Документ взят из кэша поисковой машины. Адрес оригинального документа : http://www.iki.rssi.ru/ehips/Agregate.htm
Дата изменения: Thu Jan 15 12:04:15 2009
Дата индексирования: Tue Oct 2 00:55:48 2012
Кодировка: Windows-1251
Поисковые слова: п п р п р п р п р п р п р п р п р п р п р п р п

(EHIPS) Агрегация

АГРЕГАЦИЯ

Процесс внутреннего согласования информации
Конвейерный режим включает фоновый процесс внутреннего согласования информации. Он обобщает понятие обучения модели и включает согласование между уровнями модели и согласование между моделью и данными:

приведение в соответствие полей и методов модельных объектов, находящихся в отношении "объект-подобъект", т.е. на разных уровнях одного и того же этапа обработки информации (например, на региональном и локальном уровне);
импорт в модель данных мониторинга, расчетов, произведенных внешними моделями, корректив от экспертов и ЛПР;
экспорт из модели запросов к данным, экспертным знаниям, расчетам по внешним моделям, а также экспорт представления модели в виде сценария, включающего оптимальное управление теми "рычагами", которые активизированы в модели.

Согласование информации между модельными объектами разного уровня можно представить как аналог адаптации модели к данным. Например, влияние объекта верхнего уровня "популяция" на объект нижнего уровня "индивид" можно представить как экспорт социально обусловленных параметров. Обратно, складывание среднего состояния популяции из состояний индивидов можно представить как импорт последних.
Такое согласование между уровнями необходимо как минимум для трех типов информации:

для данных мониторинга "в точке" и "в среднем", например мгновенных и растянутых по времени;
для планов управления, относящихся к ведомству/территории и к конкретному предприятию, либо же к индивиду (борьба с вредными сценариями поведения) и к популяции (борьба с загрязнением среды);
для моделей, описывающих объект "в общем" и "в частности", например как представителя популяции и как конкретного индивида.

   Импорт данных в модель сводится к адаптации модельных параметров, так, чтобы модельный объект генерировал достаточно точную имитацию данных, измеренных для его реального прототипа (например, распределения загрязнений в пространстве и времени). В этом процессе происходит и фильтрация данных - исключение выскакивающих значений, заполнение пробелов и т.п. Импорт происходит по методу "предсказание-уточнение": для некоторой точки в пространстве и времени формируется ожидаемое по модели значение измеряемой величины, сравнивается с реальным измерением, и невязка используется для коррекции параметров модели.
   Такой метод адаптации обобщает классические методы статистического анализа: регрессию, дисперсионный анализ и др. Известно, что все они могут быть представлены в форме "предсказание - уточнение" с соответствующей матрицей параметров. Поэтому результаты статистического анализа, полученные в исследовательском режиме, могут быть автоматически включены в процесс адаптации модели, согласно ожидаемой от каждого варианта анализа степени уменьшения неопределенности модели.
   Результаты расчетов по стандартным, апробированным внешним моделям, которые считаются абсолютно надежными, учитываются так же, как происходит импорт данных измерений. При этом есть дополнительная возможность запрашивать внешний расчет на те точки пространства и времени, которые наиболее критичны для снятия неопределенности внутренней модели.
   Аналогично производится импорт корректив от эксперта (они вносятся непосредственно во внутреннюю модель) и от ЛПР (они вносятся в разработанный на основе внутренней модели сценарий, а оттуда уже импортируются во внутреннюю модель). Подчеркнем, что в обоих случаях внутренняя модель может отвергнуть коррективы, если они с ней резко рассогласуются. Это проявление своего рода инерции модели.
   Экспорт информации из внутренней модели в виде запросов к источникам внешних данных может инициировать следующие процессы:

поиск данных в подключенных БД, в т.ч. генерацию запросов по компьютерной сети;
старт некоторой внешней модели с параметрами, заданными в запросе;
представление для эксперта того модельного объекта, который инициирует запрос, с индикацией, какого рода информации ему недостает и полями для ввода этой информации (аналогично представлению сценария для ЛПР).

Эти процессы также имеют характер предсказания - уточнения. Информация, поступившая в ответ на запрос, сравнивается с ожидаемой, и если обнаруживается невязка, формулируется уточняющий запрос.
Экспорт сценария в простейшем случае означает просто вывод на экран модельного прогноза некоторой величины во времени, ее распределения по территориям или группам населения и т.п. Предсказание - уточнение при этом становится одношаговым: выводимые величины сравниваются с системой отсчета, относительно которой они должны быть показаны, например с ПДК или со средним за весь временной период или по всем территориям, - и на экран выводится невязка.

АГРЕГАЦИЯ

&nbsp;

© ИКИ РАН, 1998-2001