Politechnika Szczeciska
Streszczenie
W artykule przedstawiono schemat blokowy Systemu Ostrzegawczo-Doradczego regionalnego Centrum Zarzdzania w Sytuacjach Kryzysowych (SOD CZSK) oraz model formalny jego struktury. SOD CZSK zawiera w swoim składzie lokalne inteli-gentne składniki wspomagajce decyzje w warunkach istniejcego zagroenia nie-bezpiecznym zjawiskiem natury. Takie zjawiska mog doprowadza do kryzysu fi-nansowego gospodarki nie tylko odrbnych podmiotów gospodarczych, ale nawet całych regionów. W celu okrelenia obszaru pozyskiwania wiedzy dla lokalnych inte-ligentnych składników SOD CZSK zostały wybrane dziedziny oraz zagadnienia, któ-rych rozwizywane wymaga uwzgldnienia estymacji informacji hydrometeorolo-gicznej. Jako przykład modeli, które mog by włczone do kontentu (zawartoci) baz wiedzy lokalnych inteligentnych składników SOD CZSK zaprezentowano modele i algorytm wyboru z alternatywnych wariantów projektów przedsiwzi skierowa-nych na obnienie ryzyka zwizanego z niebezpiecznymi zjawiskami natury. Omó-wiono moliwoci zastosowania technologii OLAP i GIS w celu pozyskiwania i ana-lizy danych hydrometeorologicznych oraz danych o obiektach gospodarczych zagro-onych terenów.
Słowa kluczowe: lokalne inteligentne systemy, kontent bazy wiedzy, modele, ryzyko, system ostrzegawczo-doradczy, wspomaganie decyzji
1. Wprowadzenie
Wiele rónych czynników moe wywoływa powstanie sytuacji kryzysowych w gospodarce, wród których istotne s czynniki hydrometeorologiczne, szczególnie teraz - w warunkach ocieple-nia klimatu. Zagroeniom hydrometeorologicznymi zjawiskami natury ulegaj midzy innymi podmioty gospodarcze, które znajduj si na niebezpiecznych terenach. Aby zmniejszy ryzyko strat w takich warunkach tworzone i wykorzystywane s Systemy Ostrzegawczo-Doradcze (SOD) dla regionalnych Centrów Zarzdzania w Sytuacjach Kryzysowych (CZSK), których lokalne inteli-gentne składniki mog by wykorzystywane zarówno w zarzdzaniu odrbnymi podmiotami go-spodarczymi po odpowiednich zmianach w kontencie baz wiedzy.
Rozwizanie problemu tworzenia baz wiedzy lokalnych inteligentnych składników dla SOD CZSK wymaga przede wszystkim modelowania procesów decyzyjnych przebiegajcych w ramach procesów funkcjonowania systemów, nazywanych take, w stosunku do podmiotów gospodar-czych, procesami biznesowymi (business process). Modele procesów decyzyjnych wykorzystuje si przy tworzeniu kontentu baz wiedzy inteligentnych systemów wspomagania decyzji poprzez okrelenie modeli, faktów i reguł rozwizywania zagadnie w procesach funkcjonowania
syste-mów. W pracach naukowych problem ten dyskutuje si od wielu lat [1-6]. Szczególnie wanym jest rozwizanie problemu modelowania procesów decyzyjnych w sytuacjach nieokrelonoci i ryzyka wystpujcych midzy innym pod wpływem czynników hydrometeorologicznych i posiada-jcych w zwizku z tym charakter unikatowy. W takich sytuacjach wymagane s krótki czas po-dejmowania decyzji i trafno decyzji, bo od tego czsto zaley nie tylko wielko strat finanso-wych, ale take ycie ludzi.
Elementy modelu formalnego zadania podejmowania decyzji okrelajce etapy i kierunki po-zyskiwania wiedzy przy studiowaniu procesów decyzyjnych zostały przedstawione przez autork w pracy [7]. Etapy te s charakterystycznymi praktycznie dla dowolnej sytuacji problemowej poja-wiajcej si pod wpływem czynników hydrometeorologicznych. Zgodnie z tym modelem poprzez opis ontologiczny dziedziny problemowej strukturyzuje si wiedza o dziedzinie, dla której planuje si tworzenie lokalnego inteligentnego systemu wspomagania decyzji. W procesie strukturyzacji identyfikuje si problemy, powstajce pod wpływem czynników hydrometeorologicznych, ocenia si ryzyko ponoszenia strat przy powstaniu problemu i oraz okrela si sposoby, czyli modele i reguły, jego rozwizywania.
Jako lokalne inteligentne składniki SOD mog wystpowa specjalistyczne systemy agentowe i systemy ekspertowe (SE) wspomagajce decyzje z estymacj informacji hydrometeorologicznej w rónych dziedzinach. Włczenie takich składników do struktury systemów informacyjnych pod-miotów gospodarczych, rozlokowanych na zagroonych niebezpiecznymi zjawiskami natury, nada-je tym systemom właciwoci systemów ostrzegawczo-doradczych. W bazach wiedzy lokalnych inteligentnych składników przechowuje si i rozwija si wiedza, która moe by wykorzystana przy podejmowaniu decyzji z estymacj informacji hydrometeorologicznej. Jest to wanym i ko-rzystnym z powodu tego, e decydenci z czasem mog zmienia si, ale ich dowiadczenie i wie-dza zostan zachowane. Dziki temu przy powstaniu analogicznych sytuacji wiewie-dza ta moe by wykorzystywana i uzupełniana poprzez nowych decydentów. Zauwamy, e polepszenie jakoci podejmowanych decyzji bazuje nie tylko na zastosowaniu wyników symulacji na modelach roz-wizania rónych zagadnie, moe ono odbywa si równie poprzez wspomaganie decyzji w sy-tuacjach niestandardowych oraz poprzez trening kadry za pomoc odpowiednich inteligentnych systemów [ 8].
W bazach wiedzy inteligentnych składników SOD CZSK powinny by zawarte modele i wie-dza ekspercka, które pozwoliły by na przeprowadzenie symulacji poprzez wykorzystanie danych wejciowych. Niektóre z tych danych mog by zdobyte za pomoc takich inteligentnych składni-ków jak OLAP (On Line Analitical Processing) i GIS (Geografic Information System), w tym LIS (Land Information System), uzupełniajcych struktur SOD CZSK. Wyposaenie SOD CZSK w specjalistyczne lokalne inteligentne systemy, takich jak systemy ekspertowe i agentowi, tworzy dodatkowe moliwoci dla lepszego uzasadnienia podejmowanych decyzji z estymacj informacji hydrometeorologicznej przy rozwizywaniu problemów słabo ustrukturyzowanych. Wybór modeli i okrelenie reguł podejmowania decyzji w procesie symulacji na owych modelach dla lokalnych inteligentnych składników SOD CZSK zaley od dziedziny rozwizywanych problemów [9]. Od dziedziny problemowej zaley równie struktura SOD CZSK. Dla przypadku, gdy procesy decy-zyjne przebiegaj z estymacj informacji hydrometeorologicznej moe by wykorzystany wariant struktury SOD CZSK rozpatrzony w nastpnym rozdziale.
Model formalny i schemat blokowy struktury SOD CZSK
Struktura SOD CZSK zawiera róne lokalne inteligentne składniki. Uproszczony model for-malny struktury systemu SOD CZSK mona przedstawi jako nastpujcy zbiór:
M = {Eq, Sfw,Iint } (1) gdzie: Eq- sprzt; Sfw – oprogramowanie; Iint – informacja, wiedza.
Bardziej szczegółowe modele formalne dwóch składników tego modelu: Sfworaz Iint. Składnik Sfw przedstawimy jako nastpujcy zbiór:
Sfw = {Drep, Db , Sdb, Kb, Skb , Interf, Aint, ES, Bweb} (2) gdzie: Drep– repozytorium i witryny danych (data warehousing) w połczeniu z technologiami OLAP i GIS; Db - relacyjne bazy danych; Sdb – system zarzdzania baz danych; Kb- baza wie-dzy; Skb - system zarzdzania baz wiedzy ; Interf – interfejsy; Aint – lokalne organizacje (inteligentne agenty); ES – lokalne systemy ekspertowe; Bweb- poszukiwarki.
Składnik Iintprzedstawimy jako zbiór:
Iint = {d, m, r} (3) gdzie: d – dane; m – modele; r – reguły.
System komunikacji satelitarnej C.Z.S.K. OLAP Baza wiedzy Baza danych Mechanism komunikacji z modulem symulacyjnym Mechanism wnioskowania GIS Lokalny system ostrzegawczy
Modul symulacyiny
Interfejs uzytkownika
Decydent Bazy danych sluzb
hydrometeorologicznych Objekty gospodarcze, mieszkancy regionu Informacje o poziomie wody w jeziorze BD BD System pomiaru poziomu wody w jeziorze HMP
Lokalny system agentow komputerowych - Agent rejestrujacy - Agent reakcyjny System przekazu informacji o zagrozeniu
W przedstawionym we wzorze (2) modelu formalnym struktury Sfw zostali ujte lokalne
inte-ligentne systemy, tworzone zgodnie z potrzebami uczestników procesów decyzyjnych. Wyposae-nie sytemu wspomagania decyzji w taki składniki i ich wspólne wykorzystaWyposae-nie w procesie decyzyj-nym daje efekt synergetyczny w drodze podnoszenia jakoci podejmowanych decyzji. Na rys. 1 przedstawiono schemat blokowy jednego z moliwych wariantów struktury regionalnego SOD CZSK.
W strukturze na rys.1 zawarte s lokalne inteligentne składniki: system ostrzegawczy HMPo-ziom, który jest systemem lokalnych inteligentnych agentów i zawiera agentów rejestrujcego i re-akcyjnego/elastycznego (flexible). Agent rejestrujcy prowadzi ewidencj pomiarów poziomu w jeziorze, tj. rejestruje dane o poziomie, natomiast drugi agent reakcyjny, reagujc na alarmowy poziom wody, sygnalizuje o zagroeniu lawin błotn przez system komunikacji z CZSK. Do SOD CZSK został take włczony SE HMDEC, który moe funkcjonowa jako lokalny system, spełnia on rol systemu doradczego wspomagajc decyzje podejmowane z uwzgldnieniem estymacji in-formacji hydrometeorologicznej.
Z przedstawionej we wzorze (2) i na rys.1 struktury wida , e pozyskiwanie i strukturyzacja wiedzy dla inteligentnych składników SOD CZSK jest jednym z waniejszych zada przy jego tworzeniu, rozwizanie którego wykonuje si zgodnie z metod zaprezentowan w pracy [10]. 2. O modelach i wiedzy dla lokalnych inteligentnych składników SOD CZSK
wykorzystuj -cych informacj hydrometeorologiczn
Podejmowanie decyzji z uwzgldnieniem estymacji informacji hydrometeorologicznej w wielu dziedzinach: zarzdzaniu regionalnym, transporcie, rolnictwie, gospodarce wodnej, bu-downictwie, energetyce itd., podnosi adaptacyjny potencjał podmiotów gospodarczych pozwalajc wybiera najlepsz strategie i taktyk współdziałania z natur [11]. Z uwzgldnieniem estymacji tego typu informacji opracowuje si plany przedsiwzi skierowanych na zapobieganie stratom spowodowanym przez grone czynniki natury.
Wysoki poziom nieokrelonoci nastpstw, zwizanych z niebezpiecznymi zjawiskami hy-drometeorologicznymi oraz konieczno szybkiego i poprawnego reagowania w przypadku zagro-enia ze strony natury zmuszaj do zastosowania w procesach decyzyjnych i procesach treningu personelu wsparcia komputerowego, czyli: inteligentnych systemów ostrzegawczych, doradczych i treningu. W niniejszym artykule autorka skupiła si na inteligentnych systemach doradczych wspomagajcych decyzje odnonie wyboru wariantu projektu przedsiwzicia zapobiegajcego stratom w wyniku oddziaływania czynników hydrometeorologicznych. Dla systemów tej klasy na-ley przygotowa kontent baz wiedzy, który zawierał by cał wiedz niezbdn przy podejmowa-niu decyzji z uwzgldnieniem estymacji informacji hydrometeorologicznej, zawierajc modele i reguły rozwizania zagadnie, metody i modele zarzdzania ryzykiem.
Pod pojciem ryzyka w danym artykule rozumie si miar moliwoci nastpienia zdarzenia losowego i wielkoci skutków wywołanych przez to zdarzenie, tj. Ilociowa ocena ryzyka ujmuje jednoczenie prawdopodobiestwo jego wystpienia i ponoszone w wyniku nastpienia zdarzenia straty.
W warunkach istniejcego ryzyka wystpowania niebezpiecznych zjawisk natury i ponosze-nych w wyniku tego strat dla podjcia decyzji o wyborze z róponosze-nych wariantów projektów przed-siwzi , zapobiegajcych stratom wykorzystuje si podejcie probabilistyczne. Przy tym podej-ciu prognozuje si moliwe sytuacje ryzykowne powstajce pod wpływem niebezpiecznego
zja-wiska natury: Ri , i= 1,2,...n z nadaniem im prawdopodobiestwa wystpienia. Jako Ri moe wy-stpowa ryzyko zwizane ze zniszczeniem obiektów gospodarczych (rolniczych, przemysłowych, socjalnych, kulturalnych), awariami, utrat zdrowia i ycia, przerwami w funkcjonowaniu obiektów oraz innymi. Dla kadej ryzykownej sytuacji oblicza si wielko potencjalnie moliwych strat (CRi) oraz prawdopodobiestwo wystpienia takiej sytuacji PRi pod warunkiem e:
1 1 = ¦ = n i i R P (4)
Ilociow ocen ryzyka obliczano według wzoru (5):
Ri = PRi CRi, (5)
gdzie Ri – ilociowa ocena ryzyka, PRi – prawdopodobiestwo wystpienia zdarzenia ryzykow-nego, CRi – wielko moliwych strat przy jego wystpieniu.
Algorytm wyboru projektu przedsiwzicia ochronnego przedstawiono na rysunku 2. Zgodnie z tym algorytmem na pocztku porównuje si ilociow ocen ryzyka Ri z wielkoci wydatków zwizanych z realizacj ochronnych przedsiwzi CO. Na podstawie wyników analizy
porównaw-czej podejmuje si decyzj odnonie efektywnoci ekonomicznej rozpatrywanego projektu przed-siwzicia. Efektywne projekty zapisuje si do listy projektów-kandydatów (Ki) na realizacj, które
przeszły ocen ilociow. Ale przy podejmowaniu decyzji o wyborze projektu z listy projektów-kandydatów Ki wykonuje si dodatkowo analiz jakociow. Moe ona by przeprowadzona ze
strony prawnej, etycznej, ekologicznej itd. W zwizku z tym kady projekt z listy projektów-kandydatów Ki ocenia si take zgodnie z kryteriami oceny jakociowej. W wyniku takiej oceny
dokonuje si wyboru najlepszych (z punktu widzenia ustalonych kryteriów oceny jakociwej) pro-jektów przedsiwzi ochronnych, które zapisuje si do listy propro-jektów-kandydatów Kj. W kocu z
listy Kj zostaje wybrany taki projekt ochronnego przedsiwzicia, który prowadzi do minimalizacji
strat M(Ri), zwizanych z wystpieniem zdarzenia ryzykownego pod wpływem czynników
hydro-meteorologicznych oraz z realizacj ochronnego przedsiwzicia: ¦ = → + = n i i i i i,C ) (R C ) min R ( M 1 0 0 (6)
3. Zastosowanie lokalnych inteligentnych systemów w procesie decyzyjnym
Informacja o zagroeniu niebezpiecznym zjawiskiem ze strony natury wpływa od słub hy-drometeorologicznych. W sytuacjach kryzysowych zarzdzanie realizuje si zwykle przez CZSK. Przy zagroeniu niebezpiecznym zjawiskiem natury decydenci CZSK wysyłaj odpowiedni in-formacj i instrukcje do specjalnych komisji powiatowych lub miast, a te sygnalizuj o zagroeniu kierownictwu obiektów gospodarczych, socjalnych, kulturalnych. W strukturze blokowej SOD CZSK przedstawionej na rys.1 został uwzgldniony system ekspertowy HMDEC, który, słuy jako system doradczy w procesach decyzyjnych zwizanych z reagowaniem na zagroenia ze strony natury. Struktura SE HMDEC i jego baza wiedzy zostały przedstawione we wczeniejszych publi-kacjach [12,13].
Start
Jesli Nie
Tak
Ilosciowa ocena ryzyka Ri : PRi x CRi
Porownanie wielkosci Ri i COi Ocena kosztow projektu COi
Zapis do listy projektow-kandydatow Ki po ocenie ilosciowej i 0 i C R ≥ Nie Tak Ocena jakosciowa projektu
Zapis do listy projektow-kandydatow Kj po ocenie jakosciowej
Czy ocena jakosciowa jest dobra ? Koniec Wybor projektu: ¦ = → + = n 1 i i 0 i i 0 i,C ) (R C ) min R ( M
Rys.2. Algorytm wyboru projektu przedsiwzicia ochronnego.
Aby było moliwe korzystanie z wiedzy i modeli tego systemu potrzebne s okrelone dane, które powinny by umieszczone w jego bazie danych lub wprowadzane operacyjnie, jako dane wejcio-we. Zauwamy, e lokalne inteligentne systemy wspomagajce procesy decyzyjne na rónych po-ziomach zarzdzania regionalnego i w podmiotach gospodarczych mog odbiera i analizowa informacje o stanie rodowiska z rónych zewntrznych ródeł. Przy duej iloci analizowanych danych pozyskiwanych ze ródeł zewntrznych moe by zastosowana technologia OLAP, która jest technologi operacyjnej analitycznej obróbki danych. W postaci danych zewntrznych anali-zowanych przez OLAP mog wystpowa take dane z baz danych słub hydrometeorologicznych i instytutów naukowo-badawczych, zawierajcych, na przykład, informacje o wieloletnich
zmia-nach charakterystyk hydrologicznych rónych obiektów wodnych. Obecnie istnieje moliwo ł-czenia przez interfejs relacyjnej bazy danych z baz faktów systemu ekspertowego lub całkowitej zamiany bazy faktów na relacyjn baz danych systemu informacyjnego.
Dane mog by uzyskane take za pomoc systemu informacji geograficznej (GIS). GIS mo-e by bardzo przydatnym w przypadku potrzeby przetwarzania danych o obiektach dumo-ego regio-nu zagroonego niebezpiecznym zjawiskiem natury. Technologia GIS moe by wykorzystywana razem ze zdalnymi urzdzeniami pomiaru sterowanymi komputerowo. Dane uzyskane za pomoc systemu informacji geograficznej mog by przedstawione w postaci tekstowej lub/i graficznej. S to przede wszystkim dane o obiektach gospodarczych, socjalnych, kulturalnych regionu, które znajduj si na zagroonych terenach. Na przykład, przy rozwizaniu zadania projektowania dróg w miejscowoci zagroonej lawinami błotnymi s potrzebne dane o miejscach moliwego zejcia lawin, ich czstotliwoci i wielkoci, informacja hydrometeorologiczna, której analiza za szereg lat pozwala ustali tendencje. Włanie przy tej analizie moe by przydatn technologia OLAP. Wy-korzystanie tych danych i informacji przy projektowaniu i dalszej eksploatacji dróg zapewnia bez-pieczestwo ruchu[10]. System ekspertowy doradczy HMDEC moe wspomaga podjcie decyzji o znalezieniu najbezpieczniejszego i najkorzystniejszego wariantu projektu budowy drogi z uwzgldnieniem ryzyka zejcia lawin błotnych na danym odcinku na podstawie danych wprowa-dzonych operacyjnie przez uytkownika (dane hydrometeorologiczne na dzie prowadzenia eks-pertyzy, dane o kosztach budowy obiektu i inne) oraz na podstawie danych zawartych w bazie da-nych SE lub uzyskada-nych za pomoc GIS (dane kartograficzne, dane o komunikacjach terenu i obiektach gospodarczych) i za pomoc OLAP (jako wyniki analizy danych hydrometeorologicz-nych za ubiegłe lata), a take przy uyciu reguł wyboru miejsca dyslokacji drogi i modeli wyboru z alternatywnych projektów.
Na podstawie wyników projektu naukowo-badawczego[13] została stworzona baza danych o obiektach gospodarczych jednego z regionów Kazachstanu – Dungarskiego Ałatau, dolina rzeki Tałgar zagroonego lawin błotn [7]. Przy uyciu tych danych i wyników symulacji na mode-lach rozwizywania zagadnie w sytuacjach uwzgldnionych w scenariuszach w bazie wiedzy SE HMDEC uzyskuje si pewne wnioski. Wnioski te wspomagaj decyzje o wyborze wariantów pro-jektów w budownictwie, o rozmieszczeniu obiektów, o ewakuacji ludzi i wartoci materialnych i kulturalnych, o realizacji przedsiwzi , zapobiegajcych negatywnym skutkom powodowanym przez zejcie lawin błotnych itd.
Cała wiedza niezbdna do wycignicia wniosków wspomagajcych procesy decyzyjne uzy-skuje si w procesie pozyskiwania wiedzy z zastosowaniem podejcia ontologicznego do opisu odpowiedniej dziedziny problemowej. Podejcie ontologiczne do budowy bazy wiedzy HMDEC zostało przedstawione w pracy autorki[15]. Dla systemu ekspertowego HMDEC jest to dziedzina problemowa nazywana „Podejmowanie decyzji w sytuacjach nie standardowych powstajcych pod wpływem niebezpiecznego zjawiska natury”. Umiejtnoci i nawyki szybkiego reagowania i pod-jcia właciwych decyzji w takich sytuacjach mog by ukształtowane przez zastosowanie systemu ekspertowego HMDEC-T w celu treningu personelu. Wtedy przez opis ontologiczny powinna by przedstawiona wiedza z dziedziny problemowej „Proces nauczania i treningu” [16].
4. Zakoczenie
Coraz czciej na działalno podmiotów gospodarczych i całych regionów wpływaj róne czynniki hydrometeorologiczne w wyniku ocieplenia klimatu. W takich warunkach procesy decy-zyjne warto wspomaga przez systemy pozwalajce zarzdza ryzykiem, zwizanym z niebez-piecznymi zjawiskami natury. W celu przyspieszenia procesu adaptacji do zagroe ze strony natu-ry tworzone s inteligentne systemy ostrzegawczo-doradcze posiadajce narzdzia, informacje i wiedz wspomagajce rozwizywanie problemów powstajcych pod wpływem czynników hy-drometeorologicznych. Wyposaenie SOD CZSK w lokalne inteligentne systemy pomoe przy-spieszy i ulepszy uzasadnienie podejmowanych decyzji. Do takich lokalnych systemów nale midzy innymi. SE HMDEC oraz SE HMDEC-T bazujce na wiedzy z dziedzin, w których uwzgldnienie estymacji informacji hydrometeorologicznych ma wane znaczenie. W artykule za-prezentowano schemat blokowy i model formalny struktury SOD CZSK, a take algorytm wyboru z alternatywnych wariantów projektów skierowanych na obnienie ryzyka. Zaprezentowano dzie-dziny wykorzystywania informacji hydrometeorologicznych oraz zagadnienia rozwizywane w tych dziedzinach w celu okrelenia obszaru pozyskiwania wiedzy dla lokalnych inteligentnych składników SOD CZSK.
Bibliografia
1. Dowgiałło Z. (1995): System obsługi naczelnego kierownictwa w zarzdzaniu. W: System obsługi naczelnego kierownictwa w zarzdzaniu. IBS PAN Oddział w Szczecinie, Szczecin
2. Red. R.Budziski (1997) System naczelnego kierownictwa w zarzdzaniu (studia, algorytmy, modele). Informa, Szczecin.
3. Popow O., Sołdek J., Tretyakova T.(1997) Systemy adaptacyjnego, informatycznie wspomaganego zarzdzania przedsibiorstwem. Zbiór artykułów: “Systemy Informatyczne w Zarzdzaniu Strategicznym”, Informa, Szczecin.
4. Wiglarz J. (2001): Informatyka, wiedza, decyzje// Inynier. Grudzie’01.
5. Praca zbiorowa pod red. Z. Twardowskiego. (2007) Inteligentne systemy wspomagania decyzji w strategicznym zarzdzaniu organizacj gospodarcz. Wyd. Uczelniane Akademii ekonomicznej im. Karola Adamieckiego, Katowice.
6. Radosiski E. (2001). Systemy informatyczne w dynamicznej analizie decyzyjnej.- PWN, Warszawa-Wrocław.
7. T.Tretyakova, A.Zair. (2008)The structure and knowledges of the intelligent system of warning and decision's support that includes local systems. Proceedings of the 15-th International Conference Advanced Computer Systems. ACS’2008, Szczecin, Poland. 8. O.Popov, T.Tretyakova. (2007) Use of a technique of the structurally functional analysis
In knowledge engineering for komputer-bazed training systems (on example of decision-making processes for operator’s training of dynamic objects). In book - red. F.Kubiak, A.Korowicki: Information Management, Gdansk University Press, Gdansk.
9. Tretyakova T. (2005). Baza wiedzy systemu ekspertowego „HMDecision” w systemie informacyjnym klasy DSS – podejcie obiektowe (w jz. rosyjskim). Materiały 4-ej Konferencji Midzynarodowej “Analiza, prognozowanie i zarzdzanie w systemach złoonych” pod patronatem Rosyjskiej Akademii Nauk, Szczeciskiej Akademii
Morskiej, Szczeciskiej Akademii Rolniczej, Pastwowego Uniwersytetu Komunikacji Wodnej w St.Petersburgie, St.Petersburg.
10. Tretyakova T. (2007) Metodyka analizy funkcjonalno-strukturalnej procesów decyzyjnych i jej rola w inynierii wiedzy dla systemów informacyjnych. Studia i materiały PSZW nr 8, pod red. Dr hab.in.W.Bojara, PSZW, Bydgoszcz.
11. Vimberg G., Alszanskij J., Bragiskaja E, Tretyakova T. i inni(1991) Metodyka oceny kompleksowej efektu ekonomicznego przy podejmowaniu decyzji o realizacji przedsiwzi gospodarczych i wyborze optymalnych wariantów zastosowania informacji hydrometeorologicznej rónych typów w gospodarce. Pastwowy Komitet Zwizku Radzieckiego ds hydrometeorologii, Główny Geofizyczny Obserwatorium im. A.I. Vojejkova, Leningrad.
12. Tretyakova T. (2003) Prototipe of expert system „Hydrologist”: concept of design. Proc. of the 10-th International Conference Advanced Computer System - ACS’2003, Szczecin. 13. Tretyakova T. (2005) Baza wiedzy systemu ekspertowego „HMDescision” w systemie informacyjnym klasy DSS – podejcie objektowe (w jz. rosyjskim). Materiały 4-ej Konferencji Midzynarodowej “Analiza, prognozowanie i zarzdzanie w systemach złoonych” pod patronatem Rosyjskiej Akademii Nauk, Szczeciskiej Akademii Morskiej, Szczeciskiej Akademii Rolniczej, Pastwowego Uniwersytetu Komunikacji Wodnej w St.Petersburgie, ISBN 5-8114-0437-9, St.Petersburg.
14. Tretyakova T.V. Radiugin D.V. Kolobov V.L. (1990) Sprawozdanie naukowe o wynikach projektu pod tytułem: Opracowa metodyk oceny socjalno-ekonomicznej przedsiwzi zapobiegajcych wpływom lawin błotnych. St Petersburski Pastwowy Instytut Bada Hydrologicznych (PIBH), St Petersburg.
15. Tretyakova T. (2006) Zarzdzanie wiedz przez zastosowanie ontologii dziedzin. Studia i materiały PSZW nr 5, pod red. J.Kacprzyk, L.Drelichowski, Bydgoszcz.
16. Popov O., Tretyakova T. (2006) Ontologies as a Technique of a Knowledge Management In Open e-Learning Systems for Operators of Dynamic Processes. Studia and Proceedings Polish Association for Knowlwdge Management nr 6. Reviewrs: prof. J.Kacprzyk, Bydgoszcz
KNOWLEDGE AND MODELS OF LOCAL INTELLIGENT COMPONENTS IN DECISION SUPPORT SYSTEMS
Summary
In the article are submitted the block-schemes of warning’s and advising’s in-formation systems for regional Control centre in Crisis Situations. The formal struc-ture of software for Decision Support System (DSS), what contain local intellectual components is submitted also. These components are based on knowledge from ar-eas in which the hydrometeorological information is used. The system serves for support of decisions in conditions of constantly existing threat of the dangerous natural phenomena. The models supporting acceptance of decisions at the choice of projects of protective actions are submitted. Areas in which it is necessary to take into account the hydrometeorological information at the decision of the submitted problems with use of expert’s knowledge from these areas are determined. Is shown the opportunity of use technologies OLAP and GIS with the purpose of search and the analysis of hydrometeorological data and the data on objects.
Keywords: local intelligent system, content of knowledge base, model, risk, warning and decision support system
Tatiana Tretyakova Wydział Informatyki Politechnika Szczeciska e-mail: ttretiakowa@wi.ps.pl
