«Государственное образовательное учреждение высшего профессионального образования «Национальный исследовательский Томский политехнический университет» Институт . »

активное внедрение PDM-систем. Популярным Для построение Workflow-диаграмм представителем этого класса программных средств необходимо формализовать деятельность по является Enovia Smarteam – продукт американской созданию РЭА для КА. На основе знаний авторов корпорации IBM и французской софтверной данной статьи и опыта работы с различными компании Dassault Systems. Примерами успешного системами бизнес-моделирования была выбрана использования данной ИС в производственной система Business Studio, основным назначением деятельности является ОАО «Тяжмаш», ОАО которой является описание предприятия, «Павловский автобус», ОАО «Криогенмаш» и визуализированное в виде моделей его бизнес другие крупные заводы. Широкое распространение процессов, организационных структур, на предприятиях крупного документооборота с автоматической генерацией PDM-систем машиностроения объясняется наличием отлаженной регламенто.

технологии работ при достаточно четкой Помимо выбора CASE-средства, перед формализации последовательно выполняющихся авторами статьи стоял вопрос о нотации процессов, в отличие от деятельности по созданию моделирования – способ графического РЭА. Особенность приборного производства для представления бизнес-процессов. Business Studio КА состоит в уникальности приборов и в поддерживает 4 нотации: IDEF0, Процедура, EPC, параллельном создании нескольких изделий для Процесс. Для построения бизнес-модели процессов различных видов испытаний, называемых стадиями. создания РЭА была выбрана методология EPC (от Таким образом, зачастую создание прибора англ. Event-driven Process Chain – событийная следующей стадии начинается еще до окончания цепочка процессов). EPC поддерживает бизнес текущей. При этом все ошибки проектирования, логику, что позволило реализовать выявленные на текущей стадии, влияют на многовариантность процессов, параллельную предыдущие и последующие стадии и процессы. работу и возвраты на предыдущие этапы. Запуск Поскольку процессы создания РЭА многих процессов создания РЭА для КА не выполняются итеративно большой командой привязан к определенному времени, а возникает по различных специалистов, на каждом этапе мере необходимости, поэтому точки запуска были возникает много неформальных взаимодействий, обозначены событиями.

что дополнительно увеличивает сложность Для реализации Workflow-диаграмм в PDM разработки Workflow-диаграмм. системе Smarteam необходимо детализировать Согласно методологии Workflow, управление EPC-модели на элементарные цепочки действий, на потоком работ состоит из многих шагов и включает основании которых будут разработаны сценарии.

в себя большое число действий и условий, Логическое ветвление Workflow-диаграмм будет поддерживающих параллельную работу многих организовано с помощью программных скриптов и пользователей над общим проектом. Шаги визуальных интерфейсов, например, графическая заданного или динамически определяемого форма выбора пользователя PDM-системы, с маршрута работ – сценария могут представлять которым ведется совместная работа по созданию собой выполнение проектных операций и процедур, РЭА для КА.

пересылку документов другим пользователям, Таким образом, анализ и формализация бизнес изменение объекта, просмотр, утверждение и т.п. В процессов позволяет четко разграничить функции концепции Smarteam узел сценария представляет подразделений и описать их взаимосвязи, выделить собой комплексный элемент, объединяющий основные зоны ответственности, формализовать задание и его исполнителя. Допускается несколько информационные потоки. Это является вариантов формирования задания: вручную, необходимым условием перехода к процессно автоматически или изменение статуса объекта. ориентированной системе управления и Примечательно, что визуальные средства подготовкой ко внедрению информационного проектирования Workflow-диаграмм в Smarteam не средства управления инженерными данными.

представляют возможным использовать различные СЕКЦИЯ ГЕОИНФОРМАЦИОННЫЕ СИСТЕМЫ IX Всероссийская научно-практическая конференция студентов, аспирантов и молодых учных «Молоджь и современные информационные технологии»

ОРТОГЕОКОДИРОВАННЫЕ ДАННЫЕ КОСМИЧЕСКОЙ СЪЁМКИ ОБШИРНЫХ ТЕРРИТОРИЙ В ГЕОИНФОРМАЦИОННОМ ОБЕСПЕЧЕНИИ РЕГИОНОВ Клочков И.А., Лазарева Е.В.

Юго-Западный государственный университет strory2005@yandex.ru Магистральный путь социально- В результате этих процедур космическое экономического развития регионов базируется на изображение приобретает измерительные свойства создании современной навигационно- топографических карт, а также ориентируется информационной и телекоммуникационной строго на север. Кроме этого, для охвата обширных инфраструктуры единого информационного территорий субъектов РФ, необходимо пространства в форме сопряжнных между собой определнным образом соединить между собой территориально-распределнных баз знаний о десятки ортогеокодированных космических регионе и протекающих в нем экономических, изображений, полученных разнотипной съмочной социальных, природных и других процессах [1]. аппаратурой в разное время.

Технологическим ядром такой инфраструктуры В докладе рассмотрены три возможных уровня являются геоинформационные системы (ГИС). ортогеокодирования разновремнных разнотипных Необходимым условием функционирования ГИС данных космической съмки, которые представлены такого уровня является заблаговременное создание на рис. 1 [4].

и последующая планово-периодическая и На первом уровне процесс ортогеокодирования оперативная (при необходимости) актуализация включает в себя координатную привязку и всех информационно-измерительных ресурсов ортокоррекцию либо отдельных сцен (условных территорий. Основу информационно- кадров) включения съмочной аппаратуры измерительных ресурсов составляют (площадью 100 – 120 кв.км.), либо коротких пространственные данные, в структуре которых маршрутов включений. Необходимость этого ключевую роль играют ортогеокодированные уровня ортогеокодирования обусловлена как данные (ОГД) космической съмки [2]. задачами оперативного (срочного) обновления или ОГД представляют собой результат создания электронной карты небольшой фотограмметрической обработки исходных территории, так и чисто экономическими космических изображений в виде единого причинами.

информационного массива координатно- Второй уровень ортогеокодирования связан с привязанных, преобразованных в заданную расширением площади (до нескольких тысяч кв.км.) картографическую проекцию и сопряжнных друг с решаемых впоследствии по ОГД целевых задач и другом цифровых изображений участков местности включает в себя выполнение описанных выше в пределах обширных территорий. процедур в рамках всего включения съмочной Специфика и уникальность ОГД состоит в том, аппаратуры (или информационное сопряжение всех что они обладают измерительными свойствами сцен в рамках включения).

цифровой картографической основы и в то же время Третий уровень ортогеокодирования направлен являются носителями актуальной видовой на выполнение описанных выше процедур для ряда информации об обширных территориях. Такое разновремнных разнотипных включений и сочетание свойств ОГД обуславливает широкие дальнейшее формирование единого цифрового возможности их применения как для разработки изображения на территорию региона путм (обновления) электронных топографических и информационного сопряжения (математической тематических карт, схем и планов местности, так и сшивки) всех полученных и имеющихся в архиве для непосредственного решение целого ряда разновремнных и разнотипных визуальных, расчтных и прогнозных тематических ортогеокодированных космических изображений с (прикладных) задач [3]. перекрытием полос захвата на границах Процедуры ортогеокодирования исходных сопряжения.

космических изображений включают в себя этапы Полученный в результате единый геокодирования и ортокоррекции. Первый этап информационный массив, на котором визуально не процедур обеспечивает геометрически корректное просматриваются линии и границы стыковок, определение наземного местоположения может использоваться в региональных ГИС, как пространственных объектов, изобразившихся на слой, предназначенный для решения аналитических космических снимках, а второй – устранение задач, моделирования и векторизации видовой искажений их размеров и площадей, а также информации в масштабах всего региона.

выравнивание оптической плотности пикселей.

Секция 6. Геоинформационные системы Первый уровень ортогеокодирования ( сцена или условный кадр ) Координатная привязка Ортокоррекцияе Второй уровень ортогеокодирования (включение БСА) Координатная привязка Ортокоррекция Информационное сопряжение ортогеокодированных сцен (формирование ортогеокодированных включений) Третий уровень ортогеокодирования (блок включений БСА) Координатная привязка Ортокоррекция Информационное сопряжение блока ортогеокодированных включений (формирование ортогеокодированных данных обширных территорий) Рис. 1. Уровни ортогеокодирования данных космической съмки экономического развития Российской Литература Федерации и е регионов на 2009 - 2015 годы»:

1. Концепции создания и развития разработана во исполнение «Перечня инфраструктуры пространственных данных поручений Президента Российской Федерации Российской Федерации (одобрена от 13 апреля 2007 г. № Пр-619ГС».

распоряжением Правительства РФ от 21 августа Андронов В.Г./Основные направления 4.

системного решения задач региональной 2. Директива 2007/2/ЕС Европейского парламента информатизации /Андронов В.Г., Емельянов и Совета Европы по созданию инфраструктуры С.Г, Михайлов С.Н., ПотапенкоА.Н./ пространственной информации ЕС (INSPIRE) Информационно-измерительные и от 14 марта 2007 г.

управляющие системы. – М.: Радиотехника.- № 3. Концепция федеральной целевой программы 10.- т.6.-2008.-С.7-13.

«Использование результатов космической деятельности в интересах социально IX Всероссийская научно-практическая конференция студентов, аспирантов и молодых учных «Молоджь и современные информационные технологии»

РЕМАСШТАБИРОВАНИЕ ГЕОЛОГИЧЕСКИХ МОДЕЛЕЙ МЕСТОРОЖДЕНИЙ НА ОСНОВЕ ПРОЦЕДУРЫ АПСКЕЛИНГА Сивов Ю.А., Ефимов С.В.

Томский политехнический университет godmodeon@sibmail.com геологической модели, и неоднородность внутри Введение ячеек (W) – это величина неоднородности, Используя современные геологические удаляемая из модели при объединении слоев.

инструменты моделирования, инженеры и геологи Соответственно, до начала процедуры на основе сбора, обобщения и обработки геолого апскелинга W=0, а B равно полной неоднородности промысловых данных могут создавать подробные, геологической модели и вычисляется по формуле:

трехмерные геологические модели месторождений, ni, j,k Pi, j,k Pi, j, NX, NY, NZ состоящие из множества ячеек, с заложенными в B них различными свойствами, такими как i, j, k проницаемость, пористость ячейки и т.п. Размеры где ni,j,k – геометрический объем ячейки модели, моделей варьируются от сотен тысяч до нескольких а Pi, j – взвешенное по объему ячейки среднее миллионов ячеек и не могут быть использованы для параметра P в каждом столбце модели.

моделирования коллектора – породы, допускающей Другими словами, заменяя 3D модель с свободное перемещение нефти, по причине параметрами Pi,j,k ее двумерным отображением с больших временных и компьютерно-ресурсных параметрами Pi, j можно проследить насколько затрат при обработке таких объемов данных [1]. Для уменьшения количества ячеек модели к ней текущее значение Pi,j каждой ячейки отличается от применяется процедура апскелинга, которая того же значения в двумерной сетке. Приведение объединяет соседние слои модели на основании геологической модели к двумерной сетке – это схожести свойств в ячейках слоев. Результатом конечная точка процедуры апскелинга.

проведения апскелинга является фильтрационная Оптимальными для объединения слоями модель в первом приближении, в которой считаются слои, дающие минимальное значение осреднены параметры геологической модели с теряемой неоднородности, рассчитываемое по сохранением структуры и запасов в пространстве формуле:

как в изначальной модели [2] (рис. 1). na nb W Wa Wb ( ) ( PaC PbC ) 2, na nb где Wa, Wb – неоднородности внутри объединяемых ячеек a и b, полученные после предыдущих объединений, а P С – промежуточное значение параметра P. При объединении слоев геометрический объем и параметр P С каждой ячейки объединенного слоя пересчитываются по формулам:

(na PaC nb PbC ) PC.

Рис. 1 Апскелинг геологической модели (na nb ) По причине значительных временных затрат При этом неоднородность между блоками при проведении апскелинга вручную, возникла уменьшается на величину:

необходимость создания независимого n n B ( a b ) ( PaC PbC )2.

программного модуля, реализующего данную na nb процедуру по определенному алгоритму.

После окончания процедуры апскелинга B=0, а Алгоритм апскелинга W – первоначальной неоднородности модели.

В качестве методики апскелинга принят Данный алгоритм реализован в программном алгоритм, в котором выбор слоев для объединения модуле «ScaleUp», написанном на языке С++.

основан на параметре P - скорости движения Пример работы модуля «ScaleUp»

водных масс в пласте [3]:

Модуль принимает на вход данные P K пр / K п, геологической модели и после проведения где Кnp – коэффициент проницаемости, Кn – процедуры апскелинга возвращает коэффициент пористости ячейки. ремасштабированные данные и осредненные В работе алгоритма используются такие свойства этой модели. Данные моделей величины, как неоднородность между ячейками представляют собой текстовые файлы, с ключевыми модели (B) – это величина сохраняемой в словами-метками и числовыми значениями.

фильтрационной модели неоднородности Существует возможность до начала процедуры Секция 6. Геоинформационные системы апскелинга указать номера слоев-неколлекторов модели в программный комплекс Petrel 2005, модели, объединяемых с другими слоями в позволяет оперировать трехмерными моделями последнюю очередь. месторождений. Рис.5 иллюстрирует сравнение Результатом работы алгоритма являются срезов моделей.

зависимости сохраняемой неоднородности модели от количества слоев (рис. 3). За 100% принимается неоднородность загруженной геологической модели.

Рис. 5. Срез геологической и фильтрационной моделей по проницаемости Из рисунка видно, что фильтрационная модель состоит из меньшего количества слоев и в объединенных слоях содержит осредненные значения свойств геологической модели (цвет ячейки характеризует числовое значение хранимого в ней свойства).

Рис. 3. График зависимости сохраняемой неоднородности модели от количества слоев Заключение Выбрав любую точку графика, в текстовом поле Модуль «ScaleUp» позволяет проводить можно пронаблюдать очередность объединения апскелинг моделей, используя обоснованную слоев для выбранной точки. теоретическую базу, что невозможно при ручном Если были указаны слои-неколлектора, весь апскелинге, а также экономит время, затрачиваемое пласт модели разбивается на пласты, ограниченные на данную процедуру. Широкий спектр неколлекторами, и для каждого из пластов строится направлений развития приложения (таких как отдельный график. добавление других алгоритмов ремасштабирования, Помимо выгрузки ремасштабированных данных проведение ремасштабирования не только по слоям имеется возможность построения геолого- модели, но и по латерали, апскелинг статистического разреза (ГСР) каждого из неструктурированных сеток) и его успешное загруженных в приложение свойств модели. ГСР тестирование на реальных моделях месторождений показывает среднее по слою значение свойства дает все основания для продолжения работ с целью модели (рис. 4). внедрения в приложение новых возможностей.

Литература 1. Gautier Y. 1999. Nested gridding and streamline based simulation for fast reservoir performance prediction / Gautier Y., Blunt M. – Stanford University – 10 p.

2. Лазарева В.Г. Некоторые аспекты, которые необходимо учитывать в гидродинамическом симуляторе при адаптации работы скважин на историю разработки – Тюмень: Тюменский государственный нефтегазовый университет, 2006 г. – 1 с.

3. King M. 2006. Optimal Coarsening of 3D Рис. 4. ГСР проницаемости геологической и Reservoir Models for Flow Simulation / King M. – фильтрационной моделей SPE, Burn K., Wang P. - Venkataramanan – Muralidharan 17 p.

Загрузка геологической и полученной с помощью модуля «ScaleUp» фильтрационной IX Всероссийская научно-практическая конференция студентов, аспирантов и молодых учных «Молоджь и современные информационные технологии»

ВЫБОР ПРИЗНАКОВ ДЛЯ КОНТРОЛИРУЕМОЙ КЛАССИФИКАЦИИ АЭРОКОСМИЧЕСКИХ ИЗОБРАЖЕНИЙ Аникина П.В., Веремеенко Е.С.

Томский политехнический университет garnele@tpu.ru В процессе автоматизированного распознавания Подход на основе интеграции данных – объектов на аэрокосмическом изображении (АИ), совместное использование данных полученном из космоса со спутника, можно разновременной съемки;

данных, полученных с выделить два основных этапа: помощью различных сенсоров;

использование выбор признаков распознаваемых объектов;

наземных наблюдений или вспомогательной классификация объектов. геоинформации при формировании системы признаков.

При этом в качестве объектов изображения Kлассификация с использованием баз данных – могут выступать как элементарные его составляющие – пиксели, так и группы пикселей – использование базы данных характерных сегменты изображения.Данная статья посвящена признаков тех или иных ландшафтных исследованию первого этапа – этапа выбора образований.

Контекстная классификация – принимаются во признаков.

Каждый признак представляет собой внимание не только спектральные яркости количественную меру (измерение) определенной классифицируемых пикселей, но и яркости характеристики объекта изображения и используется пикселей их окрестности (контекста).

при построении правил разбиения изображения на Наиболее перспективные из перечисленных – классы. Наиболее часто при распознавании методы контекстной классификации.Простейшей графических объектов используются контурные формой контекстной информации для пикселя признаки, признаки формы, аппроксимации изображения является окрестность этого пикселя.

посредством моментов, яркостные признаки и т.д. Также источники контекстной информации могут Данный этап является очень существенным, т.к. находиться в самом изображении, выражаясь в виде эффективность классификации объектов определенных правил пространственной изображения, главным образом, определяется организации элементов. В этом случае правильно выбранной системой признаков и целесообразно использование текстуры окрестности решающим правилом, используемым при пикселей, применение методов текстурного классификации. Обычно в процессе распознавания анализа для распознавания образов на изображении.

для идентификации каждого объекта используется Использование текстуры в качестве несколько признаков. При этом говорят, что каждый контекстной информации очень заманчиво, так как объект определяется уникальным признаковым практически в любых изображениях, начиная с вектором и представлен точкой в P-мерном аэрокосмических и заканчивая изображениями признаковом пространстве, где P – количество микрообъектов, можно выделить области, признаков. После того как каждому объекту относящиеся к текстуре.

изображения сопоставлена совокупность Конкретного определения текстуры – нет. Под количественных признаков, составляющих его текстурой понимается, организованный локальный «образ», выполняется этап классификации, в ходе участок видеоданных, обладающий свойством которого пространство признаков разбивается на однородности. Так же, текстура – локальные области, соответствующие различным преимущественная ориентация элементов, классам объектов. Выполнение достоверной составляющих материал. Текструру можно классификации возможно лишь при однозначном разделить:

соответствии признаков объекту. В действительности по происхождению – графические знаки и же зачастую соответствие носит вероятностный узоры, расположенные на нейтральном поле, характер, «образы» объектов перекрываются, (песок, вода, трава, лес, срезы дерева);

поэтому выполняемая по ним классификация не по структуре поверхности – структурные может быть строго определенной. Для повышения ее состоящие из геометрически правильных достоверности идут, например, по пути увеличения повторяющихся элементов, и стохастические, числа признаков, например, переходом к нескольким сформированные преобразованием съемочным зонам при мультиспектральной съемке. последовательности коррелированных Вообще, этап выбора признаков – очень важен, случайных чисел в соответствии с от него во многом зависит качество последующей определенными алгоритмами;

интерпретации изображения. Выделяют несколько по относительным размерам элементов текстуры видов групп признаков по принципу их получения: – мелкозернистые, крупнозернистые;

Классификация по спектральным признакам – по форме элементов текстуры - волнистые, используются только спектральные признаки пятнистые, неправильные и т.д.

Секция 6. Геоинформационные системы Основной проблемой, возникающей при пока изобретаются, а качество их проверяется решении задачи анализа текстур, является эмпирически (опытным путм;

посредством определение системы признаков для описания наблюдений) для конкретной задачи пространственной текстуры, присутствующей в классификации. Поэтому оправдан такой подход:

изображении. синтезировать большое количество текстурных Под признаками текстур обычно понимают признаков и исследовать все подмножества характерные свойства, общие для всех текстур текстурных признаков на информативность.

данного класса. Множество задач, связанных с Основной вопрос при построении системы анализом текстур, можно разделить на три большие признаков заключается в том, чтобы определить группы: какие и сколько признаков необходимо выделить задачи анализа текстур с целью их для надежной классификации объектов на аэрокосмическом изображении. При этом следует классификации и распознавания;

руководствоваться принципом учета свойств задачи обнаружения объектов на изображениях с регулярности объекта, если классифицируемый использованием информации о текстуре;

объект обладает некоторой регулярностью, то эту задачи разделения изображений на фрагменты регулярность необходимо положить в основу путем использования различий в текстуре.

формирования системы признаков. Более того, Для того, чтобы провести текстурный анализ, необходимо учитывать, чтобы эта регулярность необходимо:

была присуща всем объектам, принадлежащим 1. Определить цель текстурного анализа.

2. Сформировать систему текстурных признаков.

Также нужно задавать все, что позволяет 3. На анализируемом изображении определить увеличить количество информации. На практике же необходимое для выполнения поставленной чрезмерное увеличение исходной системы цели количество классов и с помощью эксперта признаков не приносит положительного эффекта из назначить образцы текстур для каждого класса.

за того, что степень представительности выборки 4. Провести обучение алгоритма на текстурах одного и того же объема обратно пропорциональна образцах и сформировать подсистему наиболее размерности пространства признаков. В случае информативных текстурных признаков.

использования некоторых решающих функций 5. Используя выбранную подсистему признаков, добавление признаков при малой обучающей распознать все изображение.

выборке может не только не улучшить, но даже Формальной процедуры задания исходной ухудшить качество обучения устройства.

системы признаков пока не существует. Признаки, Разумеется, при неограниченной выборке используемые при решении тех или иных задач, добавление признака, даже не несущего никакой задаются лишь на основании опыта и интуиции информации, никогда не может ухудшить качество специалиста. Поэтому необходимо глубокое распознавания.

исследование признаков и их влияния друг на друга На практике широко применяются способы и на классификацию для того, чтобы процесс выбора усеченных переборов подпространств, признаков.

признаков не зависел от квалификации специалиста, Они позволяют рассматривать дополнительные и подбирался по решающему правилу, исходя из варианты пространств, признаков и исследовать их характеристик изображения. Ниже приведены на информативность.

наиболее показательные и часто используемые Таким образом, для решения задачи решения текстурные признаки:

признаков необходимо разработать решающее энергия;

правило по которому признаки выбирались бы.

Цель данной работы – создание такой максимальная вероятность;

программной системы, которая по решающему k-ый начальный момент;

правилу выбирала бы список признаков вариация;

обеспечивающих наиболее точную классификацию однородность;

исходя их характеристик изображения.

второй угловой момент;

1. Андерсон Т. Введение в многомерный дисперсия;

статистический анализ. М.. «Физматгиз»: 1963.

момент обратной разности;

2. Гонсалес Р, Вудс Р. Цифровая обработка суммарная дисперсия;

изображений. М.:Техносфера, 2005. – 1072 с.

3. Горелик А.Л., Скрипкин В.А. Методы дифференциальная дисперсия;

распознавания. – 3-е изд. Перераб. И доп. – М.:

дифференциальная энтропия. Высш.шк., 1989. – 232 с.

На данный момент не существует теории 4. Фукунага К. введение в статистическую теорию синтеза текстурных признаков, обеспечивающих, распознавания образов /Пер. с англ. М.: Наука.

например, минимум средних ошибок 1979. – 368 с.

распознавания. В связи с этим текстурные признаки IX Всероссийская научно-практическая конференция студентов, аспирантов и молодых учных «Молоджь и современные информационные технологии»

ИСПОЛЬЗОВАНИЕ ПРОГРАММНОГО КОМПЛЕКСА «DATAMINE» В ПРОЕКТИРОВАНИИ ГОРНОГО ПРЕДПРИЯТИЯ А.С.Вяльцев Карагандинский государственный технический университет falcar@mail.ru входит большое число команд и процессов, которые Введение Опыт проектирования, строительства и имеют универсальное назначение:

Манипуляция файлами Базы данных: ввод, эксплуатации карьеров показал, что от правильного решения основных вопросов строительства, выбора вывод, редактирование, объединение, технологии и режима горных работ, календарного выборочное копирование, изменение системы распределения объемов, схемы вскрытия и координат и т.д. и т.п.

оборудования в значительной степени зависит Обработка данных методами классической эффективность производства. Особую важность статистики.

приобретают вопросы организации строительства Обработка результатов опробования:

карьеров с использованием методов сетевого композирование, объединение, расчет планирования, новые методы строительства и вариограмм и т.д.

реконструкции карьеров по этапам с надежным Изготовление чертежей технико – экономическим обоснованием. Основные программные модули «Datamine»:

Разработка месторождений, производится в Database Utilities (CORE) - Утилиты базы несколько этапов с обязательной реконструкцией данных. Обеспечивает управление данными для горных работ, которая осуществляется по системы, включает обработку данных буровых специальным проектам, составляемым перед скважин, показ, проверку данных.

каждым этапом. Эффективность реконструкции Block Блочное Modeling (MOD) может быть значительно повышена, если параметры моделирование. Этот модуль обеспечивает все этапов будут определены заранее.

возможности для построения, просмотра, В настоящий момент имеется ряд программных оценки и манипуляциям с блочными моделями.

продуктов, с помощью которых возможно Wireframe Modeling (WFM) - Каркасное определения экономической целесообразности моделирование.

производства реконструкции и оптимизации Enhanced Geostatistics (EGS) - Расширенная открытых горных разработок.

геостатистика. Включает инструменты для Одним из наиболее мощных и проверенных на построения вариограмм.

практике при проектировании и работе горных 3D Трехмерная Visualization (GVP) предприятий продуктов является программный визуализация всех типов данных (скважин, комплекс «Datamine» (Datamine International, United каркасов, блочных моделей, линий и точек).

Kingdom). Системой пользуются несколько тысяч Open Pit Mine Design (OPM) и Schedule & консультационных фирм и горно-рудных Achieve (SCH & ACV) - Проектирование и предприятий всего мира, в том числе СНГ.

планирование открытых горных работ.

«Datamine» может успешно работать с любыми Short Term Planning (STP) - Краткосрочное видами полезных ископаемых: рудами черных и планирование. Обеспечивает инструменты для цветных металлов, горно-химическим сырьем, проектирования взрывных блоков и их оценки.

драгоценными камнями, углем, нефтью, Underground Mine Design (UGM) и Floating индустриальными минералами и т.д Stope Optimizer (FSO) - Проектирование и Программный комплекс «Datamine» состоит из оптимизация подземных горных работ.

ряда связанных между собой программных Mine Surveying (SRV) – Маркшейдерский продуктов, которые работают совместно и модуль.

используют одни и те же данные. Система Underground – представляет собой реляционную базу данных Ring Design (RNG) Проектирование БВР.

(собственная разработка компании) и набор объединенных с ней модулей, которые пользователь Порядок проведения работ в «Datamine»

может выбирать, исходя из специфики предприятия На первоначальном этапе создается база и решаемых задач. Комплекс «Datamine» геолого–маркшейдерских работ по применяется маркшейдерской, геологической и месторождению, которая используется для конструкторской службами для соответствующего выполнения работ по оконтуриванию рудных тел, обеспечения горных работ. подсчету запасов полезного ископаемого, составлению проектной документации для ведения Функциональные возможности программного горных работ, планирования горных работ, учету и комплекса «Datamine»

движению запасов полезного ископаемого с Система состоит из Ядра и отдельных Модулей выдачей данных в цифровом и графическом виде.

для решения специальных задач. В состав Ядра Секция 6. Геоинформационные системы Создание геолого – маркшейдерской базы производить подсчеты объемов и сравнивать данных наиболее трудоемкий и ответственный результаты по горизонтам.

процесс всей системы.

В базу данных вводят результаты опробования всех скважин и горных выработок, полученных в процессе разведки и эксплуатации. А также данные из первичной геологической документации и маркшейдерская съемка горных выработок.

Создание каркасной модели производится автоматически, методом триангуляции, между соседними сечениями и объединением их в общий каркас рудного тела.

Рис.3. Пример отчета Datamine по подсчету объемов горной массы Результаты работ в программном комплексе «Datamine» могут быть использованы и обработаны в других программных продуктах, таких как AutoCAD, Surpac и т.д.

Рис.1. Каркасная модель месторождения Статистические исследования проводятся по каждому рудному телу с построением гистограмм, которые показывают характер распределения подсчитываемых компонентов и вариограмм.

Вторым наиболее важным этапом подсчета является построение вариограмм и выбор направления эллипсоида максимальной изменчивости.

Создание блоковых моделей производится на Рис.4. Пример графического плана развития горных основе вариограмм, с разбивкой пространства работ, созданного в Datamine и обработанного в AutoCAD рудного тела на элементерные ячейки. Размер ячеек Заключение зависит от морфологии рудного тела и На мировом рынке программного обеспечения в существующей сети разведки. Каждой ячейке настоящее время предлагается свыше присваивается рассчитанное содержание, объемная интегрированных систем (ИС), которые содержат масса, объем и запасы руды и породы. Ячейки примерно одинаковый стандартный набор функций.

складываются в блоковую модель.

Компьютерные продукты Datamine в совокупности сегодня представляют собой наиболее мощную и гибкую систему в мире для моделирования рудных месторождений и проектирования горных работ.

Программный комплекс «Datamine» постоянно совершенствуется и дорабатывается.

Литература 1. Портал Горные информационные технологии [Электронный ресурс]. - Режим доступа:

2. Официальный сайт компании Datamine International [Электронный ресурс]. Режим Рис.2. Блочная модель рудного тела доступа: http://www.datamine.co.uk/ , свободный.

На основе линейных файлов съемки создается 3. П.В. Васильев (ВИОГЕМ). Развитие горно Цифровая модель поверхности (ЦМП). При геологических информационных систем.

объединении ЦМП карьера и ЦПМ топографии Информационный бюллетень. ГИС ассоциация, карьера получается общая ЦПМ, по которой можно № 2 (19), 1999 г., стр. 32- IX Всероссийская научно-практическая конференция студентов, аспирантов и молодых учных «Молоджь и современные информационные технологии»

ИСПОЛЬЗОВАНИЕ МНОГОМЕРНЫХ СПЕКТРАЛЬНЫХ ФУНКЦИЙ ДЛЯ ЗАДАЧ ОБНАРУЖЕНИЯ ГИДРОАКУСТИЧЕСКИХ СИГНАЛОВ Слуцкий Д. С., Куценко А. Н.

Технологический институт «Южного федерального университета» в г. Таганроге sdiman85@mail.ru В современных локационных системах для kX, kY – проекции волнового вектора на определения направления прихода сигнала соответствующие оси.

используются методы, требующие настройки на Для рассмотрения поля в пространстве цель по амплитудным или фазовым необходимо учитывать проекцию волнового характеристикам принятого сигнала. вектора на третью ось – kZ, но ее можно вычислить, Корреляционный же метод определения зная величину k и вычислив kX, kY.

местоположения источника требует наличия Корреляционные приемники, основанные на системы приемников и использования сложных вычислении одномерной корреляционной функции, сигналов. Но, несмотря на принцип определения широко используются в локационных системах.

пеленга на цель в том или ином методе, их основой Двумерная же корреляционная функция позволяет является временная обработка сигналов. Тогда как определить не только расстояние до цели, но и использование пространственной обработки пеленг на цель. Однако использование двумерной сигналов может дать лучший результат. корреляционной функции ограничено из-за Общее уравнение, описывающее больших временных затрат на ее вычисление. По распространение волны в пространственно- этой причине в литературе предлагают для поиска временной области, имеет вид: максимумов двумерной корреляционной функции использовать ее сечения [2].

1 Использование пространственно-временной exp i( t k r 0 ) A(t ) A0 n. обработки сигналов с использованием многомерных r корреляционных и спектральных функций известно В этом уравнении первое слагаемое по знаком в литературе [3]. Однако, описанные методы экспоненты описывает распространение волны во требуют очень больших затрат машинного времени временной области, второе – в пространственной. на обработку сигналов. Предлагаемый метод Второе слагаемое обычно отбрасывают и позволит существенно упростить обработку рассматривают волновой процесс только во сигналов без потери информативности выходных временной области. Для рассмотрения сигнала в данных.

пространственной области необходимо отбросить первое слагаемое, другими словами – рассмотреть z сигнал в определенный момент времени.

Для анализа волнового процесса в kz пространственной области используем теорему Винера-Хинчина, которая устанавливает взаимосвязь пространственных корреляционных kyz k функций случайного поля и пространственно частотного спектра мощности этого поля. Для пространственного случайного процесса математическое выражение теоремы Винера- kx x Хинчина имеет вид [1]:

ky G( f, f Y )e i 2 ( f X x fY y ) df X df Y K (x, y) X kxy, где К(x,y) – пространственная корреляционная y функция;

G(fX, fY) – пространственный спектр Рис. 1. Проецирование волнового вектора на систему мощности поля;

fX, fY – пространственные частоты координат поля в некоторой плоскости (x,y).

Для того чтобы определить расположение Обратное преобразование представляет собой волнового вектора в пространстве относительно выражение для биспектра, т.е. преобразования системы координат, привязанной к приемной Фурье корреляционной функции третьего порядка.

антенне, необходимо знать проекции волнового Его можно представить в виде:

вектора на оси координат(рис. 1). Для этого можно использовать две линейные антенные решетки, K (x, y)e i 2 ( k X x kY y ) G(k X, k Y ) dxdy расположенные вдоль осей координат. В каждый момент времени каждая линейная антенная решетка, где принимает проекцию волнового фронта на Секция 6. Геоинформационные системы соответствующую ось. Путем раздельной обработки корреляционными функциями и энергетическим сигнала от каждого элемента антенны можно спектром.

восстановить проекцию волнового фронта на ось Во-первых, двумерная корреляционная функция координат. позволяет сохранить комплексный Фурье спектр, и Такая обработка сигнала даст дискретные следовательно, - восстановить информацию о проекции на оси координат. Точность фазовых характеристиках исходного сигнала.

восстановления проекции сигнала на ось зависит от Во-вторых, биспектр гауссова шума равен количества приемников. Из определенных проекций нулю, что повышает помехоустойчивость метода.

сигналов на оси координат путем вычисления В-третьих, биспектр инвариантен к смещению двумерной взаимной корреляционной функции и ее исходного сигнала.

преобразования Фурье получим биспектр, имеющий К тому же, вычисление дискретных двумерной максимум в точке, координаты которой корреляционной функции и биспектра позволит соответствуют значениям проекций волнового сильно сократить затраты машинного времени по вектора на оси координат (рис. 2). сравнению с вычислением интегральных двумерной корреляционной функции и интегрального биспектра и проводить обработку сигналов в реальном времени Вышеперечисленные преимущества биспектральной обработки сигналов позволяют точно измерить пространственные проекции волнового вектора на оси координат, и, тем самым, определить направление прихода сигнала, даже при отношении сигнал/помеха близким к единице.

Известно, что волновой фронт сигнала, отраженного от какой-либо поверхности, повторяет форму этой поверхности. Для восстановления формы поверхности применяют разложение kx волнового фронта по плоским волнам. В этом случае волновой вектор от каждго участка поверхности является нормалью к этому участку поверхности. Измерение времени и направления прихода сигналов при помощи биспектральной обработки в разные моменты времени позволят ky восстановить форму отражающей поверхности.

Рис. 2. Биспектр Список литературы 1. Гоноровский И. С. Радиотехнические цепи и Для сокращения затрат машинного времени сигналы: Учебник для вузов. – 4-е изд., перераб.

можно рассматривать не двумерную и доп. – М.: Радио и связь, 1986. – 512 с.

корреляционную функцию и биспектр, а сечения 2. Канаков В. А., Горда В. В. Ускорение поиска корреляционной функции и их спектр. Максимумы максимумов многомерной корреляционной одномерных спектров будут соответствовать функции по ее сечениям // Вестник значениям проекций волновых векторов kX, kY на Нижегородского университета им. Н. И.

оси координат. Однако, такой подход приведет к Лобаческого, 2009, №3, с. 76-79.

потере нескольких принципиальных преимуществ, 3. Гусев В. Г. Системы пространственно которыми обладают двумерная корреляционная временной обработки гидроакустической функция и биспектр по сравнению с обычными информации. – Л.: Судостроение, 1988. – 264 с.

IX Всероссийская научно-практическая конференция студентов, аспирантов и молодых учных «Молоджь и современные информационные технологии»

ВИЗУАЛИЗАЦИЯ ИНТЕНСИВНОСТИ ДВИЖЕНИЯ ТРАНСПОРТНЫХ ПОТОКОВ В ГЕОИНФОРМАЦИОННОЙ СИСТЕМЕ ITSGIS Д.А. Михайлов, Т.И. Михеева, С.В. Михеев Самарский государственный аэрокосмический университет midi-f23@rambler.ru ITSGIS позволяет собирать, хранить, отображать, Введение редактировать и обрабатывать картографические Рост интенсивности транспортных потоков на данные, хранящиеся в базе данных, с учетом дорогах является одной из наиболее сложных пространственных отношений объектов.

проблем современного города. Так как основная Вся информация в ГИС ITSGIS масса транспортных средств сосредотачивается в структурирована в виде слоев, на которых городах, то это вызывает снижение скорости представлена однородная графическая информация, движения, увеличение числа дорожно объединенная по некоторому общему транспортных происшествий, ухудшение семантическому признаку. Слои различаются по экологической ситуации.

типу объектов: точечные, линейные и Темпы роста автомобильного парка полигональные слои.

значительно опережают рост пропускной Интенсивность транспортных потоков способности дорожной сети, поэтому для представлена в ITSGIS разными типами:

повышения эффективности их использования в виде точки при отображении интенсивности необходимо внедрять новые средства и системы на узлах улично-дорожной сети (в точках управления дородным движением.

притяжения транспортных потоков, на Пропускная способность сети напрямую перекрестках и т.д.);

связана с интенсивностью движения, которая в виде линейного объекта при отображении определяется числом транспортных средств, интенсивности на линейных перегонах дорог;

проезжающих через сечение дороги в единицу в виде полигона при отображении времени.

интенсивности на пространственных участках.

Одним из способов управления моделью Визуализация информации об интенсивности улично-дорожной сети является сбор, обработка, строится на двух базовых способах:

анализ и отображение информации об сбор, обработка и анализ информации о интенсивности в геоинформационных системах.

состоянии транспортных потоков в режиме Геоинформационная система (ГИС) базируется реального времени с помощью средств на успешно развивающейся информационной видеофиксации;

технологии, объединяющей в себе возможность сбор статистических данных об интенсивности работы с базами данных, в том числе с объектами транспортных потоков и представление транспортной инфраструктуры, с визуализацией прогнозных данных на основании модели с данных в виде географической карты. ГИС применением математического и являются удобными средствами для хранения и статистического аппарата.

обработки географических данных, обладают Рассмотрим подробнее второй способ, огромным потенциалом в области поддержки основанный в ITSGIS на обработке статистической принятия решений. Интеграция систем поддержки информации.

принятия решений, базирующихся на ГИС, с Информация об интенсивности транспортных методами исследования данных повышает ценность потоков требует хранения пространственно географической информации [1, 2]. ГИС являются временных характеристик в базе данных, так как хорошей средой для внедрения методов интенсивность зависит не только от искусственного интеллекта и экспертных систем.

географического месторасположения «точки Это связано с разнообразием и сложностью данных сбора», но и от времени суток, дня недели, месяца, в ГИС и наличием большого числа аналитических года, погодных условий.

задач при использовании ГИС [3].

Пространственный компонент подразумевает Функциональные возможности ГИС ITSGIS хранение таких характеристик как город, район, ITSGIS позволяет получать информацию о улица или группа улиц при подсчете интенсивности местоположении по адресу или имени, находить на перекрестке.

пересечения улиц, границ, производить Временной компонент содержит в себе дату и автоматическое и интерактивное географическое время, при обработке которых может быть получена кодирование, наносить на карту объекты из базы выборка с данными, соответствующими данных. Форма представления информации в ГИС интересующим пользователя параметрам. Для этого может иметь вид таблиц карт, диаграмм, текстовых используется мастер снимков интенсивностей справок. ITSGIS дает возможность проводить (рис. 1), в котором осуществляется фильтрация специальный географический анализ и графическое информации по параметрам произведенных редактирование. В дополнение к традиционным для замеров.

систем управления базами данных функциям Секция 6. Геоинформационные системы Рис.2. Снимок интенсивности транспортных потоков в Рис.1. Экранная форма модуля обработки снимков утренний час пик Третьим компонентом могут являться объекты Наглядное представление информации об транспортной инфраструктуры, которые являются интенсивности в транспортной ГИС позволяет своеобразными точкам притяжения транспортных облегчить решение целого ряда задач:

потоков (крупные торговые центры, построение оптимальных транспортных административные учреждения, объекты маршрутов;

социально-культурного значения и т.д.) построение маршрутов для перевозки опасных Для наглядного представления и грузов;

картографического анализа пространственных разработка схем регулирования движения данных в ГИС ITSGIS используется тематическое транспортных потоков;

анализ состояния модели улично-дорожной При отображении значений интенсивности на сети и транспортной инфраструктуры;

карте может применяться несколько способов оптимизация величины движения городского визуализации информации:

отображение в виде точки с привязкой муниципального и коммерческого транспорта и т.д.

отображение в виде линий различной толщины Заключение в зависимости от значений параметра;

Решение задачи визуализации интенсивности отображение в виде точки или линии является важнейшей задачей развития авто различными цветами в соответствии с транспортной сети. Требуется построение градацией по величине параметра;

развернутой системы автоматической видео комбинированный способ, при котором фиксации, позволяющей осуществлять мониторинг величина интенсивности влияет как на цвет, так транспортных потоков в режиме реального и на толщину символов. времени. Внедрение данной ГИС как в Так, на рис. 2 представлен снимок интенсивности государственных, муниципальных, так и в частных с использованием комбинированного способа организациях позволит обеспечить решение ряда отображения информации. экономических и социальных задач.

Помимо прогнозных сведений об Литература интенсивности транспортных потоков, пользователь 1. Тикунов В.С. Моделирование в картографии. – может получить снимки, позволяющие М.: Изд-во МГУ, 1997. 405 с.

проанализировать данные натурных экспериментов, 2. Цветков В.Я. Геоинформационные системы и которые обладают наибольшей достоверностью технологии. – М.: Финансы и статистика, 1998.

информации. 228 с.

3. Михеева Т.И. Структурно-параметрический синтез интеллектуальных транспортных систем.

– Самара: Самар. науч. центр РАН, 2008. 380 с.

ДИСЛОКАЦИЯ ОСТАНОВОК ОБЩЕСТВЕННОГО ТРАНСПОРТА НА КАРТЕ ГОРОДА В СРЕДЕ ГЕОИНФОРМАЦИОННОЙ СИСТЕМЫ Т.И. Михеева, К.А. Малыкова Самарский государственный аэрокосмический университет наличие урны.

Введение Для разработки стратегии развития Способы изображения ООТ в ГИС современного мегаполиса большое внимание В ГИС ООТ можно изобразить как минимум необходимо уделить организации взаимодействия двумя способами [1, 2].

транспортных и пешеходных потоков. В настоящее Точка на карте. При этом способе информация время решить задачи, связанные с транспортной об остановочном пункте прикрепляется к точечному логистикой, при помощи обычных расчетов объекту как атрибут. Можно привести сравнение из практически невозможно. Для организации области физики: материальная точка, имеющая движения и оптимизации перевозочного процесса (в массу, но не обладающая размерами. Эту том числе перевозки людей) все чаще используются математическую модель используют для облегчения компьютерные системы, основанные на расчетов, когда геометрические параметры объекта искусственном интеллекте, использующие не имеют большого значения.

геоинформационные технологии. В настоящее На рисунке 1 приведено изображение остановок время эти направления применения компьютерных в системе ДубльГИС. Каждый остановочный пункт технологий стремительно развиваются. Это отображается на карте как точка с координатами с касается вопросов о способе отображения реальных привязкой к улично-дорожной сети и информацией объектов транспортной и городской о том, какие транспортные средства здесь инфраструктуры на электронной карте, а также о останавливаются. Информация представлена в виде точности воспроизведения условий их ссылок на файлы с данными о маршрутах движения расположения. общественного транспорта. Таким образом, Проблема размещения таких объектов как существенно облегчается работа обычного остановки общественного транспорта (ООТ) пользователя с системой: можно легко найти рассматривается в этой статье. Необходимо нужный транспорт, а также посмотреть маршрут его спроектировать структуру хранения данных движения.

(географических и семантических) об ООТ и объектах ее инфраструктуры, определить виды и способы отображения данных об ООТ на электронной карте города в среде геоинформационной системы.

В качестве исходных данных выбираем маршрутные транспортные средства – Точечный транспортные средства общего пользования объект «ООТ»

(автобус, троллейбус, трамвай), предназначенные для перевозки по дорогам людей и движущиеся по установленному маршруту с обозначенными Рис. 1. Изображение ООТ точкой на перекрестке ул.

остановочными пунктами. Кроме транспортных Мичурина и ул. Масленникова в системе ДубльГИС средств необходимо учитывать наличие дорожных Полигональный объект. ООТ и все знаков, ограждений, дорожной разметки и других сопутствующие элементы ее инфраструктуры элементов обустройства ООТ. Перед остановкой отображаются полигонами – т.е. полуплоскостью, должен быть расположен знак – «Место остановки ограниченною замкнутой ломаной линией.

автобуса и (или) троллейбуса» (5.16) и «Место Полигональные объекты дают пользователю остановки трамвая» (5.17);

подробное размещение возможность узнать точное расположение и этих знаков регламентирует ГОСТ Р 52289-2004. В размеры остановочного пункта, а также получить базе данных отражается информация о: иную детальную информацию о нем. Обычно в ГИС наличии навеса от дождя и/или скамейки;

так изображаются дома, промышленные зоны и т.п.

об остановочном кармане - расширении Полигональное изображение остановок проезжей части, необходимом для того, чтобы общественного транспорта подразумевает рассмот остановившийся автобус или троллейбус не рение их как макроскопических объектов, что создавал помех другим транспортным подразумевает значительную детализацию средствам;

прорисовки улично-дорожной сети в районе табличке с номерами маршрутов общест- остановочного павильона. На рисунке 2 приведен венного транспорта, останавливающегося на пример визуализации ООТ в виде нескольких данной остановке;

полигональных объектов: остановочной площадки, расписании движения транспортных средств;

остановочного павильона, двух урн, объединенных наличии пункта продажи билетов;

в единое целое с точки зрения географических и Секция 6. Геоинформационные системы семантических характеристик. В то же время большое дополнительное количество комплексная информация об объекте ООТ может информации, которое необходимо поместить в быть детализирована, и из нее выделен какой-либо систему, увеличивающее размер файла ГИС.

отдельный элемент, по которому может быть Заключение получена семантическая информация, касающаяся В конечном счете, оба варианта представления конкретно этого элемента. Такой вспомогательный ООТ на карте города имеют право на инструмент написан и реализован в ГИС «ITSGIS». существование. Способы визуализации ООТ на карте могут быть разграничены не только по типу Полигональный представления информации (точка, полигон), но и объект «ООТ»

по способу (уровню) доступа к этой информации.

Например, простому пользователю – гражданину города – интересно из ГИС получить информацию о маршрутах движения общественного транспорта, Полигональный его остановках и интервалах движения. Ему не так объект «ООТ» важно знать интенсивность дорожного движения в области остановки общественного транспорта или Рис. 2. Изображение ООТ в качестве группы наличие/отсутствие остановочного павильона.

полигональных объектов в ГИС «ITSGIS»

Геоинформационные системы, ориентирован В качестве семантической информации к ные на водителей транспортных средств, должны полигональному объекту привязывается название содержать информацию о том, по каким улицам улицы, на которой расположена ООТ, название можно проехать к цели поездки и где есть остановки, виды общественного транспорта и их возможность изменить маршрут. В таких системах номера и др. детализация остановок также необязательна.

Функции, реализуемые ГИС «ITSGIS» для ООТ, А вот систему, применяющуюся для улучшения разделяются на функции работы с точечными и организации дорожного движения в городе полигональным объектами, функции работы с (например, ГИС «ITSGIS»), такая детальная картой и функции работы с базой данных [3]: «прорисовка» может существенно улучшить, так создание, редактирование удаление точечного / как полнота информационной картины в данном случае играет решающую роль для принятия полигонального объекта на карте;

решения или проведения моделирования движения поворот полигонального объекта;

транспортных потоков по улично-дорожной сети.

привязка к модели улично-дорожной сети;

В геоинформационной системе «ITSGIS» ООТ отображение точечного / полигонального представляется как интегрированный вариант двух объекта на карте;

типов изображения: в масштабах города остановка – создание, удаление, редактирование слоя карты объект незначительной величины, поэтому нет с ООТ;

смысла изображать его во всех подробностях отображение условного обозначения ООТ;

достаточно объекта типа «точка», снабженного отображение семантической информации об атрибутами, которые необходимы для ООТ.

взаимодействия с другими изображенными в ГИС Функции работы с базой данных помимо объектами. Но при увеличении пользователем возможности обработки географической участка электронной карты изображение остановки информации об объекте позволяют проводить появляется в полигональном виде.

сортировку семантических данных по какому-либо Литература критерию, фильтровать данные с дальнейшей 1. Цветков, В.Я. Геоинформационные системы и визуализацией результатов фильтрации на карте.

технологии [Текст] / В.Я. Цветков. – М.:

Полигональная модель ООТ имеет свои плюсы Финансы и статистика, 1998. – 228 с.

улучшение комфортности работы пользователя 2. Михеева Т.И. Построение математических с ГИС за счет визуализации дополнительной моделей объектов улично-дорожной сети географической и семантической информации города с использованием геоинформационных об ООТ;

технологий // Информационные технологии.

возможность размещения более подробной и 2006. №1. С.69–75.

специализированной информации об ООТ;

3. Михеева Т.И., Гаманова Н.В. Технология изображение транспортных карманов, их отображения объектов транспортной величины и «емкости», что помогает при инфраструктуры в ГИС / Актуальные проблемы расчете интенсивности дорожного движения на автотранспортного комплекса: межвуз. сб. науч.

участках улично-дорожной сети;

статей. - Самара, Самар. гос. техн. ун-т, 2010. – и минусы:

детализация системы – кропотливая и дорогая работа, способствующая удорожанию системы как конечного программного продукта;

GENERAL CONCEPTS OF DECISION SUPPORT SYSTEM FOR THE NEEDS OF AGROCHEMICAL ENTERPRISES OF RUSSIAN FEDERATION A.V. Markov, A.V. Pertsev, V.S. Sherstnev, V.S. Morozov Tomsk Polytechnic University MarkovAV@tpu.ru suitable for full analysis due to conflicting requirements Introduction for OLTP systems and DSS.

Nowadays, many divisions of the lands agrochemical monitoring service of the Russian Federation have accumulated significant amounts of data with which it is possible to solve a variety of analytical and administrative tasks. Problems of storage and processing of analytical information are becoming more relevant and attract attention of information technology professionals, which in turn leads to the need for appropriate software.

The authors are developing a geospatial information system for agrochemical companies (more information about the system can be obtained from the previous articles [2, 3]). In the course of development, it was decided to equip the system with analytical data analysis module, bringing the whole system to DSS class. The role of the system, in this case, is not to replace the manager or an expert, but to improve the efficiency of his labor. The purpose of this system is not so much in the automation of the decision process as in implementation of cooperative interaction between the system and human in decision-making.

Fig. 1 Block diagram.

Ideally, the work of analysts and managers at To provide the necessary decision support various levels should be organized so that they could information it is necessary to collect data from have access to all information of interest and use the various data sources with different structure convenient and simple means of presentation and work and content. The main problem with this lies in with this information.

inconsistencies and contradictions of these sources, and Structure absence of single logical view of corporate data.

The architecture of the system being developed Therefore, for unification of OLTP and DSS in one includes the following subsystems:

system to implement the storage subsystem the concept Data input, of data warehousing (WH) is used. The core concept of Data storage (Relational DB), WH is the idea of separating the data used for online Geospatial information system, processing and for solving the problems of analysis, Analysis, which allows to optimize storage structures. The Report creation, warehouses allow to integrate previously disconnected Data marts, detailed data contained in historical archives, Operative console, accumulated in the traditional OLTP systems from Data transfer interfaces between modules. external sources into a single and simple database, Block diagram of the system under development is carrying out their preliminary coordination and, shown in Fig. 1 possibly, aggregation.

Since the overall architecture of the system being Analysis subsystem is based on:

developed was discussed in previous articles by the 1. Subsystem of information retrieval analysis on the authors [2,3], in the given article it was decided to base of relational databases and static queries using consider the architectural features of the data warehouse SQL language;

in more detail. 2. Online analysis subsystem. To implement these Collection and storage of information and solution subsystems the OLAP online analytical data of information retrieval query tasks are effectively processing technology is used, which uses the realized by means of database management systems concept of multidimensional data;

(Microsoft SQL server 2008 R2). In the subsystem of 3. Data mining subsystem implementing the methods data input/editing, (also called Online Transaction and algorithms of Data Mining.

Processing (OLTP) subsystem) transactional data Warehouses technology is designed to store and processing is implemented. OLTP system itself is not analyze large amounts of data to further detect hidden patterns and, along with the technology of Data Mining, Секция 6. Геоинформационные системы belongs to the concept of "predictive analytics." Data Implementation of the GIS module Mining, in turn, examines the process of finding new, Implementation of the module for work with real, and potentially useful knowledge in databases. reports.

Warehouse is an object-oriented, integrated, rarely References changing, chronology supporting data set, organized for 1. Использование MS SQL Server Analysis Services the purposes of decision support. Object orientation 2008 для построения хранилищ данных. // means that the WH integrates information reflecting Интернет университет информационных different points of view on the subject area. Integration технологий Intuit..

implies that the data stored in the warehouses is brought URL: http://intuit.ru/department/database/ to a common format. Chronology support means that all mssqlsas2008/ (дата обращения: 21.02.2011) data in the warehouses corresponds to successive time 2. Марков А.В., Шерстнв В.С. Информационная intervals.

система геомониторинга для агрохимических предприятий //Современные техника и Data marts технологии: Сборник трудов XV Reducing the cost of design and development of Международной научно-практической warehouses can be achieved by creating a data mart конференции студентов, аспирантов и молодых (DM). Data Mart is a simplified version of WH, which учных - Томск: ТПУ, 2009. - с. 246- contains only thematically associated data.

3. Шерстнв В.С., Крыжановский В.В., Марков Data marts contain information targeted at a А.В., Использование геоинформационных specific user, which is much smaller in volume, and its систем для решения задач обработки данных realization requires less cost. Data marts are introduced центров и станций агрохимической службы РФ a lot faster and the effect of their use is seen faster. The // Информационно-вычислительные технологии disadvantages of DM are multiple storage of the same и их приложения: Материалы 11-й data in various DMs and the lack of consolidation at the международной научно-технической domain level.

конференции - Пенза: МНИЦ ПГСХА, 2009. - с.

As seen from Figure 1, data gets into the data marts of the warehouse. In this case, DM is dependent. 259- 4. Якушев В.В. Система поддержки принятия However, for some tasks the information source for решений в земледелии. // Принципы построения replenishing the DM are OLTP systems directly. Such и функциональные возможности. Труды DMs, called independent, are created as a temporary международной конференции "Современная solution to quickly and cost-effectively solve the most агрофизика - Высоким агротехнологиям", important tasks, assess the advantages of the new Санкт-Петербург, 2007 г - С. 226 – 228.

approach, and to formulate some recommendations for 5. Проектирование хранилищ данных для a broader project to develop a common data warehouse.

приложений систем деловой осведомленности Conclusion (BusinessIntelligenceSystems).// Интернет Feature of this project is the close integration of университет информационных технологий data warehouse with geospatial system in one Intuit.. URL:

information system, which allows to perform analytical http://intuit.ru/department/database/ bispower analysis, not only in tabular representation, but also in d/ (дата обращения: 21.02.2011) the form of thematic maps.

6. Статистические методы анализа данных.// At the time of writing this article, the following Интернет университет информационных results are available:

технологий Intuit.. URL:

The analysis of the subject area http://intuit.ru/department/database/ Design of the storage structure dataanalysis/ (дата обращения: 21.02.2011) Design of the software structure Implementation of the OLTP module IX Всероссийская научно-практическая конференция студентов, аспирантов и молодых учных «Молоджь и современные информационные технологии»

МОДУЛЬ РАСШИРЕНИЯ ARCGIS ДЛЯ РЕШЕНИЯ ЗАДАЧ МОНИТОРИНГА ЛЕСОПОЖАРНОЙ ОБСТАНОВКИ Ю.В. Лещик, М.А. Сонькин Томский политехнический университет catlen@ya.ru Анализ современных технологий обработки настольная геоинформационная система, данных свидетельствует об активных разработках и обладающая максимальной функциональностью в использовании геоинформационных технологий. линейке программных продуктов ArcGIS.

Геоинформационные (ГИС) технологии можно Возможности программного продукта ArcInfo определить как совокупность программно- позволяют:

технологических средств получения новых видов 1. осуществлять сложный ГИС-анализ и информации об окружающем мире. Они моделирование;

предназначены для повышения эффективности 2. использовать в работе инструменты наложения процессов управления, хранения и представления данных, оценки близости объектов, анализа информации, обработки и поддержки принятия поверхностей, обработки растров, решений. генерализации и многие другие;

Поскольку мониторинг лесопожарной 3. публиковать и конвертировать данные в обстановки предполагает работу с различные форматы;

пространственными данными, для повышения 4. управлять размещением сложных символов и эффективности борьбы с пожарами целесообразно надписей объектов на карте;

использовать ГИС-технологии. С 1996 года для 5. использовать профессиональные анализа текущей пожарной обстановки в рамках картографические инструменты для создания информационной системы дистанционного высококачественных, готовых к публикации мониторинга лесных пожаров Министерства карт [2].

природных ресурсов РФ функционирует Модуль геопространственного анализа геоинформационная система мониторинга лесных реализован на базе информационно пожаров федерального и регионального уровней телекоммуникационной системы мониторинга (ГИС МЛП). Также в Центральной базе лесопожарной обстановки федерального уровня авиационной охраны лесов ФГУ «Авиалесоохрана» ИТС «Ясень-Ф». Необходимые для анализа данные используются такие системы как ForsGis, получают из базы данных ИТС «Ясень-Ф». Таким AviaFireProc и др. Однако данные разработки не образом, подключение программного модуля к базе обеспечивают централизованный сбор информации данных ИТС «Ясень-Ф» обеспечивает о пожарах из регионов Российской Федерации и централизованный сбор информации о пожарах с ограничены возможностями используемых подразделений субъектов Российской Федерации.

геоинформационных систем для реализации Архитектура модуля представляет собой сложных алгоритмов пространственного архитектуру вида «клиент-сервер». Выбор такого анализа [1]. способа проектирования обусловлен В целях осуществления эффективного использованием модуля удаленными мониторинга лесопожарной обстановки пользователями (авиаотделения и лесничества) и посредством анализа данных о пожарах разработан необходимостью обмена информацией в реальном модуль геопространственного анализа. Данный масштабе времени. Для реализации клиент программный продукт реализован с учетом серверной архитектуры был развернут сервер недостатков своих популярных аналогов и имеет приложений на базе Windows Communication следующие преимущества: Foundation (WCF). Сервер приложений действует централизованный как набор компонент, доступных разработчику сбор информации с программного обеспечения через API (интерфейс авиаотделений и лесничеств субъектов прикладного программирования), определенный Российской Федерации;

самой платформой. Использование сервера использование мощной полнофункциональной приложений обеспечивает следующие геоинформационной системы ArcGIS;

архитектура клиент-серверного приложения;

целостность данных и кода;

применение эффективных технологий доступа к централизованная настройка и управление;

удобный пользовательский интерфейс.

поддержка транзакций [3].

Среди полнофункциональных геоинформационных Клиентская часть модуля геопространственного систем общего назначения, таких как ArcGIS, анализа реализована на языке С# на базе объектно MapINFO, ERDAS, ENVI, Панорама, для создания ориентированной технологии доступа к данным модуля геопространственного анализа мониторинга ADO.NET Entity Framework, являющейся object лесопожарной обстановки был выбран relational mapping (ORM) решением для.NET программный продукт ArcInfo. ArcInfo – Секция 6. Геоинформационные системы Framework от Microsoft. Entity Framework позволяет анализ деятельности субъекта РФ.

сократить объем программного кода для доступа к В зависимости от свойств показателя данным, уменьшает обслуживание, представляет выбирается способ его отображения на карте:

структуру данных в более подходящей для бизнеса карта уникальных значений;

(и менее нормализованной) форме и обеспечивает карта с градуированной цветовой шкалой;

постоянство данных. При использовании совместно карта с градуированными символами;

с LINQ to Entities она также позволяет снизить карта с диаграммами;

число ошибок и времени компиляции, поскольку комплексная карта.

строит строго типизированные классы, основываясь Для создания тематических карт используются на концептуальной модели [4].

шаблоны.mxt. Документы ArcMap, хранящиеся в Интерфейс модуля геопространственного файлах с расширением.mxt, содержат не только анализа для решения задач мониторинга компоновки карт, но также слои данных и лесопожарной опасности выполнен в виде настройки интерфейса ArcMap. Благодаря расширения ArcMap и представляет собой панель использованию шаблонов можно сравнивать инструментов.

показатели, полученные из ИТС «Ясень-Ф», за Текущая версия модуля геопространственного различные промежутки времени по заданным анализа для решения задач мониторинга пожарной критериям.

опасности включает в себя следующие блоки:

Блок отображения навигационной информации блок интерполяции метеоданных;

предназначен для отслеживания информации о блок тематических процедур полетах воздушных судов, участвующих в тушении геопространственного анализа;

пожаров. На карте отображаются контуры полетов блок отображения навигационной информации. воздушных судов, облеты, точки фиксации пожаров Блок обработки метеоданных позволяет и прочие сведения, полученные из ИТС «Ясень получать значения метеопараметров (класс Ф».

пожарной опасности, температура, осадки, скорость Таким образом, разработанный модуль ветра и др.) для крупных лесных пожаров на геопространственного анализа служит территории Российской Федерации, в каждый день эффективным инструментом для мониторинга их действия за выбранный период дат. Исходными лесопожарной обстановки. Сопряженность его с данными для расчета служат сведения по ИТС «Ясень-Ф» позволяет вести централизованный метеопараметрам в формате таблиц Microsoft SQL сбор информации с различных подразделений полученные из «ИСДМ-Рослесхоз»

Server, субъектов Российской Федерации. Использование средствами системы «Ясень-Ф». На основе новейших технологий при проектировании модуля полученных данных строится векторный слой для ускоряет процесс обработки данных и обеспечивает каждого метеопоказателя. Определяется область бесперебойную работу между удаленными интерполяции в соответствии с границами субъекта пользователями. Применение РФ. Каждый векторный слой конвертируется в полнофункциональной геоинформационной растр, и на заданной области происходит системы позволяет использовать различные интерполяция метеослоя методом обратно инструменты сложного геопространственного взвешенных расстояний. Значения анализа. А совокупность всех этих преимуществ метеопоказателей, полученные в результате расчета, становится базой для перехода от мониторинга сохраняются в базе данных ИТС «Ясень-Ф». лесопожарной обстановки к исследованию Блок тематических процедур пожарной динамики и прогнозированию пожаров.

геопространственного анализа предназначен для Литература формирования тематических карт по следующим 1. Официальный сайт ФГУ "Авиалесоохрана" показателям:

[Электронный ресурс]. - Режим доступа:

среднее количество ресурсов для тушения http://www.aviales.ru/ , свободный.

лесных пожаров (людские ресурсы и 2. ESRI Products [Электронный ресурс]. - Режим технические средства);

доступа: http://www.esri.com/products/index.html , особые противопожарные режимы на свободный.

территории Российской Федерации;

3. Windows Communication Foundation is.

распределение затрат на тушение пожаров;

ресурс]. Режим [Электронный кратность авиапатрулирования лесного фонда доступа: http://msdn.microsoft.com/en Российской Федерации;

доля крупных лесных пожаров;

4. Обзор ADO.NET Entity Framework доля выгоревшей лесной площади;

[Электронный ресурс]. Режим доступа:

доля ликвидированныx в день обнаружения http://msdn.microsoft.com/ru пожаров;

ru/magazine/cc163399.aspx, количество лесных пожаров на 1 млн. га;

средняя лесная площадь одного пожара;

АВТОМАТИЗАЦИЯ ОБРАБОТКИ РЕЗУЛЬТАТОВ ИНТЕРПРЕТАЦИИ ГЕОФИЗИЧЕСКИХ ИССЛЕДОВАНИЙ В СКВАЖИНАХ 3D ГЕОЛОГИЧЕСКОЙ МОДЕЛИ МЕСТОРОЖДЕНИЯ НЕФТИ И ГАЗА Витюк Ю.С.

Томский политехнический университет Научный руководитель: Захарова Алена Александровна, д.т.н., зав.лабораторией 3D-моделирования Координаты: yulja_vit@mail.ru интерпретацией и анализом исходных данных и Аннотация результатов моделирования.

Актуальной задачей в процессе моделирования Также стоит отметить, что результаты анализа и месторождений является автоматизация обработки интерпретации используются в геологическом, результатов интерпретации геофизических гидродинамическом моделировании, при исследований в скважинах. С помощью методов составлении проектной и технологической корреляционного анализа геологической модели документации, которая служит основой для можно выявить схожие по фильтрационно принятия управленческих решений. Поэтому емкостным характеристикам смежные пласты и в вопрос формирования отчетности при дальнейшем объединить их. Это существенно автоматической обработке геологических моделей повлияет на скорость обработки модели и становится актуальным.

требования к вычислительным ресурсам (ослабив Не менее важным фактором, обуславливающим их). Для удобства дальнейшего анализа модели разработку собственных программных модулей, программный модуль позволяет сформировать является высокая стоимость программных линеек отчет, в котором отображены все результаты зарубежных компаний - сложившаяся ценовая обработки данных.

политика мировых лидеров ПО в нефтегазовой Автоматическая обработка данных позволяет отрасли обуславливает невозможность повысить эффективность разработки повсеместного использования их продукции в месторождений, существенно сократить временные условиях соблюдения авторских и лицензионных и трудозатраты.

прав, что делает актуальной разработку Основные положения работы замещающих полностью или частично элементов Важной задачей каждого нефтедобывающего технологических линеек [3].

предприятия является осуществление мониторинга На основании всего вышесказанного можно разработки месторождения, который включает в сделать вывод, что существует ряд актуальных себя сбор и хранение геолого-промысловых данных, задач, решение которых требует разработки анализ и прогноз процессов разработки дополнительных программных средств.

месторождения, а также планирование геолого- Одной из таких задач является автоматизация технологических мероприятий с целью обеспечения методов корреляционного анализа ряда показателей воздействия на залежь. при обработке геологической модели (например, Несмотря на достаточно длительный период коэффициентов пористости, проницаемости, развития аппарата математического моделирования песчанистости и водонасыщенности).

при решении задач нефтедобычи, эта тема не Если обратиться к общеизвестным аналогам, то исчерпана и требует дополнительной разработки существуют программные продукты, в которых программного обеспечения (ПО) для: возможна увязка интервалов пласта в скважинах, оптимизации цифрового 3D геологического и работа с данными геофизических исследований гидродинамического моделирования путем скважин (ГИС), результатами интерпретации ГИС разработки новых эффективных алгоритмов (РИГИС) — построение планшетов по выбранным анализа исходной геолого-технологической скважинам, возможно использование геологических информации и результатов моделирования;

и гидродинамических моделей, построенных в обеспечения мониторинга разработки;

любых доступных пользователю программах представления статистики исходных данных и моделирования, но выгруженных в общепринятых результатов моделирования в виде отчетов с форматах (GRDECL, ROFF). Для работы с возможностью визуализации. загруженными геологическими моделями Поэтому актуальной проблемой для процесса предусмотрены инструменты построения карт, моделирования является минимизация трудозатрат разрезов геологических «кубов» по скважинам. Для и сокращение затрачиваемого времени для гидродинамических моделей — визуализация получения геологических моделей и прогнозных «кубов», построение динамических и статических решений на их основе. Достижение этой цели карт, графический и табличный анализ возможно, в том числе, за счет развития промысловых данных. В некотором ПО даже программных средств, создания дополнительного возможна загрузка поверхностей, карт (формат ПО, включающего в том числе инструменты EarthVision, Irap Classic, Surfer, Petrel), контуров.

автоматизации трудоемких процессов, связанных с При этом ПО, осуществляющее перечисленные Секция 6. Геоинформационные системы функции, не предоставляет открытого доступа к эффективен для анализа и понижения размерности данным и результатам моделирования в рамках моделей, сформированных при помощи проектов, что ограничивает возможности стохастических методов распределения свойств исследователей и не позволяет дополнить модели. Для оценки оптимального способа обработку данных недостающими алгоритмами. минимизации размерности трехмерных моделей Создание собственного программного модуля нефтегазовых месторождений имеет смысл позволяет решить эту проблему. применять парные корреляции.[3] Автоматизация обработки РИГИС позволяет Заключение поэтапно производить расчет статистических Таким образом, по результатам анализа показателей ГИС;

получать значения существующих подходов к реализации актуальных коэффициентов пористости, проницаемости, задач по анализу и обработке данных, при 3D песчанистости и водонасыщенности;

осуществлять моделировании можно сделать следующие выводы:

анализ ряда показателей с помощью методов наиболее оптимальным вариантом для корреляционного анализа;

📎📎📎📎📎📎📎📎📎📎