авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ

Pages:     | 1 || 3 |

«Башкирский государственный педагогический университет им. М. Акмуллы Уфимский научный центр РАН Академия наук Республики Башкортостан Институт математики с ...»

-- [ Страница 2 ] --

Рис.1. Влияние неоднородного уширения на фотонное эхо Динамика нутационного эха. Нутационного эхо это отклик среды на фоне длинного импульса от начала на расстоянии времени задержки второго поля. Нутационное эхо является очень тонким эффектом, поэтому обнаружение этого эффекта и определение условий его проявления является очень важной задачей в плане практического применения. На рис.2-3 приведена динамика нутационных колебаний поля в зависимости от площади первого зондирующего импульса. Этот расчет показывает, что кроме осцилляций поля на частоте Раби происходит амплитудная модуляция, обусловленная на наш взгляд эффектом нутационного эхо.

Рис. 2. Нутационные колебания поля при параметрах входного поля и среды 1 = 0.5, g2 =0.01, Gd = 1, p = 2 - 1, 1, I 1, 1, 1, 0, g = 0.0 1 G = 0,6 2 d = 2 * /3 0= 0,4 0, 0, -0, 0 10 20 30 40 50 t Рис.3 Проявление нутационного эха при изменении площади затравочного импульса 1 = 2 / 3, g2 =0.01, Gd = 1, p = 2 - Литература Копвиллем У.Х., Нагибаров В.Р. Световое эхо на 1.

парамагнитных кристаллах.// ФММ. - 1963. - Т.15. - С.315.

Маныкин Э.А., Самарцев В.В. Оптическая эхо-спектроскопия. – 2.

М.: Наука. 1984. – 270 с.

Магсумов И.Р., Маликов Р.Ф. Моделирование явления 3.

фотонного и нутационного эха в резонансных средах // Информатизация образовательного пространства: опыт, проблемы и перспективы (19 декабря 2008г). Часть 1. – Уфа: Изд-во БГПУ, 2008. – С. 156 – 159.

Макарова А. Ф., Волкова Л.Ф.

Башкирский Государственный Аграрный Университет РУТКИТ ТЕХНОЛОГИИ Одной из самых больших проблем для авторов вредоносных программ всегда была невозможность длительного сохранения присутствия стороннего кода в системе незаметным для пользователя, а в идеале — и для антивирусных средств. В последнее время, когда написание вредоносного программного обеспечения превратилось из занятия «для души» в прибыльный, хотя и криминальный бизнес, задача «сокрытия следов» становится особенно актуальной для хакеров-бизнесменов. Каким же образом можно скрыть программу, ворующую банковские реквизиты, или нелегальный прокси-сервер, предназначенный для рассылки спама, от хозяина компьютера?

Современные киберпреступники решают эту проблему с помощью руткитов. В мире UNIX вредоносные программы пока не получили такого распространения, как в DOS и Windows, однако именно оттуда пришел термин rootkit, который сейчас часто используется для обозначения stealth-технологий, применяемых авторами троянских программ под Windows.





Изначально термин rootkit — это набор программ, позволяющих хакеру закрепиться на взломанной машине и предотвратить свое обнаружение. Для этого подменяются системные исполняемые файлы (login, ps, ls, netstat и т.п.) или системные библиотеки (libproc.a), либо устанавливается модуль ядра — все с той же целью: перехватить попытки пользователя получить истинную информацию о том, что происходит на его компьютере.

Руткиты не только прячутся сами, но и скрывают другое вредоносное ПО, проникшее в систему. Цель маскировки – незаметно для антивирусов и других защитных программ захватить чужой компьютер. У таких руткитов, как Hacker Defender, в запасе весьма изощренные трюки. Этот замаскированный вредитель в обход брандмауэра открывает тайные лазейки в Интернет, которые позволяют хакерам управлять зараженным компьютером. Через созданный руткитами ход» можно получать «черный конфиденциальные данные (например, пароли) или внедрять в систему другое вредоносное ПО.

Руткитов пока немного. Но, к сожалению, для них (как и для вирусов) созданы «конструкторы», используя которые, даже малоопытные хулиганы могут создавать замаскированных вредителей и затем использовать их по своему усмотрению.

Большинство антивирусных программ распознает такой вредоносный «софт», пока он не активен (скажем, «дремлет» в виде документа, прикрепленного к электронному письму). Но стоит двойным щелчком открыть кажущийся безобидным файл, и руткит активируется и «заберется» в сокровенные глубины системы. После этого найти и обезвредить его смогут лишь специальные приложения.

В последнее время использование rootkit-технологий для сокрытия присутствия вредоносного ПО становится все более популярным, что подтверждается ростом стабильным числа ежемесячно обнаруживаемых новых rootkit-программ (рис. 1):

Рис. 1. Рост частоты использования rootkit-технологий по вредоносном ПО в 2011г.

Невидимость для пользователя и невозможность обнаружения антивирусами вполне открыто рекламируется как вирусописателями нелегалами, так и разработчиками так называемого «легального»

шпионского ПО.

Война против руткитов – это настоящая вооруженная борьба, в рамках которой создатели руткитов разрабатывают новые способы для того, чтобы оставаться незамеченными, а антивирусные компании предпринимают ответные меры для того, чтобы защитить своих клиентов.

Для обнаружения руткитов в системе можно использовать следующие технологии:

Сигнатурное обнаружение: действенная технология, которая успешно применяется антивирусными компаниями уже на протяжении многих лет. Данная технология основана на сканировании файлов и их сравнении с коллекцией сигнатур известного вредоносного ПО Эвристическое или поведенческое обнаружение:

идентифицирует руткиты путем распознавания любых отклонений в нормальной деятельности компьютера.

Обнаружение по сравнению: результаты, возвращенные операционной системой, сравниваются с результатами, полученными посредством низкоуровневых запросов – наличие каких-либо различий свидетельствует о присутствии в системе руткита.

Обнаружение на основе целостности: определяет наличие руткита путем сравнения файлов и памяти с надежным тестовым статусом.

Каждая из перечисленных технологий имеет свои ограничения, поэтому рекомендуется сочетать различные технологии. Также необходимо учесть, что некоторые их этих руткитов специально разработаны для того, чтобы не быть обнаруженными лидирующими на рынке антивирусными компаниями.

Первая линия защиты от руткитов состоит в том, чтобы не дать им проникнуть в Ваш компьютер. Для этого нужно:

- установить на компьютер хорошее антивредоносное решение и следить, чтобы оно всегда было обновлено и активно.

- установите файервол, который будет защищать компьютер от несанкционированного доступа.

- следить за тем, чтобы установленные на компьютере приложения были обновлены, а также применять все доступные патчи, выпускаемые производителями.

Однако, защита компьютера от руткитов – это непростая задача, и здесь нельзя ограничиваться рядом мер для общей защиты ПК, ниже представлен рейтинг утилит для обнаружения руткитов.

- GMER 1. - AVG Anti-Rootkit 1. - Sophos Anti-Rootkit - Rootkit Buster - AVZ - Ice Sword 1. В заключении хотелось бы предупредить, что даже использование указанных программ не гарантирует полной защиты, как впрочем, и использование любых других антивирусных программ.

Следует признать, что обезопасить компьютер от вирусов мы не в силах, поэтому стоит чаще прибегать к резервному копированию данных, не устанавливать на свой компьютер что попало, а также на всякий случай иметь в ящике стола установочный диск с Windows, дабы в любое время можно было переустановить операционную систему. Одним из вариантов навсегда забыть о вирусах является установка на компьютер ОС Linux хотя бы второй системой и хотя бы для работы в интернете, но это уже другая история.

Список литературы 1. Сотин А. Программы для удаления руткитов [электронный ресурс] А. Сотин. режим доступа:

/ – http://www.computerbild.ru/soft/5285/ – 14.04.2012 г.

2. Дуров А. Руткиты [электронный ресурс] / А. Дуров. – режим доступа:

http://www.coolreferat.com/ – 16.04.2012 г.

3. Шевченко А. Эволюция руткитов [электронный ресурс] / А.

Шевченко. режим доступа:

– http://securelist.com/ru/analysis/Evolyutsiya_rutkitov#15/ – 18.04.2012 г.

4. Панасенко А. Компьютерные вирусы - мифы и правда [электронный ресурс] / А. Панасенко. – режим доступа: http://hacker lab.com/mix/61-kompyuternye-virusy-mify-i-pravda.html/ – 18.04.2012 г.

Максименко Н. В.

г. Новокузнецк Государственное образовательное учреждение среднего профессионального образования «Кузнецкий индустриальный техникум»

Использование электронных учебных пособий в образовательном процессе Возможности информационных и телекоммуникационных технологий резко возросли и расширились с появлением глобальной сети Интернет и ее проникновением во все сферы деятельности человека, к числу которых относится и сфера образования. Ни для кого не секрет, что одной из важных составляющих успешного обучения является применение в работе преподавателя качественных учебных пособий. В настоящее время невозможно назвать дисциплину, в обучении которой, так или иначе, не применялись бы электронные учебные пособия или ресурсы.

Электронное пособие, содержащее систематизированный материал по соответствующей научно-практической области знаний, обеспечивает творческое и активное овладение студентами знаниями, умениями и навыками в этой области. Образовательное электронное пособие должно отличаться высоким уровнем исполнения и художественного оформления, полнотой информации, качеством методического инструментария, качеством технического исполнения, наглядностью, логичностью и последовательностью изложения.

Основными видами электронных учебных пособий, применяемых мною в преподавании дисциплин - информатика, компьютерные сети и программное обеспечение компьютерных сетей, являются:

презентации, программные средства для контроля и измерения уровня знаний, умений и навыков обучающихся, информационно-поисковые справочные системы, автоматизированные обучающие системы, электронные учебники.

Использование таких электронных учебных пособий в процессе обучения даёт ряд преимуществ, как для студента, так и для нас, преподавателей:

студент работает в удобном именно для него темпе;

позволяет осуществлять постоянный мониторинг уровня знаний и умений обучаемых;

возможность компактного хранения большого объема информации;

система быстро настраивается на конкретного студента;

легко актуализируется (дополняется и расширяется);

возможность выполнения интерактивных упражнений и тестов;

наглядность: широкие возможности построения визуальных моделей, представления графической и аудио информации;

хорошая структурированность (гипертекстовая организация информации).

В целом же позволяет совершенствовать методы и технологии отбора и формирования содержания образования, повысить эффективность обучения за счет повышения уровня его индивидуализации и дифференциации, использования дополнительных мотивационных рычагов, а также организовывать новые формы взаимодействия в процессе обучения и изменения содержания и характера деятельности преподавателя и студента.

Технологиями создания электронных средств обучения могут являться:

технологии мультимедиа и гипермедиа;

инструментальные средства и языки: программа MS Power Point, Microsoft HELP WORKSHOP, язык гипертекстовой разметки HTML, языки JavaScript и PHP.

При этом электронные учебные пособия с успехом могут создавать сами студенты. Так студенты, используя знания языка гипертекстовой разметки HTML, языков JavaScript и PHP создают электронное пособие по дисциплине: «Компьютерные сети». Для студента процесс создания электронного пособия связан, прежде всего, с осознанием и пониманием тематики учебного материала, охватываемого данным учебным пособием. Также овладевает умениями работы в том или ином приложении (или среде программирования), в котором создается пособие. Кроме того, глубже изучает материал предмета, по которому изготавливается пособие.

При выполнении такой работы хорошо осуществляется и межпредметные связи с другими дисциплинами.

Созданные электронные пособия позволяют:

максимально облегчить понимание и запоминание (причем активное, а не пассивное) наиболее существенных понятий, утверждений и примеров, организовать самостоятельную работу студентов, повторить теоретический материал на практических занятиях, Таким образом, электронные учебные пособия позволяют обогатить обучение, дополняя его разнообразными возможностями компьютерных технологий, и делают его более интересным, привлекательным и эффективным.

Список литературы 1. Горемычкин, А. И. Компьютерные технологии как фактор эволюции форм и методов [Текст]/ А. И. Горемычкин.- М.:

«Академия», 2004.-137 с.

2. Золотавина, Ф. Г. Компьютеризация учебного процесса [Текст]/ Ф.

Г. Золотавина.- М.: «Академия», 2004.-235 с.

Для контактов:

Максименко Н. В. Г. Новокузнецк Государственное образовательное учреждение среднего профессионального образования «Кузнецкий индустриальный техникум» makkona82@yandex.ru ПОХОДЫ, НАПРАВЛЕНИЯ И СРЕДСТВА РАЗРАБОТКИ КОМПЬЮТЕРНЫХ МОДЕЛЕЙ Маликов Р.Ф.

Башкирский государственный педагогический университет им.

М.Акмуллы rfmalikov@mail.ru Анализ и проведенный обзор разработанных компьютерных моделей и систем моделирования позволяет выделить основные направления разработки программного обеспечения в отрасли математического и компьютерного моделирования:

разработка интерактивных компьютерных моделей 1) имитации реальных объектов для обучающих электронных систем, предназначенных для обучения учащихся (школьников, студентов и др.), в частности для изучения объектов, их свойств и закономерностей в различных отраслях знаний – физике, биологии, химии и т.д.;

разработка сетевых виртуальных лабораторий по 2) компьютерному моделированию, компьютерных систем и программ моделирования реальных объектов;

создание инструментария, систем и средств автоматизации 3) компьютерного моделирования для разработки математических и имитационных моделей;

разработка программ моделирования и компьютерных 4) комплексов для научных исследований в отраслях знаний – информатика, техника, физика, астрофизика, химия, биология, экология и т.д.;

разработка компьютерных имитационных моделей 5) сложных систем имеющих прикладное значение: для производства, экономики, сферы обслуживания, социальной сферы, экосистем, для различных отраслей медицины, образования, науки и др.

разработка кибернетических компьютерных моделей 6) технических систем, это направление ориентировано на разработку моделей сложных систем управления в технике [5, 6, 9, 15, 16, 19, 25, 26].

Первые два направления связаны с разработкой компьютерных моделей для отраслей образования. Последние три определяют научно-исследовательские направления разработки компьютерных моделей, комплексов для отраслей науки, производства и техники.

Эти направления можно условно определить как отрасли аналитического, технического и имитационного моделирования.

Рассмотрим последнее направление это разработка сложных компьютерных моделей и комплексов имитационное – моделирование.

В отрасли имитационного моделирования реальных объектов условно выделились четыре основных направления: моделирование динамических систем, дискретно-событийные моделирование, агентное моделирование и системная динамика в соответствии с этими направлениями реализуется непрерывный, дискретный, агентный подходы к программированию и подход системной динамики.

В таблице 1 представлены основные подходы в имитационном моделировании. Системная динамика и дискретно-событийное моделирование – традиционные устоявшиеся подходы, агентное моделирование – относительно новый подход. Подход динамического моделирования позволяет увидеть поведение модели во времени при движении в прошлое (для получения исторического результата) и в будущее (для выявления возможных исходов). При изменении параметров модели можно наблюдать причины успеха или неудачи, находить оптимальные решения. Чаще всего при использовании этого подхода решаются задачи теории автоматического управления.

Математически, системная динамика и динамические системы оперируют в основном с непрерывными во времени процессами, тогда как дискретно-событийное и агентное моделирование – в основном с дискретными.

Таблица 1. Подходы в имитационном моделировании Дискретно Динамические Системная Агентное событийное системы динамика моделирование моделирование Процессы Непрерывные Непрерывные Дискретные Дискретные Агенты Переменные Накопители Заявки Объекты (активны и состояния (неразличимы) (пассивны) индивидуальны) Алгебро- Потоковые Прямое и Взаимодействие дифференциальные Потоки диаграммы непрямое уравнения Сети Уровень Низкий Высокий Средний Любой абстракции это вид — Дискретно-событийное моделирование имитационного моделирования. В дискретно-событийном моделировании функционирование системы представляется как хронологическая последовательность событий. Событие происходит в определенный момент времени и знаменует собой изменение состояния системы.

Этот подход используется для моделирования систем массового обслуживания (СМО). К эти системам относятся магазины, различного вида мастерские, ателье, автомобильный поток, издательские и полиграфические предприятия, телекоммуникационные и компьютерные системы, поликлиники, больницы и т.д. и т.п. Это системы, которые обслуживают входящий поток заявок. На выходе имеем поток обслуженных заявок. В процессе обслуживания могут быть отказы, создаваться очереди конечной и бесконечной длины. Различают одноканальные и многоканальные СМО.

Для дискретного подхода можно выделить несколько принципиально различных групп языков и систем имитационного моделирования (ЯИМ).

Первая группа ЯИМ подразумевает наличие списка событий, отличающих моменты начала выполнения операций. Продвижение времени осуществляется по событиям, в моменты наступления которых производятся необходимые операции, включая операции пополнения списка событий. Пример языка моделирования ориентированного на транзакты (сообщения, заявки, запросы):

AnyLogic, Arena, Extend, ProMоdel, SimProcess, Pilgrim, Taylor, Witness, GPSS (General Purpose Simulation System) разработанная фирмой IBM (International Business Machines).

При использовании ЯИМ второй группы после пересчета системного времени, в отличие от схемы языка событий, просмотр действий с целью проверки выполнения условий начала или окончания какого-либо действия производится непрерывно. Просмотр действий определяет очередность появления событий. Пример языка моделирования ориентированного на события: SIMSCRIPT расширения языка Фортран.

Третья группа ЯИМ описывает системы, поведение которых определяется процессами. В данном случае под процессом понимается последовательность событий, связь между которыми устанавливается с помощью набора специальных отношений.

Динамика заложена в независимо управляемых программах, которые в совокупности составляют программу процесса. Пример языка моделирования ориентированного на процессы: SIMULA, представляющий собой расширение языка АЛГОЛ.

Агентный подход. По данному подходу разработаны языки и средства имитационного моделирования: AnyLogic, Swarm (Objective C) и его расширение MAML - Мультиагентный язык моделирования, SimAgent, SimBioSys, C++, Java, AgentSpeak, TeleScript, Oz и др.

Агентный подход к моделированию — относительно новое (1990е-2000е гг.) направление в имитационном моделировании, которое используется для исследования децентрализованных систем, динамика функционирования которых определяется не глобальными правилами и законами (как в других парадигмах моделирования), а наоборот. Когда эти глобальные правила и законы являются результатом индивидуальной активности членов группы. Цель агентных моделей — получить представление об этих глобальных правилах, общем поведении системы, исходя из предположений об индивидуальном, частном поведении ее отдельных активных объектов и взаимодействии этих объектов в системе. Агент — некая сущность, обладающая активностью, автономным поведением, может принимать решения в соответствии с некоторым набором правил, взаимодействовать с окружением, а также самостоятельно изменяться.

Системная динамика — Подход системной динамики.

парадигма моделирования, где для исследуемой системы строятся графические диаграммы причинных связей и глобальных влияний одних параметров на другие во времени, а затем созданная на основе этих диаграмм модель имитируется на компьютере. По сути, такой вид моделирования более всех других парадигм помогает понять суть происходящего выявления причинно-следственных связей между объектами и явлениями. С помощью системной динамики строят модели бизнес-процессов, развития города, модели производства, динамики популяции, экологии и развития эпидемии и другие. Метод основан Форрестером в 1950 годах. Для имитационного моделирования по данной парадигме используются среды ИМ:

AnyLogic, Arena, SimBioSys, eM-Plant, Tecnomatix Plant Simulation, SimuLab, Vensim, Powersim, Dynamo, Stella, Ithink и др. Анализ средств автоматизации имитационного моделирования показывает, что существует множество программных продуктов, которые однозначно, а некоторые условно отнести к соответствующим подходам к имитационному моделированию (см таблицу 2).

Таблица 2. Инструментарии имитационного моделирования Динамические Дискретное Агентное Системная системы событийное моделирование Динамика моделирование Dynamo, PowerSim, AnyLogic, Arena, AnyLogic, AnyLogic, MIMIC, APTOH Extend, Powersim Swarm+MAML, Arena, MIDAS, PACTOLUS, Studio, Witness, SimAgent, SimBioSys, eM CSSL, СЛАМ, GASP, ProMоdel, Pilgrim, SimBioSys, C++, Plant, НЕДИС, МИКС, Taylor Simulation, Java, Tecnomatix, MATLAB+Simulink, GPSS, SimScript, AgentSpeak, Oz, Plant Simulation, Multisim SIMULA, SIMUL8, TeleScript, SimuLab, VisSim, LabView, Easy5, Modelling, RePast, NetLogo, Vensim, MvStudium и др. Ascape, Mason и SimProcess. Powersim, др.

AutoMod, Enterprise Pilgrim, Dynamics, FlexSim и Dynamo, Stella, др. Ithink и др.

Литература 1. Труды 5-й Всероссийской научно-практической конференции «Имитационное моделирование. Теория и практика», т.т. 1-2 – СПб.: ОАО «ЦТСС», 2011 г.

2. Плотников А.М., Рыжиков Ю.И., Соколов Б.В. Современное состояние и тенденции развития имитационного моделирования в Российской Федерации, 19-21 октября 2011. – Санкт Петербург, ИММОД-2011. – с.1-47.

3. Карпов Ю. Имитационное моделирование систем. Введение в моделирование с AnyLogic. СПб.:, БХВ-Петербург, 2005.

4. Лоу А. М., Кельтон В. Д. Имитационное моделирование.

Классика CS. 3-е изд.- С-Пб.: Питер, 2004.

5. Советов Б. Я., Яковлев С. А. Моделирование систем: Учеб. для бакалавров — 7-е изд.-е. — М.: Изд-во Юрайт, 2012. — 343 с.

6. Булыгин В.С., Гришанин Ю.С. и др. Основы теории автоматического управления / Под ред. Н.В.Судзиловского. – М.: Машиностроение, 1985. – 512с.

7. Бусленко Н.П. Моделирование сложных систем. - М.: Изд-во «Наука», 1968. – 356 с.

Маликов Р.Ф., Андреева С.В, Боркова Я.П, Башкирский государственный педагогический университет им.

М.Акмуллы Имитационное моделирование торгового предприятия Первый раздел В настоящее время идет стремительное развитие направления разработки систем имитационного моделирования:

AnyLogic — программного обеспечения для имитационного • моделирования сложных систем и процессов, позволяющего поддерживать направление агентного моделирования, дискретно событийного моделирования и разработки моделей системной динамики (разрабатывается российской компанией (англ. XJ Technologies) «Экс Джей Текнолоджис»)[6];

• GPSS (англ. General Purpose Simulation System — общецелевой системы моделирования) — языка объектно ориентированного программирования, используемого для имитационного моделирования систем массового обслуживания, различных информационных процессов и разработки имитационных моделей в сети интернет [8,9];

Arena – разработываемого компанией Systems Modeling • Corporation программного обеспечения для имитационного моделирования, позволяющего создавать подвижные компьютерные модели, используя которые можно адекватно представить очень многие реальные системы;

Plant Simulation — программной среды имитационного • моделирования систем и процессов, предназначенного для оптимизации материалопотоков, загрузки ресурсов, логистики и метода управления для всех уровней планирования от целого производства и сети производств до отдельных линий и участков;

SimBioSys: C++ - оболочки агентно-базового • эволюционного моделирования в биологических и общественных науках;

и другие средства автоматизации разработки • имитационных моделей.

Второй раздел В данной работе мы использовали технологию построения имитационной модели в среде Anylogic. В качестве примера рассмотрено работа торгового предприятия. Была создана модель посещаемости на примере магазина.

При создании модели использовалась пешеходная библиотека. В модели есть возможность регулирования потока покупателей.

Посетители, совершившие покупку, отмечены желтым цветом, тем самым можно наблюдать количество потенциальных покупателей.

Рис.1.Схема структуры магазина Рис.2. Схема работы системы массового обслуживания – магазина Список литературы 1. Карпов, Ю. Г., «Имитационное моделирование систем.

Введение в моделирование с AnyLogic 5» СПб: БХВ-Петербург, 2006. — 400 с. — 2. Борщев А., «Применение Имитационного Моделирования в России», ИММОД 2007, октябрь 2007, Санкт-Петербург 3. Масалович А.И., Шебеко Ю.А. Моделирование и анализ поведения бизнес-процессов (конспект лекций). — M.: Тора Инфо Центр, 2002.

4. Емельянов А.А., Власова Е.А., Дума Е.А. Имитационное моделирование экономических процессов. — М.: Финансы и статистика, 2002.

5. Плотников А.М., Рыжиков Ю.И., Соколов Б.В. Современное состояние и тенденции развития имитационного моделирования в Российской Федерации, 19-21 октября 2011. – Санкт Петербург, ИММОД-2011. – с.1-47.

Для контактов:

Маликов Р.Ф. г.Уфа, БГПУ им.М.Акмуллы, rfmalikov@mail.ru Маслобойщиков Е.В.

г.Воронеж, Воронежский государственный технический университет Введение в интеллектуальный анализ на основе аппарат ассоциативных правил Развитие методов записи и хранения данных привело к бурному росту объемов собираемой и анализируемой информации. Объемы данных настолько внушительны, что человеку просто не по силам проанализировать их самостоятельно, хотя необходимость проведения такого анализа вполне очевидна, ведь в этих "сырых" данных заключены знания, которые могут быть использованы при принятии решений. Для того чтобы провести автоматический анализ данных, используются алгоритмы Data Mining.

Одним из стремительно развивающихся направлений в Data Mining является поиск ассоциативных правил. Ассоциативные правила позволяют найти закономерности между связанными событиями. Примером такого правила, служит утверждение, что в том случае, если произошло событие А, то произойдет и событие С.

Данное утверждение можно записать в виде A C. Причем условная часть ассоциативного правила может представлять из себя группу событий.

Построим математическую модель ассоциативных правил, дадим формальные определения понятий, составляющих тезаурус данной предметной области.

Пусть I = {i1, i 2, i3,..., i m } – множество сущностей, T = { 1, 2, 3,..., n } – множество транзакций, каждая из которых состоит из элементов множества I и уникального идентификатора – TID. Транзакция – это множество событий, произошедших одновременно (групповая операция). T = (tid, I ) обозначает, что транзакция t содержит множество X в том случае, если X I. Покрытие множества X в T состоит из множестве транзакций, которые содержат X cover ( X, T ) = {tid | (tid, I ) T, X I }.

Определение 1. Ассоциативное правил (АП) – это выражение A C, где A, C I, A, C 0 и A C 0.

Правило A C означает «каждая транзакция из T, которая содержит A, так же содержит C ».

Чтобы оценить ассоциативное правило используются такие показатели как Support(поддержка) и Confidence(достоверность), оба базируются на концепции поддержки набора элементов(itemset). Где itemset – атомарная сущность состоящая из элементов множества I 0, причем I 0 I.

Определение 2. Поддержка набора элементов I 0 I в множестве транзакций T { T | I 0 }, supp( I 0, T ) = T то есть, вероятность того, что транзакция из T содержит I 0.

Определение 3. Support(Поддержка) ассоциативного правила в это и Supp( A C, T ) = supp( A C, T ) AC T Confidence(достоверность) Supp( A C, T ) supp( A C, T ) Conf ( A C, T ) =.

= supp( A, T ) supp( A, T ) Заметим, что перечисленные показатели начинаются с маленькой буквы для элементов supp, тогда как для правила с заглавной буквы Supp, Conf.

Поддержка – это процент транзакций, которые содержат правило. Достоверность – это условная вероятность для С в A или другими словами относительная мощность множества С в A.

Методы, используемые для добычи АП пытаются найти такие, у которых поддержка и достоверность больше чем два определенных пользователем порога, называемых min supp, min conf соответственно.

Такие правила называют «строгими правилами».

Общая задача нахождения АП заключается в поиске для заданного множества элементов I в транзакционной базе T, удовлетворяющих условиям:

1. Supp( A C ) min supp, 2. Conf ( A C, T ) min conf.

Большинство существующих алгоритмов работают в два шага:

1. Поиск частых наборов данных. На этом шаге обычно рассматривают транзакции одна за одной, обновляя поддержку для каждого набора данных каждый раз, когда транзакция рассмотрена.

2. Извлечение правил с точностью больше чем определенный пользователем порог из частых наборов данных, полученных на шаге 1. В особенности, если наборы данных A и A С частые, мы можем получить правило A C. Поддержка этого правила достаточно высока, так как она равна поддержке набора данных A С.Тем не менее, мы должны проверить достоверность правила, для того, чтобы определить, является ли оно строгим.

Аппарат АП нашел свое применение в таких областях как маркетинговые исследования, электронная коммерция, социология, биоинформатика, медицинская диагностика, web анализ, анализ текста и анализ научных данных.

Список литературы 1. R. Agrawal, T. Imielinski, and A. Swami, Mining association rules between sets of items in large databases In: Proceedings of the ACM SIGMOD Conference, Washington DC, USA, 1993, pp. 207–216.

2. Delgado, M. Fuzzy association rules: general model and applications Fuzzy Systems, IEEE Transactions on, 2003, pp. 214-225.

Для контактов:

Маслобойщиков Е.В., г.Воронеж, ВГТУ, evgeny.masloboyschikov@yandex.ru.

Миргалиева Л.Р.

г. Стерлитамак, Стерлитамакская государственная педагогическая академия им.Зайнаб Биишевой Разработка автоматизированного рабочего места диспетчера риэлтерского агентства Возрастающие объемы информации, необходимые для успешной деятельности различных организаций и компаний, требуют использования современных информационных технологий, основанных на применении автоматизированных информационных систем [1].

В деловой или личной сфере часто приходится работать с данными из разных источников, каждый из которых связан с определенным видом деятельности. Для координации всех этих данных необходимы определенные знания и организационные навыки.

Microsoft Access объединяет сведения из разных источников в одной реляционной базе данных. Создаваемые формы, запросы и отчеты позволяют быстро и эффективно обновлять данные, получать ответы на вопросы, осуществлять поиск нужных данных, анализировать данные, печатать отчеты и диаграммы. База данных это совокупность взаимосвязанных данных, которые используются несколькими приложениями под управлением СУБД.

В базе данных сведения из каждого источника сохраняются в отдельной таблице. При работе с данными из нескольких таблиц устанавливаются связи между таблицами. Для поиска и отбора данных, удовлетворяющих определенным условиям, создается запрос.

Запросы позволяют также обновить или удалить одновременно несколько записей, выполнить встроенные или специальные вычисления. Для просмотра, ввода или изменения данных прямо в таблице применяются формы. Форма позволяет отобрать данные из одной или нескольких таблиц и вывести их на экран, используя стандартный или созданный пользователем макет. Для анализа данных или распечатки их определенным образом используется отчет. Например, можно создать и напечатать отчет, группирующий данные и вычисляющий итоги.

Разрабатываемая база данных моделирует работу организации занимающейся купли-продажи недвижимости. Программный проект позволяет пользователю осуществлять покупку недвижимости, а также позволяет вносить риэлтеру в базу новую недвижимость со всеми данными о ней.

В данной работе выполнены следующие этапы проектирования базы дынных:

1. проанализирована предметную область;

2. составлены ER-диаграмма и логическую схема;

3. проектированы и созданы таблицы для хранения данных;

4. нормализированы получившиеся таблицы;

5. разработан удобный интерфейс, предназначенного для просмотра, редактирования и вывода информации в Delphi.

Список литературы Проектирование информационных систем: учебное пособие/ 1.

В.И. Грекул, Г.Н. Денищенко, Н.Л.Коровкина.-2-е изд.,испр.- М.:

БИНОМ. Лаборатория знаний, 2008.-300с.: ил.

Для контактов:

Миргалиева Л.Р., СГПА им.З.Биишевой, gkama@mail.ru.

Москвитина Е.В.

г. Хабаровск, Тихоокеанский государственный университет Власенко В.Д.

г. Хабаровск, Вычислительный центр ДВО РАН Численное моделирование процессов теплопереноса в неоднородной среде с нелинейными граничными условиями В настоящее время методы неразрушающего контроля, основанные на реакции материалов на тепловое воздействие, а также измерении лучистой энергии, излучаемой какими-либо поверхностями, приобретают все большее значение. К задачам такого рода относятся и задачи диагностики целостности магистральных трубопроводов.

Основной задачей мониторинг-контроля является определение возможных областей повреждения теплоизоляции трубопровода и трещин. Для такой диагностики осуществляется съемка тепловых полей на дневной поверхности, находящейся над трубопроводом.

Поэтому в настоящее время разработка и совершенствование тепловизионных методов контроля является наиважнейшей задачей.

Одним из методов получения и изучения тепловых полей в различных средах является непосредственное численное моделирование процессов теплопереноса. Солнечное излучение является существенным фактором, влияющим на формирование теплового поля от подземного источника тепла. Учет лучистого излучения приводит к необходимости решать начально-краевую задачу в сложной трехмерной области для линейного уравнения теплопроводности, но с нелинейным краевым условием на дневной поверхности с большой точностью.

Постановка задачи Рассматривается задача о распространении тепла в грунте от нагретой и частично теплоизолированной трубы. Эта задача описывается линейным уравнением теплопроводности:

2T 2T 2T T = k 2 + 2 + 2, x z t y где k = – коэффициент температуропроводности;

– плотность;

c – коэффициент теплопроводности;

с – удельная теплоемкость.

Область может иметь несколько слоев с различными k.

На границах стыков слоев задается уравнение баланса потоков:

T T =.

z z + Граничные условия для расчетной области (параллелепипеда). На T боковых стенках выделенного параллелепипеда = 0. На нижней n грани задается условие постоянства температуры T const = Tconst.

Граничное условие на трубопроводе имеет вид ( )n T = T труба T const, где n – нормаль к поверхности n трубопровода, = ( x, y, z ) – коэффициент теплоизоляции, зависящий от степени поврежденности оболочки трубы.

На дневной поверхности выполняется нелинейное условие равновесия потоков, приносящих и уносящих энергию.

Метод решения Для расчета распределения температуры в трехмерной области используется метод конечных разностей с расщеплением по пространственным переменным (работы С.К. Годунова, A.A.

Самарского, H.H. Яненко и других авторов [1, 2, 3]). Система разностных линейных алгебраических уравнений имеет трехдиагональный вид и решается методом прогонки. Разностные уравнения удовлетворяют достаточным условиям, при которых формулы прямого и обратного хода имеют смысл и устойчивы.

Численные расчеты Были проведены расчеты по распределению температур по вертикали для случая фиксированной температуры на глубине и на дневной поверхности, а также используя поток тепла через дневную поверхность. Показано, что если модель не учитывает эффект излучения «черного тела», т.е. расчет проводится по линейной модели, то возникает существенный, но не наблюдаемый на практике, перегрев поверхности.

Список литературы 1. Годунов С.К., Рябенький B.C. Разностные схемы. – М.: Наука. 1977.

2. Ковеня В.М., Яненко H.H. Метод расщепления в задачах газовой динамики. – Новосибирск: Наука, 1981.

3. Самарский A.A. Теория разностных схем. – М.: Наука, 1983.

Для контактов:

Москвитина Е.В., г. Хабаровск, Тихоокеанский государственный университет, len4ik2703@yandex.ru.

Власенко В.Д. г. Хабаровск, Вычислительный центр ДВО РАН, vlasenko@as.khb.ru Мурзагильдина Г.З., Хаджаев Р.М.

г. Уфа, ГБОУ Уфимская специальная (коррекционная) общеобразовательная школа-интернат №28 III-IV видов Информационные технологии как средство адаптации детей с нарушением зрения (из опыта работы) Информатика и информационные технологии (дополнительная коррекционная дисциплина) в образовательном процессе школы интерната для детей с глубокими нарушениями зрения – это не только возможность соответствовать современным требованиям, предъявляемым к обучению и воспитанию в современной школе, но и неограниченные возможности, которые открываются незрячим пользователям.

Уроки информатики изучаются в соответствии с требованиями Государственного образовательного стандарта;

информационные технологии планируется исходя из возможностей и потребностей школы и обучающихся и являются дополнением к урокам информатики. Информационные технологии изучаются с 5 класса, информатика – с 8 класса.

Целью уроков «Информационные технологии» является обучение учащихся навыкам уверенного пользования. В процессе обучения дети осваивают десятипальцевый слепой метод печати, работают с программой голосового экранного доступа, учатся использовать возможности масштабирования и «специальные возможности», обязательно изучают сочетания клавиш («горячие»

клавиши), работают со специальным оборудованием для незрячих.

Процесс обучения направлен на то, чтобы на уроках информационных технологий дети узнали максимально больше, поняли логику работы компьютерного и офисного оборудования Чем шире кругозор и глубже познания учеников, тем проще им будет определиться с выбором профессии и найти себе применение на рынке труда.

Первый год обучения преимущественно посвящен овладению навыками десятипальцевого слепого метода печати, На этих знаниях базируется вся последующая работа, так как без знания местоположения клавиш слабовидящие дети очень медленно ориентируются на клавиатуре, а слепые вовсе не могут ею пользоваться.

В классах для незрячих мы используем программу голосового экранного доступа, которая комментирует все действия пользователя.

Одновременно, с изучением клавиатуры, мы даем детям необходимые комбинации «горячих» клавиш, которые представляют собой сочетания двух и более клавиш, заменяющих работу с компьютерной мышью. Чтобы снизить нагрузку на органы зрения, со слабовидящими обучающимися мы также изучаем сочетания клавиш, учим их управлять параметрами окна приложения, использовать крупные значки и «подсказки сочетаний клавиш», управлять размером и видом шрифта (предпочтение отдается шрифту Areal, так как элементы его букв имеют оптимальное соотношение ширины и высоты, одинаковую толщину вертикальных и горизонтальных линий).

В работе с незрячими обучающимися мы используем брайлевский дисплей и принтер.

Брайлевский дисплей – это устройство, позволяющее незрячему пользователю воспринимать текстовую информацию с обычного дисплея в виде рельефно-точечных символов шрифтом Брайля. С его помощью незрячие считывают с экрана необходимую информацию.

Брайлевский принтер представляет собой устройство вывода текстовой информации рельефно-точечным шрифтом Брайля. Панель управления принтера выполнена как в плоскопечатном, так и в рельефно-точечном исполнении. Принтер снабжен речевой обратной связью. Для печати может использоваться бумага практически любого формата с плотностью от 90 до 180 г/м2,, а также специальная полимерная пленка. Специальный текстовый редактор, прилагаемый к принтеру, автоматически форматирует плоскопечатный текст под требования рельефно-точечных изданий.

После овладения текстовым редактором работа ведется в других офисных программах, в графических редакторах, конвертерах, учащиеся осваивают электронную карту города, фото и видео съемку, распечатывают фотографии, сканируют и масштабируют учебные пособия для слабовидящих и распечатывают материалы шрифтом Брайля для незрячих. Используя специальное устройство и рельефообразующую бумагу, изготавливают рельефные рисунки. На коррекционных занятиях работают даже в социальных сетях (ведь в Интернете все равны), что значительно повышает их самооценку, позволяет обрести новых интересных друзей.

Слабовидящие обучающиеся также осваивают работу с цифровым микроскопом, электронной лупой и документ камерой.

Большой монитор позволяет нам познакомиться с картинами художников, ведь посещение музеев доступно не всем учащимся, да и не все картины в музее можно рассматривать на доступном расстоянии, а в сети Интернет представлены работы практически всех художников мира.

Многие наши учащиеся прошли курс компьютерной грамотности от Microsoft, видео уроки изучают слабовидящие, а текстовый вариант изучается незрячими, так как неплохо озвучивается программой голосового экранного доступа.

Прогресс настолько стремителен, что мы просто не успеваем за ним. Если еще вчера мы мечтали о светодиодных мониторах, которые минимизируют негативное воздействие на организм ребенка, то сегодня мы ждем, когда на рынок выйдут мониторы из органических светодиодов, компактные брайлевские принтеры и говорящие сканеры, позволяющие озвучить материал со стенда или таблички, прочитать штрих-код, определить цвет вещей, предупредить о препятствии и т.д.

Для контактов:

Мурзагильдина Г.З. gyuzelzm@mail.ru Хаджаев Р.М. rasul-7@yandex.ru Мусина Р.Ш., Ганиева В.Р.

г. Уфа, Уфимский государственный нефтяной технический университет Методика расчета значений реологических параметров в модели Пэжины Обработка металлов давлением в состоянии сверхпластичности (СП) является одним из перспективных методов получения деталей различного назначения из высокопрочных труднодеформируемых материалов, таких как промышленные сплавы на основе титана, магния, алюминия, железа, никеля, а также композитных материалов, керамик и интерметаллидов [1].

Для построения эффективных компьютерных моделей технологических процессов обработки металлов давлением необходимо уметь грамотно ставить краевую задачу, выбирать численный метод ее решения, создавать эффективные алгоритмы и самостоятельно разрабатывать, отлаживать и тестировать программное обеспечение.

Компьютерное моделирование технологических процессов сверхпластического формообразования в настоящее время основывается на постановке и решении краевых задач механики СП с использованием современного сертифицированного программного обеспечения, такого как ANSYS, ABAQUS, MARC и т.п. [2–4].

В литературе по СП пока не предложено единого общепринятого варианта постановки краевой задачи, обзор используемых на практике вариантов приведен, например, в [5].

Основными проблемами, возникающими при компьютерном моделировании технологических процессов обработки давлением перспективных конструкционных материалов в состоянии СП, являются рациональный выбор варианта постановки краевой задачи механики СП и определение материальных констант, входящих в выбранную для расчетов модель материала.

Целью настоящей работы является разработка методики определения значений реологических параметров 0, ~, m в модели ~ ~ Пэжины [6] ~ m ~ 1 +, ~ = 0 (1) где 0, ~, m – реологические параметры Пэжины.

~~ Значения реологических параметров 0, ~, m, рассчитанные по ~~ разработанной в данной работе методике, предназначены для использования в численных расчетах с применением современных программных комплексов, таких как ANSYS, ABAQUS, MARC и др.

Список литературы 1. Cмирнов О.М. Обработка металлов давлением в состоянии сверхпластичности. М.: Машиностроение, 1979. 184 c.

2. Еникеев Ф.У. Математическое моделирование процессов обработки давлением промышленных титановых сплавов в состоянии сверхпластичности // Известия ВУЗов, Цветная металлургия, 2008, №1. С.43–50.

3. Загиров Т.М., Каримов М.С., Круглов А.А., Еникеев Ф.У.

Методика экспериментального определения реологических свойств микрокристаллических материалов по результатам технологических экспериментов // "Проблемы машиностроения и автоматизации", 2010, №2. С. 65–74.

4. Загиров Т.М., Круглов А.А., Еникеев Ф.У. Идентификация реологических параметров сверхпластичности по результатам тестовых формовок листовых материалов при постоянном давлении // Заводская лаборатория. Диагностика материалов.

2010, №9. С. 48–56.

5. Padmanabhan K.A., Vasin R.A., Enikeev F.U., Superplastic Flow:

Phenomenology and Mechanics, Springer-Verlag, Berlin– Heidelberg, Germany 2001. 363 р.

6. Пэжина П. Основные вопросы вязкопластичности. Пер. с англ.

М.: Мир, 1968. 176 с.

Для контактов:

Мусина Р.Ш., г.Уфа, Уфимский государственный нефтяной технический университет, rimma26.08@mail.ru Ганиева В.Р., г.Уфа, Уфимский государственный нефтяной технический университет, venera5577@mail.ru МУХАМЕТДИНОВ Ф. Ф., ГИНИЯТУЛЛИН В.М.

Уфимский государственнный нефтяной технический университет Трехмерная визуализация каротажных данных В работе обсуждается алгоритм фациального анализа скважин на основе каротажных данных. Каротажные испытания скважин – это исследование физических свойств пласта специальными методами.

Наиболее часто используются измерения вдоль ствола скважины интенсивности естественного гамма-излучения, возникающего в результате самопроизвольного распада радиоактивных элементов, содержащихся в горных породах (гамма каротаж), изучении удельного электрического сопротивления горных пород при помощи зонда (боковой каротаж), изучении электрического поля, самопроизвольно возникающего в скважинах в результате электрохимической активности горных пород (потенциал самопроизвольной поляризации). На основе этих данных каждый пласт залегающих пород относят к так называемым фациям. В настоящее время данные каротажа анализирует высококвалифицированный специалист-геофизик вручную.

Обучающая выборка формируется из данных уже интерпретированных данных о скважине. Для каждого пласта имеется набор точек в трехмерном пространстве (гамма каротаж, боковой каротаж, потенциал поляризации), тогда из этих наборов можно найти геометрические параметры обхватывающего эллипсоида минимального объема. Разработанный алгоритм поиска трехмерного эллипсоида обобщается и на четырехмерный случай. В результате, получим набор эллипсоидов для каждого пласта. На рисунке 1 представлен результат работы алгоритма.

Трехмерная визуализация показывает, что несмотря на имеющиеся пересечения кластеров, имеются четко выделенные области.

Следовательно, появляется возможность создания автоматизированного способа фациального анализа.

Рисунок 1- Результат разбиения Набиуллина А.В., Волкова Л.Ф.

Башкирский государственный аграрный университет Уфа, Россия ИТ-СТРАТЕГИЯ – ЭЛЕМЕНТ УСПЕХА КОМПАНИИ Важность разработки стратегии сегодня признает достаточно широкий круг руководителей. Однако, как это ни парадоксально, глубоко проработанная стратегия в действительности нужна не каждой компании. Степень детализации стратегии определяется главным образом объемом бизнеса. И если для небольшой компании достаточно будет четко описать бизнес-стратегию, т. е. определить приоритетные рынки и направления развития продуктов и услуг, то крупная корпорация нуждается в развернутом стратегическом плане, включающем миссию компании, функциональные и бизнес-стратегии, а также, при необходимости, стратегии отдельных департаментов.

Формулировка стратегии в этом случае обеспечивает координацию и баланс развития различных направлений бизнеса, создает основу для оптимизации процессов и оперативных планов, существующих в компании.

Хорошо проработанная, непротиворечивая и принятая большинством сотрудников стратегия может со временем создать из разнообразных бизнесов единый организм, работающий на достижение корпоративных целей. Именно в таком контексте мы будем обсуждать разработку одной из функциональных стратегий — стратегии развития ИТ, реализация которой становится возможной и оправданной только при наличии четких целей развития компании, утвержденных ее топ-менеджментом.

Какие стратегии наиболее часто встречаются в ИТ подразделениях? Проанализировав высказывания ИТ-директоров на конференциях и в СМИ, мы выделили три наиболее распространенных типа стратегий:

Стратегия "аккуратных библиотекарей".

1.

ИТ-директор провозглашает, что корпоративные данные должны храниться централизовано, а процессы их использования должны быть регламентированы;

ИТ-служба обязана отвечать за хранение корпоративных данных и за разработку регламентов их использования с прицелом на дальнейшую автоматизацию этих процессов;

подразделения будут работать с данными по утвержденным регламентам.

На первый взгляд все логично, но на деле в компании, реализующей такую ИТ-стратегию, часто складывается плачевная ситуация. Проблема в том, что ИТ-специалисты не могут отвечать за содержание данных, они только хранят их централизованно, как записи в базе данных, а подразделения, которые передали свои данные, уже не хотят отвечать за их качество, поскольку не владеют ими в полной мере, а лишь в рамках регламентов. Получается, что за содержание важных для бизнеса данных (например, о клиентах) никто не отвечает. Данные перестают быть актуальными, происходит их обесценивание.

2. Стратегия экономии на издержках.

ИТ-подразделение является затратным по своей сути. Нередко предметом оправданной гордости ИТ-директора становится прозрачная структура затрат на ИТ. Это значимое достижение - в самом деле, не каждое подразделение в компании может гордиться прозрачностью и прогнозируемостью своих затрат. И тогда ИТ директор провозглашает стратегической целью экономию на издержках, связанных с ИТ.

Успех такой стратегии, на первый взгляд, гарантирован благодаря созданной системе затрат, которая может быть оптимизирована. Но давайте представим, как такая ИТ-стратегия выглядит с точки зрения генерального директора. У него появилось подразделение, которое всегда может экономить на себе. Очевидно, что это приведет к тому, что бюджет будет распределяться на ИТ по остаточному принципу. Развивать компанию с помощью информационных технологий в таких условиях будет крайне затруднительно.

3. Стратегия наращивания капитализации.

Выгода такой ИТ-стратегии представлялась в явном финансовом результате - увеличении валюты баланса и капитализации.

К сожалению, в данном случае цели подменяются результатами.

Действительно, результатом внедрения информационной системы будет постановка на баланс, но это не цель внедрения. Цели внедрения информационной систем лежат в другой плоскости и связаны с повышением эффективности и т.п.

Подводя итоги, можно сказать, что перечисленные стратегии могут соответствовать целям компании, но они не развивают ее и не дают развиваться ИТ-подразделению. Мы считаем, что это тупиковые стратегии. Но как тогда должна выглядеть хорошая ИТ-структура?

ИТ-стратегия должна состоять из следующих блоков:

– Миссия - краткое определение смысла существования ИТ подразделения;

– Цели - направления деятельности;

Задачи - действия, направленные на достижение целей;

– – Тактики - особые действия по выполнению задач;

– KPI - показатели, позволяющие оценить достижения при выполнении задач.

Так же, при разработке ИТ-стратегии должны закладываться основные параметры создаваемой информационной платформы, за тем чтобы она отвечала следующим требованиям:

– масштабируемость, то есть система должна учитывать растущие потребности компании;

– гибкость, то есть система должна быть легко настраиваемой под изменения внутренних бизнес-процессов и внешней среды;

– стандартизация, то есть различные компоненты системы должны быть совместимыми и соответствовать требованиям информационной безопасности;

– экономическая эффективность, то есть использование того или иного решения должно быть оправдано экономически;

– независимость, то есть заказчик не должен попадать в зависимость от поставщиков решений, при этом не должна возникать необходимость в содержании собственного штата программистов.

Как правило, проект по разработке ИТ-стратегии состоит из нескольких этапов. На первой стадии происходит анализ существующих бизнес-процессов и аудит информационных систем.

Затем консультанты делают обзор имеющихся на рынке информационных систем и мирового опыта и разрабатывают требования по информационной поддержке бизнес-процессов. На завершающем этапе проекта осуществляется выработка рекомендаций и предоставляется информация, необходимая для принятия решения о дальнейшем развитии информационных систем компании.

Стратегии не должны становиться мертвым грузом, документом, лежащим на полке у руководителя. Ситуация внутри и вне компании постоянно изменяется, и реальную пользу от созданного стратегического плана бизнес может получить только при условии постоянной доработки этого основополагающего документа, его корректировки на основе обратной связи от внутренних подразделений, партнеров, клиентов и всех заинтересованных сторон.

В идеале стратегия должна обновляться с определенной периодичностью, и отработанный механизм работы над стратегией может оказать помощь в этом процессе.

Библиографический список Садков Д. Что такое ИТ-стратегия и зачем она нужна?

1.

[Электронный ресурс] / Д. Садков. - Режим доступа:

http://kmsoft.ru/LD/C012/102/677492200.html - 9.04. Буйдов А. ИТ-стратегия: формула повышения 2.

эффективности бизнеса [Электронный ресурс] / А. Буйдов. Режим доступа: http://iemag.ru/master class/detail.php?ID=15694 - 8.04. Краснов Ф. ИТ стратегия: разработка или описание?

3.

[Электронный ресурс] / Ф. Краснов. - Режим доступа:

http://interface.ru/home.asp?artId=18244 - 9.04. Михайлов А. Стратегическое управление ИТ: видение, 4.

миссия, стратегические цели ИТ [Электронный ресурс] / А.. Режим доступа: http://info-strategy.ru/publications/it strategic-planning-2011-1/ - 10.04. Наумов А.С.

г. Великий Новгород, Новгородский Государственный Университет им. Ярослава Мудрого Синтез изображения из фрагментов произвольной формы Описание задачи Реконструкция фрагментированных объектов в реставрации, криминалистике и др. областях может быть частично автоматизирована средствами вычислительной техники и компьютерной графики. Рассмотрим задачу поиска стыкующихся фрагментов (рис.1) с использованием ряда формализованных признаков [1]. Для относительно плоских фрагментов (обрывки бумаги, керамика, фрески и т.д.) достаточно использовать двухмерные изображения поверхности, из которых извлекается информация о геометрических, цветовых, текстурных и прочих признаках.

Фрагменты, полученные в результате разлома или разрыва, обычно обладают высокой степенью уникальности контурной линии [2], что позволяет использовать ее характеристики для поиска стыков. Далее кратко описан разработанный автором алгоритм поиска стыка двух фрагментов на основе контурной линии.

Предложенный алгоритм Алгоритм включает в себя 2 этапа. На 1 этапе выполняется грубая полигональная аппроксимация контура путем выделения доминантных опорных точек (рис.2) с использованием алгоритма IPAN99 [3]. В каждой опорной точке s i рассчитывается величина внешнего угла и расстояние до соседних точек. В процессе совмещения 2-х фрагментов перебираются все возможные пары элементов «отрезок-точка» (рис3.). Как только для некоторой пары выполнено условие i = s d ( si, si ) + d ( i, i ) ( – нормирующий коэффициент, d – разность соответствующих значений углов или расстояний, – пороговое значение), начинается последовательное наращивание области стыка (рис.3) до тех пор, пока условие выполняется. Так как у пары фрагментов может быть найдено несколько таких областей, выполняется дополнительная проверка и объединение. По результатам первого этапа формируется множество пар-кандидатов и запоминается предполагаемая область стыка.

На втором этапе предполагаемые области повторно описываются с большей степенью детализации с некоторым равномерным шагом [4], затем рассчитывается величина ошибки в этой области (в данный момент используется среднеквадратичное отклонение). Если она не превышает заданный порог, то считается, что стык найден.

Равномерное расположение точек позволяет уменьшить влияние мельчайших деталей и в то же время обеспечить необходимую информативность описания.

Рис.1. Область Рис.2. Опорные точки Рис.3. Совмещение стыка Двухступенчатая схема обладает следующими особенностями:

- начальная аппроксимация с низкой детализацией позволяет снизить объем хранимых данных при формировании первичной базы описаний;

- обеспечивается более высокая производительность за счет отсеивания наиболее неподходящих вариантов на первом этапе;

- параметры второго этапа можно адаптировать под каждый конкретный стык;

Таким образом, предложенный подход позволяет повысить достоверность результатов, обеспечив при этом более высокую производительность по сравнению с традиционными подходами.

Результаты и дальнейшие исследования Предварительные результаты показывают работоспособность алгоритма на обрывках документов. В настоящее время ведутся исследования в части настройки детализации описания, уточнения критериев стыковки, минимизации влияния разрывов области стыка и адаптивного подбора пороговых значений. В дальнейшем алгоритм будет интегрирован в более общую систему поиска стыков на основе множества признаков.

Список литературы 1. Наумов А.С. Критерии сравнения характеристик фрагментов в задаче синтеза композиции / Новгородский государственный университет им. Ярослава Мудрого. – Великий Новгород, 2011. – с.: ил. – Библ.: 18 назв. – русский. – Деп. в ВИНИТИ РАН 01.07. № 315-В2011.

2. Leitao H.C., Stolfi J. Information Contents of Fracture Lines // Proceedings of the 8th International Conference in Central Europe on Computer Graphics, Visualization and Interactive Digital Media. Czech Republic. 2008. P.389-395.

3. Chetverikov D. A Simple and Efficient Algorithm for Detection of High Curvature Points in Planar Curves // Computer Analysis of Images and Patterns. Lecture Notes in Computer Science. 2003. V.2756. P.746-753.

4. Leitao H.C., Stolfi J. A Multiscale Method for the Reassembly of Two Dimensional Fragmented Objects // IEEE Trans. on Pattern Analysis and Machine Intelligence. 2002. V.24. №9. P.1239-1251.

Для контактов: Наумов А.С., г.Великий Новгород, Новгородский Государственный университет имени Ярослава Мудрого, alxxx123@mail.ru Наумов И.С.

г.Пермь, Пермский национальный исследовательский политехнический университет Пушкарев А.М.

г.Пермь, Пермский военный институт ВВ МВД Имитационное моделирование функционирования системы обеспечения ресурсами при чрезвычайных ситуациях Развитие системы предупреждения об опасных явлениях, способов уменьшения опасности и смягчения последствий чрезвычайных ситуаций (ЧС) считается одной из приоритетных областей деятельности на всех уровнях международном, государственном, региональном и местном [1].

С этой целью разработана методика, предназначенная для использования в региональных управлениях по делам ГО и ЧС при оценке и совершенствовании системы ликвидации ЧС [2].

Методика предусматривает решение следующих задач:

1) оценка эффективности различных стратегий управления ресурсами для предотвращения ЧС при ограничениях на доступные ресурсы;

2) обоснование и формирование предложений по комплектации подразделений техническими средствами при ограничении на финансовые средства.

В укрупненном виде методика представляется в следующем виде:

1. обоснование рационального объема бюджетного финансирования, типов и количества ресурсов, размещаемых в системе обеспечения ресурсами;

2. обоснование иерархии структуры системы и соответствующего расположения центрального пункта с учетом инфраструктуры района функционирования;

3. обоснование порядка определения потенциальной опасности объектов для противодействия возможным ЧС, на которых создается система;

4. обоснование размещения ресурсов по элементам системы;

5. обоснование эффективной стратегии функционирования системы.

На основе данной методики создан пакет прикладных программ, предназначенный для обоснования структуры системы защиты от ЧС, обеспечивающих при ограниченных финансовых ресурсах минимальных ущерб от ЧС.

Программное обеспечение включает программу RESURS и модули:

модуль управления общим процессом решения задачи;

модуль ввода и корректировки данных;

модуль сервисных программ;

модуль решения задачи обоснования типа и количества агрегатов каждого типа для объектов;

модуль решения задачи обоснования размещения центрального пункта;

модуль решения задачи определения максимального количества объектов, на которых возможно одновременное развитие ЧС;

модуль решения задачи обоснования размещения ресурсов для ликвидации ЧС по критерию минимума суммарных потерь;

модуль вычисления результирующих показателей и формирования выходных данных.

Результаты работы заключается в развитии моделей и методов автоматизации управления ликвидацией чрезвычайных ситуаций путем реализации нового подхода, состоящего в целенаправленном выборе значений параметров состояния системы обеспечения ресурсами, используемой при ликвидации ЧС на пространственно распределенных объектах, на основе комплексного учета факторов, предопределяющих величину возможного ущерба от ЧС.

Практическая значимость результатов состоит в обеспечении возможности автоматизированной выработки экономически обоснованных решений по составу, количеству и распределению ресурсов, используемых при локализации и ликвидации ЧС на пространственно распределенных объектах.

Список литературы 1. Концепция национальной безопасности РФ. Утверждена Указом Президента РФ от 17 декабря 1997 года № 1300 (ред. от 10.01.2000 г.

№ 24).

2. Организационно-методические указания по подготовке органов управления, сил гражданской обороны и единой государственной системы предупреждения и ликвидации чрезвычайных ситуаций на 2011-2013 годы (письмо МЧС России от 7 декабря 2010 г. № 2-4-60 15-14) [Электронный ресурс]. – Режим доступа:

http://mchs.gov.ru/activities/?ID=154821 , свободный. Яз. рус. (дата обращения: 17.01.2012).

Для контактов:

Наумов И.С., г.Пермь, Пермский национальный исследовательский политехнический университет, igor14-88@list.ru Нурисламов О.Р.

г. Нижневартовск, филиал Южно-Уральского государственного университета Хабибуллина А.Р.

г. Сургут, Сургутский институт нефти и газа (филиал ТюмГНГУ) Численное моделирование процесса отбора газа из газогидратного пласта при депрессионном воздействии В настоящее время актуальной задачей является разработка газогидратных залежей. Газовые гидраты – это новые, еще не освоенные на промышленном уровне энергетические ресурсы.

Мировые запасы газовых гидратов по некоторым оценкам в несколько раз превышают запасы обычного природного газа. По разным оценкам запасы углеводородов в гидратах составляют от 1.8·1014 до 7.6·1018 м [1, 2]. Это позволяет считать газовые гидраты одним из перспективных нетрадиционных источников углеводородного сырья.

Основная часть природных газовых гидратов (около 98%) сосредоточена в акватории мирового океана и всего лишь 2% в зонах вечной мерзлоты. Однако разработка методов добычи газа из гидратных месторождений является не менее важной задачей.

В плоскодномерной автомодельной постановке изучен процесс разложения газогидратов, частично насыщающих пористую среду, при депрессионном воздействии. Показано, что в зависимости от состояния пористой среды и граничного давления отбор газа из гидратосодержащего пласта может происходить в трех режимах, с качественно различающимися структурами образующихся зон.

Выявлены критерии, разделяющие эти режимы.

Постановка задачи и основные уравнения Пусть в исходном состоянии пористая среда насыщена газом в свободном состоянии и гидратом при температуре T0 и давлении p0 и пусть равновесное давление, соответствующее температуре T0, – ps (T0 ) :

t = 0 : Sh = Sh (0), S g = 1 Sh(0), p = p0, T = T0 ( x 0), (1) где Sh(0), p0, T0 - исходные гидратонасыщенность, давление и температура пористой среды.

Для плоскоодномерного случая пусть в момент времени t = 0 по границе x = 0 происходит вскрытие пласта и установление на границе давления p(e) :

x = 0: p = p(e) (t 0). (2) В общем случае возможны следующие режины: 1) если p( e ) ps (T0 ), то будет происходить фильтрация газа, а гидрат, содержащийся в пористой среде, будет сохранять стабильное состояние;

2) если p( e ) ps (T0 ), то будет происходить фильтрация газа, сопровождаемая разложением гидрата.

Примем следующие допущения. Гидрат является двухкомпонентной системой с массовой концентрацией газа G.

Материал скелета пористой среды, гидрат и воду, образующуюся при разложении гидрата, будем считать несжимаемыми. Кроме того, будем полагать, что в фильтрации участвует только газ и температуры скелета, гидрата и воды в любой точке пористой среды совпадают.

Математическая модель основывается на уравнениях неразрывности газа и воды, законе Дарси и уравнении баланса тепла [3]:

( m g S g ) + x ( m g S g g ) = mG h th, t ( ml Sl ) = m (1 G ) h Sth, S t T T k g p T S h mS g g =, c + g c g mS g g = + m h Lh x x x µ g r t t ( c = (1 m ) sk csk + mSl l cl + mSh hch + mS g g cg, = (1 m ) sk + mSl l + mS hh + mS g g, Sl + S h + S g = 1), (3) где m, Si ( i = l, h, g ) - пористость и насыщенность пор i -ой фазой;

i, ci, i ( i = sk, l, h, g ) плотность, теплоемкость и теплопроводность;

индексы sk, l, h, g соответствуют скелету, воде, гидрату и газу;

g - скорость газа;

µ g, k g - динамическая вязкость и фазовая проницаемость газа;

Lh - удельная теплота фазового перехода гидрата. Теплоемкость и теплопроводность рассматриваемой системы в основном определяется скелетом пористой среды, поэтому будем полагать, что c = const и = const.

Зависимость коэффициента проницаемости для газа k g будем задавать на основе формулы Козени [4]:

( mS g ) k0 S g ( k0 = km3 ), k g = k (4) (1 mS g ) где k0 - коэффициент проницаемости скелета пористой среды.

Для газа примем модель калорически совершенного газа:

p = g RgT. (5) Для области, где одновременно присутствуют газ, вода и гидрат, температура и давление связаны условием фазового равновесия [5]:

p T = T0 + T* ln, (6) ps где T0 - исходная температура среды, ps 0 - равновесное давление, соответствующее исходной температуре, T* - эмпирический параметр, зависящий от вида газогидрата.

При поставленных начальных и граничных условиях, в общем случае, возможно формирование трех, качественно различающихся, областей. На границах этих областей должно выполняться условие баланса массы газа и воды:

m ( Sh h (1 G ) + Sl l ) r(i ) = 0, & (7) ( ) m g S g ( g r(i ) ) h ShGr(i ) = 0.

& & Уравнения в автомодельной переменной Поставленная задача имеет автомодельное решение. Введем = r ( p )t автомодельную переменную и безразмерные переменные для давления P = p p0 и температуры = T T0.

В автомодельных координатах и безразмерных переменных решения для ближней и дальней областей имеют вид:

d dP dP 2 ( i = n, 0 ) ;

= S g (i ) P (8) 2 d d d для промежуточной области:

d PS g dP k0 g 0 p0 Lh ( m ) dP = ( m ) P ( m) = ( p ), ( m ) =.

d d cT*G µ g 2 d (9) Численный анализ Рис. 1. Иллюстрация режимов отбора газа в зависимости от граничного давления (1 – первый режим;

2 – второй режим;

3 – третий режим) На рис. 1 приведена фазовая диаграмма с иллюстрацией режимов отбора газа. В плоскоодномерной постановке в зависимости от значений граничного давления p( e) возможны три режима отбора газа из гидратосодержащего пласта.

Первый режим, когда p( d ) pe p0, сопровождается только фильтрацией газа без разложения гидрата, так как при этом сохраняются термодинамические условия существования гидрата.

Второй и третий режимы сопровождаются разложением гидрата ( ) в объемной области. Для второго режима p( n ) pe p( d ) образуются две области: ближняя область, насыщенная газом, гидратом и водой, и дальняя область, насыщенная газом и гидратом.

( ) Третий режим pe p( n ) характеризуется образованием трех областей: ближняя область, насыщенная газом и водой, образована в результате разложения гидрата, дальняя область – газом и гидратом, промежуточная – газом, гидратом и водой.

Рис. 2. Влияние граничного давления на режимы отбора газа Влияние граничного давления на распределения давления, температуры и гидратонасыщенности представлено на рис. 2.

Цифрами 1, 2 и 3 указаны графики, соответствующие граничным давлениям pe = 6, 4 и 1 МПа. Чем меньше граничное давление, тем меньше температура выхода газа из гидратного пласта. Понижение температуры связано с затратами тепла на разложение гидрата. Чем интенсивней происходит процесс разложения гидрата, тем сильнее охлаждается пористая среда. Для каждого значения исходной гидратонасыщенности имеется наименьшее значение температуры выхода газа, которое реализуется при полном разложении гидрата в пористой среде.

Рис. 3. Влияние исходной гидратонасыщенности на отбор газа Влияние исходной гидратонасыщенности на процесс отбора газа из гидратосодержащего пласта проиллюстрировано на рис. 3. Цифрам 1, 2 и 3 соответствуют значения исходной гидратонасыщенности Sh(0) = 0.3, 0.1 и 0. Как следует из графиков, с увеличением исходной гидратонасыщенности, понижается температура выхода газа и уменьшается скорость движения границ x( n) и x( d ).

Рис. 4. Зависимость значений автомодельных координат границ от граничного давления Зависимости автомодельных координат границ от граничного давления представлены на рис. 4. Графики зависимости получены для пористой среды с исходной гидратонасыщенностью Sh(0) = 0.3.

Список литературы 1. Соловьев В.А. Природные газовые гидраты, как потенциальное полезное ископаемое // Российский химический журнал. – 2003. № 3.

– С. 59-69.

2. Макогон Ю.Ф. Природные газовые гидраты: распространение, модели образования, ресурсы // Российский химический журнал. – 2003. № 3. – С. 70-79.

3. Нигматулин Р.И., Шагапов В.Ш., Сыртланов В.Р. Автомодельная задача о разложении газогидратов в пористой среде при депрессии и нагреве // ПМТФ. 1998. Т. 39. № 3. С. 111.

4. Баренблатт Г.И., Ентов В.М., Рыжик В.М. Движение жидкостей и газов в пористых пластах. М.:Недра, 1984.

5. Бык С.Ш., Макагон Ю.Ф., Фомина В.И. Газовые гидраты. М.:

Химия, 1980.ъ Для контактов:

Нурисламов О.Р., г. Нижневартовск, филиал Южно-Уральского государственного университета, nuris_o_r@mail.ru.

Периг А.В., Матвеев И.А., Кисель А.В.

г. Краматорск, Донбасская государственная машиностроительная академия О применении открытого программного обеспечения к решению задач динамики точки В рамках сопоставительного анализа возможностей современного открытого программного обеспечения (ПО), рассмотрим решение задачи Коши для дифференциального уравнения II порядка x"+10x'+10000x=0;

x'(0)=1;

x(0)=1 (1), описывающего затухающие колебания материальной точки под действием силы сопротивления, пропорциональной скорости точки. Здесь корни характеристического уравнения 1,2=±i=-5±99.875i, где =-50 и =99.8750, т. е.

уравнение (1) характеризуется устойчивым фокусом и представляет методический интерес при изложении динамики точки для студентов ВУЗов.

Отметим, что построение аналитических решений задачи (1) в открытых системах компьютерной алгебры (GNU GPL CAS) возможно только в Maxima (проф. W.Schelter), Sage (проф. W.A. Stein) и Giac/Xcas (проф. B. Parisse).

Maxima-синтаксис решения (1) имеет вид: (%i1) atvalue(x(t),t=0,1);

(%i2) atvalue('diff(x(t),t),t=0,1);

(%i3) 'diff(x(t),t,2)+10*diff(x(t),t)+10000*x(t)=0;

(%i4) desolve(%,x(t));

(%i6) plot2d(%e^( 5*t)*((6*sin(5*sqrt(399)*t))/(5*sqrt(399))+cos(5*sqrt(399)*t)),[t,0,0.75]), причем экспорт графического результата осуществляется через среду gnuplot graph, которая позволяет копировать содержимое графического окна через буфер обмена, а также экспортировать графический результат в формате *.emf. Отметим, что Sage-синтаксис решения (1) можно записать как: t = var('t') x = function('x', t) desolve(diff(x,t,t)+10*diff(x,t)+10000*x, x) f = desolve(diff(x,t,t)+10*diff(x,t)+10000*x, x, [0,1,1]);

f plot(f, (t,0,0.75)).

Giac/Xcas-синтаксис: desolve([y''+10*y'+ 10000*y=0, y(0)= 1,y'(0)=1],y) plot([cos(5*sqrt(399)*x)*exp( 5*x)+6*1/5*1/(sqrt(399))*sin(5* sqrt(399)*x)*exp( 5*x)],x=0..0.75,xstep=0.0005, affichage=magenta+rempli).

Построение численных решений задачи (1) целесообразно выполнять с применением таких GNU GPL CAS как R (с модулем GPL deSolve), Octave и Scilab. Отметим, что численное интегрирование (1) в таких системах как Smath Studio (с библиотекой ODESolvers.dll), R (с модулем deSolve), Scilab, OSL SciPy и Octave осуществляется заменой уравнения II порядка (1) системой уравнений I порядка: x'=z;

z'=-10z 10000x;

z(0)=1;

x(0)=1 и введением дополнительных обозначений x=y1;

z=y2, откуда z=y2;

z'=-10*y2-10000*y1;

y1(0)=1;

y2(0)=1 (2).

R-синтаксис решения (2) записывается в виде: koleb - function (t, y, mu) { + list(c( + y[2], + -10*y[2] — 10000*y[1] + )) + } library(deSolve) yini - c(y1 = 1, y2 = 1) nonstiff - ode(y = yini, func = koleb, + times = seq(0, 0.75, by = 0.01), + parms = 1) head(nonstiff, n = 3) plot(nonstiff, type = "l", which = "y1", + lwd = 2, ylab = "y", + main = "Затухающие колебания").

Octave-синтаксис решения (2) имеет вид: function koleb=f(x,t) koleb(1)=x(2);

koleb(2)=(-10)*x(2)-10000*x(1);

endfunction;

x=lsode("f",[1;

1],(t=linspace(0,0.75,500)'));

plot(t,x(:,1)) title('Затухающие колебания') xlabel('t') ylabel('x(t)').

решения имеет вид:

SciLab-синтаксис (2) function koleb=f(t,x) koleb(1)=x(2) koleb(2)=-10*x(2) 10000*x(1) endfunction t=0:0.01:0.75;

y=ode([1;

1],0,t,f);

plot2d(t,y(1,:)). Из сравнительного анализа синтаксической сложности языков R, Scilab и Octave следует, что синтаксис численного решения (2) проще в средах Scilab и Octave, но применение системы R обеспечивает наилучшее качество выводимых на печать графических результатов. При этом определенные неудобства применения среды R к решению (2) связаны с отсутствием библиотеки GPL deSolve в базовом дистрибутиве R и, как результат, необходимость её загрузки с http://desolve.r-forge.r-project.org .

Также отметим, что интересный подход к численному решению задачи (1) реализуется в открытой системе GNU Scilab-Xcos (рис. 1).

При этом (1) представляется в виде аналоговой схемы, состоящей из интеграторов и сумматоров, причем количество интеграторов определяется порядком уравнения, а начальные условия задаются как начальные значения сумматоров.

Для проверки полученного «аналогового» решения в нижней части рис. 1 собираем схему, которая моделирует аналитическое решение и на вход которой необходимо подать поток переменной время. Т.к.

Xcos не позволяет подать поток времени от таймера, то будем использовать источник сигналов Ramp, который генерирует линейно возрастающий сигнал, принимаемый в качестве времени. Разница сигналов для численного и аналитического решений не превышает 6·10-5, что подтверждает целесообразность применения Scilab-Xcos.

Рис. 1. Аналоговая модель задачи Коши (1) в среде GNU Scilab-Xcos Для контактов:

Периг А.В., г. Краматорск, Донб. госуд. машиностр. акад., alexander.perig@dgma.donetsk.ua.

Матвеев И.А., г. Краматорск, Донб. госуд. машиностр. акад., matveev.ivan.dgma@gmail.com.

Кисель А.В., г. Краматорск, Донбасская госуд. машиностроит. академия, arcsin@online.ua.

Полупанов Д.В., Усманов А.С.

г. Уфа, Башкирский государственный университет Нейросетевое моделирование рейтинговой оценки телепередач канала БСТ Основу финансирования бесплатного телевидения составляет доход от рекламы [1]. Телеканалы, не берущие абонентскую плату, заинтересованы в расширении своей аудитории. Чем больше зрителей, тем выше рейтинги, тем выше плата за рекламу на телеканале, и, соответственно, объём выручки вещателя. Телеканалы, заинтересованы в увеличении рейтинга передач в том числе и для привлечения большего числа рекламодателей,.

При создании новой телепередачи и её размещении в сетке вещания часто не ясно, будет ли она пользоваться успехом.

Повышение рейтинга отдельной передачи и всего канала в целом существенно зависит от качества передач и от того, насколько оптимально составлена сетка вещания. При этом открытым остаётся вопрос, от каких факторов зависит рейтинг телепередачи и часто телеканалы варьируют эти факторы, пытаясь подобрать наилучшую комбинацию. Такой подход, конечно же, эвристический и субъективный. Возникает необходимость в разработке модели, позволяющей оценить рейтинг телепередачи до её создания, в зависимости от определяющих её факторов и помочь телеканалу составить оптимальную сетку вещания.

В качестве выходной величины использовались данные о рейтинге телепередач канала БСТ с 9 января по 5 февраля 2012 года, полученные компанией TNS Gallup Media [2]. В качестве входных величин использовались следующие признаки: время выхода телепередачи;

количество выходов;

дни недели, в которые передача выходила;

язык вещания;

тематика программы. Также использовались бинарные переменные: телеканал повторяет выпуски передачи;

передача является повтором;

время передачи зафиксировано;

передача выходит регулярно;

передача выходит также на другом языке. Все качественные признаки были приведены к численному типу.



Pages:     | 1 || 3 |
 










 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.