

222. Саченко А.А. Интеллектуализация ИИС для измерений неэлектрических величин.- В сб. тез. докл. Всесоюзн. науч.-техн. конф. "ИИС-91", Санкт-Петербург. 1991, с.12.

223. Рубинштейн Ю.Г.Байесовская идентификация многомодальных распределений средствами измерительно-вычислительных комплексов. Дисс.на соиск.уч.степени канд.техн.наук,СПб.:ГЭТУ,1994, 136 с

224. Селиванов М.Н. Развитие основных понятий метрологии.- В сб. науч. тр. "Анализ и формализация измерительного эксперимента".- Л.: Энергоатомиздат, 1986, с.23-29.

225. Семенов Н.А. Программы регрессионного анализа и прогнозирования временных рядов. Пакеты ПАРИС и МАВР.- М.: Финансы и статистика, 1990.- 111 с.

226. Сергеев Ю.Н., Кулеш В.П., Дмитриев В.В., Бойцов А.В. Моделирование водной экосистемы озера Ильмень.// География и современность, вып.6, Межвуз. сб. СПб. ун-та, 1992, с. Т10-129.

227. Ситров М.И. Системно-организационное моделирование биогеоценозов. //Методолгические проблемы организации биосистем.- Л.: Наука, 1978, с. 140-180.

228. Соболев B.C., Цветков Э.И. Проблемы метрологического и алгоритмического обеспечения интеллектуальных средств измерений.// Известия ЛЭТИ, вып.403, Л., 1988, с. 64-72.

229. Солопченко Г.Н. Метрологический анализ ИИС, используемых в динамическом режиме.- В сб. тез. докл. III Всесоюзн. конф. "Метрологическое обеспечение ИИС и АСУТП", 3-5 октября 1990, Львов, с. 41-42.

230. Солопченко Г.Н. Метрологическое обеспечение измерительно-вычислительных комплексов.//Измерение, контроль, автоматизация.-Сб. научн.-техн. обзоров.- М.: Информприбор, 1990, вып.2(74), с. 3-12.

231. Солопченко Г.Н. Принципы нормирования, определения и контроля характеристик вычислений в ИИС.//Измерительная техника, 1985, ЖЗ, с. 9-11.

232. Солопченко Г.Н., Резник Л.К. Использование априорной информации о функциональных связях между измеряемыми величинами для повышения точности измерений.// Приборостроение, 1984, tf1, с.11-14.

233. Солопченко Г.Н. Формальные метрологические компоненты измерительных систем.// Измерения, контроль, автоматизация.Научнотехн. сб. обзоров.-М.: Информприбор, 1989, #3(71), с.3-12.

234. Сонькин Л.Р. Синоптико-статистический анализ и краткосрочный прогноз загрязнения атмосферы.- Л.: Гидрометеоиздат, 199'1.-225с.

235. Справочник по прикладной статистике./Под ред. Э.Ллойда, У.Ли-дермана.- М.: Финансы и статистика, т.1 1989.- 509 е.; т.2 -1990.- 527 с.

236. Справочник по специальным функциям.// Под ред. Абрамовича М., Стиган И.М.- М.: Наука, 1979.- 831с.

237. Стахов А.П. Алгоритмическая теория измерений и основания компьютерной арифметики.// Измерение, контроль, автоматизация.-Сб. научн.-техн. обзоров.- М.: Информприбор, 1988, вып.66,с. 3-13.

238. Стахов А.П. Введение в алгоритмическую теорию измерений.- М.: Сов. радио, 1977.- 288 с.

239. Стахов А.П. Методологические принципы алгоритмической теории измерений.- В сб. науч. тр. "Анализ и формализация измерительного эксперимента".- Л.: Энергоатомиздат, 1986,- с. 8-16.

240. Супес П., Зинес Д. Основы теории измерений.//Психологические измерения.- М.: Мир, 1967.- с.9 -110.

241. Тарбеев Ю.В. Пути развития фундаментальных исследований в области теоретической метрологии.- В сб. науч. тр. "Анализ и формализация измерительного эксперимента",- Л.:Энергоатомиздат, 1986, с.4-8.

242. Тарбеев Ю.В., Сирая Т.Н. Аттестация алгоритмов обработки данных при измерениях.//ИКА, 1991, #2(78), с. 3-13.

243. Тарбеев Ю.В., Сирая Т.Н. Совершенствование методов оценивания погрешностей измерений.- В сб. "Исследования оценивания погрешностей измерений".- Л. : Энергоатомиздат, 19Q6t с. 3-8.

244. Тарбеев Ю.В., Челпанов И.Ю., Сирая Т.Н. Развитие работ по метрологической аттестации алгоритмов обработки данных при измерениях. //Измерительная техника, 1985, ЖЗ, с. 13-14.

245. Теория и практика заповедного дела.- Сб. науч. тр./ Под ред. В.Е.Соколова.- М., 1993.- 221 с.

246. Терехина А.Ю. Анализ данных методами многомерного шкалирования.- М.: Наука, 1986.- 272 с.

247. Типизация экологических кризисов в докладах Римскому Клубу.// Метроном, ЖЗ, 1993.- с. 1-5.

248. Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач.-М.: Наука, 1979.- 288 с.

249. Тихонов А.Н., Кальнер В.Д., Гласко В.Б. Математическое моделирование технологических процессов и метод обратных задач в машиностроении.- М.: Машиностроение, 1990.- 263 с.

250. Трауб Дж., Васильковский Г., Вожьняковский X. Информация, неопределенность, сложность.- М: Мир, 1988.- 184 с.

251. Тыугу Э.Х. Концептуальное программирование.- М: Наука, 1984.256 с.

252. Удовиченко Е.Т., Койфман Ю.И. Современные проблемы метрологического обеспечения качества продукции.- В сб. тез. докл. III Всесоюзн. конф. "Метрологическое обеспечение ИИС и АСУТП", .3-5 октября 1990, Львов, с. 12-13.

253. Уинетон П. Искусственный интеллект.- М.: Мир, 1980.- 520 с.

254. Уотермен Д. Руководство по экспертным системам.- М.: Мир, 1989.- 388 с.

255. Феллер В. Введение в теорию вероятностей и ее приложения.-В 2-х томах, М.: Мир, 1984.- т.1 527с.; т.2 - 535с.

256. Физические величины: Справочник./ Под ред.И.С.Григорьева, Е.З.Мейлихова.- М.: Энергоатомиздат, 1991.- 1232 с.

257. Фор А. Восприятие и распознавание образов.- М.: Машиностроение, 1989.- 271 С.

258. Фурса В. И., Прудников Г.В. Экспертная система интерпретации сцен аэрокосмических снимков .//Тез. докл. конф."Проблемы создания, систем обработки, анализа и понимания изображений", Ташкент, 1991, с. 168.

259. Хованов Н.В. Математическая теория шкал измерения качества.-Л.: Изд-во ЛГУ, 1982 , 184 с.

260. Хоффман Д. Измерительно-вычислительные системы обеспечения качества.- М.: Энергоатомиздат, 1991.- 272 с.

261. Хоффман Д., Карайя К. Интеллектуальные измерения для получения объективной информации в науке и технике.// Тр. X Всемирного конгресса ИМЕКО. Препринт, т.1, Прага, 1985, с. 19-34.

262. Цапенко М.П. Измерительные информационные системы.- М.: Энергоатомиздат, 1985.- 439 с.

263. Цапенко М.П. Интеллектуальные функции ИИС.- В сб. тез. докл. Всесоюзн. науч.-техн. конф. "ИИС-91", Санкт-Петербург, 1991, с.6-7.

264. Челпанов И.Б., Сирая Т.Н.Задачи аттестации алгоритмов и практическое использование результатов аттестации.В сб. науч.тр. "Исследование в области оценивания погрешностей измерений"-Л.:Энергоатомиздат, 1986, с.9-13.

265. Чашкин Ю.Р. Метрологические аспекты регрессионного анализа.-В сб. науч.тр."Исследование в области оценивания погрешностей измерений"- Л.:Энергоатомиздат, 1986, с.20-27.

266. Дмитриев В.В. Методика диагностики состояния и устойчивостиводных экосистем.-В сб.науч. трудов "Эколого-географический анализ состояния природной среды: проблема устойчивости геоэкосистем. СПб.:Изд-во СПб ун-та, 1995 , с.41-67.

267. Хованов Н.В.Стохастическое поле агрегации индивидуальных ординальных экспертных измерений //Материалы 1-го Всес.сов. по статистике, дискретному анализу, нечисловой информации.М. 1981, с. 72-78.

268. ЦНИИЛ Главохота.Фонд охотничьих угодий и численность основных видов диких животных.-М.:ЦНИИЛ Главохота, 1992, 97 с.

269. ЦНИМЛ Главохота.Методические указания по организации, проведению и обработке данных зимнего маршрутного учета охотничьихживотных в РСФСР.-М.:Изд-во ЦНИИЛ Главохота, 1990, 51 с.

270. Хронологические изменения численности охотничьих животных в РСФСР. Сб.науч.тр.-М.:Изд-во ЦНИИЛ Главохота ,1988, 187 с.

271. Челинцев Н.Г. Математические основы учета охотничьих животных. -Тез. докл. науч. конф.-М.:Изд-во ЦНИИЛ, 1988, с.92-93.

272. Чижикова М.Ф.и др.Материалы отчетов Севзапрыбвод.СПб.,1995,12

273. Царев С.А. Механизмы расселения кабанов.//Современные проблемы охотничьего хозяйства.- М.: ЦНИИЛ, 1989.- с. 83-95.

274. Цветков Э.И. Теория алгоритмических измерений.-Л.Энергоатомиздат ,1992, 262 с.

275. Цветков Э.И. и др. Интеллектуализация средств измерений.-Л.:Татьянин день, 1994.- 285 с.

276. Цветков Э.И. Интеллектуальные средства статистических измерений.- В сб. тез. докл. Всесоюзн. науч.-техн. конф. "ИИС-91И, Санкт-Петербург, 1991, с. 6-7.

277. Цветков Э.И. Математическое обеспечение оптимизации алгоритмов измерений в интеллектуальной ИИС.- В сб. тез. докл. Всесоюзн. науч.-техн. конф. "ИИС-91", СПб., 1991, с. 5-6.

278. Цветков Э.И. Потенциальная точность процессорных измерительных средств.//Приборы и управление, 1989, tf12, с. 16-22.

279. Цветков Э.И. Процессорные измерительные средства.- Л.: Энерго-атомиздат, 1989.- 224 с.

280. Цветков Э.И., Соболев B.C., Лубочкин М.М. Формализованное описание процессорных измерительных средств, ориентированных на автоматизацию их метрологического анализа.//Измерительная техника, 1988, tf2, с. 9-14.

281. Цветков Э.И. Основы теории статистических измерений.-М.: Энергия, 1979.- 288 с.

282. Цибульский Г.М., Кевбрин М.В., Кутьин A.M. Экспертная система в области лесного мониторинга.// Тез. докл. конф. "Проблемы создания, систем обработки, анализа и понимания изображений", Ташкент, 1991, с. 29-30.

283. Цлаф В.М. Об информационной структуре процессов измерений и испытаний.//Измерительная техника, 1988, Н2, с. 65-67.

284. Цыпкин Я.З. Робастные адаптивные системы управления.// Докл. АН СССР, 1990, т.315, Мб, с. 1314-1317.

285. Цыпкин Я.З. Управление динамическими объектами в условиях ограниченной неопределенности. Современное состояние и перспективы развития.//ИКА, 1991, 1*3, с. 3-21.

286. Челинцев Н.Г., Ломанов И.К. Методы расчета средней длины суточного хода по данным троплений зверей.- Сб. науч. тр. ЦНИИЛ, М., 1990, с.22-31.

287. Челинцев Н.Г. Теоретическое и математическое обоснование методов учета охотничьих животных.//Современные проблемы охотничьего хозяйства.- М.: ЦНИИЛ, 1989.- с. 38-49.

288. Червонный В.В. Особенности структуры и размещения участков обитания кабана в зимний период.- Сб. науч. тр. ЦНИИЛ, М., 1990, с. 95-105.

289. Чернявский Е.А., Недосекин Д.Д., Алексеев В.В. Измерительно-вычислительные средства автоматизации производственных процессов.- Л.: Энергоатомиздат, 1989.- 271 с.

290. Чернявский Е.А., Недосекин Д.Д., Прокопчина С.В. Регуляризи-рующий байесовский подход в задачах интеллектуализации измерений// Известия ТЭТУ. Сб. науч. тр.- СПб.: ГЭТУ, 1994, 469, с.70-76.

291. Чирихин С.Н. Средства автоматизации приобретения диагностических знаний в экспертных системах.//Зарубежная радиоэлектроника, 1991, Я»8, с. 717.

292. Чураков Е.П. Оптимальные и адаптивные системы.- М.: Энергоатомиздат, 1987.- 256 с.

293. Шауб Ю.Б., Шауб С.С. Электрометрия в экологических исследованиях.- М.: Наука, 1992.- 262 с.

294. Шишкин И.Ф. Метрология, стандартизация и управление качеством. Учебник для вузов./Под ред. акад. Н.С. Соломенко.- М.: Изд-во стандартов, 1990.- 342 с.

295. Шлихт А.Г. Комплектование информации и знаний в интеллектуальных измерительных системах.- В сб. "Идентификация, измерение характеристик и имитация случайных сигналов".-Новосибирск, 1991, с. 314.

296. Штойер Р. Многокритериальная оптимизация.- М.: Радио и связь, 1992.- 385 с.

297. Щащаев Ю.А. Системная организация рыбного сообщества.-СПб.: Гидрометеоиздат, 1994.- 118 с.

298. Эйкхофф П. Основы идентификации систем управления.- М.: Мир, 1975.- 685 с.

299. Экологический программный комплекс для персональных ЭВМ.//Под ред.А.С. Гаврилова.- СПб.: Гидрометеоиздат, 1992.- 165 с.

300. Эколого-географический анализ состояния природной среды: проблема устойчивости геосистем.- Сб. науч. трудов./Под ред. П.П.Арапова.- Санкт-Петербург: Изд-во РГО, 1994.- 109 с.

301. Эколого-географический анализ состояния природной среды: проблема устойчивости геосистем.- Сб. науч. трудов./Под ред. П.П.Арапова.- Санкт-Петербург: Изд-во РГО, 1995.- 96 с.

302. Эколого-экономические системы: Модели, информация, эксперимент. /В. И. Гурман, В.А.Дыхта, Н.Ф.Кашина и др.- Новосибирск: Наука, 1987.- 213 с.

303. Юдин М.Ф., Селиванов М.Н. и др. Основные термины в области метрологии. Словарь-справочник.- М.: Изд-во стандартов, 1989. 80 с.

304. Яблоков А.В., Ларина Н.И. Введение в фенетику популяций. Новый подход к изучению природных популяций.- М.: Высшая школа, 1985.- 159 с.

305. Anthony St., Environmental Management Training, The International Academic Conference on the Environment, Manchester, 29th June 1st July 1994.

306. Bartolomeo M., Corporate environmental balance sheet methodology, The International Academic Conference on the Environment, Manchester, U.K. 29th June 1st July 1994.

307. Callaghan Т., Lee J., Environmental change and Arctic terrestrial ecosystems, The International Academic Conference on the Environment, Manchester, U.K. 29th June 1st July 1994.

308. Colombo A.G., Costantin D., Juorsma R.J. Bayesian nonparamet-ric estimation of time-dependent failure ra'fe.//IEEE Trans. Reliab.-. 1985.- V.R-34, tf2, p.109-113.

309. Cook and Golton, Sustainable Development: Concepts and Practice, The International Academic Conference on the Environment, Manchester, U.K. 29th June 1st July 1994.

310. De Pinutti B. Bayesianism: its role for both the foundations and applications of statistics.//Internat. Statist. Rev.- 1974.- V.42, p.117-130.

311. Dinsdale J., Vehicle related air pollution in NW England, The International Academic Conference on the Environment, Manchester, U.K. 29th June 1st July 1994.

312. Emerson Т., Decision making and large organisations, The International Academic Conference on the Environment, Manchester, U.K. 29th June 1st July 1994.

313. Evans R.A. Bayes: in theory and practice.//The theory and application of realibility. V.2.- New York: Acad. Press. Inc., 1977.- p.50-54.

314. Evans I.G., Nigm A.M. Bayesian predirtion for two-parameter Weibull lifetime models.//Commun. Statist. Theor. Meth. -1980.- VA9,tf6, p.649-658.

315. Expert systems for environmental applications.Ed by J.M.Hus-hon.Washington:J. American math, society,1990,232 p.

316. Hahn G.J. More Intelligent Statistical Software and Statistical Expert Systems: Future Directions (with Comment by P.F.Villeman and J.W.Tukey) .//Amer. Stat. 1985.- Vol.39,p.1-16.

317. Hartigan J.A. Bayes Theory.- New York: Springer Verlag, 1983.- 140 p.

318. Goddard N.J., Optical waveguide sensors for environmental monitoring, The International Academic Conference on the Environment, Manchester, U.K. 29th June 1st July 1994.

319. Good I.J. Some history of the hierarchical Bayesian methodology.//Trab. Est. Invest , 1980.- V.31, p. 489-504.

320. Good I.J. The estimation of probabilities, an essay on modern Bayesian methods.- Wiley, 1965, 110 p.

321. Gu Hengyue et al, A mathematical model of environmental capacity, The International Academic Conference on the Environment, Manchester, U.K. 29th June 1st July 1994.

322. James P., Bennett M., Business environmental perforrnace measurement, The International Academic Conference on the Environment, Manchester, U.K. 29th June 1st July 1994.

323. Jeffreys H. Theory of Probalility.- Oxford: Clarenson Press, 1966.- 408 p.

324. Lindley D.V. The Bayesian approach.//Seana. J. Statist. --1978.- V.5, tf1.- p.1-26.

325. Loader et al, Halocarbon traps: sampling methodologies for trapospheric pollution monitoring, The International Academic Conference on the Environment, Manchester, U.K. 29th June -- 1st July 1994.

326. Morris E.N. Parametric empirical Bayes inference: theory arid application.//J. Amer. Statist. Assoc. 1983.- V.78, tf381.-p.47-55.

327. Narayanaswamy R., Optical sensors for environmental measurement, The International Academic Conference on the Environment, Manchester, U.K. 29th June- 1st July 1994.

328. Pakes A.G.,Miller T.A.Mathematical ecology of plant speaies competition a class of determinite models for binary mixtures of plant genotipes,Cambrige: Cambrige University press 1991, 193 p.

329. Ramsden Ph., Coordinating regional air pollution control and monitoring the work of MAPAC, The International Academic Conference on the Environment, Manchester, U.K. 29th June -- 1st July 1994.

330. Robbins H. An empirical Bayes estimation problems.// Proc. National. Acad. Sci. USA.- 1980, V.77,tf12.- p.6988-6989.

331. Schule A., Simulation of population dynamics as a means of paleoecological research.// In Bruton, D.L. & Harper, D.A.T. (eds) 1990. Microcomputers in Paleontology, 82-105. Contributions from the Palaeontological Museum, University of Oslo,370.

332. Sengupta P.K., Requirements of mathematics in Environmental Education Curriculum. The International Academic Conference on the Environment, Manchester, U.K. 29th June 1st July 1994.

333. Sztipanovits J., Bourn J. Design of intelligent instrumentation.//Proc. of 1st. Conf. on Art Intell.•Appl./IEEE Computer

334. Society, 1984, pp. 490-491.

335. Ward R.,Loftis J.,Moridec.Design of quality monitoring systems.New York :Van Nostrand Reinold, 1990, 231 p.

336. Watts G.S. Density estimation by ortogonal series.//Annals of Mathem. Statistics.-1969,40, pp.1496-1498.

337. Wegman E.J.Nonparametric probability density estimation. Summary of available methods.Technometries, vol.14,tf 3,1972, 533-546 pp.

338. Willows R. The NERC Land-Ocean Interaction Study, The International Academic Conference on the Environment, Manchester, 29th June 1st July 1994.

339. Zehniwirth B. Nonparametric linear Bayes estimation of Survival curves from incomplete observations.// Comm. Statist. Theor. Meth. 1985.- V.14, p.1769-1778.