Аналіз тактичних властивостей сучасного геоінформаційного моніторингу
Геоінформаційний моніторинг міського середовища - необхідна складова сучасного воєнно-географічного опису театру військових дій. Поліморфізм - технологія, що дозволяє підвищити ефективність процесів спостереження, оцінювання над міським середовищем.
| Рубрика | Программирование, компьютеры и кибернетика |
| Вид | статья |
| Язык | украинский |
| Дата добавления | 25.08.2022 |
| Размер файла | 1,5 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru
Размещено на http://www.allbest.ru
Аналіз тактичних властивостей сучасного геоінформаційного моніторингу
О. Міхно, Н. Левінськова
О. Міхно, канд. техн. наук, доц. Київський національний університет імені Тараса Шевченка, Київ, Україна. Патракеєв, канд. техн. наук, доц. Київський національний університет будівництва і архітектури, Київ, Україна Н. Левінськова, доц. Київський національний університет імені Тараса Шевченка, Київ, Україна
Розглянуто геоінформаційний моніторинг міського середовища як необхідну складову сучасного воєнно-географічного опису театру військових дій. Прийнято, що властивість поліморфізму сучасного геоінформаційного моніторингу можна вважати тактичною, оскільки вона дозволяє суттєво розширити діапазон дешифрувальних ознак території, що підлягає вивченню. Розкрито сутність властивості поліморфізму геоінформаційного моніторингу, а саме: один і той самий об'єкт моніторингу або одне і те саме явище чи процес можуть бути подані за допомогою різнорідних моделей. Така властивість геоінформаційного моніторингу дозволяє зберегти цілісність подання об'єктів моніторингу за рахунок інваріантності опису об'єктів і звести дослідження завдань одного типу моніторингу до завдань іншого. Узгодженість різнорідних моделей об'єктів моніторингу здійснюється за умови їхньої належності до заданої категорії моделей. Використано метод категорно-функторного аналізу конструктивного підходу до інтеграції різних видів моделей об'єктів моніторингу в системі геоінформаційного моніторингу. Проведено за допомогою математичного апарата теорії категорій формалізацію структур складних систем у вигляді множин морфізмів та об'єктів категорії структурованих множин, що дозволяє зберегти цілісність подання об'єкта моніторингу, а узгодженість його різнорідних моделей здійснити на основі аналізу належності до заданої категорії моделей. Наведено математичний апарат реалізації цього методу, що становить теоретичні основи властивості поліморфізму геоінформаційного моніторингу. Властивість поліморфізму дозволяє підвищити ефективність процесів спостереження, оцінювання, контролю та управління міським середовищем на основі різнорідного полімодельного комплексу, який формує інформаційний простір об'єкта моніторингу. Розглянуто конкретні моделі практичної реалізації властивості поліморфізму геоінформаційного моніторингу на прикладі аномальних зон щільності розташування автотранспортних засобів і теплового поля поверхні міста.
Ключові слова: геоінформаційний моніторинг, поліморфізм, міське середовище, категорно-функторний аналіз, просторове моделювання.
Mikhno, PhD in Technical Sci., Ass. Prof. Taras Shevchenko National University of Kyiv, Kyiv, Ukraine. Patrakeyev, PhD in Technical Sci., Ass. Prof. Kyiv National University of Construction and Architecture, Kyiv, Ukraine N. Levinskova, Ass. Prof. Taras Shevchenko National University of Kyiv, Kyiv, Ukraine. ANALYSIS OF TACTICAL PROPERTIES OF MODERN GEOINFORMATIONAL MONITORING
Geoinformational monitoring of urban environment is a necessary component of modern military-geographical description of military operation theater. The polymorphism property of modern geoinformational monitoring can be attributed to tactical properties, since it significantly expands range of decryption features of territory to be studied. The essence of polymorphism property of geoinformational monitoring is as follows: the same object of monitoring or the same phenomenon or process can be represented by different models. This property of geoinformational monitoring allows to preserve the integrity of representation of monitoring objects due to the invariance of description of objects and to bring the study of tasks of one type of monitoring to tasks of another type. Consistency of disparate models of monitoring objects is carried out provided that they belong to a given category of models. A constructive approach to the integration of different types of models of monitoring objects in the system of geoinformational monitoring is using methods of categorical-functional analysis. The mathematical apparatus of category theory allows the formalization of structures of complex systems in the form of sets of morphisms and objects of category of structured sets. This allows us to preserve integrity of representation of monitored object, and the consistency of its disparate models based on the analysis of their belonging to a given category of models. The paper presents the mathematical apparatus of implementation of this method, which is the theoretical basis of properties of polymorphism of geoinformational monitoring. The property of polymorphism allows us to increase the efficiency of processes of observation, evaluation, control and management of urban environment on basis of a heterogeneous polymodel complex, which forms information space of object of monitoring. Specific models of practical implementation of the polymorphism properties of geoinformational monitoring on the example of anomalous zones of density of vehicles and thermal field of the city surface are considered.
Keywords: geoinformational monitoring, polymorphism, urban environment, categorical-functor analysis, spatial modeling.
Постановка проблеми
геоінформаційний моніторинг міський військовий
Геоінформатика дає новий поштовх до розвитку теорії моніторингу. Такий розвиток полягає в тому, що геоінформатика заснована на застосуванні інтегрованих інформаційних систем обробки даних. Необхідність принципово нового підходу до процесу геоінформаційного моніторингу, розвитку і поглиблення методологічних основ геоінформаційного моніторингу як узагальненого моніторингу процесів і явищ на земній поверхні диктується потребами інтеграції сучасних технологій спостереження, розширення спектра розв'язуваних завдань, забезпечення інтероперабельності моніторингу, забезпечення міждисциплінарного перенесення знань, що є властивістю сучасних методів пізнання. Розглянуто підхід до інтеграції різних видів моделей об'єкта геоінформаційного моніторингу на основі застосування методів категорно-функторного аналізу. Цей підхід дозволяє зберегти цілісність подання об'єкта моніторингу за рахунок інваріантності полімодельного способу його опису і звести завдання дослідження одного виду моделей до завдань дослідження іншого виду.
Аналіз останніх досліджень і публікацій
Аналіз чисельних досліджень, присвячених геоінформаційному моніторингу (ГМ) як складній системі, показує, що його доцільно використовувати для: моніторингу систем, факторного моніторингу і моніторингу разових ситуацій [1], а також моніторингу процесів і явищ [2]. Кожен вид моніторингу вимагає побудови відповідних моделей, які визначають динаміку зміни стану об'єкта спостереження, оцінювання його стану та прогнозування стану. Питанням поліморфного моделювання складних об'єктів будь-якої природи (природних, штучних, реально існуючих і віртуальних тощо), яке дозволяє взаємно компенсувати існуючі недоліки моделей і водночас посилити позитивні якості інших моделей, присвячені роботи [3, 4]. Ідейний аспект поліморфізму заклав ще визначний фізик Н. Бор при формулюванні принципу додатковості [5, 6], згідно з яким для повного опису квантово-механічних явищ необхідно застосовувати взаємовиключні ("додаткові") набори моделей, сукупність яких дає вичерпну інформацію про досліджувані процеси та явища [5, 7, 8].
Мета статті. Присвячено аналізу властивості поліморфізму геоінформаційного моніторингу. Поліморфізм дозволяє підвищити ефективність процесу моніторингу та оцінювання складних систем на основі багатомодельного комплексу різнорідних моделей.
Викладення основного матеріалу дослідження. Геоінформаційний моніторинг (ГМ) має важливу властивість поліморфізму, коли один і той самий об'єкт моніторингу (ОМ), або одне і те саме явище, процес можуть бути подані різнорідними моделями. Термін поліморфізм (з грец. багатоформність) має декілька значень. Поліморфізм в інформатиці - це здатність однаковим чином обробляти дані різних типів. Така властивість ГМ дозволяє зберегти цілісність подання ОМ за рахунок інваріантності опису об'єкта та звести дослідження завдань одного виду моніторингу до завдань іншого. Узгодженість різнорідних моделей ОМ здійснюється за умови належності до заданої категорії моделей. Конструктивним підходом до інтеграції різних видів моделей ОМ у системі ГМ є використання методів категорно-функторного аналізу.
Математичний апарат теорії категорій дозволяє провести формалізацію структур складних систем у вигляді множин морфізмів та об'єктів категорії структурованих множин. Особливості теорії категорій дозволяють стверджувати, що вона може забезпечити адекватний базис щодо розвитку основ теорії системи ГМ взагалі. Категорія - це математична структура, окремим випадком якої є частково впорядковані множини. У багатьох випадках категорію зручно подавати як "узагальнену частково впорядковану множину".
Категорією K у теорії категорій визначається клас об'єктів ОЬК, елементи якого називаються об'єктами категорії К, і класу MorK, елементи якого називаються мор- фізмами категорії К. Категорію К задано за таких умов:
- задано клас об'єктів A, B, C, ..кожен з яких є множиною;
- для кожної пари об'єктів A, B категорії К задана множина морфізмів Mor(A, B) об'єкта A в об'єкт B;
- для кожної трійки об'єктів A, B, C категорії К визначено закон композиції (відображення):
Mor (A, B) Mor (B, C) > Mor (A, C).
Композиція морфізмів f є Mor(A, B) та g є Mor(B, C) визначається як f о g і має такі властивості:
f о (g о h) = (f о g) о h для будь-яких f є Mor(A, B), g є Mor(B, C), h є Mor(A, C) (виконується закон асоціативності, рис. 1, а);
для кожного об'єкта категорії К (A = ОЬК) існує такий елемент 1А є Mor(A, A), що
для будь-яких f є Mor(A, B), g є Mor(B, C) (кожному об'єкту категорії К зіставляється тотожне відношення, рис. 1, б).
Рис. 1. Приклади асоціативної (а) і комутативної (б) діаграм морфізмів
Як об'єкт категорії К визначимо множину різнорідних моделей К = {K}= ObK, де, =1, - кількість видів різнорідних обчислювальних моделей [9]. Наприклад, за ознакою подання можна навести обчислювальні моделі: лінійного чи нелінійного програмування, мережеві, динамічні, гібридні, агрегатні, мережі Петрі, клітинні автомати, нейронні мережі, логіко-вірогідні, логіко-лінгві- стичні, логіко-алгебраїчні [4, 10] та інші, які використовуються при проведенні різних видів моніторингу об'єктів, процесів та явищ навколишнього середовища.
Між кожною парою об'єктів Ob(K) та Ob(K) визначено множину морфізмів
для будь-якої трійки об'єктів Ob(K), Ob(Kj) та Ob(Kl) визначено композицію морфі змів
Для кожного з об'єктів Ob( K) визначено одиничний морфізм
На рис. 2 показано приклад заданої категорії K різнорідних моделей об'єкта моніторингу у вигляді комутативної діаграми.
Рис. 2. Графічна інтерпретація категорії К моделей об'єкта моніторингу у вигляді комутативної діаграми
Застосувавши завдання таксономії до категорії К, можна сформувати Cat - категорію малих категорій (КМК) на основі простору ознак [11]:
Об'єктами Cat є категорії класів різнорідних моделей , де т - кількість сформованих на основі простору ознак Рп класів різнорідних моделей.
Прикладом класів різнорідних моделей можуть бути: клас моделей відношень, клас моделей процесів, клас моделей об'єктів, клас семантичних моделей, клас моделей даних, клас статичних моделей, клас динамічних моделей тощо. Обчислювальні моделі, які належать до категорії окремого класу різнорідних моделей K1,K є ОЬМКЛ, ізоморфні (подібні) у заданому просторі ознак. На рис. 3 наведено структуру, сформовану на основі простору ознак КМК Cat у вигляді діаграми.
Рис. 3. Структура сформованої на основі простору ознак категорії малих категорій Cat у вигляді діаграми
Класи різнорідних моделей у просторі ознак Рп гомо- морфні (можливість подавати одну модель іншою моделлю) і формують об'єкти КМК , v = , де т = card(MKЛ). Властивість полімофності ГМ (ГМПЛМ) визначається як сукупність різних категорій , які можуть застосовуватись для модельного подання об'єктів моніторингу:
Встановлення зв'язку між різними категоріями здійснюється за допомогою функторів. Введення функторів як системи відносин між різними категоріями (класами моделей геоінформаційного моніторингу) гарантує несу- перечність категорій (моделей) та узгодженість результатів моніторингу, отриманих на їхній основі. Таким чином, функтори дозволяють зіставляти моделі з різних класів категорій та встановлювати між ними взаємозв'язки для досягнення наступних цілей [4]:
- виявлення властивостей різних класів моделей за допомогою функторних перетворень;
- приведення моделей дослідження об'єктів ГМ одного класу до моделей іншого класу;
- проведення спільного вивчення результатів дослідження об'єктів ГМ різними категоріями класів моделей та формування їх нових категорій.
Між об'єктами ObCat існують правильні відображення однієї категорії до іншої (функтори) [12]. Розглянемо дві категорії класів моделей та . Кожній моделі М1 з категорії класу моделей поставлено у відповідність модель F(K`) із категорії класу моделей , а кожному морфізму поставлено у відповідність морфізм за умови виконання рівнянь:
тоді згідно з визначеннями роботи можна сказати, що задано коваріантний функтор із категорії класів моделей МКЛ до категорії класів МКЛ у вигляді системи ї
Поняття контрваріантного функтора можна отримати за умови зміни рівняння
Формування правил відображення моделей об'єкта ГМ одного класу в моделі іншого класу вимагає побудови коваріантного або контрваріантного функтора F(K`,Kj'). Вид функтора залежить від відношень між різними видами моделей (K`,KJ'). При проведенні багатомодельних досліджень об'єкта ГМ використовується операція природного перетворення функторів.
Рис. 4. Приклад операції природного перетворення коваріантних функторів F і G
На рис. 4 функтор F зіставляє обчислювальним моделям K1, K7' та морфізму / категорії МКЛ моделі та морфізму категорії МКЛ"1: образи F(K`), F(Kj) і морфізм F(f). Аналогічно, функтор G зіставляє моделям K1, K7' і морфізму / категорії МКЛ інші моделі та морфізм категорії МКЛ: образи G(K`), G(Kj), морфізм G(f). Також як моделі F(K`), F(K') зв'язуються безпосередньо за допомогою морфізму F(f), моделі G(K`) та G(KJ') зв'язуються за допомогою морфізму G(f). У свою чергу, образи F(Ml) та G(KI+1), G(KJ') та G(Kj) зв'язуються за допомогою морфізмів h та h' за умови виконання комутативності діаграми складеної з відображень h, h', F(/), С(/), тобто при виконанні рівності
Проілюструємо можливості категорно-функторного підходу на спрощеному прикладі поліморфного опису завдання моніторингу стану міського середовища. Традиційно вирішення завдання ґрунтується на формуванні і побудові інформаційно-аналітичних моделей оцінювання стану компонентів міського середовища і джерел впливу та подальшому просторовому моделюванні, наприклад, впливу антропогенних факторів на зміну екологічних умов на урбанізованій території. При полімодель- ному описі завдань моніторингу стану міського середовища функтор забезпечує перехід із категорії (МКЛ), яка задає інформаційно-аналітичні (статичні) моделі, у категорію імітаційних (динамічних) моделей (МЛ-1), які моделюють динаміку екологічних змін на урбанізованій території. Таким чином, сконструйований коваріантний функтом
встановлює відповідність як між вершинами графа xt є ОЬМЛ та імітаційними моделями , так і між ребрами (xt, хі+1) є Могмл(Хь,Хі+1) та відображеннями імітаційних моделей
На рис. 5 наведено графічну ілюстрацію функторного відображення малої категорії МКЛ інформаційно-аналітичних моделей до малої категорії МКЛ1 імітаційних моделей.
Рис. 5. Графічна ілюстрація функторного відображення малої категорії МЈЛ інформаційно-аналітичних моделей до малої категорії МЛ1 імітаційних моделей
Процедура формування функтора 3F: (МКл) МКЛ дозволяє будувати й обробляти гіпотези щодо знань однієї категорії класу моделей, застосовуючи їх до знань іншої категорії класу моделей, що значно розширює практичні можливості отримання знань про об'єкт ГМ.
Таким чином, властивість поліморфізму характеризує ГМ як багатомодельний комплекс різнорідних моделей, що дозволяє застосувати відповідну стратегію оперування моделями [13]: якщо модель є об'єктом дедуктивного виведення, то вона забезпечує формування більш детального результату; якщо модель є об'єктом індуктивного виведення, то вона забезпечує формування більш агрегованого результату. Приклад узгодженості різнорідних моделей об'єкта ГМ проілюстровано на рис. 6. Розглянемо практичну реалізацію властивості поліморфізму геоінформаційного моніторингу на деяких конкретних прикладах.
Рис. 6. Приклад узгодженості різнорідних моделей об'єкта геоінформаційного моніторингу
Гзоінформацйний моніторинг та оцінка щільності автотранспортних засобів міського середовища на основі аерокосмічного моніторингу території. Традиційні методи моделювання транспортних потоків спираються на локальні точкові обстеження в окремих розподілених місцях вулично-дорожньої мережі (ВДМ). Практичний досвід показує, що застосування ГМ, заснованого, наприклад, на аерознімках, свідчить про його високу ефективність. Для м. Харкова з метою отримання вихідної інформації використаний ортофотоплан за матеріалами аерофотозйомки, що дозволило згенерувати векторний лінійний шар автотранспорту всього міста в програмному середовищі ArcGIS (рис. 7, а) [14]. Gr/d-модель дозволила виділити в м. Харкові основні аномалії щільності розташування транспортних засобів (рис. 7, б) і провести аналіз та класифікацію ВДМ за обсягом потоку транспортних засобів (рис. 8).
Рис. 7. Векторна модель розподілу автотранспортних засобів (а), grid-модель щільності автотранспортних засобів (б)
Рис. 8. Растрова модель аномальних зон щільності автотранспортних засобів (а), класифікація ВДМ за обсягом потоку транспортних засобів (авт./100 м) (б)
Геоінформаційний моніторинг формування та розвитку "ітеплового острова" міст України на основі даних дистанційного зондування Землі [15, 16]. Для урбанізованих територій характерне формування так званих "островів тепла", пов'язаних з перепадом при поверхневих температур між центром міста та його периферією. Опрацювання та аналіз космічних даних дозволяє отримати растрові моделі з подальшою побудовою картографічних моделей теплового поля поверхні території міста, яка виявляється проблемною з екологічної точки зору (рис. 9).
Рис. 9. Приклад картографічної моделі теплового поля поверхні в південній частині м. Києва (Landsat 5 TM від 29.05.2011) (а); растрова модель теплового поля і підстильної поверхні в південній частині м. Києва (праворуч - теплове поле, яке показано за допомогою градієнта "від чорного до жовтого" (б)
Висновки
Як показано, геоінформаційний моніторинг має багато аспектів використання та дозволяє вирішувати широке коло окремих прикладних завдань. Як метод пізнання він дозволяє проводити комплексні дослідження на основі застосування багатомодельного комплексу різнорідних моделей, який, у свою чергу, дозволяє здійснювати міждисциплінарне перенесення знань. Властивість поліморфізму геоінформаційного моніторингу дозволяє будувати та обробляти гіпотези щодо знань однієї категорії моделей об'єкта моніторингу, застосовуючи їх до знань іншої категорії моделей, що значно розширює практичні можливості в здобуванні знань про стан міського середовища як специфічної просторово розподіленої системи.
Список використаної літератури
1. Бондур В.Г., Кондратьев К.Я., Крапивин В.Ф., Савиных В.П. Проблемы мониторинга и предсказания природных катастроф // Проблемы окружающей среды и природных ресурсов, 2004. №9. С. 2-15.
2. Цветков В.Я., Павлов А.И., Потапов А.С. Геомониторинг деформаций. М. : МИИГАиК "Госинформобр", 2006. 88 с.
3. Аврамчук Е.Ф., А.А. Вавилов, С.В. Емельянов и др.Технология системного моделирования ; под общ. ред. С.В. Емельянова. М. : Машиностроение; Берлин : Техника, 1988. 520 с.
4. Охтилев М.Ю., Соколов Б.В., Юсупов Р.М. Интеллектуальные технологии мониторинга и управления структурной динамикой сложных технических объектов. М. : Наука, 2006. 410 с.
5. Перегудов Ф.И., Тарасенко Ф.П. Введение в системный анализ. М. : Высшая шк., 1989. 367 с.
6. Прангишвили И.В. Системный подход и общесистемные закономерности. М. : Синтег, 2000. 528 с.
7. Ростовцев Ю.Г. Основы построения автоматизированных систем сбора и обработки информации. СПб. : ВИКИ, 1992. 717 с.
8. Шрейдер Ю.А., Шаров А.А. Системы и модели. М. : Радио и связь, 1982. 152 с.
9. Розенберг И.Н. Геоинформационная модель // Междунар. журн. прикладных и фундаментальных исследований, 2016. № 5. Ч. 4. С. 675-676.
10. Волкова В.Н. и др. Моделирование систем : учеб. пособ ; под ред. В.Н. Волковой, В.Н. Козлова. СПб. : изд-во Политехн. ун-та, 2012. 440 с.
11. Загоруйко Н.Г. Прикладные методы анализа данных и знаний. М. : ИМ СО РАН, 1999. 270 с.
12. Малейн С. Категории для работающего математика ; пер. с англ. / под ред. В.А. Артамонова. М. : ФИЗМАТЛИТ, 2004. 352 с.
13. Батищев В.И., Губанов Н.Г. Методология оперативной реструктуризации информационных систем анализа состояния сложных технических объектов : тр. X Межд. конф. // Проблемы управления и моделирования в сложных системах. Самара: СНЦ РАН, 2008. С. 176-180.
14. Шипулин В.Д., Серединин Е.С., Патракеев И.М. Анализ распределения транспортных средств в Харькове // ArcReview: современные геоинформационные технологии, 2007. № 2(41). С. 9-10.
15. Patrakeyev I., Ziborov V. & Lazorenko-Hevel N. Determination of Anthropogenic Changes in Urbanized Territories by Facilities of GIS // GeoScience Engineering, 2017. 63(1), P. 8-14. Retrieved from http://gse.vsb.cz/ojs/index.php/GSE/article/view/140.
16. Крылова В.Б. Мониторинг формирования и развития "теплового острова" города Киева // Укр. журн. дистанційного зондування Землі, 2014. № 2. С. 35-37.
References
1. Bondur, V.G., Kondratyev, K.Ya., Krapivin, V.F. & Savinykh, V.P. (2004) Problems of Monitoring and Prediction of Natural Disasters. Problems of the Environment and Natural Resources, 9, 2-15.
2. Tsvetkov V.Ya., Pavlov A.I. & Potapov A.S. (2006) Geomonitoring of Deformations. Moscow: MSUGK, "GosinformobH, 88 p.
3. Avramchuk, E.F., Vavilov, A.A., Emelyanov, S.V. et al. (1988) Technology of System Modeling. Moscow: Mechanical engineering; Berlin: Technique, 520 p.
4. Okhtilev, M.Yu., Sokolov, B.V. & Yusupov, R.M. (2006) Intelligent Technologies for Monitoring and Controlling the Structural Dynamics of Complex Technical Objects. Moscow: Science, 410 p.
5. Peregudov, F.I. & Tarasenko, F.P. (1989) Introduction to System Analysis. Moscow: Higher school, 367 p.
6. Prangishvili, I.V. (2000) System Approach and System-wide Patterns. Moscow: Sinteg, 528 p.
7. Rostovtsev, Yu.G. (1992) Fundamentals of Building of Automated Systems for Information Collecting and Processing. St. Petersburg: VIKI, 717 p.
8. Schreider, Yu.A. & Balls, A.A. (1982) Systems and Models. Moscow: Radio and Communication, 152 p.
9. Rosenberg, I.N. (2016) Geoinformational Model. International Journal of Applied and Fundamental Research. 5(4). 675-676.
10. Volkova, V.N. et al. (2012) System Modeling: Textbook manual. St. Petersburg: Publishing house of Polytechnic.University, 440 p.
11. Zagoruiko, N.G. (1999) Applied Methods of Data and Knowledge Analysis. Moscow: IM SB RAS, 270 p.
12. Malein, S. (2004) Categories for Working Mathematician. Moscow: FIZMATLIT.352 p.
13. Batishchev V.I. & Gubanov N.G. (2008) Methodology of Operational Restructuring of Information Systems for Analyzing the Condition of Complex Technical Objects. Problems of Control and Modeling in Complex Systems: Proceedings of the X Int. conf. Samara: SSC RAS, 176-180.
14. Shipulin, V.D., Seredinin, E.S. & Patrakeev I.M. (2007) Analysis of Distribution of Vehicles in Kharkov. ArcReview: Modern Geoinformational Technologies, 2(41), 9-10.
15. Patrakeyev, I. Ziborov V. & Lazorenko-Hevel N. (2017) Determination of Anthropogenic Changes in Urbanized Territories by Facilities of GIS. GeoScience Engineering, 63(1), 8-14. Retrieved from http://gse.vsb.cz/ojs/index.php/GSE/article/view/140
16. Krylova V.B. (2014) Monitoring of Formation and Development of "Heat Island" of Kiev City. Ukrainian Journal of Earth Remote Sensing, 2, 35-37.
Размещено на Allbest.ru
...Подобные документы
Комплексна обробка просторово-розподілених ресурсів мережі Інтернет. Системи інформаційного моніторингу в мережі. Обґрунтування технологій, розробка системи інтеграції Інтернет-контенту для конкурентного середовища ринку праці. Оцінювання систем аналізу.
дипломная работа [763,8 K], добавлен 14.07.2013Аналіз існуючих баз топографічних даних та геоінформаційних ресурсів території. Виконання геоінформаційного аналізу та моделювання ситуацій за допомогою атрибутивних даних. Стан стандартизації створення баз топографічних даних. Збирання статистики.
курсовая работа [4,1 M], добавлен 06.12.2014Специфіка діяльності систем віддаленого моніторингу та управління комп'ютером. Технології розробки систем моніторингу і управління та різноманітність мов програмування. Аналіз предметної області, структури додатку. Робота с XML, JSON та WebSocket.
дипломная работа [2,9 M], добавлен 08.06.2015Основні ознаки, що дозволяють здійснювати ідентифікацію складних об’єктів моніторингу на основі нечітких алгоритмів кластерного аналізу. Вибір доцільного алгоритму кластеризації складних об’єктів моніторингу та синтез математичної моделі кластеризації.
курсовая работа [1,2 M], добавлен 12.01.2016Технологія OpenMP як найпопулярніший засіб програмування комп'ютерів із загальною пам'яттю. Типи конструкцій OpenMP: функції виконуючого середовища OpenMP, директиви pragma. Аналіз параметрів операційного середовища OpenMP, особливості типів блокувань.
реферат [397,2 K], добавлен 09.06.2012Аналіз підходів використання геоінформаційних систем, спеціально орієнтованих на землевпорядкування сільськогосподарських підприємств та фермерських господарств. Використання супутникових даних в сільському господарстві. Супутниковий моніторинг посівів.
курсовая работа [2,2 M], добавлен 06.05.2015Практична розробка інформаційної мережі з використанням термінального доступу до сервера з подальшим моніторингом його завантаження. Використання програмних додатків для моніторингу. Концептуально-теоретичні основи побудови систем відеоконференцзв'язку.
дипломная работа [2,3 M], добавлен 31.12.2013Національні інформаційні ресурси України, моніторинг згадувань об’єктів, подій у мережі Інтернет. Експертне оцінювання характеристик інформаційно-пошукових систем мережі Інтернет. Організаційне середовище та структура інформаційних потоків організації.
курс лекций [936,5 K], добавлен 12.11.2010Розробка методів та моделей формування єдиного інформаційного простору (ЄІП) для підтримки процесів розроблення виробів авіаційної техніки. Удосконалення методу оцінювання якості засобів інформаційної підтримки. Аналіз складу програмного забезпечення ЄІП.
автореферат [506,3 K], добавлен 24.02.2015Оптимізація схеми мікропрограмного автомата Мура за рахунок нестандартного подання кодів станів. Аналіз методів синтезу автомата та аналіз сучасного елементного базису. Використанні особливостей автомата для зменшення площини матричної схеми автомата.
презентация [357,0 K], добавлен 16.10.2013Розробка програми, яка розраховує потужність рідинного вісьсиметричного розбризкувача і демонструє основні аспекти об’єктно-орієнтованого програмування, а саме розробку класів, зв’язків між ними та такі явища як інкапсуляція, поліморфізм та спадкування.
курсовая работа [155,4 K], добавлен 18.12.2011Особливості технології Flash, основні переваги: невеликий розмір файлів, наявність вмонтованої мови опису сценаріїв. Розгляд вимог до діагностичних тестів: валідність, надійність, простота. Аналіз принципів побудови автоматизованих систем контролю знань.
дипломная работа [5,0 M], добавлен 22.10.2012Аналіз сучасного стану технологій програмування. Порівняння відстані між центрами кіл з радіусами. Класи, які використовуються при розробці програми меню. Розробка та виконання тестового прикладу. Виведення кіл на екран та інструкція користувача.
курсовая работа [229,0 K], добавлен 14.03.2013Методи рішень диференційних рівнянь за допомогою мов програмування і їх графічні можливості. Аналіз динамічних та частотних властивостей електронної системи за допомогою чисельної моделі. Представлення цифрової моделі та блок-схеми алгоритму обчислень.
практическая работа [430,6 K], добавлен 27.05.2015Аналіз сучасного стану технологій програмування. Засоби реалізації об'єктів в мові C++, структура даних і функцій. Розробка програмного продукту - гри "трикутники", з використовуванням моделей, класів і функцій об’єктно-орієнтованого програмування.
курсовая работа [117,8 K], добавлен 14.03.2013Сутність поняття "електронний документ". Його загальні та специфічні властивості, основні стадії життя. Аналіз функції сучасного цивільного права в регулюванні електронного документообігу в Україні. Особливості правового регулювання цифрового підпису.
курсовая работа [40,0 K], добавлен 06.05.2015Розробка програмної утиліти для моніторингу та контролю енергоспоживання портативних комп’ютерів. Аналіз особливостей та дослідження найбільших витрат енергоспоживання в ноутбуках. Виявлення помилок зміни яскравості екрану. Опис інтерфейсу, тестування.
курсовая работа [3,9 M], добавлен 19.11.2014Аналіз сучасного програмного забезпечення комп'ютерних інформаційних мережевих систем. Загальна економіко-правова характеристика Бершадського відділення Вінницької філії ЗАТ КБ "ПриватБанк", захист інформації та дотримання безпеки в комп’ютерній мережі.
курсовая работа [64,6 K], добавлен 14.05.2011Зміст та завдання інформаційного обслуговування користувачів на сучасному етапі функціонування інформаційних установ. Характеристика основних видів інформаційного обслуговування користувачів, формування та методи вивчення їх інформаційних потреб.
дипломная работа [121,2 K], добавлен 20.12.2010Соціальні медіа, їх функціональні особливості та напрямки вивчення. Вибір мови програмування та загальна структура програми, вимоги до неї, аналіз і зберігання отриманих даних. Розробка моделі поведінки у соціальних медіа, оцінка кількості користувачів.
дипломная работа [2,0 M], добавлен 18.04.2015
