Розділ 3

Науково-технічні міжнародні інформаційні системи

3.1. Інформаційні системи в наукових дослідженнях

Можна виділити наступні напрями використання інформаційних систем в наукових дослідженнях:

імітаційне моделювання в природно-наукових і соціально-економічних областях;

автоматизоване проектування;

логічне проектування;

штучний інтелект в САПР;

інформаційні механізми катастроф в суспільних системах;

оптимізаційні завдання в техніці;

високопродуктивні обчислювальні системи.

Імітаційне моделювання, як новий науковий напрям в прикладній математиці та кібернетиці, почало інтенсивно розвиватися в кінці 60-х років, коли стали широко впроваджуватися і використовуватися складні технічні системи в самих різноманітних галузях людської діяльності (космос, транспорт, біологія, медицина, економіка, нові технології на виробництві та інше).

Такі системи базуються на засобах обчислювальної техніки та включають в свій склад складні вимірювальні та керуючі комплекси, технологічне обладнання, людей-операторів. Їх дослідження традиційними математичними засобами стало неможливим або ж вони описуються такою великою кількістю математичних співвідношень, що знайти рішення виникаючих задач в прийнятний час практично неможливо, навіть за допомогою могутніх ЕОМ. Закони функціонування подібних систем не завжди відомі. Поведінка систем багато в чому визначається людським чинником, що створює додаткову невизначеність при спробі їх обліку. Створювані системи багато в чому унікальні, що не дозволяє в повній мірі використати дані та інформацію, отримані з інших аналогічних систем. Експерименти з самою системою або неможливі, або мають надто обмежене значення. Крім того, системи великого масштабу - багатофункціональні, тобто якість їх роботи оцінюється за багатьма чинниками.

Проблеми підвищення ефективності різних ланок в техніці та економіці вимагають розвитку нових методів дослідження, що враховують вказані особливості. Імітаційне моделювання, по суті, і стало єдиним методом вирішення задач подібного типу.

Існує багато визначень методу “Імітаційне моделювання”, як інструментарію дослідження складних систем, але ми зупинимося на визначенні, приведеному в монографії відомого американського фахівця Р. Шеннона “Імітаційне моделювання систем - мистецтво і наука": “імітаційне моделювання є експериментальною і прикладною методологією, що має на меті:

описати поведінку системи;

побудувати теорії і гіпотези, які можуть пояснити поведінку, що спостерігається;

використати ці теорії для прогнозу майбутньої поведінки і оцінки (в рамках обмежень, що накладаються деяким критерієм або сукупністю критеріїв) різних стратегій, що забезпечує функціонування даної системи".

З точки зору комп’ютерної реалізації імітаційне моделювання - це комплексний метод дослідження складних систем на ЕОМ, що включає побудову концептуальних, математичних і програмних моделей, виконання широкого спектра цілеспрямованих імітаційних експериментів, обробку та інтерпретацію результатів цих експериментів.

У нашій країні (в Україні та колишньому СРСР) становлення моделювання, як наукової і прикладної дисципліни, пов’язано з ім’ям члена-кореспондента АН СРСР Бусленко Н.П.

Методологічною основою для розвитку імітаційного моделювання стали роботи Н.П. Бусленко, Глушкова В.М., Н.Н. Моісєєва, Т.І. Марчука, Коваленко И.Н. Слід зауважити, що в колишньому СРСР склалися чотири школи в області імітаційного моделювання. Московська - на чолі з Н.П. Бусленко. Ленінградська - на чолі з Вавіловим А.А., Новосибірська - на чолі з Марчуком Т.І., Київська на чолі з Глушковим В.М.

Вказані школи не мали офіційного статусу, але їх керівники мали високий науковий авторитет і публікації основоположних робіт з питань комп’ютерного імітаційного моделювання, а їх учні очолили наукові колективи, які виконали і продовжують виконувати великий об’єм досліджень у наступних традиційних напрямах в області імітаційного моделювання:

розвиток методології, методів і технологій моделювання;

розробка засобів і систем моделювання на базі універсальних алгоритмічних мов моделювання;

розробка пакетів моделювання широкого призначення;

розробка проблемно-орієнтованих пакетів моделювання.

Представники Київської школи імітаційного моделювання очолюваної академіком Глушковим В.М. вели розробки та дослідження у всіх вказаних напрямах в області імітаційного моделювання. Інститут Кібернетики є піонером в області розробки методів і засобів імітаційного моделювання на основі мов моделювання високого рівня для вітчизняних ЕОМ всіх поколінь.

Природно, що творці засобів і систем імітаційного моделювання в Україні використали по можливості зарубіжний досвід розробки таких систем.

Історія становлення і розвитку імітаційного моделювання в Україні і в СРСР пов’язана з відповідними етапами в світовій практиці в даній області.

Визначальними чинниками в історії імітаційного моделювання були генерації мов моделювання. Однак, протягом більше ніж 30-літньої історії змінювалися концепції, парадигми програмування та платформи, що вплинуло на специфіку відповідних етапів.

Відомі фахівці в області імітаційного моделювання Р. Ненсі та Ф.Кивіат в своїх роботах визначали декілька етапів в практиці розвитку імітаційного моделювання.

Етап 1 (1955-1960). Програми для задач моделювання розроблялися на основі таких загальновідомих універсальних мов як FORTRAN і ALGOL.

Етап 2 (1961-1965). З’явилися перші мови моделювання: GPSS, SIMSCRIPT, SIMULA, CSL, SOL. Була розроблена так звана концепція погляду на світ (world view).

Етап 3 (1965-1970). З’явилося друге покоління мов моделювання GPSS V, SIMSCRIPT II.5, SIMULA 67.

Етап 4 (1971-1978). Розвиток вже розроблених мов і засобів моделювання, орієнтований, передусім, на підвищення ефективності процесів моделювання та перетворення моделювання в більш простий і швидкий метод дослідження складних систем.

Роботи Зейглера (Zeigler) і Ерена (Oren) зіграли важливу роль в розв’язанні проблеми таксономії імітаційних моделей (вони ввели мету концепції моделі і схеми експерименту).

Етап 5 (1979-1984). Роки переходу від програмування до розвитку моделей. Основний акцент був перенесений на ідентифікацію інтегрованих засобів імітаційного моделювання.

Процес моделювання включає такі етапи, як створення моделі, програмування, проведення імітаційних експериментів, обробку та інтерпретацію результатів моделювання. Однак, традиційно перевага віддавалася етапу програмування. Виникаюча при цьому схема моделювання багато в чому повторює схему проведення натурних випробувань і зводиться лише до імітації траєкторій вивчених моделей. З появою імітаційних моделей змінилася концепція моделювання, яка тепер розглядається як єдиний процес побудови і дослідження моделей, що має програмну підтримку. Тепер на перше місце ставиться формальне поняття моделі, яке не тільки пояснює динаміку системи, але і служить предметом математичних досліджень. Стає можливим достовірний аналіз багатьох практично важливих властивостей моделі (стаціонарних розподілів, малих імовірностей, чутливості, надійності та достовірності результатів моделювання). Ці властивості особливо істотні при дослідженні високо відповідальних і повно масштабних систем, де ціна помилки особливо висока.

Етап 6 (1985-1994). Перенесення програмного забезпечення для імітаційного моделювання на персональну ЕОМ з використанням засобів графічного інтерфейсу (для візуалізації і анімації процесів моделювання).

Етап 7 (1995-1998). Розробка засобів технологічної підтримки процесів розподіленого імітаційного моделювання на мультипроцесорних ЕОМ і мережах.

На момент початку розробки (1966 р.) першої на Україні мови моделювання систем з дискретними подіями були відомі зарубіжні аналоги таких мов як СИМСКРИПТ, SOL і SIMULA.

Але за умовами того часу не було можливості придбати відповідне програмне забезпечення за кордоном. Була можливість ознайомитися з відповідними розробками тільки на рівні публікацій.

Тому в Інституті кібернетики академії наук України було прийняте рішення про розробку власної мови і системи моделювання.

Системи імітаційного моделювання, розроблені в інституті відповідно до вище перелічених етапів. Всі представлені системи є оригінальними розробками, виконаними на рівні зарубіжних досягнень. У процесі створення цих систем були розроблені вхідні мови, методології і технології моделювання, забезпечена їх програмна реалізація. Важливо відмітити, що всі без виключення роботи проводилися в зв’язку з виконанням відповідальної прикладної тематики і отримали широке впровадження та застосування.

Протягом 1966-1968 рр. в Інституті кібернетики під керівництвом Мар`яновича Т.П. виконувалися роботи по створенню мови та системи моделювання систем з дискретними подіями СЛЕНГ (автор мови СЛЕНГ Калініченко Л.А.), що і поклало початок розвитку методів імітаційного моделювання на Україні. Як прототип була вибрана мова SOL.

Розробка такої мови зажадала, насамперед, розв’язання проблеми формалізації систем, що досліджуються.

Традиційно методи імітаційного моделювання реалізують процес формалізації систем, що досліджуються на основі таких понять як "концептуальна модель" і "узагальнена схема функціонування".

Високорозвинені мови імітаційного моделювання опираються на відповідні концептуальні бази (набори понять), в термінах яких і формулюються (представляються) концептуальні моделі досліджуваних систем та процесів.

Склад концептуальної бази формується в залежності від проблемної орієнтації мови моделювання (для систем з дискретними подіями, безперервних систем і гібридних систем). Так, концептуальна база систем моделювання дискретних процесів включає такі поняття, як об’єкт (процес), клас об’єкта, атрибут об’єкта, схема поведінки об’єкта, пріоритет об’єкта, подія, час, список подій.

Зазначимо, що в умовах широкого використання парадигми об’єктно-орієнтованого програмування, вказана множина понять є загальноприйнятою в багатьох мовах і системах програмування. Однак на початку 70-х років (до появи мови СИМУЛА-67) використовувалися різні поняття для опису і представлення процесів функціонування складних систем: повідомлення, процес, активність і інше. Розробники мови СИМУЛА-67 поклали початок об’єктно-орієнтованому представленню систем, що досліджуються.

Створена в Інституті кібернетики система СЛЕНГ була впроваджена на всіх моделях однієї з найбільш поширеної в той час в СРСР і в Україні ЕОМ М-20, М-220, БЭСМ-3М, БЭСМ-4М більш ніж в 20 різних організаціях (Москва, Ленінград, Мінськ, Ульяновськ, Київ, Одеса, Горький, Свердловськ, Рязань, Казань, Фрунзе). Засоби СЛЕНГУ-системи застосовувалися при розробці компонент обчислювальних машин і систем, рішенні задач планування, для оцінки показників надійності складних систем та інше.

У 1973 році в Інституті кібернетики була завершена робота по створенню та реалізації на ЕОМ БЭСМ-6 системи АЛСИМ-БЭСМ Літвінова В.В.

Система призначалася для дослідження обчислювальних систем і мереж.

У системі були виділені три мовних рівні: мова опису моделей, мова управління моделюванням, мова управління завданнями.

Система знайшла застосування при рішенні задач радіолокації, протиповітряної оборони, рішенні задач аналізу і розподілу ресурсів.

Протягом 1973-1975 рр. в Інституті кібернетики були виконані роботи по створенню мови моделювання НЕДИС і відповідної імітаційної системи, призначеної для моделювання широкого класу реальних систем дискретної, безперервної та перервно-недискретної природи (Керівники розробки Мар’янович Т.П. і Гусєв В.В; Гусєв В.В. - автор мови НЕДИС). Розробка системи НЕДИС базувалася на використанні досвіду розробки і впровадження системи СЛЕНГ.

Мова НЕДИС ввібрала в себе окремі деталі з відомих в той час по публікаціях мов СИМУЛА-67 і АЛГОЛ-68. По своїх можливостях система НЕДИС близька до систем на базі таких мов, як SIMULA-67 і GASP-IV.

Система НЕДИС не мала аналогів в практиці вітчизняного програмування.

Розробники системи НЕДИС, крім робіт по впровадженню і супроводу системи, виконали великий об’єм робіт з адаптації системи НЕДИС в різних прикладних областях. Вбудований в мову НЕДИС механізм бібліотечних вступів і висновків дозволяв створювати багаторівневі бібліотеки додатків.

У 1979-1980 рр. були виконані роботи по створенню моделюючого комплексу АЛСИМ-2, під керівництвом Літвінова В.В., реалізованого на ЄС ЕОМ. Математичне забезпечення комплексу АЛСИМ-2 підтримувало рішення задач проектування обчислювальних систем і мереж.

Моделюючий комплекс АЛСИМ-2 включав два типи підсистем і засобів. До першого типу відносяться засоби планування та управління проектуванням і генерації документальної частини проекту. Друга група підсистем забезпечувала рішення задач проектування. До складу комплексу АЛСИМ-2 була включена система управління інформацією, що базується на мові визначення даних (для опису схем структур даних, що зберігаються в базі даних) і мові маніпулювання даними (для обміну з базами даних, корекції баз даних, аналізу, синтезу і перетворення даних).

Система АЛСИМ-2 широко використовувалася при дослідженні процесів функціонування військово-морських баз Тихоокеанського побережжя.

Система алгоритмічного моделювання ТАИС розроблена на початку 80-х років (Керівник розробки - Летічевський А.А.). Система базувалася на спеціально розробленій мові АЛГОРИТМ-80, призначеній для відробки проектних рішень на рівні міжрегістрових і міжмодульних передач, для проектування (уявлення) та дослідження (моделювання) апаратури обчислювальних систем в основному на етапі алгоритмічного і структурно-алгоритмічного опрацювання. За допомогою системи ТАИС був промодельований макроконвеєрний обчислювальний комплекс, розроблений в Інституті кібернетики.

Протягом 1991-1993 рр. в Інституті кібернетики виконувалися роботи по створенню технологічної системи програмування НЕДИС-90 і реалізації її на ПЭВМ IBM PC AT/386. Автор мови НЕДИС-90 - Гусєв В.В.

Система призначена для оперативної розробки проблемно-орієнтованих мов самого широкого кола застосувань, наприклад: дискретні, безперервні і гібридні моделі інформаційних, економічних, біологічних і інших систем; планування і обробка результатів експериментів; специфікація пристроїв в системах проектування, логічне моделювання, синтез описів нижнього рівня (схем). Користувачі системи отримують можливість будувати власні функціональні еквіваленти таких мов, як SIMULA, GASP-IV, VHDL і їх розумно спеціалізовані діалекти без побудови нових компіляторів. Проблемно-орієнтовані мови, що створюються, можуть бути як імперативними, так і декларативними. Розроблена технологія створення нових мов моделювання для різних додатків базується на використанні механізму контекстних модулів.

Система побудована на основі компілятора з базової мови об’єктно-орієнтованого програмування НЕДИС-90, що регламентує виключно методи побудови нових визначень на основі використовуємої системи позначень. Система реалізована в 1994 р. як компілятор на мові С для комп’ютерів, сумісних з IВМ РС.

Таким чином, Україна завдяки піонерським роботам Інституту кібернетики має більш ніж 25-річний досвід розробки і впровадження в різних прикладних областях засобів та систем імітаційного моделювання. Обширна географія впроваджень свідчить про значний вплив вказаних розробок на розв’язання таких загальнодержавних і національних проблем як: прийняття відповідальних проектних рішень в різних прикладних областях; підготовка та навчання наукових і науково-технічних фахівців найбільш сучасним інструментаріям досліджень на базі ЕОМ; накопичення і використання досвіду досліджень в різних прикладних областях в стандартній для всіх користувачів та дослідників формі.

Українські розробники багато уваги приділяли питанням популяризації методів і засобів імітаційного моделювання(читали лекції в різних вузах країни, виступали з доповідями на Всесоюзних, Республіканських і Міжнародних семінарах та конференціях, виконували великий об’єм робіт по авторському супроводу, надавали систематичну методичну допомогу з питань розробки імітаційних моделей в різних додатках).

На основі спільної роботи з користувачами відпрацьовувалися методики побудови імітаційних моделей і проведення модельних експериментів. При цьому особлива увага приділялася питанням розуміння суті методу імітаційного моделювання і формування відповідного програмістського світогляду.

Хотілося також відмітити ще один важливий методолого-філософський аспект імітаційного моделювання на основі високорозвинених мов. Високорозвинені мови моделювання перевершили своїм значенням їх первинне призначення та стали важливим чинником в пізнанні світу і отриманні інформації про нього. З їх появою стала реальною можливість вивчати системи, що досліджуються у всій їх складності, не втискуючи їх в моделі, зручні для застосування тих або інших відомих математичних методів аналізу. Процес розробки імітаційних моделей дозволяє осмислити дійсність (виявити взаємозалежність, необхідні заходи, тимчасові співвідношення, необхідні ресурси), крім того, з’являється можливість упорядити наші нечіткі або суперечливі поняття і невідповідності. Така модель змушує розробника організувати його задуми, оцінити і перевірити їх обгрунтованість.

Зараз в Інституті кібернетики розпочатий цикл робіт по створенню засобів і систем розподіленого імітаційного моделювання на платформі сучасних ПЄОМ і операційних систем.

3.2. Екологічні інформаційні системи

Зростання антропогенного навантаження на навколишнє середовище в другій половині ХX століття призвело до загострення багатьох екологічних проблем. Можливі перспективи його вирішення пов’язані з реалізацію концепції "сталого розвитку " - стабільного співіснування людства і природи. Важливі елементи наданої концепції - збереження і відтворення ресурсної бази сільського господарства, оптимiзація застосування засобів хiмiзації хліборобства, поліпшення структури землекористування на основі об’єктивної характеристики агроекологічної ситуації вимагає :

опрацювання алгоритмів оцінки стійкості екосистем,

вивчення закономірностей їх динаміки,

вдосконалення методики оцінки впливу на навколишнє середовище (ОВНС), включаючи еколого-економічний прогноз.

Провідна роль в перелічених дослідженнях належить численним засобам. Треба підкреслити роль системного аналізу як основного інструменту дослідження геоекологічних систем різноманітного рівня, коли проведення широкомасштабних натурних досліджень і експериментів неможливо або ускладнено. Випущена в 1997 року Міжнародним інститутом прикладного системного аналізу (Luxembourg, Austria ) бібліографія налічує понад 50 000 публікацій за останні 25 років, що свідчить про постійно зростаючий інтерес до цих питань.

Математичне моделювання - один із основних інструментів системного аналізу, що дозволить в ряді випадків уникнути трудомістких і дорогих натурних експериментів. На основі результатів прогнозування динаміки геосистем вирішуються питання раціонального застосування добрив і засобів захисту рослин, проведення комплексної меліорації і окультурювання полів, оптимiзації структури землекористування та інше. Ведуться дослідження у галузі організації "ландшафтного хліборобства" – оптимiзації сільськогосподарського використання земель залежно від місцевих умов ( рельєфу, клімату, грунтових умов, розміщення інших господарських об’єктів ).

Діапазон і масштаб моделюємих процесів вкрай великий - від глобальної екології до прогнозування динаміки окремих компонентів агроценозів, тому при класифікації екологічних моделей використовуються різноманітні підходи. Більшість авторів виділяють статичні та динамічні моделі. Статичні моделі формалізують зв’язок між показниками без врахування змінної часу. Динамічні моделі використовуються для оцінки явищ в розвитку. Функціональні моделі відрізняються від емпіричних тим, що враховують механізм процесу. Це дозволяє використати їх для прогнозу станів об’єкту, що спостерігалися раніше. Відмінності між стохастичними і детермінованими моделями випливають з їх назви. При описі невизначених процесів в природних системах (агрометеорологічні умови, мiграція речовин по профілю грунтів, трансформація пестицидів, виділення кордонів грунтових ареалів, виникнення спалахів хвороб рослин, динаміка чисельності шкідників та інших) рекомендується використати вірогіднісні підходи.

Найбільш часто застосовуються : статистичні, моделі математичної фізики (дифузні), балансові динамічні, матричні моделі, моделі теорії дослідження операцій, приватні моделі типу" ресурс-споживач " і аналогічні їм, а також ціла група дискретних математичних моделей. Статистичні моделі будуються на допущенні, що процес, що дослідується випадковий і може бути вивчений за допомогою статистичних засобів аналізу систем. Вони включають: емпіричні та динамічні статистичні моделі, кореляційний і факторний аналіз, багатомірне шкалування, аналіз часових рядів. Для зниження розмірності статистичних моделей використовується ряд засобів, наприклад, виділення головних компонент в регресивних рівняннях і гармонійних рядах.

В історії опрацювання статистичних моделей продуктивності агроценозів можна виділити декілька етапів : по узагальненим агрокліматичним показникам; емпіричним рівнянням регресивного типу; динаміко-статистичним і фiзико-статистичним моделям; комплексним імітаційним моделям .

Засоби прогнозування врожаїв, основані на обліку агрокліматичних ресурсів регіону, опрацьовуються в агрометеорологii. Для оцінки потенційної продуктивності використовуються величини балансу фотосинтетичної активної радіації (ФАР), а також комплексні показники - біокліматичний та гiдротермічний потенціали продуктивності.

Емпірично моделі продуктивності агроценозів в основному представлені так званими виробничими функціями. Вони представляють собою регресивні рівняння, що зв’язують кінцевий результат (урожай і показники його якості) з діючими величинами. До виробничих функцій пред’являється ряд вимог : модель повинна враховувати основні фактори, що визначають вплив на урожай; охоплювати широкий діапазон їх значень; апроксимуюча функція повинна максимально відповідати реальним біологічним закономірностям.

Динамічні моделі призначені для прогнозування і оперативного управління виробничим процесом з урахуванням обставин, що складалися. В основі динамічного моделювання - опис системи за допомогою звичайних диференційних рівнянь в часних похідних, параметри яких визначають по емпіричним даним.

Фiзико-статистичні моделі розглядають систему як сукупність взаємодіючих елементів із випадковими властивостями. В модель вводитися функція розподілу показників стану і глобальна характеристика взаємодії компонентів (ентропія, енергія або речовинний результат). Область застосування моделей, що обмежується описом неструктурованих гомогенних систем, коли необхідно оцінити вплив багатьох чинників на результуючу ознаку. До фiзико-статистичних відносяться і так звані марковскi моделі. Вони представляють собою розвиток системи в виді розгалуженої мережі станів. Ймовірності переходів в загальному випадку залежать не стільки від поточного стану системи, а від того, як система його досягнула.

Комплексні iмiтаційні моделі призвані підвищити адекватність агроекологічних прогнозів за рахунок повного використання емпіричних даних. Імітаційні моделі призвані формалiзувати за допомогою ЕОМ будь-які емпіричні відомості про об’єкт. Причинно-наслідкові зв’язки в імітаційних моделях просліджуються не до кінця. Це дозволяє аналізувати системи в умовах великої розмірності та неповної інформації про їх конструкцію, результативно використати знання предметної області. Структура iмiтаційних систем, як правило, включає аналітичний опис об’єкту, блоки експертних оцінок, імітації і обробки результатів обчислювального експерименту.

Показано, що при побудові моделей геоекосистем регіонального рівня найбільший ефект досягається використанням наступних класичних властивостей складних систем:

1. Складним системам притаманно змінювати свою поведінку, переходячи із одного квазiстаціонарного стану в інший.

2. Для характеристики складної системи достатньо оцінити деяку групу її властивостей (системоутворюючих чинників), що є важливими із точки зору функціонування системи більш високого рівня. Їх кількісні оцінки будуть інтегральними показниками основних, найбільш важливих властивостей системи, що характеризують її стан в цілому.

Теоретично обгрунтована і побудована загальна концепція, що дозволить математично інтерпретувати сутність інтегральних показників при імітації динаміки гео- і агроекологічних систем, запропонований алгоритм їх побудови: для клімату, агрометеорологічних умов, грунту та інших блоків. Спеціальними засобами вирішується некоректне завдання оцінки чисельних значень параметрів різноманітних блоків. Обрані та програмно реалізовані засоби керуючих параметрів в алгебро-диференційних рівняннях з “ жорсткою” структурою при їх інтегруванні. Ці розробки використані в Автоматизованій системі регіонального екологічного прогнозу (АСРЕП). Вона призначена для оцінки зміни стану рослинності (в тому числі лісів і сільськогосподарських культур), грунтів, запасів і якості грунтових вод, гідромережі, забрудненості природно-територіальних комплексів розміром від 50 до 5 000 кв. км. Розглядаються впливи різноманітних полютантів (промислових, пестицидів, радiонуклiдів та інших), вирубування лісів, зміна земельного фонду, внесення добрив, поливи, лісопосадки, випас худоби, водозабори, дренаж, різноманітні меліорації, зміни характеристик гідромережі внаслідок інженерної діяльності, міжрегіональні впливи, тенденції зміни кліматичних та погодних умов. Дає прогноз стану відновлюємих ресурсів терміном від 3 до 60 років і оцінює ретроспективу розвитку ситуації; просліджується динаміка понад трьохсот параметрів, що характеризують природне середовище.

За допомогою АСРЕП можна здійснювати інформаційну підтримку управління продуктивністю сільського господарства і проводити оцінку впливу на навколишнє середовище. Система сертифікована органами державного управління, рекомендована до використання та широкого застосування для вирішення практичних завдань, в тому числі при екологічному обгрунтуванні стратегії розвитку хліборобства в Центральних регіонах на регіональному рівні (Росія ); для комплексного прогнозу наслідків аварії на Чорнобильській АЕС для сільського, водного і лісового господарства в забруднених регіонах (Білорусія); для оцінки впливу на навколишнє середовище зрошуваного хліборобства в басейні Аралу (Туркменія ).

Розпізнання образів (РО) - напрям досліджень, зв’язаних з опрацюванням процедур визначення належності об’єкту до одного із заздалегідь виділених класів (образів). РО застосовується для дешифрування аеро- і космічних фотознімків, при дистанційній індикації грунтів. Дистанційна діагностика використовується для ідентифікації вогнищ засолення, нафтового забруднення, змісту гумусу, дослідження неоднорідності грунтів та інше. Результати діагностики використовуються при складанні екологічних карт різноманітного масштабу.

Аналіз часових рядів - ще одна область застосування статистичних засобів. Для прогнозу періодичних процесів по відомому спектру частот використовується Фур’є - аналіз. В агрометеорологii прийняті розрахунки багаторічних циклів продуктивності агроценозів по астрономічним явищам, що повторюються.

До статистичних моделей в агроекологii можна також віднести банки даних, що містять параметри статистичних розподілів показників стану грунтів (морфологічних, хімічних, фізичних та інших), а також результатів польових агрохімічних експериментів.

Балансові моделі описують динаміку систем як сукупність процесів переносу речовини і енергії. У якості математичного апарату використаються звичайні диференційні рівняння.

Концептуально-балансове (компартментне) моделювання має важливе значення в вивченні біологічного кругообігу елементів в грунтоведенні та геохімії. Моделі геохімічних циклів описують міграцію і накопичення зольних елементів в системі “грунт-рослина”, формування бiомаси і зміна запасів органічної речовини грунту.

Органічна речовина грунтів має ключове значення в забезпеченні буферностi та безпеки агроекосистем. Запропонована модель, що описує баланс вуглецю в системі “грунт-рослина” за допомогою системи звичайних диференційних рівнянь. Розглядається зміна запасу гумусу в грунті, підстілці, швидкість гуміфікацiї, мiнералiзацiї рослинних рештків і гумусу.

На основі балансових розрахунків побудована глобальна модель емісії діоксида вуглецю грунтами світу. Показано, що в найближчий час природне джерело надходження СО2 буде переважати над техногенним. Тому процес глобального потепління клімату треба передусім зв’язувати із руйнуванням органічної речовини грунтів і їх деградацією. Ведуться роботи по оцінці стійкості і безпеки агроекосистем, прогнозуванню наслідків глобальної зміни клімату та хімічного складу природного середовища. Проте, результати теоретичних розробок (за винятком, радіаційної безпеки), досі не знайшли відображення в критеріях оцінки реальної екологічної ситуації і відповідних нормативно-правових документах .

Прогнозування доступних рослинних запасів грунтової вологи має важливе значення в мелiоративних розрахунках. Однім із використаних для цього підходів є шарово-балансове моделювання; запропонована методика визначення вологозапасів на основі обліку динаміки водного балансу грунту протягом річного циклу.

Балансові моделі - основний інструмент вивчення динаміки гетерогенних систем, але вони не спроможні передати зміну їх станів і зміну кiнетичних характеристик. Для цього запропоновані моделі автоматного типу з дискретно-змінними коефіцієнтами. Іншою особливістю комплексних систем є різнотемповість процесів, що вивчаються. Описують їх системи диференційних рівнянь, які дістали назву жорстких. В останній час для вирішення " жорстких " систем запропоновані схеми із керуючими параметрами.

Матричні моделі представляють собою динаміку об’єкту у вигляді послідовної зміни станів. В загальному випадку матриця може бути змінною і її елементи будуть залежати від часу. Матричні моделі є змінними, якщо динаміка властивостей об’єкту може бути представлена у вигляді лiнійної рекурсiї. Це справедливо для квазiстаціонарних станів, коли режим функціонування системи не змінюється Розглядаються типи моделей, використані здебільшого для опису динаміки популяцій в екології популяцій і фітопатологій.

Моделі теорії дослідження операцій вирішують завдання оптимального управління в умовах, коли доступні ресурси обмежені, тобто регламентуючи значення змінних.

Оптимiзаційні моделі - основа автоматизованого проектування сільськогосподарських технологій. Відомі модельні розробки планування господарського використання земель в умовах радіоактивного забруднення, оптимізації агротехнологій по принципу “гри з природою”.

Специфічні індивідуальні моделі служать для опису вузького кола процесів, наприклад, взаємодій типу “хижак-жертва“. Спроби їх узагальнення для прогнозування динаміки великих систем зіштовхуються з істотними труднощами. Популяційне моделювання використаються в фітопатології, епiзоотологiї.

Інформаційне забезпечення агроекологічних моделей включає системи підтримки прийняття рішень (СППР), геоінформаційні системи (ГІС), системи управління базами даних (СУБД), системи, що базуються на знаннях (СОЗ), автоматизовані системи управління (АСУ), системи автоматизованого проектування (САПР), системи імітаційного моделювання. Для персональних комп’ютерів і робочих станцій запропоновані системи, що реалізують мови iмiтаційного моделювання (GPSS, Simula, Dinamo). Для збереження та подання картографічної інформації використовуються геоiнформаційні системи (ГIC).

Відомими є інтегровані банки моделей, де на єдиній методологічній основі узагальнюються різноманітні розрахункові засоби. Це істотно підвищує ефективність агроекологічного прогнозування.

Модель Polmod створена в IДС РАН. Polmod об’єднує блоки прогнозу динаміки запасів грунтового гумусу, складу пестицидів і радіонуклідів в різноманітних компонентах екосистем.

3.3. Геоінформаційні системи

Уявлення про прогрес в сфері оволодіння науковою інформацією і перспективах розвитку сучасної інформатики настільки об’ємні, що висвітлення їх в окремому розділі статті навряд чи можливе.

У той же час, якщо в рішенні ряду задач ми, образно кажучи, наближаємося до вершин “Евереста” або до “ядра” землі, інші, лежачі посередині, ще чекають свого рішення. А ці “інші” і покликані забезпечити вільний доступ наукового співтовариства і окремих осіб до світових скарбів знань. Природно, що тут багато що робиться. Досить назвати Internet. Однак, хотілося б привернути увагу не до сучасних можливостей комунікацій і накопичення інформації, а до проблем формування реального "Форуму знань", передусім для наукового співтовариства.

На порозі XXI століття ведучим чинником успішного розвитку наукової і практичної діяльності людей в планетарному масштабі стає створення загальнодоступної інформаційної інфраструктури і ефективне використання накопичених знань ( "Форуму знань"). В.І.Вернадський в своїй роботі "Наукова думка як планетне явище", узагальнюючи тенденції розвитку початку ХХ століття, відмітив: “... людина. вперше реально зрозуміла, що вона житель планети і може, повинна мислити і діяти в новому аспекті, не тільки в аспекті окремої особи, сім’ї або роду, держав або їх союзів, але і в планетному аспекті”. Розглядаючи з різних сторін процес еволюції біосфери в ноосферу, він підкреслював: “Науковий світогляд і дані науки повинні бути доступні найповнішій критиці всякого, критиці, вихідній з принципів наукового дослідження, що спирається на наукові істини”. Ці філософські думки великого вченого визначали проблему, до рішення якої в повному об’ємі людство ймовірно буде готове лише в ХХI столітті, в ході формування реального інформаційного суспільства.

Минаюче ХХ століття декларує створення глобальної інформаційної інфраструктури, глобальної інформаційної супермагістралі та глобального форуму (фонду) знань як центральні задачі з побудови інформаційного суспільства XXI віку. Рішення цієї задачі повинно перетворити світ в "глобальне село", утворення якого проф. М.Маклюен передбачав на початку 60-х років. Це означає, що можна чекати значних змін у відносинах між людьми різних країн і народів, бо - якщо розвивати далі метафору про “глобальне село” - сільське життя, на відміну від міського, засноване на усвідомленні своєї приналежності до однієї спільності людей, тобто, як би до однієї великої сім’ї і витікаючої з цього колективної відповідальності. Жителі села добре знають і розуміють один одного, колективно вирішують виникаючі у них проблеми. Тому одночасно із створенням технологічної бази для утворення “глобального села”, мають здійснюватися енергійні дії по подоланню теоретичних, мовних, освітніх і інших бар’єрів, все ще розділяючих народи країн і світу на більш або менш замкнені етнокультурні групи. Добре відомо, що бурхливо прогресуюча у другій половині ХХ століття інформаційна діяльність, як професійна робота по збору, обробці, зберіганню, перетворенню і передачі інформації, зіткнулася в кінці нашого століття з рядом серйозних труднощів. Вони пов’язані не тільки з рішенням численних професійних задач, а з наростанням загальних обсягів різнорідної інформації за принципом сніжного кому. В результаті ясно визначилися питання формування чітко класифікованих інформаційних потоків і масивів, механізму конструювання нових знань на базі відомих, організації реального інформаційного інтерфейсу для вчених з конкретних видів фундаментальних і прикладних досліджень. В останні 10-15 років для рішення вказаних та інших професійних задач по групах родинних наук (науки про життя, про землю та інше) вже формуються у вигляді самостійних перспективних напрямів: геоінформатика, екоінформатика, біоінформатика тощо.

Однак, існуючий досвід свідчить про те, що переростання інформаційної кількості в якість вимагає випереджального рішення ряду питань, включаючи:

створення інфраструктури багаторівневої інтеграції різнорідних даних;

розробку нових пошукових систем, що забезпечують подолання різних технічних, технологічних, лінгвістичних і інших бар’єрів, зведення до мінімуму інформаційного шуму, можливість прямої взаємодії різних споживачів з інформаційними масивами;

формування сучасної системи інформаційного забезпечення фахівця на робочому місці.

Виділення пріоритетних напрямів у вивченні та освоєнні надр тісно пов’язане з проблемами раціонального використання природних ресурсів і стійкого розвитку суспільства. Подібний взаємозв’язок виразно простежується через таку інтегральну сферу знань, як геоінформатика. Ця сфера діяльності в Україні з різних причин далека від рівня сучасних вимог, в той час, як саме від неї вже найближчим часом можна чекати нових імпульсів у визначенні додаткових можливостей розвитку геологічних, геофізичних, геохімічних наук .

Таке твердження пояснюється тим, що з одного боку геоінформатика забезпечує міждисциплінарний підхід до оцінки процесів і об’єктів геологічного середовища, з іншого - взаємозв’язок з процесами розвитку природи і суспільства. Перехід від індустріального до інформаційного суспільства на межі XX і XXI сторіч характеризується зростаючими вимогами до інтелектуального інформаційного інтерфейсу. У цьому аспекті стан геоінформатики в нашій країні можна визначити як прикордонний між досвідом створення різномасштабних спеціалізованих інформаційних масивів (обробка світового потоку інформації по науках про Землю, баланси запасів, кадастри корисних копалин та інше) і необхідністю формування інтегрованих інтелектуальних інформаційних продуктів і систем для дослідників (проблеми "навігації" в пошуках інформації, використання мультибаз, розвиток комп’ютерних технологій і комунікаційних мереж, експертних систем, електронних версій і моделей). У рамках державних програм системи наук про Землю під керівництвом академіків А.Л.Яншина, Н.П.Лаверова, В.А.Жарікова, В.Н.Страхова, проф. О.Л.Кузнєцова, відповідальних співробітників галузі геологія. Була пророблена величезна робота по формуванню інформаційного потенціалу країни. Головну роль в цих розробках зіграли ВНДІ геосистем, ряд геофізичних інститутів НАН України.

Для об’єктивної оцінки існуючої ситуації з розвитком вітчизняної інформатики, в т.ч. і геоінформатики, потрібно враховувати:

вже до початку 90-х років колишній СРСР відставав від розвинених країн по якісних показниках інформатизації (комп’ютери, мережі, бази даних і знань, сервіс, номенклатура інформаційних послуг) як мінімум на 10-15 років; сучасний її стан можна оцінити як кризовий;

порядок формування інформаційних потоків, що діяв раніше, матеріального і технічного забезпечення інформаційних структур в значній мірі зруйнований, а сучасна стратегія інформатизації України перебуває в стадії розробки.

Разом з тим, слід зауважити:

при істотному відставанні в технології збору, зберігання, обробки і передачі інформації в Україні створені і продовжують поповнюватися масштабні інформаційні масиви;

в науковому співтоваристві існує розуміння ролі наукової інформації, і робляться наполегливі кроки для пошуку виходу з критичної ситуації.

Створення системи інформаційного забезпечення досліджень по вивченню і освоєнню надр передбачає рішення наступної групи науково-організаційних задач:

1. Систематизація уявлень про формування необхідних інформаційних потоків, їх кількісні та якісні характеристики стосовно конкретних галузей знань. В основі цієї задачі лежить формування уявлень про якість інформаційного середовища по тематичних, політематичним, проблемно-орієнтованим базам і банкам даних.

2. Розробка організаційних основ формування і функціонування системи, яка бачиться не як адміністративно-керована піраміда, а як сукупність розподілених за тематичними і регіональними ознаками інформаційних полів, відкритих для користувачів.

3. Розробка методичних основ, включаючи сумісність мережевих інформаційних технологій, вимог до вводу і виводу, обміну даними, інформаційній безпеці, класифікації та індексуванню повідомлень і т.д. До числа пріоритетних задач цієї сфери відноситься створення єдиного регістра (навігатора) інформаційних ресурсів і керівництва по внутрішньому та міждержавному обміну інформацією.

4. Визначення правової і фінансової взаємодії користувачів інформації.

Основні тенденції розвитку геоінформатики будуть визначатися досягненнями в:

теорії організації і наповнення баз даних і знань в дисциплінарному та міждисциплінарному розрізах наук про надра і геологічне середовище на міжнародному, національному і регіональному рівнях;

розвитку ефективних методів пошуку, аналізу, узагальнення друкарської і електронної інформації з системи баз даних і знань;

теорії комп’ютерного моделювання об’єктів, процесів, прогнозів на основі баз даних і знань.

Очевидно, що практичний розвиток геоінформатики зажадає подолання істотного відставання в технічному оснащенні інформаційних центрів і користувачів, а також засобів комунікації.

Розвиток геоінформатики, як однієї з перспективних сфер наукової діяльності, передбачає створення активного інформаційного моніторингу джерел інформації, її аналіз і трансформаця в зручні для користувачів форми, перехід від довідкових інформаційних полів до систем інформаційних моделей і комплексів задач, що забезпечують просування процесу наукових досліджень і накопичення нових знань. Так, дані про ресурси надр значною мірою відносяться до фактографічної інформації проблемно-орієнтованого характеру. Для фахівця фактографічна інформація - частина загального знання і потрібна вона як засіб звуження зони невизначеності, як шлях просування від одного рівня знання до іншого. Головною задачею проблемно-орієнтованих систем інформаційного забезпечення досліджень в області оцінки ресурсів надр є побудова інформаційних моделей предметної області.

Необхідними елементами системи оцінки ресурсного потенціалу надр повинні стати:

формування і використання розподіленого автоматизованого банку даних по ресурсах надр;

формування розподіленого автоматизованого документального фонду першоджерел на паперових, магнітних та оптичних носіях і на мікрофішах;

формування фонду проектної документації, науково-методичних і організаційно-нормативних документів;

інформаційне обслуговування абонентів в режимах виборчого поширення інформації, ретроспективного пошуку, видачі копій документів;

створення інформаційних продуктів, висвітлюючих проблеми комплексної оцінки ресурсів надр;

підготовка оглядово-аналітичної інформації, в тому числі зарубіжних матеріалів по тематиці, що розглядається.

Самостійним елементом інформаційної системи, покликаної супроводжувати фундаментальні наукові дослідження, є виробнича діяльність з інформаційного обслуговування.

Призначенням системи, на відміну від суми знань про мінеральні ресурси надр, є забезпечення структур управління, проектування, зовнішніх споживачів необхідною геоінформацією.

При проектуванні інформаційних систем, супроводжуючих фундаментальні дослідження, важливим є питання створення комплексів технічних засобів, зокрема, автоматизованих робочих місць (АРМ), програмно-технічних продуктів, локальних і глобальних обчислювальних мереж, каналів зв’язку, інформаційно-вимірювальних систем і польових обчислювальних комплексів для різних методів вимірювань та рівнів зондування; організаційних структур, що забезпечують реалізацію (функціонування) геотехнологій; навчання фахівців. Надто перспективним представляється використання технології географічних інформаційних систем (ГІС), що реалізовано за кордоном в численних ГІС. Одним з підтверджень багатофункціональності, як специфічної особливості технології ГІС, слід вважати таку область додатків, як аналіз наукових ресурсів для надання допомоги в розв’язанні проблем і виявленні потреб регіонів, територій і районів, окремих міст, а часто і районів великого міста.

Могутнім чинником розширення функцій окремої ГІС є здатність моделювання просторово певних об’єктів із залученням великої кількості ознак, значних обсягів вхідної і зберігаємої інформації. Особливо ефективний процес моделювання за технологією ГІС на межах різних наукових дисциплін і наук: гірничо-геологічне, економічно-екологічне, екологічно-математичне та інші види моделювання.

По мірі розширення області застосування технології географічних інформаційних систем в світовій практиці замість спеціалізованих задач типу землекористування, складання кадастрів різноманітних об’єктів, обліку окремих видів ресурсів, аналізу мінеральної сировини системи цього класу вирішують широке коло питань з введенням і обробкою не лише відомостей про просторово-ємні ресурси (лісові, водні, мінеральні), але і даних соціально-економічного характеру про певні території і райони, дистанційного зондування, результатів цифрового представлення картографічних зображень, інформації, отриманої внаслідок екологічного моніторингу по значних площах поверхні Землі, метеорологічних даних. В останнє десятиріччя спостерігається інтеграція геоінформаційних, картографічних і аерокосмічних технологій з побудовою та використанням комплексних банків даних текстового, факто- і картографічного характеру в області наук про Землю, економіку і екологію. Розвиток досліджень в сфері геоінформатики має одночасно виразно виражений міждисциплінарний і тематичний аспект. Тематичний аспект пов’язаний з існуванням масштабних оперативних інформаційних потоків (геофізика, геохімія, екологія) і спеціалізованих способів їх обробки. У цій частині геоінформатики особливо важливою стає проблема застосування методів математичної логіки і штучного інтелекту для створення ймовірних “сценаріїв” природних ситуацій в регіональному і державному розрізах.

В збільшеному плані пріоритетні напрями досліджень з геоінформатики на найближчу перспективу зводяться до наступних:

створення сучасної системи інформаційного забезпечення наукової, аналітичної і управлінської діяльності по вивченню та освоєнню надр;

визначення умов формування, функціонування і оновлення необхідних інформаційних масивів;

розробка принципів уніфікації і стандартизації для інформаційної взаємодії користувачів з виходом на міжнародні системи і мережі.

У предметному плані ці напрями можна конкретизувати таким чином:

Створення методології інформаційного забезпечення фундаментальних і прикладних досліджень, забезпечуючих взаємодію користувачів системи на регіональному, національному і міжнародному рівні.

Розробка теорії формування національного інформаційного ресурсу України по науках про надра.

Обгрунтування типових форматів даних, протоколів зв’язку, програмних засобів, розробка рекомендацій по структуризації документальних і фактографічних баз даних.

Створення інтелектуальних інформаційних систем для великих і комплексних масивів інформації, що забезпечують її збір і обробку в заданому порядку, її передачу в різних формах та режимах користувачам.

Розробка експертних систем, що дозволяють здійснювати цілеспрямований пошук інформації, імітувати на її основі необхідний об’єкт або процес і аналізувати можливі наслідки рішень.

Складання путівників (навігаційних засобів) для полегшення пошуку інформації в різноманітних базах даних.

Створення:

електронних систем для поширення оперативної інформації (бібліографії світового потоку по науках про Землю і геологічне середовище, електронний каталог наукових досліджень, що проводяться, електронні відомості про музейні колекції);

нових інформаційних продуктів і засобів спілкування з ними (повнотекстових і фактографічних баз даних з автоматизованим витяганням необхідної інформації, електронних журналів, гіпертекстових систем, а також систем мульти- і гіпер-медіа);

інтелектуальних інформаційних систем, призначених для представлення, обробки і пошуку наукової інформації;

природно-мовних інтерфейсів для забезпечення кінцевим користувачам можливостей спілкування з інформаційними системами різного призначення;

засобів взаємодії кінцевих користувачів інформаційних систем через національні та міжнародні телекомунікаційний мережі в процесі рішення різних інформаційних задач;

інтелектуальних систем отримання нових знань шляхом обробки міждисциплінарних баз даних для рішення дослідницьких задач;

міжмовних інтерфейсів (передусім, англо-українського і українсько-англійського) для забезпечення доступу зарубіжних користувачів у вітчизняні банки і вітчизняних користувачів в зарубіжна БД; - термінологічних словників і тезаурусів (українсько- і багатомовних) з засобами взаємодії з ними користувачів.

Потрібно враховувати, що наше відставання по інформаційному забезпеченню фундаментальних і прикладних досліджень приймає загрозливий характер, і, як наслідок, подальші зусилля в науці без осмислення досвіду, що є будуть вимагати прогресивно зростаючих матеріальних і фінансових ресурсів.

Розглядаючи геоінформатику як міждисциплінарну науку в системі наук про Землю, доцільно привести деякі розробки Академії Наук Росії і Міннауки РФ, що є ведучою організацією Росії в області наукової і технічної інформації.

Завдання інтеграції різнорідних даних в рамках єдиного банку даних є однією з першочергових для Банку даних (БнД) ВІНІТІ. До кінця 1996 року БнД включав описи понад 17 млн. документів (ретроспектива з 1981 року). Бази даних ВІНІТІ, завантажені в БнД, містять описи документів, представлені структурованими текстовими даними. Набір елементів для різних видів першоджерел (журнальних статей, книг, описів патентів і т.п.) розрізнений. У середньому для опису кожного документа використовується порядку 20-25 елементів даних (загальне число елементів даних дорівнює 120), що представляють наступні групи:

реєстраційні дані,

класифікаційні ознаки,

бібліографічний опис,

пошуковий образ документа (ключові слова),

реферат.

Реєстраційні дані включають:

ідентифікатор випуску бази даних ВІНІТІ, в яку входить даний документ;

код країни - місце видання, відповідний стандарту ISO-3166-88; - рік видання першоджерела;

мова першоджерела;

вигляд першоджерела (журнальна стаття, книга, опис патенту і т.п.).

Класифікаційні ознаки представлені індексами Державного Рубрікатора НТИ Росії, Рубрикатора ВІНІТІ, Міжнародної і Національної класифікації винаходів.

Бібліографічний опис включає:

прізвища авторів (редакторів, укладачів) на мові оригіналу (для мов, що використовують особливу графіку листа, прізвища приводяться в російській транслітерації);

оригінальний заголовок джерела і його російський переклад (оригінальні заголовки джерел, що використовують особливу графіку листа, приводяться в основному в російському перекладі);

повна і / або скорочена (в залежності від вигляду документа) назва видання;

ISSN (для серійних видань, що продовжуються );

ISBN ( для книг, збірників, атласів і карт );

вихідні дані.

Ключові слова (КС) відображають основний зміст першоджерела і представлені як нормованою, так і вільною лексикою. В основному КС приводяться на російській мові, в ряді тематичних фрагментів БД - на англійському.

Реферат на російській мові, в деяких тематичних фрагментах БД - на англійській. Центральною компонентою, що забезпечує зберігання, обробку і надання комп’ютерного доступу до баз даних ВІНІТІ, є Централізована Система Баз Даних з науково-технічної інформації (ЦСБД НТІ), яка являє собою комплекс апаратних, програмно-технологічних і мережевих служб, в рамках яких вирішуються всі вказані задачі.

У основу функціонування ЦСБД НТІ були закладені наступні основні принципи:

гнучкість і масштабованість системи, тобто можливість реалізації на різних апаратних платформах по єдиній технологічній схемі; можливість розширення обсягів інформації, зміни її структури; введення елементів мультимедіа і збільшення пропускної спроможності без принципових змін в програмному забезпеченні.

глибока інтегрованість з мережевим середовищем Internet, що забезпечує доступ до інформаційних ресурсів широкого кола вчених всього світу; зокрема, вся внутрішня мережева інфраструктура ЦСБД НТИ заснована на технології "Intranet", тобто корпоративної Internet.

"Клієнт-серверна" технологія організації роботи з інформацією, що дає можливість створення і модернізації додатків без зміни ядра системи та різко знижує навантаження на центральні комп’ютерні системи.

Програмно-апаратною основою ЦСБД НТІ є гетерогенна мережева архітектура, що базується на центральній UNIX-сумісній хост-ЕОМ, групі допоміжних серверів і групі робочих станцій, що виконують функції управління єдиним технологічним комплексом системи. Ядром системи є багатофункціональна СУБД "Оracle" на центральній хост-ЕОМ, що забезпечує базові функції управління різнорідними інформаційними ресурсами ВІНІТІ. Незважаючи на відносну складність адміністрування і управління СУБД та реляційну модель, яка не в повній мірі відображає структуру інформаційних ресурсів ВІНІТІ, бо остання в більшій мірі є ієрархічною, дана СУБД дає можливість вводити як елементи даних всі класичні мультимедіа дані і, більш того, містить елементи об’єктно-орієнтованих технологій. Останнє дає можливість зберігати в базах даних не тільки класичні дані, але і OLE-об’єкти, "аплети" (JAVA-додатки) і т.д., що, судячи по всьому, дасть можливість перетворити ЦСБД НТІ з класичного банку науково-технічних даних в "сховищі даних" (Data Warehouse). Насправді, вже завантажені реферативні бази даних не є в чистому вигляді плоским (plain) текстом, оскільки вони містять такі елементи оформлення, як трохи повторних наборів символів, підрядкові та надрядкові індекси. До цього часу працює спеціальна схема перекладу цих даних в плоский вигляд, хоч останнім часом вже розроблені спеціалізовані VBX-елементи, що дозволяють візуалізувати і редагувати бази даних в "природному форматі".

Як перший етап використання банку даних ВІНІТІ як універсального "сховища даних", розроблена і реалізована оригінальна схема зберігання різнорідних даних в БнД (в цій схемі врахована відносно невелика кількість нетекстової інформації). В той же час:

створена група таблиць даної СУБД, що містить наступну інформацію: самі дані, ідентифікаційний номер документа в основній базі, ім’я основної бази, формат даних, код "аплета" і, можливо, набір ключових ознак, що описують дані;

створена група таблиць для зберігання чистих "аплетів" і OLE-об’єктів, що супроводжується ідентифікаційними кодами;

створена таблиця для зберігання складно-структурованих даних разом з відповідними "аплетами" - до цієї групи даних відносяться, наприклад, такі дані як Рубрикатор. Неважко помітити, що дана схема зберігання інформації передбачає наявність зовнішніх (по відношенню до ядра) програмно-технологічних засобів завантаження цих даних в СУБД і доступу до них в режимах off-line і on-line. Причина цього дуже проста: ядро СУБД майже "не знає" про склад і структуру даних - цим повинні займатися програми-клієнти. В нашому випадку в якості останніх виступають:

програми перетворення і завантаження різнорідних даних в СУБД;

інформаційно-пошукова система зі своїми клієнтами, що забезпечує надання різнорідної інформації користувачеві.

Всі ці програмно-технологічні компоненти природним чином інтегровані в існуючу систему, тобто робота з ними фіксується існуючим сервером статистики, зовнішні мережеві шлюзи практично не змінені.

Для завантаження різнорідних (в тому числі мультимедіа) даних розроблена спеціальна технологічна схема, при якій вся початкова інформація супроводиться спеціальним контрольним файлом, що містить формалізований опис даних (ім’я бази, до якої відносяться ці дані, код "аплета" і деякі інші дані). При цьому всі вхідні дані разом з контрольними файлами можуть бути розміщені практично на будь-якій ЕОМ локальної мережі, хоч бажано розміщувати їх на тих ЕОМ, які виступають як повноцінні сервери мережі Internet (UNIX, Windows NT, Windows 95, OS/2). У цьому випадку процес може бути повністю автоматизований. Власне завантаження складається з наступних етапів:

збирання всіх даних на одній ЕОМ;

перетворення даних мультимедіа до єдиних форматів;

ототожнення даних з документами в банку;

саме завантаження.

Останнє здійснюється системними засобами СУБД. Необхідність перетворення даних пов’язана з тим, що при передачі інформації видаленому клієнту велику роль грає не стільки її точність, скільки розмір; наприклад, графічні файли форматів GIF (JPEG) і BMP, що містять практично ідентичні дані, можуть розрізнюватися по розміру в десятки разів. Неототожнені дані завантажуються у відповідні таблиці разом з "аплетами" і паралельно створюється посилання на ці дані в системі документів WEB-серверу.

Друга група програмно-технологічних засобів пов’язана з наданням доступу (off- і on-line) до різнорідних даних. Основними в цій групі є наступні компоненти:

Програма формування додаткових масивів з даними мультимедіа на основі запиту до баз. Ця програма дозволяє створити лінійний масив однорідних даних мультимедіа, посилання на окремі елементи якого містяться в основному масиві з документами. Основним значенням її є надання користувачам даних мультимедіа в режимі off-line.

Програма формування HTML-файла на основі запиту. Цей файл містить включені дані мультимедіа і "аплети". Основним її призначенням є підготовка початкового масиву для WEB-сервера.

Ця програма має найбільш складну структуру через необхідність створення HTML-структури "на ходу" і необхідності включення складноструктурованих об’єктів апріорі невідомої структури, хоч в більшості випадків це включені об’єкти графічного типу, форматованого тексту (RTF, TeX, PS) та інше.

Програмні блоки (в основному це прикладний інтерфейс програміста, модулі API, VBX, OCX і DLL), що дозволяють розробляти програми-клієнти на Windows-сумісних платформах для видаленого доступу до даних банку і які враховують його специфіку ( до останнього відноситься, наприклад, набір символів). На базі вказаних вище програмних модулів розробляються повнофункціональні програми-клієнти в середовищі Windows, що вперше забезпечують повнофункціональний доступ до різнорідних елементів в базах даних ВІНІТІ в локальному і віддаленому режимі. Альтернативним способом такого доступу (хоч і набагато повільнішим) є використання універсальних мережевих клієнтів, підтримуючих "розподілені" обчислення (до них відносяться WEB-броузери, JAVA-машини і т.д.).

Загалом після впровадження описаних технологій і програмних засобів робота з різнорідними інформаційними ресурсами ЦСБД НТІ переходить на якісно новий рівень, що дозволяє розглядати даний етап розвитку системи як перший в становленні її як повнофункціонального "сховища" даних з науки і техніки, що забезпечує комплексне інформаційне обслуговування користувачів.