Модели и метод распознавания геоинформационных ситуаций в системах мониторинга территорий

Вторичная обработка информации является основой многих современных автоматизированных систем управления различными техническими системами, в том числе систем мониторинга территорий, решающих задачи распознавания объектов и ситуаций обстановки для различных приложений, например, охранного мониторинга крупных промышленных предприятий или природоохранного мониторинга (охрана лесов от пожаров).

Современные автоматизированные системы мониторинга территорий представляют собой сложные технические комплексы, имеющие структурную (общая зона ответственности для нескольких технических комплексов средств наблюдения за обстановкой) и информационную (получение информации об объекте по совокупности независимых каналов различной физической природы) избыточность. Характерной особенностью такого вектора первичной информации является его непостоянство как по компонентному составу (количеству каналов поступления информации), так и качеству исходной для принятия решений информации (неполнота, нечеткость, а иногда и ее противоречивость) в процессе решения отдельных либо групповых практических задач.

Эффективность таких систем во многом определяется не только уровнем автоматизации управления избыточностью, но и, самое главное, качеством обработки информации, определяющим решение задачи оперативного обнаружения и классификации подвижных и неподвижных объектов по неполной, нечеткой и противоречивой информации, получаемой одновременно или в различное время от сосредоточенных или пространственно разнесенных источников различной физической природы (радиолокационные, оптические, тепловизионные, акустические, сейсмические и др.) в перекрываемых зонах их ответственности.

Вторичная обработка информации различного качества от разнородных источников для решения задач автоматического обнаружения и классификации одиночных и групповых географических объектов в интегрированных системах мониторинга территорий является актуальной научно-технической проблемой. Основная сложность се решения обусловлена отсутствием приемлемых для практического использования научно обоснованных подходов и методов комплексирования информации от разнородных источников с целью компенсации недостатка информации, получаемой от каждого источника в отдельности, при решении задач классификации подвижных или временно неподвижных объектов.

Общеизвестны и хорошо проработаны два подхода к построению «интеллектуальных» систем: искусственные нейронные сети (ИНС) и логико-лингвистические (продукционные) системы (ЛЛС). Преимущество использования ИНС заключается в большей (чем в случае использования ЛЛС) универсальности, т. е. в возможности достаточно простого расширения перечня источников информации, классифицируемых объектов и ситуаций. При этом появляется возможность классификации по многомерным данным различной физической природы, что практически трудно осуществимо (из-за сложности описания) с помощью ЛЛС. Важным достоинством систем классификации, построенных на основе ИНС, является неизменность архитектуры сети при расширении перечня объектов классификации с относительно простыми алгоритмами обучения сети, которое может быть выполнено конечным пользователем. Применение же ЛЛС при расширении перечня объектов классификации требует модификации базы знаний системы с привлечением ее разработчика.

Интеллектуальные системы классификации объектов и ситуаций обстановки на основе ИНС могут использоваться в широком диапазоне нечеткости, неполноты и противоречивости исходных данных. Они обеспечивают высокие значения вероятностей обнаружения-классификации одиночных и групповых географических объектов и ситуаций обстановки. Возможна их реализация как систем реального (близкого к реальному) времени.

Однако максимальная эффективность такого класса систем, в сильной степени зависит от многих факторов — архитектуры ИНС, алгоритмов обучения, способов комилексирования информации от разнородных источников, физики процессов ее нечеткости, неполноты, противоречивости, информационных признаков одиночных и групповых объектов и ситуаций обстановки и др.

Научная актуальность диссертационной работы обусловлена необходимостью развития теоретических основ решения прикладной проблемы: распознавания территориальных одиночных, групповых объектов и ситуаций обстановки по информации от разнородных источников, учитывающих все перечисленные выше влияющие факторы, для информационного обеспечения автоматизированных систем классификации и представления на электронных картах локальных ситуаций географической обстановки.

Объектом диссертационного исследования являются системы охранного и природного мониторинга. Предметом исследования — модели и методы распознавания геоинформационных ситуаций в системах охранного и природного мониторинга.

Целью исследования является улучшение научно-методического аппарата обработки вторичной (картографической) информации об объектах мониторинга для повышения эффективности распознавания геоинформационных ситуаций.

Научная задача: разработка метода вторичного распознавания геоинформационных ситуаций (линейных и площадных объектов электронной карты) но нечеткой и неполной исходной информации.

Для достижения поставленной цели в работе решались следующие задачи:

1. Системный анализ проблемы распознавания геоинформационных ситуаций в системах охранного и природного мониторинга по нечеткой и неполной информации.

2. Разработка моделей геоинформационных ситуаций, ориентированных на автоматические методы их распознавания.

3. Разработка метода распознавания геоинформационных ситуаций, но нечеткой и неполной исходной информации ио их вторичным информационным признакам.

4. Разработка системы имитационного моделирования нечеткого распознавателя геоинформационных ситуаций.

Методы исследования:

Методы системного анализа, основные положения теорий распознавания образов, искусственных нейронных сетей, систем ситуационного управления, систем искусственного интеллекта, принятия решений в нечетких задачах выбора, нечеткая логика, имитационное моделирование.

Научные результаты, выносимые на защиту:

1. Обобщенная модель геоинформационных ситуаций на основе их вторичных информационных признаков.

2. Метод вторичного распознавания геоинформационных ситуаций по нечеткой и неполной исходной информации на основе нечеткой искусственной нейронной сети.

3. Система имитационного моделирования нечеткого распознавателя геоинформационных объектов и ситуаций.

Научная новизна диссертации заключается в том, что в ней разработана обобщенная модель геоинформационных ситуаций на основе их вторичных информационных признаков с учетом контекста внешних условий и на ее основе предложен и исследован метод их вторичного распознавания по нечеткой и неполной исходной информации.

1. Обобщенная модель геоинформационных ситуаций на основе их вторичных информационных признаков отличается способом образования пространства этих признаков, сформированного в виде комбинации векторов, описывающих структурные свойства, их нечетких параметров и правил многоуровневого обобщения, что позволяет описывать геоинформационные ситуации произвольной сложности с учетом контекста внешних условий.

2. Метод вторичного распознавания геоинформационных ситуаций по нечеткой и неполной исходной информации на основе нечеткой искусственной нейронной сети отличается адаптацией функций принадлежности нечетких информационных признаков и их числа в соответствии с изменениями контекста внешних условий, что позволяет повысить качество распознавания.

3. Система имитационного моделирования нечеткого распознавателя геоинформационных объектов и ситуаций отличается аналитико-имитационным способом воспроизведения влияния контекста внешних условий на качество исходной для принятия решения информации и возможностью управления инвариантностью свойств распознающей схемы, что позволяет исследовать эффективность различных адаптивных алгоритмов распознавания территориальных объектов и способов их комплексирования в условиях, близких к реальным.

Достоверность сформулированных научных положений и выводов подтверждена результатами компьютерного моделирования и положительным опытом использования основных положений диссертации в НИОКР промышленности.

Практическая значимость. Разработанные в диссертации основные научные положения, рекомендации и алгоритмы являются научной базой для конструкторского проектирования систем мониторинга территорий, реализующих технологию нейросетевого распознавания геоинформационных ситуаций по их вторичным информационным признакам.

Апробация. Результаты диссертации докладывались на международных, республиканских, региональных, отраслевых и вузовских конференциях 20 002 005 г. г., в том числе: на международных конференциях «Континуальные алгебраические логики, исчисления и нейроматематика в науке, технике и экономике» (Ульяновск, 2002), «Региональная информатика» (Санкт.

Петербург, 2004, 2000), «Информационные технологии в науке, образовании, телекоммуникациях и бизнесе» (Гурзуф, 2002) — международном симпозиуме «Интеллектуальные системы» (Москва, 2002) — Всероссийских научно-технических конференциях «Нейроинформатика» (Москва, 2004, 2003), «Управление и информационные технологии» (Санкт-Петербург, 2005, 2003) — Всеукраинской конференции «Нейросетевые технологии и их применение» (Краматорск, 2002) — межрегиональной научной конференции студентов и аспирантов «Молодые исследователи — региону» (Вологда, 2002) — межвузовской научно-технической конференции «Военная радиоэлектроника: опыт использования и проблемы подготовки специалистов» (Петродворец, 2003).

Результаты диссертации внедрены в НИОКР следующих организаций и предприятий: Федеральное государственное унитарное предприятие научно-исследовательский институт «Вектор» (ФГУП НИИ «Вектор»), Федеральное государственное унитарное предприятие «Государственный научно-исследовательский институт прикладных проблем» (ФГУП ГосНИИ ПП), ОАО «Научно-исследовательский институт вычислительных средств „Спектр“ холдинговой компании „Ленинец“», Государственный научно-исследовательский институт моделирования и интеллектуализации сложных систем (ГосНИИ ИМИСС), а также в учебный процесс Санкт-Петербургского электротехнического университета «ЛЭТИ» им. В. И. Ульянова (Ленина).

Публикации. По теме диссертации опубликовано 15 научных работ, из них — 8 научных статей и тезисы к 7-ми докладам на международных научно-технических конференциях.

Структура и объем работы. Диссертация состоит из введения, 3 глав с выводами, заключения, списка использованной литературы, включающего 111 наименований, и приложения. Основная часть диссертации изложена на 121 странице машинописного текста. Работа содержит 29 рисунков и 3 таблицы.

Основные результаты работы состоят в следующем.

Теоретико-методологические результаты:

Разработаны метод вторичного распознавания геоинформационных ситуаций на основе ИНС и метод построения функций принадлежности нечетких информационных признаков на основе байесовского правила и управления инвариантными свойствами эталонов территориальных объектов в зависимости от контекста внешних условий.

Инструментальные результаты:

Разработаны новые средства (модели, алгоритмы) для распознавания однослойных и многослойных моделей оперативной обстановки (территориальных объектов) по неполной и нечеткой исходной информации.

Экспериментальные и прикладные результаты:

На практическом материале проверена конструктивность идей и инженерная пригодность технологии нейросетевой классификации территориальных объектов и алгоритмов их отождествления.

Осуществлено внедрение основных положений теории, практики и выводов диссертационной работы в НИОКР промышленности, научные организации МО РФ и в учебный процесс двух вузов.

ЗАКЛЮЧЕНИЕ

.