Из материалов десятой всероссийской научно-практической конференции по графическим информационнымтехнологиям и системам "Кограф-2000" (Нижний Новгород, 28 сентября 2000 г.).

А.А. Захаров, Государственный университет, г. Тюмень

В настоящее время системы управления базами данных это не только сложные, насыщенными технологическими решениями инженерные продукты, но и инструменты моделирования в прикладных областях. Поскольку и вычислительный эксперимент и компьютерные системы поддержки планирования эксперимента также являются традиционными инструментами моделирования, то здесь представляется актуальным использование реляционных технологий.

В качестве методологической основы интеграции вычислительного эксперимента (как с математическими так и концептуальными моделями) и реляционных технологий можно выбрать подход реализуемый в геоинформационных (ГИС) системах, связанных с управлением данными об объектах, характеристики которых включают их геометрическую форму и местоположение в пространстве.

ГИС технологии применяют в тех задачах, в которых природные структуры взаимодействуют с естественными. Для представления информации в таких системах традиционно используются географические карты. Поскольку формы границ картографических объектов достаточно сложны и не поддаются простой геометрической классификации, то в соответствующих компьютерных системах используется топологическое структурирование. Эта идея положена в основу подхода ГИС ARC/INFO и реализована в целом ряде прикладных систем. Карта делится на слои типологически одинаковых объектов - точек, линий, полигонов. Для каждого слоя создается своя таблица атрибутивных данных. Таблица, на пользовательском (логическом) уровне, содержит два специфических столбца, которые удобно представить в виде ссылок. Первый такой столбец ссылается на соответствующей данной строке элемент слоя, а второй на программный код отвечающий за поведение (например, визуализацию) соответствующего элемента слоя. Такое представление помимо визуализации карты обеспечивает возможность использования аппарата реляционных SQL баз по атрибутивным данным и кроме того интерактивно запрашивать информацию по картографическим свойствам (в окрестности, граничит, перекрывается и т.д).

Эта методология, на которой основаны, например такие ГИС пакеты как MapInfo может быть успешно использована и при разработке программных средств информатизации научных исследований и образования. Приведем основные доводы в пользу такого подхода, суть которого в усложнение прикладной программной среды за счет синтеза программ и структурированных данных.

1. Повышение ценности программного обеспечения

Ниже ценность - это не только определяемая спросом стоимость, но и функциональность, обеспечиваемая совокупностью Модели + Алгоритмы + Код+ Usability (потребительские качества, наглядность представления результатов) Предлагаемая методология позволяет включить в ценность еще одно слагаемое - исходные данные и результаты расчетов. В этом случае ценность (ПО + данные) возрастает со временем именно за счет собранных данных. Такого рода программы не очень приспособлены для создания коробочного продукта (сложная инсталляция, во время которой может потребоваться не только выбор варианта, но и создание кода). Здесь больше подходит технология с единым центром, где находится программа и откуда происходит управление данными. Расширение круга пользователей происходит в основном за счет возможности использовать не только свои, но и накопленные данные, количество которых позволяет решать качественно новые задачи.

2. Организация виртуальных лабораторий

Средства оперативного доступа к информации по компьютерным сетям обеспечили новые возможности использования ПО - создание виртуальных лабораторий. Под этим термином в контексте вычислительного эксперимента или задач планирования эксперимента понимается программное обеспечение, которое с одной стороны позволяет на ваших данных произвести для вас те или иные расчеты, а с другой поставляет справочную информацию о уже проведенных вычислительных экспериментах и исходных данных, полученных другими исследователями. Такой сервис помогает более осмысленно выбрать ту или иную модель. Эти дистанционные технологии увеличивают взаимную доступность удалённых друг от друга специалистов, а также информационных массивов, что особенно актуально при внедрении новых информационных технологий в образовательный процесс. Развитые способы удаленного доступа к базам данных, после оформления программного кода используемого при численном моделировании или планировании эксперимента в объектные атрибуты для соответствующих таблиц, позволяют легко создавать тематические виртуальные лаборатории.

Предложенная выше методологии используется автором в задачах планировании физико-химических экспериментов связанных с построением двумерных фазовых диаграмм и для численного исследования сложных колебательных режимов некоторых моделей популяционной экологии.

Важнейшей задачей физико-химического анализа является установление и, по возможности, предсказание зависимости (диаграммы) состав-свойство. Каждая такая диаграмма является обоснованием для решения ряда практических задач и имеет большое теоретическое значение. Отметим, что диаграмма является результатом синтеза большего количества экспериментальных данных, на получение которых может уйти более года. Поэтому актуальной является задача создания компьютерной модели диаграмм состояния. Основой для такой модели может служить тот факт, что диаграммы состояния различного вида генеалогически связаны между собой. Поскольку на концептуальном уровне модель диаграммы состояния достаточно подробно проработана, то сбор экспериментальных данных в единую базу, наряду с включением туда программного кода для интерполяции и 3D визуализации позволяет прогнозировать элементы новых диаграммы на основании трансформации свойств ранее созданных диаграмм (см. рис 1).























Регулярные циклические колебания численности некоторых популяций являются своего рода "природным экспериментом",который может внести некоторую ясность относительно факторов, воздействующих на плотность популяции. Для объяснения причин, вызывающих колебания, предложено несколько гипотез: стресс, колебания за счет взаимодействия "хищник-жертва", динамическое взаимодействие с пищевыми ресурсами, генетический контроль и т.д. Т.е. экспериментально полученные данные объясняются на концептуальном уровне, с помощью различных моделей. Некоторые из гипотез, например, использующие фактор запаздывания хорошо поддаются строгому математическому описанию. При этом если запаздывание является причиной колебаний, то вид режима может существенно завесить от таких факторов как неоднородность среды обитания, миграции, внешнего воздействия и т.п. В математических моделях, описывающих динамику численности с учетом запаздывания и мозаичности среды обитания применение традиционных в теории колебаний аналитических методов зачастую не дает должного эффекта. Остается только численный анализ. Очевидно, что ценность такого анализа возрастает, если и исходные данные, и результаты расчетов и модели объединены в единой базе. На рис.2. представлен результат выборки из базы данных по моделям динамике численности с учетом запаздывания. На верхнем рисунке представлены изолинии, на нижнем общий вид колебательного режима
E-mail azaharov@tsu.tmn.ru