10912
.pdfтолько номинальные параметры двигателя, которые доступны даже из ре-
кламных материалов. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
~ |
= ~ |
|
|
|
w = w |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Предположим, |
что минимум удельного расхода топлива достигается |
||||||||||||||||||||||||||||||
ношениямÝ: |
Ýмин |
|
|
|
мин |
. Введем безразмерные координаты по соот- |
|||||||||||||||||||||||||
в точке |
|
|
|
|
и |
|
|
|
|
||||||||||||||||||||||
Тогда аппроксимациюмин ÝминможноÝном |
представитьмин мин в виденом |
|
|
(6) |
|||||||||||||||||||||||||||
|
|
|
|||||||||||||||||||||||||||||
Определим |
|
|
|
å = å |
|
|
' |
}•√%.ï• |
' |
}^ò.ï^ |
, |
|
|
|
|
(7) |
|||||||||||||||
|
|
|
|
положениеномминимума удельного расхода топлива, соста- |
|||||||||||||||||||||||||||
вив уравнения необходимого условия экстремума: |
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
Ý = 0; |
|
Ý |
= 0. |
|
|
|
|
|
|
|
(8) |
|||||||||||
|
|
|
|
необходимыхÝ |
преобразований, получим, что |
|
|
||||||||||||||||||||||||
После всех |
|
|
|
|
{ |
ó~ |
|
|
мин |
|
ów |
|
|
|
|
|
мин |
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
O |
|
|
|
|
|
|
|
|
|
(9) |
|||||||||
|
|
|
|
|
|
|
номинальных значениях, |
|
то есть при |
и |
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
Поскольку приç = 2/h ð |
|
|
; |
ç |
|
|
= 1/ñ |
|
|
, |
|
|
|
(10) |
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
åном |
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
, то отсюда |
получаем, что |
||||
часовой расход топлива должен быть равен |
O |
|
ð = 1 |
|
ô = 1 |
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
{ |
|
|
|
{ |
|
|
O |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Таким образом, итоговая аппроксимация может быть записана в ви- |
|||||||||||||||||||||||||||||||
де: |
|
|
|
å = å |
' |
$/√%минp√%("s |
' |
(ò(")/òмин |
, |
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
(11) |
|||||||||||||||||||||||||
Для |
|
|
|
|
|
|
|
ñ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
первого – 6VDS |
|
|
|
ð |
= 0,9 |
|
|
|
|
= 0,9 |
|
|
|
|
|
|
|
|
|||||||||||||
|
|
проверки полученнойном |
зависимости были построены винтовые |
||||||||||||||||||||||||||||
характеристики при |
|
|
|
|
|
и |
|
|
|
|
|
|
|
|
|
|
для двух разных дизелей. Для |
||||||||||||||
|
|
|
29/24минAL – положениемин |
точки минимума соответствует хо- |
рошо, а для второго – 6L275 – точка минимуму находится вне номиналь- ных значений.
Рисунок 3 – Удельный часовой расход топлива дизеля 6VDS 29/24 AL
Можно видеть, что во втором случае, когда выбор величин 0,9 не слишком удачен, погрешность имеет приемлемое значение.
520
Рисунок 4 – Удельный часовой расход топлива дизеля 6L275
Имея модели, с помощью которых можно вычислить часовой расход топлива при различных нагрузках дизеля, определяемыхÚ условиями плава- ния, далее несложно определить величину выбросов $.
Масса выбросов СО2 за единицу времени вычисляется по выраже- нию [кг/ч]:
|
|
ö2÷$ = 44å , |
(12) |
|
|
|
|
где - |
топливе (для топлива среднего со- |
||
молярная доля углерода в12 |
|
||
става = |
0,86), 44 – молярная массу углерода (кг/моль). |
|
|
|
|
|
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1.Ваншейдт, В.А. Судовые двигатели внутреннего сгорания / В.А. Ваншейдт. - Л.: Судостроение, 1965. – 544 с.
2.Alderton, P. M. The optimum speed of ship. The Journal of Navigation, 34(3), 341–355. 1981.
3.Руководство по теплотехническому контролю серийных теплохо- дов. - М.: Транспорт, 1980. 424 с.
4.Платов, А.Ю. Эксплуатационный метод нормирования скорости и расхода топлива при автоматизированном планировании работы речных грузовых судов / А.Ю. Платов, Ю.В. Гусева // Вестник Волжской государ- ственной академии водного транспорта, 2017. – № 51. – С. 130-142.
5.Самыкин, Г.А. Исследование эксплуатационной экономичности главных двигателей речных теплоходов: дисс. канд. техн. наук: 05.08.05. / Г. А. Самыкин. - Горький, 1975. - 183 с.
521
ПРОКОПЕНКО Н.Ю., к. ф.-м. н., доцент кафедры прикладной информатики и статистики; ПРОКОПЕНКО М.С., магистрант кафедры водоснабжения, водоотведения, инженерной экологии и химии
ФГБОУ ВО «Нижегородский государственный архитектурно- строительный университет», г. Нижний Новгород, Россия, prokopenko_nu@mail.ru
ИСПОЛЬЗОВАНИЕ АП DEDUCTOR ДЛЯ АНАЛИЗА ДАННЫХ ЭКОЛОГИЧЕСКОГО МОНИТОРИНГА
Экологический мониторинг представляет собой комплексную систе- му наблюдений за состоянием окружающей среды, оценки и прогнозиро- вания изменений окружающей среды под воздействием различных, в том числе природных факторов. Чтобы обеспечить полноценный анализ и по- лучить достоверные прогнозы, нужно собрать, сохранить, обработать и проанализировать огромное количество сведений из самых разнообразных источников, а для этого необходим инструмент, объединяющий в себе пе- редовые информационные технологии и развитый математический аппа- рат.
При разработке проекта экологического мониторинга необходима следующая информация:
∙источники поступления загрязняющих веществ в окружающую природную среду – выбросы загрязняющих веществ промышленными, энергетическими, транспортными и другими средствами, приводящие к попаданию в реки и озера опасных веществ и разливу жидких загрязняю- щих и опасных веществ;
∙данные о состоянии антропогенных источников загрязнения – мощность источника загрязнения и месторасположение его, гидродинами- ческие условия поступления загрязнения в окружающую среду.
Все существующие алгоритмы первичной обработки результатов экологического мониторинга и их применение невозможно реализовать без программных вычислительных средств. До 2010 года господствующее по- ложение на этом рынке занимали программные продукты иностранных фирм. В настоящее время положение дел меняется – появилось несколько российских программ такого назначения, по своим характеристикам спо- собных успешно конкурировать с зарубежными, а по ряду параметров и превосходящие их. Аналитические платформы Deductor и Loginom, разра- ботанные компанией ООО «Аналитические технологии» (г. Рязань), явля- ются одними из лучших отечественных разработок в данной области.
В данной работе будет рассмотрена методика проведения анализа данных на основе технологий Data Mining [1, 2], используя возможности аналитической платформы Deductor [2, 3].
522
Аналитическая платформа (АП) – это комплекс программных про- дуктов, связанных единой архитектурой. Аналитические платформы отно- сятся к группе программных продуктов и технологий под общим названи- ем Business Intelligence, они автоматизируют функции поддержки приня- тия решений.
АП Deductor продемонстрировал свою эффективность во множестве реальных проектов, так как в нем реализовано множество алгоритмов Data Mining: деревья решений, нейронные сети, самообучающиеся карты, ассо- циативные правила и многое другое. В Deductor вся обработка данных производится при помощи мастеров: импорт, экспорт, обработка, визуали- зация. Комбинируя эти действия, строятся сценарии анализа, позволяющие решать огромный спектр актуальных в настоящее время задач для эколо- гического мониторинга, таких как:
−построение матриц превышения фоновой концентрации;
−построение матрицы суммарного показателя загрязнения;
−просмотр графиков изменения показателя мониторинга;
−формирование отчетов и аналитических записок;
−прогнозирование экологических показателей.
Процесс обработки данных экологического мониторинга, используя АП Deductor состоит из следующих этапов:
−считывание данных с датчиков;
−выгрузка данных в единое хранилище;
−предобработка данных (оценка качества данных, сортировка, группировка, предварительный анализ);
−обработка и анализ данных (сравнение показателей с предельно допустимой концентрацией ПДК; сравнение полученных показателей с показателями за предыдущий период; построение моделей прогнозирования показателей; составление отчетности).
Аналитическая платформа позволяет осуществлять различные мето- ды анализа хранимых данных, такие как статистический анализ, интеллек- туальный анализ (а именно построение нейронных сетей и деревьев реше- ний для прогнозирования экологической ситуации), а также построение OLAP-кубов для визуализации результатов анализа.
Аналитическая отчетность – это одно из средств визуализации и кон- солидации результатов анализа данных для конечного пользователя. Ана- литическая отчетность обеспечивает быстрый доступ к результатам анали- за, не требуя от пользователя навыков анализа данных и работы в Deductor. Отчеты строятся в виде древовидного иерархического списка, каждым уз- лом которого является отдельный отчет или папка, содержащая несколько отчетов. Каждый узел дерева отчетности связан со своим узлом в дереве сценария. Для каждого отчета настраивается свой способ отображения (таблица, гистограмма, кросс таблица, кросс диаграмма и другие).
523
Для поставленных задач в АП Deductor были построены отчеты (рис.
1):
Рисунок 1 - Панель отчетов в АП Deductor
Используя возможности OLAP-анализа, можно получить отчеты в виде OLAP-кубов и кросс-диаграмм, которые будут отражать динамику за- грязнения различных объектов на протяжении всего периода загрязнения, отношение того или иного загрязнителя к уровню его предельно допусти- мой концентрации (ПДК), процентное соотношение качества вод региона и другие показатели.
Отчет «Среднее значение загрязнителя» (рис. 2) построен в виде OLAP – куба, он представляет собой сводную таблицу по измерениям «Створ» и «Название загрязнителя». Данный отчет является универсаль- ным, так как имеется возможность выбора любого объекта из базы данных для быстрого составления отчетности.
Рисунок 2 - Отчет «Среднее значение загрязнителей»
Для решения таких важных задач анализа, как прогнозирование, кла- стеризация, оптимизация недостаточно механизмов визуализации. Для этих задач необходимо построение прогностических моделей, нахождение нетривиальных зависимостей. Глубокий и всесторонний анализ данных методами Data Mining позволяет обнаружить проблемы на ранней стадии их возникновения и принять правильные решения по их устранению.
Так, например, для отнесения водных объектов на основе индекса за- грязнения воды ИЗВ к определенному классу было получено дерево реше-
524
ний (рис. 3). Критерии отнесения того или иного водного объекта к кон- кретному классу описаны в таблице 1.
Рисунок 3 – Дерево решений Таблица 1 – Классы качества вод в зависимости от значения ИЗВ
Значение ИЗВ |
Воды |
|
до 0,2 |
Очень чистые |
|
0,2 |
– 1,0 |
Чистые |
|
|
|
1,0 |
– 2,0 |
Умеренно загрязненные |
2,0 |
– 4,0 |
Загрязненные |
4,0 |
– 6,0 |
Грязные |
6,0 |
– 10,0 |
Очень грязные |
Ваналитической платформе Deductor существует специальный обра- ботчик «Нейроcеть».
Нейронная сеть – параллельно распределенная система процессор- ных элементов (нейронов), способных выполнять обработку данных, кото- рая может настраивать свои параметры в ходе обучения на эмпирических данных.
Вкачестве обучающего множества брали массив данных, содержа- щий значения загрязнителей за определенный период времени. Для про- верки результатов прогноза в модель не было включено последнее из име- ющихся значений загрязнителя.
Входе проектирования нейросетевой модели были реализованы не- сколько архитектур нейронных сетей и была выявлена оптимальная кон- фигурация нейронной сети.
Таблица 2 – Конфигурация нейронной сети
Параметры ИНС |
Значение |
Количество нейронов во входном слое |
1; 2; 3 |
Количество скрытых слоев |
2 |
Количество нейронов в скрытых слоях |
2 |
Выходной слой |
1 |
Тип активационной функции |
Сигмоида |
На основе нейронной сети был составлен прогноз значения загрязни- теля (рис. 4).
525
Рисунок 4 – Прогноз на основе ИНС
После построения прогноза значение загрязнителя было сравнено с имеющимся реальным значением на ту же дату. Расхождение прогнозиру- емого значения с фактическим составило 1,02 %, что говорит о довольно точном результате нейросетевого прогноза.
Полноценная информационная система экологического мониторинга смогла бы консолидировать, систематизировать и анализировать информа- цию о состоянии окружающей среды, а также о различных причинах изме- нений ее состояния, т.е. источниках и факторах воздействия, а также о до- пустимости изменений и нагрузок на окружающую среду в целом. Для со- здания такой информационной системы необходимо использовать совре- менные информационные технологии и новейшие программные продукты, в том числе предметно-ориентированные аналитические системы, которые приобретают в настоящее время всю большую и большую популярность.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1.Барсегян, А. А. Анализ данных и процессов : учеб. пособие / А. А. Барсегян, М. С. Куприянов, С. И. Елизаров. – 3-е изд., перераб и доп. – СПб. : БХВ-Петербург, 2009. – 512 с.
2.Паклин Н.Б., Орешков В.И. Бизнес-аналитика: от данных к знаниям – СПб.: Питер, 2013. – 624 с.
3.Аналитическая платформа Deductor [Электронный ресурс]. –
Режим доступа: https://basegroup.ru/deductor/description
526
ШИРОКОВ Д.С., студент кафедры информатики и информационных технологий; ЦВЕТКОВА И. Н., зав. кафедрой информатики и информационных технологий, канд. физ.-мат. наук, доцент; ГЛЕБОВА Н.В., зав. кафедрой математики и системного анализа, канд. техн. наук, доцент; ЛАРИЧЕВА Т.В., доцент кафедры информатики и информаци-
онных технологий, канд. пед. наук, доцент
Нижегородский институт управления - филиал Российской Академии Народного Хозяйства и Государственной Службы при Президенте Россий- ской Федерации (НИУ РАНХиГС),
г. Нижний Новгород, Россия, i.tsvetkova@niu.ranepa.ru
АКТУАЛЬНЫЕ ВОПРОСЫ ИСПОЛЬЗОВАНИЯ СОВРЕМЕННЫХ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ В ПРОЕКТАХ ПО РАЗВИТИЮ ТЕРРИТОРИЙ
Скорость и качество развития информационных технологий и повсе- местное их внедрение во все сферы человеческой деятельности, даже те, которые традиционно считались офлайновыми, постепенно приводят к цифровой трансформации всех отраслей экономики и жизни общества.
Внедрение бережливых технологий, технологий «умный город» и «умный дом» является важным процессом для перевода в цифровой вид традиционных форм деловых и производственных отношений, форм взаи- модействия населения и предприятий с государством. Сложность этого процесса обусловлена несколькими причинами:
∙ограничением средств на цифровизацию бизнес-процессов и процессов управления;
∙недостаточным количеством квалифицированных IT- специалистов [5];
∙дефицитом руководителей, которые понимают, как осуществ- лять цифровую трансформацию бизнес-процессов и процессов управления;
∙недостатком пользователей, способных правильно и эффектив- но использовать инновационные технологии во всех сферах профессио- нальной деятельности и обыденной жизни общества [6].
«Умный дом» и «умный город» - системы, позволяющие существен- но облегчить жизнь человек. Данные системы выполняют одну задачу, но делают это в разных масштабах. Так, «умный город» соединяет граждан и городские структуры с помощью электронных сетей[3] и интернета, а «ум- ный дом» в свою очередь является продолжением идеи домашней автома- тизации, которая началась с изобретения первых бытовых приборов и не закончится до сих пор, пока остаются действия, которые можно автомати- зировать.
Рассмотрим возможности взаимодействия вышеуказанных систем[4].
527
Автоматизированный вызов экстренной помощи при возникновении опасных ситуаций.
Оказание содействия сотрудникам служб быстрого реагирования по- сле их вызова (например, автоматическое открытие входной двери сотруд- никам скорой медицинской помощи).
Помощь с определением времени выхода из дома на основе фактиче- ского времени движения общественного транспорта.
Помощь с выбором одежды по погоде.
Определение количества свободных парковочных мест на придомо- вой территории для жильцов и гостей дома.
Автоматическое снятие показаний счётчиков электричества, воды и газа и передача их для выставления платежей.
Автоматическая оплата налогов.
Для реализации данного функционала потребуется разработка каких- либо средств взаимодействия между «умным домом» и «умным городом». Одним из таких средств может быть API системы «умный город». API представляет собой программный интерфейс системы, то есть набор спо- собов взаимодействия одной программы с другой[2]. Однако, перед тем, как переходить к приблизительному описанию API системы, стоит постро- ить схему их потенциального взаимодействия.
Рисунок 1 – Диаграмма BPMN взаимодействия систем «Умный город» и «Умный дом».
Анализ диаграммы показывает, что API система «Умный город» должны включать подсистемы экстренной помощи, общественного транс- порта, парковки, платежей, налогов и метеорологической службы. Про-
528
граммный интерфейс должен по определённому запросу возвращать тре- буемую информацию.
Для упрощения работы системы можно провести декомпозицию, например, систем экстренной помощи, оплаты налогов, парковки и т.д. Так, для системы экстренной помощи можно провести разделение по про- филям: пожарная служба, полиция и скорая медицинская помощь. Для то- го, чтобы отправить правильную команду экстренной службы, требуется передача необходимых данных: для пожарных, например, - время возгора- ния, этаж возгорания и адрес; для полиции - тип правонарушения, адрес, этаж и данные о владельце помещения или постоянно проживающем лице; для скорой помощи - адрес, этаж и текущее состояние пострадавшего лица.
Систему оплаты платежей можно разделить по типу потребляемого ресурса, например, для электричества передавать количество потреблён- ных киловатт и идентификатор квартиры, а на основании этих данных си- стема «Умный город» сформирует счёт и отправит его системе «Умный дом», которая с согласия пользователя произведёт оплату[4].
Системе парковки можно передавать информацию об адресе, коли- честве свободных парковочных мест и общем количестве мест. Исходя из этих данных можно рассчитывать процент загруженности парковки и ока- зывать помощь при парковке.
Стоит привести примеры предположительного взаимодействия си- стем. Система «Умный дом» обнаружила жильца в состоянии без созна- ния. При попытке взаимодействия с жильцом не было получено положи- тельных результатов, вследствие чего «Умный дом» делает вывод о нали- чии опасной ситуации для жильца и отправляет медицинской подсистеме системы «Умный город» адрес, этаж и состояние жильца, после чего си- стема «Умный город» отправляет по указанному адресу карету скорой ме- дицинской помощи. Врачи подходят к указанной квартире, «Умный дом» распознаёт врачей по униформе или специальному идентификатору, от- крывает дверь и, при необходимости, оповещает, где находится постра- давший и включает свет. Врачи оказывают помощь и покидают помеще- ние, после чего система «Умный дом» возвращается к штатному функцио- нированию.
Рассмотрим ещё один возможный случай. Жильца нет дома, но в до- ме по какой-то причине начинается пожар. Система «Умный дом» распо- знаёт данную ситуацию по камерам и/или датчикам возгорания, отправля- ет запрос системе «Умный город» с передачей необходимых параметров, сообщает остальным жильцам дома о необходимости начала эвакуации, перекрывает подачу газа и электричества в помещение с возгоранием и от- крывает двери. В свою очередь система «Умный город» отправляет по ад- ресу бригаду пожарных, к приезду которых уже всё готово.
Следующий пример касается системы определения количества пар- ковочных мест. Предположим, что система «Умный город» имеет интегра-
529