Функциональная модель центров компетенции в интеллектуальной среде «облачных» вычислений
Рассматривается проблема создания инструментария центров компетенции, обеспечивающих мониторинг
 критических ситуаций на основе интеллектуальных технологий и высокопроизводительных средств
 вычислений. Функционирование вычислительного комплекса осуществляется в среде «облачной» модел...
Saved in:
| Published in: | Искусственный интеллект |
|---|---|
| Date: | 2013 |
| Main Authors: | , , |
| Format: | Article |
| Language: | Russian |
| Published: |
Інститут проблем штучного інтелекту МОН України та НАН України
2013
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/85086 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Функциональная модель центров компетенции в интеллектуальной среде «облачных» вычислений / А.В. Бухановский, В.Н. Васильев, Ю.И. Нечаев // Искусственный интеллект. — 2013. — № 4. — С. 277–288. — Бібліогр.: 9 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1860019137817870336 |
|---|---|
| author | Бухановский, А.В. Васильев, В.Н. Нечаев, Ю.И. |
| author_facet | Бухановский, А.В. Васильев, В.Н. Нечаев, Ю.И. |
| citation_txt | Функциональная модель центров компетенции в интеллектуальной среде «облачных» вычислений / А.В. Бухановский, В.Н. Васильев, Ю.И. Нечаев // Искусственный интеллект. — 2013. — № 4. — С. 277–288. — Бібліогр.: 9 назв. — рос. |
| collection | DSpace DC |
| container_title | Искусственный интеллект |
| description | Рассматривается проблема создания инструментария центров компетенции, обеспечивающих мониторинг
критических ситуаций на основе интеллектуальных технологий и высокопроизводительных средств
вычислений. Функционирование вычислительного комплекса осуществляется в среде «облачной» модели.
Практическое приложение разработанной концепции обсуждается применительно к задаче контроля
критической ситуации, связанной с подъемом уровня моря и угрозой наводнения.
Розглядається проблема створення інструментарію центрів компетенції, що забезпечують моніторинг
критичних ситуацій на основі інтелектуальних технологій і високопродуктивних засобів обчислень.
Функціонування обчислювального комплексу здійснюється в середовищі «хмарної» моделі. Практичне
застосування розробленої моделі обговорюється стосовно до задачі контролю критичної ситуації,
пов’язаної з підйомом рівня моря і загрозою повені.
The problem of creation of toolkit of the competence centres ensuring monitoring of critical situations on the
basis of intelligence technologies and high-performance means of calculations is considered. The functioning
of the computer complex is carried out in environment of «cloudy» model. The practical application of the
developed concept is discussed with reference to a task of the control of a critical situation connected to rise
of a sea level and threat of flood.
|
| first_indexed | 2025-12-07T16:46:10Z |
| format | Article |
| fulltext |
ISSN 1561-5359 «Штучний інтелект» 2013 № 4 277
4Б
УДК 681.324
А.В. Бухановский, В.Н. Васильев, Ю.И. Нечаев
НИИ наукоемких компьютерных технологий Санкт-Петербургского национального
исследовательского университета информационных технологий, механики и оптики
197101, Россия, г. Санкт-Петербург, пр. Кронверкский, 49
Функциональная модель центров компетенции
в интеллектуальной среде «облачных» вычислений
A.V. Boukhanovsky, V.N. Vasilev, Yu.I. Nechaev
Research Institute of Science Intensive Technologies of St. Petersburg National University
of Information Technologies, Mechanics and Optics
197101, Russia, Saint Petersburg, Kronverkskiy pr., 49
Functional Model of the Competence Centres
in Intelligence Environment of «Cloudy» Computing
А.В. Бухановський, В.Н. Васильєв, Ю.І. Нечаєв
НДІ наукоємних технологій Санкт-Петербурзького національного дослідного
університету інформаційних технологій, механіки й оптики
197101, Росія, м. Санкт-Петербург, пр. Кронверкський, 49
Функціональна модель центрів компетенції
в інтелектуальному середовищі «хмарних» обчислень
Рассматривается проблема создания инструментария центров компетенции, обеспечивающих мониторинг
критических ситуаций на основе интеллектуальных технологий и высокопроизводительных средств
вычислений. Функционирование вычислительного комплекса осуществляется в среде «облачной» модели.
Практическое приложение разработанной концепции обсуждается применительно к задаче контроля
критической ситуации, связанной с подъемом уровня моря и угрозой наводнения.
Ключевые слова: интеллектуальные технологии, «облачная» модель,
программный инструментарий центров компетенции.
The problem of creation of toolkit of the competence centres ensuring monitoring of critical situations on the
basis of intelligence technologies and high-performance means of calculations is considered. The functioning
of the computer complex is carried out in environment of «cloudy» model. The practical application of the
developed concept is discussed with reference to a task of the control of a critical situation connected to rise
of a sea level and threat of flood.
Розглядається проблема створення інструментарію центрів компетенції, що забезпечують моніторинг
критичних ситуацій на основі інтелектуальних технологій і високопродуктивних засобів обчислень.
Функціонування обчислювального комплексу здійснюється в середовищі «хмарної» моделі. Практичне
застосування розробленої моделі обговорюється стосовно до задачі контролю критичної ситуації,
пов’язаної з підйомом рівня моря і загрозою повені.
Ключові слова: інтелектуальні технології, «хмарна» модель,
програмний інструментарій центрів компетенції.
Введение
Проблема создания программного инструментария центров компетенции (ПИЦК)
определяет основные направления организации интегрированного вычислительного
комплекса на основе интеллектуальных технологий и высокопроизводительных средств
Бухановский А.В., Васильев В.Н., Нечаев Ю.И.
«Искусственный интеллект» 2013 № 4 278
4Б
вычислений в среде «облачной» модели [1-9]. В рамках этой модели обеспечивается
логическая и физическая организация вычислительной технологии, эволюционирующая
в зависимости от изменения условий среды в многомерном фазовом пространстве с
учетом текущего состояния структуры данных. Функционирование используемой
инфраструктуры осуществляется на основе многоуровневого управления ресурсами.
В процессе эволюции возникают устойчивые структуры-аттракторы, характеризующие
установившиеся стадии развития вычислительного комплекса. При этом обеспечива-
ется своевременное поступление исходных данных и команд, необходимых ПИЦК в
процессе ее функционирования и при размещении данных в среде «облачной» модели
информационно-аналитической системы. Адаптация к изменяющимся условиям вы-
числительной среды позволяет настраивать систему на текущее использование вычи-
слительных средств и обработку данных. В процессе самоорганизации и динамической
настройки параметров ПИЦК реализуется единое информационное пространство,
объединяющее потоки данных и обеспечивающее возможность настройки элементов
структуры (сервисов) и использования разработанной интеллектуальной технологии
в каждом из аппаратно-программных решений в зависимости от способов «виртуа-
лизации» многоуровневого управления поддерживающих рабочих нагрузок и исполь-
зуемых платформ [1-3].
1. Концепция функционирования центров компетенции
в среде «облачной» модели
Проектирование ПИЦК в среде «облачных» вычислений осуществлено в виде
иерархии уровней аппаратной, функциональной и информационной конфигурации,
оптимальных для определенных условий и имеющих минимальную сложность вслед-
ствие регулярности построения и использования дополнительной информации.
Концептуальная модель ПИЦК. На рис. 1 представлена схема, иллюстрирующая
процесс функционирования ПИЦК. Платформа предназначена для организации цен-
тров компетенции и требует использования соответствующих подходов в процессе
работы с системой. Особую важность приобретает информационная поддержка поль-
зователя, осуществляемая на основе знаний виртуального профессионального сооб-
щества, в котором ведущую роль играют эксперты, а также истории выполненных
заданий (базы прецедентов) и информационной базы (интегрированной справочной
системы). Информационная поддержка в данном случае оказывает существенное
влияние на процесс формирования описания решаемой задачи. Процедура информа-
ционной поддержки имеет самостоятельную ценность вследствие обучающей роли –
в процессе ознакомления с информационными базами пользователь системы расши-
ряет уровень профессиональных знаний и навыков.
Расширение базы знаний на основе пополнения истории решенных задач акту-
ально ввиду того, что постоянно пополняемая база знаний обеспечивает более качес-
твенный логический вывод и информационную поддержку пользователя. При этом
по результатам запуска могут быть получены знания как о технологических аспектах
решения задачи (особенности реализации композитного приложения, оценка произ-
водительности прикладных пакетов и т.п.), так и о предметных ее особенностях на
основе автоматического и автоматизированного анализа результатов вычислений.
Кроме того, важную роль играет поддержка платформой деятельности виртуального
профессионального сообщества, знания членов которого могут рассматриваться как
Функциональная модель центров компетенции в интеллектуальной среде...
«Штучний інтелект» 2013 № 4 279
4Б
часть информационной базы доступной при помощи соответствующих средств ком-
муникации, входящих в состав информационного портала.
Информационное
обеспечение
ПРОГРАММНЫЙ
ИНСТРУМЕНТАРИЙ
ЦЕНТРА
КОМПЕТЕНЦИИ
Аппаратная
конфигурация
Выполнение
сценариев
Хранилище
данных
Рисунок 1 – Концептуальная модель и функциональные блоки ПИЦК
Синергетическая парадигма в среде «облачной» модели ПИЦК. Используя ре-
зультаты работ [4-6], представим синергетическое управление (S) в среде «облач-
ной» модели ПИЦК в виде последовательности этапов:
(S) = < fj() | t1, … , fn( ) | tn >, (1)
где fj() – закон управления на j-м этапе эволюции исследуемой системы на
основе ПИЦК (j = 1,…,n), определяющий корректировку параметров порядка; tj –
длительность этапов.
Фазу сжатия (фазу движения системы к целевому аттрактору) на произвольном
интервале
[t1, t2] tj (j = 1,…,n) (2)
опишем с помощью оператора перехода:
{[t1,t2], R(S)}: X(t1), u([t1,t2]),W([t1,t2]) X(t2), (3)
где u([t1,t2]) – управление на заданном отрезке времени; W([t1,t2]) – действующие
возмущения; R(S) – доступные ресурсы.
Критерий качества работы оператора перехода определяет максимальное соот-
ветствие ситуации действительности (адекватность) в интервале времени
J(S){X(t2)Y(t2) min, u [t1,t2]. (4)
Фаза расширения определяется моделью адекватной системы знаний ПИЦК:
KB(S) = {f()| : Inp Out} R(КТ), (5)
где f()| – отображения, реализующие математические модели; – механизмы
реализации отображений; Inp и Out – входные и выходные данные задачи; R(КТ) –
правила композиции, описывающие способы объединения локальных задач.
Общая формальная модель знаний, интегрирующая используемые классы мате-
матических моделей ПИЦК, представляется как
Ф1{f()| }, …., Ф5{f()| }, (6)
где Фj{f()| }, (j = 1,…,5) – функции, определяющие следующие классы исполь-
зуемых в ПИЦК моделей: Ф1{f()| } и Ф2{f()| } – классы вычислительных и диаг-
ностических моделей; Ф3{f()| } – класс моделей, определяющих топологию катастрофы;
Ф4{f()| } – класс моделей анализа и прогноза текущей ситуации; Ф5{f()| } – класс
моделей динамической базы знаний.
Реализация синергетической парадигмы при управлении исследуемой системой
обработки информации связана с разработкой концептуальной базы интеллектуальной
поддержки высокопроизводительных вычислений при функционировании ПИЦК в
мультипроцессорной вычислительной среде [4].
Бухановский А.В., Васильев В.Н., Нечаев Ю.И.
«Искусственный интеллект» 2013 № 4 280
4Б
2 Базовый алгоритм функционирования
интеллектуального ядра ПИЦК
На рис. 2 представлен базовый алгоритм в виде временной схемы формирования
WF в процессе взаимодействия пользователя с ПИЦК, в составе которого выделены
три ключевых модуля: интерфейс пользователя, интеллектуальная система (ИС) под-
держки принятия решений пользователя и система управления распределенными плат-
формами (Parallel Executing System – PES) как отдельные логические блоки ПИЦК.
Рассмотрим основные этапы обработки WF, представленные на рис. 2, исходя
из особенностей их практической реализации в распределенной среде «облачных»
вычислений.
Этап 1. Формальное описание предметной области в терминологии ИС. В рамках
этого этапа происходит согласование представления пользователя о задаче с фор-
мальным описанием предметной области ИС ПИЦК. Важнейшей задачей данного
этапа является определение общей терминологии, однозначно интерпретируемой как
пользователем, так и системой. В рамках этой терминологии производится описание
задачи: определяются имеющиеся входные и запрашиваемые выходные данные,
формализуются параметры моделирования (параметры предметной области). Резуль-
татом выполнения данного этапа является метапоток данных MWF, закрепляющий
требования пользователя к задаче, решение которой требуется реализовать с исполь-
зованием доступных вычислительных ресурсов.
Рисунок 2 – Общая схема интерпретации WF на основе ПИЦК
Функциональная модель центров компетенции в интеллектуальной среде...
«Штучний інтелект» 2013 № 4 281
4Б
Этап 2. Построение абстрактного потока данных АWF, включающего в себя
два базовых подэтапа. На первом подэтапе производится декомпозиция задачи на
подзадачи, решаемые с использованием методов предметной области, описание кото-
рых доступно в ПИЦК. Целью декомпозиции является построение детального описания
пути решения поставленной задачи. При этом в процессе работы ИС предлагается
несколько путей решения поставленной задачи, проводится ранжирование и филь-
трация методов в соответствии с заданными критериями качества. Пространство
критериев качества и выполняемые операции положены в основу механизма логиче-
ского вывода ИС. На следующем подэтапе построенные варианты декомпозиции
отображаются на набор доступных метасервисов (обобщенных прикладных сервисов).
Результатом этого отображения яаляется AWF, построенный в соответствии с дос-
тупным описанием предметной области и набором вычислительных сервисов.
Этап 3. На этом этапе производится техническая настройка WF для отображения
полученного ранее АWF на набор конкретных сервисов, доступных в рамках вычис-
лительной инфраструктуры, а также с целью настройки параметров запуска сервисов
для оптимизации производительности вычислительных ресурсов, используемых в
процессе решения задачи. Процедура решения обеспечивается с помощью ИС на
основе априорной оценки вычислительного процесса с использованием базы моделей
параллельной производительности и набора оптимизирующих правил. В процессе
оптимизации учитывается производительность отдельных вычислительных сервисов
и накладные расходы на передачу и конвертирование данных, сервисные процессы
программного комплекса, системные процессы и пр. Результатом выполнения данного
этапа является готовый к исполнению конкретный поток данных CWF, содержащий
ссылки на доступные вычислительные сервисы в хранилище данных, последователь-
ность решения подзадач с использованием сервисов и другую системную информацию.
Этап 4. Сформированный CWF передается на обработку системе управления
параллельным исполнением (PES) в форме соответствующего скрипта. Обработка
включает в себя запуск WF на указанных ресурсах, контроль потоков данных и управ-
ления, мониторинг исполнения, обработку исключительных ситуаций, возникающих
в процессе работы. В случае изменения состава и характеристик доступных ресурсов
производится повторное построение СWF с учетом актуализированных параметров
вычислительных сервисов.
Этап 5. После завершения вычислительного процесса проводится дополнительный
анализ полученных результатов расчета. При этом система позволяет провести анализ
в двух режимах: автоматическом – путем обработки выходных данных с использова-
нием ИС (выделение запрошенных пользователем элементов данных и преобразование
их к удобному для восприятия виду, когнитивная визуализация и пр.) и автоматизи-
рованном – в режиме ручной обработки с использованием доступных пользователю
инструментальных средств (персонального программного обеспечения пользователя).
Указанные режимы могут эффективно дополнять друг друга в случае, если автома-
тический анализ данных представляет собой предварительный этап обработки.
Создаваемый в ходе последовательности действий CWF носит для пользователя
«рекомендательный» характер, поскольку ПИЦК реализует процесс поддержки при-
нятия решений (ППР) разработчика, а не автоматического управления. Пользователь
имеет возможность поменять сформированный CWF непосредственно перед запуском.
При необходимости может быть организован итеративный процесс определения WF
на основе уточнения требований, выдвинутых пользователем после ознакомления с
предложенным CWF. Требования пользователя могут отражать следующие уровни:
технические требования, связанные с изменением технических параметров запуска
Бухановский А.В., Васильев В.Н., Нечаев Ю.И.
«Искусственный интеллект» 2013 № 4 282
4Б
сервисов (режима распараллеливания), с помощью которых пользователь корректирует
решения, выработанные ИС при построении CWF: требования предметной области,
связанные с предъявлением дополнительных условий к параметрам предметной обла-
сти, сформированным в ходе логического вывода ИС (модифицируется AWF): тре-
бования по выбору сервисов, определяющие изменение состава и структуры мета-
сервисов абстрактного WF (на основе предпочтений при выборе вычислительных
пакетов). Пользователь может заменить отдельные пакеты в составе WF и его струк-
туру; требования к знаниям, на основе которых реализуется логический вывод.
При выполнении этого требования модифицируются правила, на основе которых
был проведен логический вывод, вырабатываемый ИС.
Некоторые из наиболее существенных требований могут быть использованы
ИС в процессе ее функционирования в системе ПИЦК. Обучение ИС осуществляется
под контролем администратора системы, утверждающего принимаемые изменения.
В отдельных случаях пользователю (эксперту), обладающему достаточными правами
в рамках системы, может быть в индивидуальном порядке предоставлена возможность
изменения логической системы знаний при решении его персональных задач.
3 Алгоритм функционирования ПИЦК
Последовательность работы алгоритма функционирования ПИЦК рассматрива-
ется в виде схемы ключевых операций и информационных сущностей, определяющих
организацию системы на основе синергетической парадигмы в среде «облачной»
модели в виде следующих этапов:
Этап 1. Формирование задания. На этом этапе в ходе взаимодействия пользова-
теля с системой интеллектуальной поддержки в среде «облачных» вычислений про-
исходит построение структуры задания в терминах предметной области. Эта операция
осуществляется подсистемой логического вывода с применением доступных знаний
на основе информации и данных, предоставленных пользователем.
Этап 2. Формирование композитного приложения «облачной» модели. На этом
этапе осуществляется построение конкретного WF, соответствующего решаемой
задаче, для чего используется информация об актуальном состоянии вычислительных
ресурсов, доступных ПИЦК.
Этап 3. Выполнение композитного приложения в среде «облачной» модели,
состоящее в реализации построенного композитного приложения с использованием
запланированных вычислительных ресурсов и сервисов.
Этап 4. Обработка результатов представляет собой заключительный этап работы
ПИЦК, состоящий в автоматической или автоматизированной обработке данных, полу-
ченных в ходе выполнения композитного приложения в среде «облачной» модели. Этот
этап включает визуализацию полученных данных и поиск необходимой информации.
При реализации алгоритма функционирования ПИЦК важное значение имеет
построение оптимального расписания исполнения композитного приложения в рас-
пределенной среде «облачной» модели. В процессе исполнения WF, составленного
из отдельных прикладных сервисов, реализуется один из возможных его вариантов,
структурно определяемый выбором из возможных альтернатив в блоке ветвления и
количеством итераций циклов. В результате WF преобразуется в структуру, состоящую
из цепочек последовательного исполнения, объединенных блоками параллельного
исполнения. Иерархическая структура блоков параллельного исполнения рассматри-
вается как укрупненная схема эффективного решения задачи синергетического управ-
Функциональная модель центров компетенции в интеллектуальной среде...
«Штучний інтелект» 2013 № 4 283
4Б
ления. В общем случае каждый из WF может быть преобразован в
rep
if
N
i
i
N M
1
2 таких
схем, где ifN – количество операций ветвления в составе WF, repN – число циклов в
составе WF, iM – максимальное возможное количество итераций в i -м цикле. Для
каждой из цепочек последовательного исполнения в целях оптимизации времени
работы применен подход, основанный на анализе графа параллельных реализаций [1].
Последовательность этапов при разработке планировщика заданий выполняется
в виде следующих шагов.
Шаг 1. Производится определение задачи, решаемой пользователем. В ходе
этого этапа происходит определение структуры композитного приложения WF, фор-
мирование набора данных, предоставленных пользователем, и определение дополни-
тельных параметров исполнения.
Шаг 2. С использованием средств мониторинга вычислительных ресурсов опре-
деляются актуальные параметры системы: состав и текущие характеристики доступных
в настоящий момент ресурсов.
Шаг 3. На основе моделей производительности, ассоциированных с элемен-
тами WF, на основе характеристик, определенных на предыдущих этапах, осуществ-
ляется предварительная оценка производительности элементов, входящих в его состав:
вызовов сервисов, передачи и конвертирования данных.
Шаг 4. На основе набора активных фактов, в состав которого входят опреде-
ленные на первых этапах параметры, частичные оценки и стохастические характери-
стики вычислительной среды, производится определение параметров имитационного
моделирования (с использованием метода Монте-Карло). Результаты моделирования
позволяют произвести сравнительный анализ различных вариантов планирования
выполнения сформированного композитного приложения (в том числе с использова-
нием различных эвристик).
Шаг 5. Результаты имитационного моделирования подвергаются статистическому
анализу с целью обоснования выбора оптимального решения на основе оценки отдель-
ных вариантов (допустимых гипотез). На основе анализа альтернатив выбирается
одна из схем выполнения, а в случае невозможности обоснованного выбора схемы
решение принимается на основе экспертных знаний (правил выбора в условиях нео-
пределенности).
4 Практическое приложение технологии ПИЦК
при моделировании динамики течений и уровня моря
для прогнозирования наводнений
Одним из характерных примеров использования синергетической теории управ-
ления в рамках технологии ПИЦК является моделирование уровня моря и течений
для прогнозирования наводнений в Санкт-Петербурге. Решение осуществляется с
использованием модели, разработанной в Гидрометцентре России на основе численной
трехмерной бароклинной гидродинамической структуры со свободной поверхностью.
В основе модели лежит система уравнений геофизической гидродинамики с исполь-
зованием приближения гидростатики и f-плоскости. Ее важным достоинством является
возможность воспроизведения трехмерной структуры течений, что позволяет моде-
лировать поверхностный и придонный пограничные слои. Расчет акватории комплекса
Бухановский А.В., Васильев В.Н., Нечаев Ю.И.
«Искусственный интеллект» 2013 № 4 284
4Б
защитных сооружений (КЗС) Санкт-Петербурга осуществлялся на сетке с разрешением
по пространству 100 м. Уровень моря, полученный при расчете на сетке всего Бал-
тийского моря с разрешением 2 морские мили, интерполировался на границу области
повышенного пространственного разрешения (100 м по горизонтальным переменным),
таким образом производится учет наличия КЗС [1-3].
Исходная система уравнений модели со свободной поверхностью записывается
в виде:
0
z
w
y
v
x
u , (7)
)
z
u(N
zy
u
x
u
Nx
1fv(wu)
z
(vu)
y
uu)(
xt
u
z2
2
2
2
h
p ,(8)
)
z
v(N
zy
v
x
v
Ny
p
ρ
fu(wv)
z
(vv)
y
(uv)
xt
v
zh
2
2
2
21 , (9)
ρg
z
p
, (10)
)
z
T(K
z
(wT)
z
(vT)
y
(uT)
xt
T
z
, (11)
)
z
S(K
z
(wS)
z
(vS)
y
(uS)
xt
S
z
(12)
)p,S,T(f . (13)
Начало координат расположено на невозмущенной поверхности моря, ось z
направлена вверх, y − на север, x − на восток. В формулах (7) – (13) использованы
следующие обозначения: f параметр Кориолиса; p давление; плотность; T –
температура, S – соленость, wvu ,, составляющие поля скорости по осям x, y, z соот-
ветственно; g гравитационное ускорение. Выражения, параметризующие верти-
кальный турбулентный обмен позволяют исключить ограничение на временной шаг:
zNzt 2/2 . (14)
Ограничение на шаг по времени связано с распространением длинных гравита-
ционных волн в горизонтальной плоскости:
x/(2gH)t 1/2 (15)
При моделировании ситуаций наводнения возможно затопление и осушение
прибрежных областей. Для учета этих эффектов расчетная область содержит допол-
нительные точки, которые считаются «сухими» в начале расчета и могут затопляться
в процессе штормового нагона. Таким образом, в этом случае предполагается задание
в виде цифрового массива не только батиметрии акватории, соответствующей невоз-
мущенному положению уровня моря, но и топографии прибрежных участков суши –
районов возможного затопления.
На рис. 3 приведен пример работы программы по моделированию наводнения
10 января 2007 года (по ретроспективным данным). Для решения задачи прогнозиро-
вания наводнений в Санкт-Петербурге применима модель SWAN [8]. Она позволяет
на основе заданных полей приводного ветра моделировать спектральные характерис-
тики морского волнения в диапазоне синоптической изменчивости, а по ним – с помо-
щью интегрирования определять характерные высоты, периоды и направления волн.
Функциональная модель центров компетенции в интеллектуальной среде...
«Штучний інтелект» 2013 № 4 285
4Б
Особенностью использования SWAN является ориентация на специфические эффекты
мелководных акваторий, что важно, учитывая мелководность акватории восточной
части Финского залива.
Рисунок 3 – Уровень моря на 12 часов 10 января 2007 г. по результатам
гидродинамического моделирования
Ассимиляция (усвоение) данных необходима для повышения качества прогноза
наводнений, вызванных штормовым нагоном, на основе гидродинамического моде-
лирования в синоптическом диапазоне изменчивости. Для усвоения используются
данные на фиксированных постах – морских и береговых гидрометеорологических
станциях.
На рис. 4 приведена принципиальная схема решения задачи ассимиляции данных,
выполняемой с целью повышения качества оперативных прогнозов уровня Балтий-
ского моря в диапазоне синоптической изменчивости. С точки зрения EWS для при-
нятия решений существенное значение имеют последствия наводнения (ущерб, раз-
рушения, жертвы), а также возможные сценарии развития прогрессирующей критической
ситуации (потеря устойчивости движения), когда плановые мероприятия по противо-
действию не могут быть выполнены, что приводит к увеличению ущерба.
На рис. 5 представлена общая структура EWS, соответствующая модели экст-
ренных вычислений UC. Основные источники информации, дополненные результатами
компьютерного моделирования с использованием ресурсов вычислительной инфра-
структуры, позволяют обеспечить информационную поддержку решения (сочетание
фаз сжатия и расширения). При этом в штатном режиме актуальной является только
часть моделей (в первую очередь, модели, обеспечивающие прогнозирование уровня
Бухановский А.В., Васильев В.Н., Нечаев Ю.И.
«Искусственный интеллект» 2013 № 4 286
4Б
воды), в то время как при обнаружении потенциальной опасности должны быть задей-
ствованы все алгоритмические и технические ресурсы, обеспечивающие возможность
моделирования сценариев развития ситуации наводнения под управлением ЛПР.
Рисунок 4 – Принципиальная схема ассимиляции данных
в модели течений и уровня моря
Рисунок 5 – Структура решения EWS
для предотвращения наводнений в Санкт-Петербурге
В рамках разработанной технологии используется модель RFSM с учетом эво-
люции во времени (dynamic rapid flood spreading method, DRFSM) при движении сис-
темы к целевому аттрактору. Входными данными модели являются значения объемов
воды, попадающих на исследуемые области через разрушенные защитные сооружения.
Далее рассчитывается распределение воды по исследуемой области в соответствии с
ее топографическими данными. Первичными выходными данными является таблица
зависимости количества воды от координат затапливаемой территории. Алгоритм
метода DRFSM на каждом шаге по времени включает следующую последовательность
шагов: обработка граничных условий; сортировка зон воздействия по уровню воды
Функциональная модель центров компетенции в интеллектуальной среде...
«Штучний інтелект» 2013 № 4 287
4Б
для каждой зоны с ненулевым уровнем воды: расчет объемов воды, перемещаемых к
соседним зонам; лимитирование объема перемещаемой воды; использование потоков
воды из соседних зон; перемещение объемов; расчет скоростей; обработка только
что затопленных зон; обновление уровня воды для всех зон воздействия. Входные
данные для модели задаются в форме гидрографа (зависимости расхода воды в конк-
ретной области от времени). В качестве примера на рис. 6 представлены результаты
моделирования затопления Васильевского острова Санкт-Петербурга для трех раз-
личных моментов времени. Визуализация результатов моделирования производилась
с использованием спутниковой карты.
Рисунок 6 – Визуализация результатов расчета затоплений нагонной волной
территорий Васильевского острова
Выводы
Таким образом, на основе проведенного исследования сформулирована кон-
цепция ПИЦК, обеспечивающая построение проблемно-ориентированных приложений
распределенных вычислений в среде «облачной» модели на основе интеллектуальных
технологий создания и управления композитными приложениями. В рамках данной
концепции разработана структурная схема и алгоритм функционирования ПИЦК в
соответствии с иерархическим представлением структуры системы, осуществляющий
преобразование композитного приложения с последующим его исполнением в рас-
пределенной инфраструктуре «облачных» вычислений на различных уровнях орга-
низации системы при движении к целевому аттрактору и при потере устойчивости
движения. Практическое приложение разработанной интеллектуальной технологии
рассмотрено применительно к актуальной задаче контроля наводнений с помощью
системы защитных сооружений, которую можно рассматривать как одно из убеди-
тельных иллюстраций приложения синергетической парадигмы.
Бухановский А.В., Васильев В.Н., Нечаев Ю.И.
«Искусственный интеллект» 2013 № 4 288
4Б
Работа выполнена в рамках комплексных НИОКР в соответствии с реализацией
Постановлений № 218 и 220 Правительства РФ. Основные результаты работы доло-
жены на II Международной конференции Russia Cloud (Москва, 18 апреля 2012 г.).
Литература
1. Виртуальный полигон для исследовательского проектирования морских объектов и сооружений /
А.А. Безгодов, С.В. Иванов, С.С. Косухин, А.В. Бухановский // Изв. вузов. Приборостроение. –
2011. – Т. 54, № 10. – C. 58-65.
2. Бухановский А.В. Интеллектуальные высокопроизводительные программные комплексы модели-
рования сложных систем: концепция, архитектура и примеры реализации / А.В. Бухановский,
С.В. Ковальчук, С.В. Марьин // Изв. вузов. Приборостроение. – 2009. – Т. 52, № 10. – С. 5-24.
3. Всероссийская суперкомпьютерная конференция «Научный сервис в сети Интернет: решение
больших задач [Электронный ресурс]. – Режим доступа : <http://guru.ru/display.php?conf=abrau2008>.
4. Нечаев Ю.И. Теория катастроф: современный подход при принятии решений / Нечаев Ю.И. – Санкт-Петербург :
Арт-Экспресс, 2011.
5. Прокопчук Ю.А. Интеллектуальное синергетическое управление динамическими системами /
Ю.А. Прокопчук // Искусственный интеллект. – 2009. – № 4. –С. 12-21.
6. Синергетическая парадигма. Многообразие поисков и подходов.– М. : Прогресс–Традиция, 2000.
7. GTSI Cloud Computing Maturity Model [Электронный ресурс]. – Режим доступа :
http://www.gtsi.com/sms/documents/White-Papers/Cloud-Computing.pdf
8. SWAN. User manual. Delft University of Technology. 2004 [Электронный ресурс]. – Режим доступа :
<HTUhttp://fluidmechanics.tudelft.nl/swan/index.htmUT>.
9. Urgent Computing Workshop 2007. Argonne National Lab, University of Chicago. – April 25-26, 2007
[Электронный ресурс]. – Режим доступа : <http://spruce.teragrid.org/workshop/urgent07.php>.
Статья поступила в редакцию 03.04.2013.
|
| id | nasplib_isofts_kiev_ua-123456789-85086 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1561-5359 |
| language | Russian |
| last_indexed | 2025-12-07T16:46:10Z |
| publishDate | 2013 |
| publisher | Інститут проблем штучного інтелекту МОН України та НАН України |
| record_format | dspace |
| spelling | Бухановский, А.В. Васильев, В.Н. Нечаев, Ю.И. 2015-07-19T06:30:09Z 2015-07-19T06:30:09Z 2013 Функциональная модель центров компетенции в интеллектуальной среде «облачных» вычислений / А.В. Бухановский, В.Н. Васильев, Ю.И. Нечаев // Искусственный интеллект. — 2013. — № 4. — С. 277–288. — Бібліогр.: 9 назв. — рос. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/85086 681.324 Рассматривается проблема создания инструментария центров компетенции, обеспечивающих мониторинг
 критических ситуаций на основе интеллектуальных технологий и высокопроизводительных средств
 вычислений. Функционирование вычислительного комплекса осуществляется в среде «облачной» модели.
 Практическое приложение разработанной концепции обсуждается применительно к задаче контроля
 критической ситуации, связанной с подъемом уровня моря и угрозой наводнения. Розглядається проблема створення інструментарію центрів компетенції, що забезпечують моніторинг
 критичних ситуацій на основі інтелектуальних технологій і високопродуктивних засобів обчислень.
 Функціонування обчислювального комплексу здійснюється в середовищі «хмарної» моделі. Практичне
 застосування розробленої моделі обговорюється стосовно до задачі контролю критичної ситуації,
 пов’язаної з підйомом рівня моря і загрозою повені. The problem of creation of toolkit of the competence centres ensuring monitoring of critical situations on the
 basis of intelligence technologies and high-performance means of calculations is considered. The functioning
 of the computer complex is carried out in environment of «cloudy» model. The practical application of the
 developed concept is discussed with reference to a task of the control of a critical situation connected to rise
 of a sea level and threat of flood. ru Інститут проблем штучного інтелекту МОН України та НАН України Искусственный интеллект Интеллектуальные системы планирования, управления, моделирования и принятия решений Функциональная модель центров компетенции в интеллектуальной среде «облачных» вычислений Функціональна модель центрів компетенції в інтелектуальному середовищі «хмарних» обчислень Functional model of the competence centres in intelligence environment of «cloudy» computing Article published earlier |
| spellingShingle | Функциональная модель центров компетенции в интеллектуальной среде «облачных» вычислений Бухановский, А.В. Васильев, В.Н. Нечаев, Ю.И. Интеллектуальные системы планирования, управления, моделирования и принятия решений |
| title | Функциональная модель центров компетенции в интеллектуальной среде «облачных» вычислений |
| title_alt | Функціональна модель центрів компетенції в інтелектуальному середовищі «хмарних» обчислень Functional model of the competence centres in intelligence environment of «cloudy» computing |
| title_full | Функциональная модель центров компетенции в интеллектуальной среде «облачных» вычислений |
| title_fullStr | Функциональная модель центров компетенции в интеллектуальной среде «облачных» вычислений |
| title_full_unstemmed | Функциональная модель центров компетенции в интеллектуальной среде «облачных» вычислений |
| title_short | Функциональная модель центров компетенции в интеллектуальной среде «облачных» вычислений |
| title_sort | функциональная модель центров компетенции в интеллектуальной среде «облачных» вычислений |
| topic | Интеллектуальные системы планирования, управления, моделирования и принятия решений |
| topic_facet | Интеллектуальные системы планирования, управления, моделирования и принятия решений |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/85086 |
| work_keys_str_mv | AT buhanovskiiav funkcionalʹnaâmodelʹcentrovkompetenciivintellektualʹnoisredeoblačnyhvyčislenii AT vasilʹevvn funkcionalʹnaâmodelʹcentrovkompetenciivintellektualʹnoisredeoblačnyhvyčislenii AT nečaevûi funkcionalʹnaâmodelʹcentrovkompetenciivintellektualʹnoisredeoblačnyhvyčislenii AT buhanovskiiav funkcíonalʹnamodelʹcentrívkompetencíívíntelektualʹnomuseredoviŝíhmarnihobčislenʹ AT vasilʹevvn funkcíonalʹnamodelʹcentrívkompetencíívíntelektualʹnomuseredoviŝíhmarnihobčislenʹ AT nečaevûi funkcíonalʹnamodelʹcentrívkompetencíívíntelektualʹnomuseredoviŝíhmarnihobčislenʹ AT buhanovskiiav functionalmodelofthecompetencecentresinintelligenceenvironmentofcloudycomputing AT vasilʹevvn functionalmodelofthecompetencecentresinintelligenceenvironmentofcloudycomputing AT nečaevûi functionalmodelofthecompetencecentresinintelligenceenvironmentofcloudycomputing |