Новости
09.05.2023
с Днём Победы!
07.03.2023
Поздравляем с Международным женским днем!
23.02.2023
Поздравляем с Днем защитника Отечества!
Оплата онлайн
При оплате онлайн будет
удержана комиссия 3,5-5,5%








Способ оплаты:

С банковской карты (3,5%)
Сбербанк онлайн (3,5%)
Со счета в Яндекс.Деньгах (5,5%)
Наличными через терминал (3,5%)

ОНТОЛОГИЯ ЗАДАЧ ИНФОРМАЦИОННОЙ СИСТЕМЫ «АНАЛИЗ ЭНЕРГОЭФФЕКТИВНОСТИ ТЕРРИТОРИАЛЬНЫХ ОБРАЗОВАНИЙ»

Авторы:
Город:
Томск
ВУЗ:
Дата:
29 мая 2016г.

Основной областью применения интеллектуальных систем являются неформализованные и слабоформализованные проблемы и задачи. Одним из самых трудоемких этапов при разработке таких программных систем является этап формализации данных и знаний. При этом необходимо учитывать то, что для задач, решаемых методами искусственного интеллекта основным, а часто единственным источником знаний являются эксперты, которые могут иметь различные точки зрения на методы и способы решения задач предметной области, а их знания имеют индивидуальный характер, затрудняющие процесс формализации. Информационные системы, предназначенные для автоматизации интеллектуального анализа, как правило, строятся по типу систем поддержки. Такая система имеет ядро, реализующее инвариантный базовый набор функций, и библиотеку разнообразных программно реализованных методов

Основная проблема при проектировании информационной системы со "скелетной" архитектурой заключается в многообразии задач, которые могут быть востребованы пользователем, и методов решения задач. Один из путей решения данной проблемы – построение онтологии, позволяющей структурировать все множество задач и методов. Онтология задач должна стать основой для формирования библиотеки процедур. Конкретные программные приложения могут иметь различную конфигурацию в зависимости от требований пользователя и соответственно использовать конкретный набор процедур [1].

В последнее время использование онтологий для моделирования предметных областей автоматизированных информационных систем получает все более широкое распространение, наиболее часто такой подход применяется для интеллектуальных систем, в том числе при разработке интеллектуальных систем поддержки принятия решений [2, 3], как для описания предметной области, так и для описания функций информационной системы.

В данной статье рассматривается онтология, предназначенная для проектирования информационной системы факторно-целевого анализа сложной ситуации. Методологической основой проектируемой системы является подход, описанный в работах [4 - 6] и заключающийся в построении и анализе гибридной когнитивной карты. Предлагаемый подход позволяет не просто оценить уровень энергоэффективности в территориальных образованиях, но и проанализировать причины сложившейся ситуации и определить основные направления проведения энергосберегающей политики.  Использование иерархических гибридных когнитивных карт дает следующие преимущества: возможность детального рассмотрения отдельных подсистем, каждой из которых может быть поставлена в соответствие своя карта; повышение обоснованности выбора индикаторов за счет явного выделения концептов-факторов и концептов-индикаторов и отображения связей между факторами и индикаторами; сочетание различных способов оценивания факторов (фаззификации, кластеризации, нечеткого продукционного вывода и др.); учет внешних (природно-климатических, социально-экономических, инфраструктурных и др.) особенностей   территориальных образований. Результаты анализа могут быть представлены в виде дерева причин, демонстрирующего причинно-следственные цепочки между состояниями различных факторов. Дальнейшие исследования связаны с разработкой процедур преобразования лингвистических переменных в нечеткие величины, автоматического выявления силы влияния факторов друг на друга, оценки динамики изменения состояния факторов. Этот подход использовался для анализа энергетической эффективности территориальных образований (субъектов РФ, муниципальных образований, домохозяйств и др.), однако его можно применять и для других предметных областей.

Онтология для разрабатываемой ИС состоит из двух частей – онтологии модели предметной области и онтологии задач. Необходимо уточнить, что речь идет не о конкретной предметной области, а о модели предметной области, представленной в виде когнитивной карты. Соответственно онтология описывает типы сущностей, используемых при когнитивном моделировании, а не сами моделируемые сущности. Например, онтология включает описание типов концептов когнитивной карты – факторов и индикаторов, но не содержит описание конкретных факторов и индикаторов, скажем из области энергетической эффективности. В этом смысле формируемая онтология является не предметно ориентированной, а методологически ориентированной.

1 Онтология модели предметной области

В тезаурус онтологии включаются основные понятия, используемые в методологии гибридных когнитивных карт. Тезаурус представлен в виде иерархии наследования, в которой отношения между элементами имеют смысл "общее - частное".

Все понятия являются наследниками абстрактного класса "Понятие ГКК". Понятие гибридной когнитивной карты состоит из отношений, концепта (фактора, индикатора), свойства (сила влияния, коэффициент соответствия, значение индикатора, оценка фактора), объектов (территориальные образования), времени (интервал времени), гибридной когнитивной карты (подкарта гибридной когнитивной карты) и т.д.. Гибридная когнитивная карта (ГКК) предназначена для оценки состояния целевого фактора, характеризующего уровень развития системы, и анализа причин достигнутого состояния, сложившегося под влиянием множества разнообразных внешних и управляемых факторов. Гибридной карта называется потому что использует разные типы концептов и позволяет применять различные методы для оценки состояния факторов и силы влияния факторов.

Гибридная когнитивная карта представляет собой граф, вершинами которой являются концепты двух видов: факторы и индикаторы. Фактор – это некоторое свойство системы, оцениваемое на качественном уровне, например: "Уровень энергопотребления", "Уровень благоустройства", "Тип климатических условий", "Качество жилья". Каждому фактору сопоставляется лингвистическая переменная, термы которого представляют собой нечеткие оценки состояния фактора, например, "низкий", "средний", "высокий". Индикатор – это измеримый показатель, характеризующий тот или иной фактор, например, "Энергоемкость валового регионального продукта, т.у.т./руб.", "Удельная величина потребления тепловой энергии в многоквартирных домах, Гкал/м2", "Градусосутки отопительного периода, °С·сутки". Между фактором и индикатором может быть установлено отношение ассоциации, которому сопоставляется коэффициент соответствия – число от 0 до 1. Значение коэффициента тем выше, чем точнее индикатор характеризует связанный с ним фактор. Между факторами устанавливаются отношения влияния. Каждому отношению влияния сопоставляется число в интервале от -1 до

+1, характеризующее как направление влияния (положительное или отрицательное), так и силу влияния [1].

Диаграммы семантических отношений связывают: задачи с возможными методами их решения; задачи с ситуациями, являющимися условиями для их решения; задачи и методы с другими задачами, решаемыми до или после решения текущей задачи и т.д. Между понятиями могут быть установлены разнообразные бинарные отношения, имеющие различную семантику. Семантическое отношение может иметь имя и кратность. Имя отношения представляет собой предикат, например, "содержит", "имеет", "характеризует". Кратность – это два символа, показывающих сколько экземпляров каждого из понятий может участвовать в отношении. Например, отношение "Когнитивная карта содержит Фактор" имеет кратность "1..*" ("один ко многим"), т.к. одна когнитивная карта может содержать множество факторов.

2 Онтология задач

Онтология задач связывает: задачи с возможными методами их решения; задачи с ситуациями, являющимися условиями для их решения; задачи и методы с другими задачами, решаемыми до или после решения текущей задачи и т.д. Фрагмент онтологии задачи обхода когнитивной карты представлен на Рисунке 1.
Онтология задачи разделена на несколько дорожек с определенными понятиями: "задача" — выполнение задачи с указанием методики;

"ситуация" – условия, при которых выполняется задача;

"инициатор" – кто запускает задачу (другая задача, пользователь);[1]. 3 Формирование диаграммы Use Case на основе онтологии задач

На основе онтологии задач необходимо сформировать связи между модулями информационной системы с помощью диаграммы Use Case. На рисунке 4 представлен фрагмент связей между модулями в информационной системы «Анализ энергоэффективности территориальных образований».




Главный модуль информационной системы включает («include») четыре модуля (модуль визуализации, модуль анализа когнитивной карты, модуль хранения гибридной когнитивной карты, модуль построения гибридной когнитивной карты). Модуль построения гибридной когнитивной карты зависит от модуля ввода данных, модуль визуализации зависит от модуля генерации отчетов, модуль когнитивной карты зависит от нескольких модулей (модуль кластеризации, модуль динамической оценки, модуль оценки силы влияния факторов друг на друга, модуль косвенной оценки факторов по оценкам других факторов, модуль оценки факторов по функциям принадлежности).

Заключение

Предложенный в работе онтологический подход к проектированию информационных систем позволяет получать структурированные описания как предметной области, так и возможных задач и методов их решения. Онтология модели предметной области может использоваться в качестве основы при проектировании диаграммы концептуальных классов разрабатываемой системы. На основе онтологии задач может определяться набор модулей проектируемой системы и функциональных компонент. Преимуществом данного подхода является полнота и структурированность декларативного и операционного знания об используемой методологии, гибкость процесса конфигурирования системы. Подход лег в основу разрабатываемой системы анализа энергоэффективности территориальных образований, использующей методологию гибридных когнитивных карт.

 

Список литературы

1.     Силич М.П., Осипова В., Грибков Е.И., Силич В.А. Применение онтологического подхода для проектирование информационной системы факторно - целевого анализа // Международная IEEE- Сибирская конференция по управлению и связи, Омск, 2015 – Омск: Издательство Омский государственный технический университет, 2015. – Т.2. – С. 96

2.     Загорулько Г.Б. Разработка онтологии задач и методов для инструментария построения интеллектуальных СППР // Информационные Информационные и математические технологии в науке и управлении: труды XVII Байкальской Всерос. конф. Часть III. – Иркутск: ИСЭМ СО РАН, 2012. – С. 43-49.

3.     Dillon T.S., Chang E., Wongthongtham P. Ontology-Based Software Engineering- Software Engineering 2.0 // Software Engineering, 2008. ASWEC 2008. 19th Australian Conference on, 2008. – С. 13-23

4.     Силич М.П., Силич В.А., Аксенов С.В. Анализ энергетической эффективности территорий на основе иерархии гибридных когнитивных карт // Известия Томского политехнического университета. – 2013. – Т. 323. – №5. – С. 26-32.

5.     Аксенов С.В., Силич В.А., Силич М.П. Оценка степени влияния различных факторов на энергетическую эффективность территориальных образований // Промышленная энергетика. – 2015. – №2. – С.2-7.

6.     Силич М.П., Силич В.А., Аксенов С.В. Когнитивный подход к интеллектуальному анализу энергоэффективности региона // Materiály IX mezinárodní vědecko - praktická konference «Aplikované vědecké novinky – 2013». - Díl 13. Moderní informační technologie. Výstavba a architektura: Praha. Publishing House «Education and Science» s.r.o., 2013. – stran. 11-15.