Способ выбора модели исследуемой системы на основании вычисленных энтропийных потенциалов ее событий и устройство для осуществления этого способа

Способ выбора модели исследуемой системы на основании вычисленных энтропийных потенциалов ее событий и устройство для осуществления этого способа

Иллюстрации

Показать все

Реферат

Изобретение относится к измерительной технике и может быть применено для измерения переменных скалярных величин, в частности величин, распределенных во времени и/или в пространстве, в том числе величин, характеризующих исследуемую систему с целью прогнозирования ее состояния для выработки регулирующих воздействий. Изобретение может быть применено при научных исследованиях, в качестве учебного прибора или наглядного пособия. Изобретение может быть также использовано в качестве игры.

При описании изобретения использованы термины, употребление которых в научно-технической литературе неоднозначно. Ниже изложены определения употребляемых в описании изобретения наиболее важных терминов.

Необходимые определения.

Упорядоченные идентификаторы элементов исследуемой системы.

Имеется исследуемая система. В качестве исследуемой системы может быть выбрана любая материальная или знаковая система, например, система теплоснабжения города, система энергоснабжения региона, система проведения спортивного соревнования, в частности первенства мира по футболу.

В исследуемой системе различаются части системы. Примерами частей системы «первенство мира по футболу» могут быть участвующие команды, участвующие игроки команд, тренеры, спонсоры и т.д.

В исследуемой системе различаются события системы. Примерами событий системы «первенство мира по футболу» могут быть забитые голы, удаление игроков с поля, назначение штрафных ударов, травмы игроков и т.д.

События и части системы являются элементами системы.

Идентификатор элемента исследуемой системы - это любой символ, присвоенный элементу исследуемой системы. Идентификаторами могут, например, быть номера элементов, их схематические изображения, коды адресов расположения элементов системы, номера игроков. Идентификаторы взаимно однозначно сопоставляются элементам системы. Например, номера игроков в команде не повторяются.

Упорядоченные идентификаторы - это идентификаторы кем-то по какому-то правилу упорядоченные, т.е. между каждым и каждым, из них, включая себя, установлены отношения.

Наглядным способом такого установления отношений является таблица, где по и наименованиям столбцов, и наименованиям строк присвоены идентификаторы, а в перекрестии столбцов и строк указаны устанавливаемые отношения.

Примером такого упорядочивания идентификаторов являются таблицы спортивных соревнований, где в качестве идентификаторов указаны наименования команд, а в перекрестье указан счет в соответствующей встрече команд.

Упорядоченные идентификаторы элементов исследуемой системы образуют ряд. Примером такого ряда может быть список команд по алфавиту.

Нормировочный ряд событий. Для исследований причин победы той или иной команды можно выбрать список параметров, который важен для победы. Но нельзя сказать, что именно определит победу до начала исследований.

Списки параметров, которые важны для исследований, могут быть обширны. Каждый параметр характеризуется отдельными событиями.

Например, для победы в чемпионате мира необходимо, чтобы были хорошие игроки. Их перечень станет нормировочным рядом событий. Важно, чтобы были хорошие спонсоры, чтобы команда не испытывала дефицита средств. Важно, чтобы тренеры понимали друг друга и знали возможности команды. Все эти факторы и многие другие составят отдельные нормировочные ряды событий.

Существуют понятные и очевидные факторы - игроки должны быть, деньги должны быть, тренеры должны быть, форма должна быть. Мало исследована зависимость игры от погодных условий, кроме крайностей. Ничего не известно о влиянии геомагнитной активности, хотя известно, что она оказывает влияние на состояние здоровья, по крайней мере, некоторых людей.

Ряды событий, которые можно выбрать в качестве нормировочных, практически неограниченны.

Интересен класс исследований, когда в качестве нормировочного ряда берутся ряды событий, заведомо не связанные с событиями исследуемой системы. Особенно интересны в качестве нормировочных рядов событий ряды из событий, которые считаются случайными.

В частности, в качестве нормировочного ряда событий может быть выбран процесс радиоактивного распада, который независим от температуры и параметры которого легко непосредственно измерять.

Применительно к заявляемому способу радиоактивный распад был выбран нормировочным, т.е. таким процессом, к которому или при помощи которого что-то нормируют. Процесс радиоактивного распада был представлен одномерным массивом, составленным из записей о событиях распада. Были использованы два канала получения информации о радиоактивном распаде. Эти сведения обрабатывались по обычным математическим правилам и сохранялись для последующей обработки, запись о событиях распада снабжалась меткой времени, номером канала получения информации о радиоактивном распаде и идентификатором анализируемого элемента системы. В качестве идентификаторов анализируемых элементов системы использовался ряд натуральных чисел. Выбранный интервал времени разбивался на количество равных промежутков по числу идентификаторов анализируемых элементов системы. Каждому такому интервалу сопоставлялся индивидуальный идентификатор анализируемого элемента системы. Таким образом, был получен маркированный нормировочный ряд событий, где все события различались, и где каждому событию присвоен символ - метка времени.

Маркированный нормировочный ряд событий состоит из цифр, объединенных в группы, где для каждой группы присутствует повторяющийся формат представления данных. Сохранение маркированного нормировочного ряда событий проводилось в виде двоичного кода в памяти компьютера.

Процедуры обработки хранящегося маркированного нормировочного ряда событий состоят в различных вариантах математической обработки одномерного числового массива. Примерами процедур обработки являются: сортировка, упорядочивание, создание выборки части массива и т.д.

Применительно к заявляемому способу выбирались широко применяемые процедуры статистической обработки данных, поскольку заранее не были известны наилучшие процедуры обработки. Позже, когда экспериментатором был накоплен опыт работы с маркированным нормировочным рядом событий разными процедурами, были подобраны более удобные комбинации процедур обработки числовых данных.

В устройстве, реализующем способ, это делается путем выбора наиболее подходящего алгоритма обработки числовых данных из алгоритмов, реализованных в соответствующем устройстве. Один из алгоритмов и соответствующая программная реализация описаны ниже.

Выбор подходящего алгоритма обработки числовых данных осуществляется путем сравнения результатов, получаемыми разными алгоритмами, с заранее заданным критерием качества.

Энтропийный потенциал событий исследуемой системы - это величина, получаемая расчетом по следующей формуле (1):

,

где S_B(T_A+dT) - математическое ожидание энтропии системы на момент В, вычисленное после того, как событие А произошло,

S_B(T_A-dT) - математическое ожидание энтропии системы на момент В, вычисленное до того, как событие А произошло.

Локально необратимый процесс - такой физический процесс, для которого в области измерения его параметров датчиками не наблюдается обратный процесс, либо в этой области прямой процесс преобладает над обратным для него процессом в мере, достаточной для достоверного различения этих процессов.

Моделирующая система - это создаваемая математически знаковая система, которая предназначена для исследования исследуемой системы. При создании моделирующей системы используется итерационный подход.

Сведения, получаемые от датчиков, перерабатываются в числовые данные, создается набор процедур обработки этих данных, данные обрабатываются и результаты обработки сопоставляются с аналогичными данными об исследуемой системе. По результатам сравнения корректируется моделирующая система. Процесс повторяется до достижения стабильных, повторяемых и прогнозируемых результатов.

Как оказалось на практике, удобным является для выбора точной математической модели использовать специальную функцию - энтропийный потенциал событий, введенную в научный оборот в 1989 году автором изобретения (М.Зильберман. «О корреляции плотности истинных предсказаний в числовых лотереях с солнечной активностью и тестом Пиккарди», ВИНИТИ, №3168-В89, 1989).

Корреляционные зависимости исследуемой и моделирующих систем. Системы для их сравнения представлены числовыми данными, для которых вычисляются корреляционные функции по следующей формуле (2):

.

(Формула приводится про источнику: David С.Howell. Fundamental Statistics for the Behavioral Sciences, Duxbury Press, Boston, Massachusetts, 1985).

В качестве ближайших аналогов заявляемых изобретений автором выбраны устройство для измерения переменных скалярных величин, распределенных в пространстве, и способ его работы [RU 2232977].

Такое устройство для измерения переменных скалярных величин, распределенных в пространстве, содержит измерительные каналы с датчиками и блок управления с управляющим выходом. Каждый измерительный канал имеет управляющий вход и содержит инвертор, переключающий элемент и преобразователь напряжение-ток, выход которого соединен с выходом канала, при этом число каналов выбрано четным, а управляющий выход блока управления подключен к управляющим входам каналов, выходы которых соединены общим проводником, являющимся выходом устройства. Входы переключающих элементов одной группы каналов, составляющих половину от всего числа каналов, соединены с датчиками и входами преобразователей через инверторы, а входы переключающих элементов другой группы каналов соединены с датчиками и входами преобразователей напрямую. Формирование групп каналов обеспечено блоком управления исходя из расположения датчиков в измеряемом пространстве по системе ортогональных двоичных функций, принимающих значения плюс или минус.

Рассматриваемые способ и устройство не позволяют исследовать системы скалярных величин с использованием энтропийных потенциалов событий системы.

Задачей настоящего изобретения является создание способа выбора модели исследуемой системы на основании вычисленных энтропийных потенциалов ее событий и устройства для осуществления этого способа.

Сущность заявляемого способа заключается в том, что

создают массив элементов, включающих измеряемые параметры и наблюдаемые факторы, характеризующие состояние исследуемой системы, формируют ряд упорядоченных идентификаторов элементов исследуемой системы,

детектируют нормировочный ряд событий,

маркируют нормировочный ряд событий упорядоченными идентификаторами элементов исследуемой системы,

запоминают маркированный нормировочный ряд событий,

создают моделирующие системы путем подбора процедур обработки запомненного маркированного нормировочного ряда событий,

вычисляют энтропийные потенциалы событий исследуемой системы,

из созданных моделирующих систем выбирают в качестве оптимальной такую моделирующую систему, функция которой в соответствии с выбранным критерием сравнения в наибольшей степени соответствует функции, описывающей исследуемую систему, в точках, в которых энтропийные потенциалы событий последней принимают наименьшие значения.

Благодаря предлагаемой совокупности действий осуществляется возможность выбора модели исследуемой системы на основании вычисленных энтропийных потенциалов. Известными в уровне технике средствами выбор модели исследуемой системы на основании вычисленных энтропийных потенциалов осуществить невозможно.

Техническим результатом заявляемого изобретения является повышение точности прогнозирования состояния исследуемой системы за счет выбора оптимальной моделирующей системы.

В частном случае выполнения способа исследуют через некоторые интервалы времени корреляционные зависимости исследуемой и выбранной моделирующей систем, и при отсутствии корреляции из созданных моделирующих систем выбирают другую оптимальную моделирующую систему, функция которой в соответствии с выбранным критерием сравнения в наибольшей степени соответствует функции, описывающей исследуемую систему, в точках, в которых энтропийные потенциалы событий последней принимают наименьшие значения.

В рассматриваемом случае выполнения способа появляется возможность корректировки выбранной моделирующей системы.

В частном случае выполнения способа в качестве нормировочного ряда событий можно использовать локально необратимый процесс и фиксировать измеряемые числовые значения этого локально необратимого процесса.

Благодаря этому при исследовании энтропийных потенциалов системы снижается уровень шумов, вызванных возможным существованием как прямого, так и обратного процессов в обратимых процессах.

В частном случае выполнения способа можно в качестве нормировочного ряда событий использовать радиоактивный распад и фиксировать измеряемые числовые значения этого радиоактивного распада.

Благодаря этому гарантированно снижается уровень шумов, поскольку для радиоактивного распада хорошо изучены его типы и заранее известно имеется ли для данного источника радиоактивного распада поглощение продуктов этого распада непосредственно в источнике.

В частном случае выполнения способа можно в качестве нормировочного ряда событий использовать числовые значения, например скорость протекания, необратимых биологических процессов и фиксировать измеряемые числовые значения этих процессов.

Благодаря этому расширяется набор возможных нормировочных рядов событий и набор исследуемых систем.

В частном случае выполнения способа можно в качестве нормировочного ряда событий использовать скорость протекания одного из следующих необратимых биологических процессов или любое их сочетание: прорастание, размножение, деление, выживаемость.

Благодаря этому расширяется набор возможных нормировочных рядов событий и набор исследуемых систем.

В частном случае выполнения способа можно детектировать более одного нормировочного ряда событий.

Благодаря этому еще более расширяется набор возможных нормировочных рядов событий и их комбинаций, а также набор доступных для исследования систем.

В частном случае выполнения способа формирование ряда упорядоченных идентификаторов элементов исследуемой системы возможно осуществлять путем выделения в системе ее элементов, например частей, связей, событий, и присвоения этим элементам системы упорядоченных идентификаторов, например, последовательных чисел натурального ряда.

Благодаря этому создается простая возможность упорядочивания элементов исследуемой системы и их идентификаторов.

В частном случае выполнения способа можно маркировку нормировочного ряда событий осуществлять путем присвоения каждому сообщению о событии нормировочного ряда событий кода, содержащего сведения о времени события и идентификатор элемента исследуемой системы.

Благодаря этому достигается неповторимость каждого сообщения о событии нормировочного ряда.

В частном случае выполнения способа можно маркировку каждого нормировочного ряда событий осуществлять раздельно.

Благодаря этому достигается повышение точности.

В частном случае выполнения способа можно вычисленные энтропийные потенциалы событий ранжировать.

Благодаря этому расширяется набор математических функций, применяемых для моделирования, и упрощается процесс подбора необходимых функций, а также снижается уровень шумов.

В частном случае выполнения способа можно в качестве нормировочного ряда событий использовать диссипацию тепла и фиксировать измеряемые числовые значения этого процесса диссипации тепла.

Благодаря этому расширяется набор возможных нормировочных рядов событий.

В частном случае выполнения способа можно в качестве измеряемых числовых значений процесса диссипации тепла использовать время, за которое нагретый элемент входит в тепловое равновесие с окружающей средой.

Благодаря этому расширяется набор возможных нормировочных рядов событий.

В частном случае выполнения способа можно в качестве нормировочного ряда событий использовать диссипацию холода и фиксировать измеряемые числовые значения этого процесса диссипации холода.

Благодаря этому расширяется набор возможных нормировочных рядов событий.

В частном случае выполнения способа можно в качестве измеряемых числовых значений процесса диссипации холода использовать время, за которое охлажденный элемент входит в тепловое равновесие с окружающей средой.

Благодаря этому расширяется набор возможных нормировочных рядов событий.

В частном случае выполнения способа можно в качестве нормировочного ряда событий использовать скорость растворения и фиксировать измеряемые числовые значения этого процесса растворения.

Благодаря этому расширяется набор возможных нормировочных рядов событий.

В частном случае выполнения способа можно в качестве нормировочного ряда событий использовать скорость испарения и фиксировать измеряемые числовые значения этого процесса испарения.

Благодаря этому расширяется набор возможных нормировочных рядов событий.

В частном случае выполнения способа можно в качестве нормировочного ряда событий использовать числовые значения химических реакций и фиксировать измеряемые числовые значения этих химических реакций.

Благодаря этому расширяется набор возможных нормировочных рядов событий.

В частном случае выполнения способа можно в качестве нормировочного ряда событий использовать числовые значения необратимых физических процессов и фиксировать измеряемые числовые значения этих необратимых физических процессов.

Благодаря этому расширяется набор возможных нормировочных рядов событий.

В частном случае выполнения способа можно в качестве необратимых физических процессов использовать один из следующих физических процессов или любое их сочетание: падение, тепловидение, теплопередача, горение, радиоактивный распад.

Благодаря этому расширяется набор возможных нормировочных рядов событий.

В частном случае выполнения способа можно в качестве нормировочного ряда событий использовать числовые значения локально необратимых физических процессов и фиксировать измеряемые числовые значения этих локально необратимых физических процессов.

Благодаря этому расширяется набор возможных нормировочных рядов событий.

В частном случае выполнения способа можно в качестве измеряемых числовых значений процесса диссипации тепла использовать перепад температуры, на который нагретый элемент охлаждается за фиксированное время, входя в тепловое равновесие с окружающей средой.

Благодаря этому расширяется набор возможных нормировочных рядов событий.

В частном случае выполнения способа можно в качестве измеряемых числовых значений процесса диссипации холода использовать перепад температуры, на который охлажденный элемент нагреется за фиксированное время, входя в тепловое равновесие с окружающей средой.

Благодаря этому расширяется набор возможных нормировочных рядов событий.

Осуществление способа показано, в частности, на примере системы городского теплоснабжения.

1. Создают массив элементов, включающих измеряемые параметры и наблюдаемые факторы, характеризующие состояние исследуемой системы.

Частями системы теплоснабжения, в частности, являются:

- хранилища (источники) топлива,

- котельные установки,

- насосные установки,

- теплотрассы магистральные прямой и обратной воды,

- разводка труб в домах,

- разводка труб в отапливаемых помещениях,

- теплообменники в домах,

- система вентиляции в отапливаемых помещениях,

- утепление отапливаемых помещений,

- прочее.

Событиями (измеряемыми параметрами и наблюдаемыми факторами) системы теплоснабжения, в частности, являются:

- влажность воздуха в местах сгорания топлива и отапливаемых помещениях,

- температура воздуха в местах сгорания топлива и отапливаемых помещениях,

- содержание воды в топливе,

- калорийность топлива и его расход,

- давление газа в магистралях

- слив отопительной воды для мытья посуды,

- слив отопительной воды для помывки,

- наличие сквозняков в отапливаемых помещениях,

- протечки прямой и обратной воды в соединениях и при авариях,

- расходы горячей воды

- давления воды в разных точках,

- температуры воды в разных точках,

- работоспособность ремонтных бригад,

- эффективность работы жилищных комиссий,

- эффективность работы муниципальных депутатов,

- прочее.

Части и события системы образуют массив ее элементов. Пусть их будет 26.

2. Формируют ряд упорядоченных идентификаторов элементов исследуемой системы.

Все элементы исследуемой системы нумеруют последовательными числами натурального ряда.

3. Детектируют нормировочный ряд событий.

В качестве нормировочного ряда событий выбирают радиоактивный распад Америция-241 (Americium-241), который заведомо не зависит от температуры - т.е. основного параметра исследуемой системы. А именно, абсолютное время конкретного распада, который детектируется счетчиком, на основе трубки Гейгера-Мюллера. Фактически, это одномерный массив, элементами которого являются последовательные отсчеты часов, соответствующие детектированным распадам (щелчок счетчика на основе трубки Гейгера-Мюллера давал команду на считывание абсолютного времени электронных часов). Пусть это будет Массив-Н. Реально количество элементов Массива-Н составляет десятки и/или сотни тысяч.

4. Маркируют нормировочный ряд событий упорядоченными идентификаторами элементов исследуемой системы.

Из Массива-Н выбираются первые двадцать шесть элементов (по числу элементов исследуемой системы) и им присваиваются последовательно номера от 1 до 26 по правилу 1-1, 2-2, 3-3 и т.д. Потом берутся следующие 26 элементов массива и им также присваиваются последовательно номера от 1 до 26 по правилу 27-1, 28-2, 29-3 и т.д. Потом берутся следующие 26 элементов массива и им также присваиваются последовательно номера от 1 до 26 по правилу 53-1, 54-2, 55-3 и т.д. Операция повторяется до исчерпания элементов массива. Если Массив-Н имеет число элементов не кратное числу элементов исследуемой системы, то последняя маркировка не заканчивается, прерываясь на конкретном номере. Так получают маркированный нормировочный ряд событий.

В машинной обработке форматы представления данных времени (Массив-Н) и натуральных чисел (соответствующих номерам элементов исследуемой системы) не совпадают. Поэтому маркированный нормировочный ряд событий представляется одномерным массивом, где элементы имеют новый формат, объединяющий и значение времени, и присвоенный номер. Этот формат может либо вначале содержать натуральные числа от 1 до 26, а потом абсолютное значение времени, либо вначале содержать абсолютное значение времени, а потом натуральные числа от 1 до 26. Для разных случаев может быть удобен тот или иной вид.

5. Запоминают маркированный нормировочный ряд событий.

Маркированный нормировочный ряд событий сохраняют в памяти компьютера, записав его на жестком диске.

6. Создают моделирующие системы путем подбора процедур обработки запомненного маркированного ряда событий.

Маркированный нормировочный ряд событий эквивалентно преобразуют в вид, когда каждый элемент является вещественным числом. Это эмпирические данные. Эмпирические данные содержат реальные значения всех измеряемых параметров всех элементов системы для разных моментов времени, выбранных при изучении распада Америция-241. Теперь маркированный нормировочный ряд событий можно представить в виде графика функции, где по оси Х откладывается номер элемента ряда, а по оси Y - значение элемента ряда.

Теперь важно для такого набора точек на графике подобрать аналитическое выражение, приближенно выражающую функцию, представленную такой последовательностью эмпирических данных. Формулы, изображающие функциональную зависимость, полученную из опыта в виде таблицы или графика, называются в математике эмпирическими формулами.

Обычно для приближенного изображения заданной функции выбирают аппроксимирующую (приближенную) функцию из функций определенного вида. Удобно выбирать многочлены (полиномы) вида суммы последовательных степеней числа «е» (основания натурального логарифма). Тогда, весьма вероятно, что, выбрав необходимое количество первых слагаемых, мы легко получаем достаточную точность аппроксимации.

Для исследования эмпирических периодических функций удобно использовать ряды Фурье (гармонический анализ). В этом случае весьма сложные периодические эмпирические функции без потери необходимой точности могут быть заменены группами коэффициентов. Техника имеет богатый опыт обработки и интерпретации периодических эмпирических функций.

Точность подбора аппроксимирующей функции определяется разными способами, но наиболее распространенный - метод наименьших квадратов. Упрощенно, суть его сводится к выбору такой аппроксимирующей функции, которая аналитически достаточно проста и в то же время, сумма квадратов разности ординат эмпирической и аппроксимирующей функций, вычисленных для каждой из эмпирических точек, является минимальной.

Такие алгоритмы известны. Обычно, они реализованы в виде программ. Они могут быть созданы в виде спецвычислителя.

Моделирующие системы содержат всевозможные комбинации всевозможных элементов системы, к тому же добавлены заведомо независимые от тепла параметры и все это дано в привязке ко времени.

Пример простых алгоритмов, позволяющие ранжировать элементы исследуемой системы, по частоте импульсов радиоактивного распада внутри каждого часа и аккумулирующие победителей каждого часа, приведены ниже. Под победителями понимается ранжированная группа обработанных показаний датчиков, отбираемая для дальнейшей обработки и построения моделей. Под частотами импульсов понимается частоты импульсов радиоактивного распада, детектируемые датчиком на основе трубки Гейгера-Мюллера. Упорядоченные идентификаторы элементов исследуемой системы образуют ряд.

Алгоритм обработки и анализа зарегистрированных импульсов

Предлагаемый алгоритм позволяет создавать простейшую моделирующую систему, ранжируя элементы исследуемой системы по частоте импульсов радиоактивного распада внутри каждого часа и аккумулируя победителей каждого часа. Алгоритм и соответствующая программа были написаны на языке T-SQL для SQL Server 7.0.

1. Программа имеет 2 входных параметра: FromDate и ToDate. Эти параметры позволяют пользователю выбирать интервал, где будет выполнен анализ частот импульсов.

2. В течение инициализации программа создает 3 временные таблицы

#Numbers (num int, r real, Qty int)

#AllNumbers (num int, r real, Qty int)

#t (dat datetime, qty int, num int)

3. Программа определяет почасовые интервалы между FromDate и ToDate. Например, если FromDate='13 марта 2007 10:00:00' и ToDate='Mar 13, 2007 18:00:00' - программа делит все импульсы, записанные между FromDate и ToDate на 8 интервалов:

от '13 марта 2007 10:00:00' до '13 марта 2007 11:00:00',

от '13 марта 2007 11:00:00' до '13 марта 2007 12:00:00',

от '13 марта 2007 12:00:00' до '13 марта 2007 13:00:00'

…

от '13 марта 2007 17:00:00' до '13 марта 2007 18:00:00'

В зависимости от конкретной реализации (например, в зависимости от частоты импульсов и количества анализируемых элементов системы) интервалы могут быть как больше, так и меньше одного часа.

4. Для каждого почасового интервала программа

а. Очищает временные таблицы #t и #Numbers

b. Вставляет во временную таблицу #t общее количество импульсов, зарегистрированных в каждую минуту анализируемого часа для соответствующего анализируемого элемента системы. Идентификатор анализируемого элемента системы записывается в базу данных для каждого импульса вместе с меткой времени и номером детектора.

с. Используя данные, вставленные в таблицу #t, описанная программа вычисляет среднюю частоту зарегистрированных импульсов, группируя их по анализируемым элементам системы и суммируя их по всем минутам анализируемого часа. Средняя частота вычисляется как частное от деления:

[Общее количество импульсов для анализируемого элемента системы, суммированное всеми минутами анализируемого часа] и [общее количество минут в анализируемом часе, когда соответствующий элемент системы анализировался].

d. Описанная программа может добавочно потребовать, чтобы число зарегистрированных импульсов в минуту, было бы выше (ниже) некоторого определенного порога. Например, может быть запрограммировано, чтобы рассматривать только минуты, где было зарегистрировано не меньше, чем 10 импульсов. Это позволяет программе игнорировать минуты, когда никаких импульсов или только фоновые импульсы были зарегистрированы (например, из-за технических проблем).

е. После завершения вычислений, описанных в пункте 4-с выше, программа вставляет идентификатор анализируемого элемента системы, вычисленные частоты и полное количество импульсов для этого анализируемого элемента системы во временную таблицу #Numbers, которая была создана на шаге 2 и была очищена на шаге 4-а.

f. Используя данные таблицы #Numbers, программа сортирует записи по частоте и записывает идентификаторы анализируемых элементов системы с наименьшими частотами и соответствующим часом из таблицы #Numbers в таблицу #SelectedNumbers. В предпочитаемом воплощении программа отбирает и вставляет 50% записей с наибольшими частотами в таблицу #SelectedNumbers. Очевидно, что это число может быть изменено, если нужно. Также, в определенных алгоритмах программа может отбирать и вставлять записи не с наибольшими частотами, а с наименьшими частотами.

5. После обработки всех почасовых интервалов программа вычисляет: сколько раз идентификатор каждого анализируемого элемента системы появляется в таблице #SelectedNumbers, сортирует проанализированные идентификаторы элементов системы по количеству и уведомляет пользователя. Самый простой способ уведомить пользователя - показать результат на компьютерном мониторе. Однако возможны также и другие методы уведомления, как уведомление через компьютерный динамик, печать на принтере, передачу SMS-сообщений, электронная почта, телефон, факс, пейджер, устройство "Blackberry", уведомление через сотовый телефон и другие.

6. Объединение датчиков.

Процесс, описанный в пунктах 1-5, может быть также выполнен, используя несколько независимых датчиков. В этом случае, описанная программа может быть изменена, чтобы объединить результаты, полученные от этих нескольких датчиков вместе.

Ниже описываются некоторые возможные способы объединения данных нескольких детекторов.

а. Записывающие устройства этих датчиков синхронизируются друг с другом. Например, если компьютеры используются как регистрирующие устройства - время всех компьютеров должно быть тем же самым, моменты анализа элементов системы должны быть тем же самым, и сами анализируемые элементы системы должны быть тем же самым.

Эта синхронизация времени между компьютерами, использующими SQL Server? может быть сделана, например, используя по расписанию SQL Server job:

declare @s varchar(20)

select @s=convert(varchar(20),dat,8) from vGetDate

select @s='Time'+@s

exec ComputerToBySync.master..xp_cmdshell @s,

где 'ComputerToBySync' - название компьютера, где время должно быть синхронизировано, и vGetDate - view объект на SQL Server управляющего компьютера, который был создан как: CREATE VIEW vGetDate AS SELECT GETDATE() AS Dat.

b. Объединение импульсов.

В этом случае на шаге 4b (выше) программа вставляет во временную таблицу

#t общее количество импульсов для каждой минуты анализируемого часа и анализируемого элемента системы, прибывших от всех датчиков. Преимущество этого метода - интеграция данных от нескольких датчиков и соответствующей минимизации влияния флуктуации, которые каждый индивидуальный датчик может испытывать.

с. Объединение сортированных чисел, прибывших из нескольких таблиц #SelectedNumbers.

В этом случае каждый компьютер вычисляет и заполняет таблицы #SelectedNumbers (описанные на шаге 4f) независимо. Но после этого программа вычисляет количества появлений анализируемых элементов системы в таблице #SelectedNumbers не для одного компьютера, а для всех компьютеров вместе. Преимущество этого метода - также интеграция данных от нескольких датчиков и соответствующей минимизации влияния флуктуации.

d. Анализ относительной частоты.

В этом случае два синхронизированных компьютера делают запись импульсов в ту же самую таблицу, рассматривая компьютеры как различные каналы. Детали о синхронизации приведены в пункте 6а. В течение обработки по пунктам 4b-4с компьютер вычисляет количество импульсов только для одного канала, и сравнивает его с общим количеством импульсов по обоим каналам. Таким образом, программа анализирует не абсолютную частоту импульсов для анализируемого элемента системы, но относительную частоту первого канала, сравнивая его с суммой (первый + второй каналы). То есть величины, которые записываются в таблицу #Numbers, - не абсолютные величины типа 85 импульсов для анализируемого элемента системы "5", или 83 для анализируемого элемента системы "2" и т.д., а процент от импульсов, зарегистрированных на канале 1 по отношению ко всем зарегистрированным импульсам, т.е. 54,2% для анализируемого элемента системы "5", 53,2% для анализируемого элемента системы "2" и т.д.

Разумеется, это может быть и отношение числа импульсов первого и второго каналов.

Большое преимущество этого метода - использования дифференциальных измерений. Это позволяет минимизировать влияние внешних факторов. Так, например, если фоновая радиация становится сильнее - это влияет на оба датчика, и процент (N1/(N1+N2)) останется неизменным. То же самое для возможного температурного влияния на датчики, изменения во влажности и т.д.

7. Вычисляют энтропийные потенциалы событий исследуемой системы.

Энтропийный потенциал событий исследуемой системы это величина, получаемая расчетом по формуле (1):

,

где S_B(T_A+dT) - математическое ожидание энтропии системы на момент В, вычисленное после того, как событие А произошло,

S_B(T_A-dT) - математическое ожидание энтропии системы на момент В, вычисленное до того, как событие А произошло.

Для теплотехнических систем значение энтропии определено и может быть получено простыми счетными устройствами на основании показаний датчиков температуры, расхода, давления и т.д.

События А исследуемой системы также известны - это изменения непосредственно измеряемых параметров. Выбирают последовательно каждое из них. В принципе, любая точка может считаться событием А.

Можно выбрать любые моменты В как до, так и после события А. В принципе, любая точка может быть моментом В. Для любого события А может быть множество моментов В как до, так и после события А.

Для каждой точки исследуемой системы (для любого события А) может быть вычислено множество энтропийных потенциалов событий. Их значения могут различаться в зависимости от того, как был выбран момент В до и после события А.

Малые энтропийные потенциалы событий говорят о малых последствиях от события, а большие - о больших. Очевидно, что наиболее интересны большие отклонения системы.

При исследовании системы нельзя однозначно судить, станет ли причиной больших отклонений тот или иной набор факторов. Поэтому энтропийные потенциалы событий являются только критерием отбора оптимальной моделирующей системы.

Время измерения параметров весьма мало. Процесс расчета также не занимает много времени. В любом случае время на снятие показаний и составление моделей существенно меньше времени реагирования системы на возмущающие воздействия. Инерционность системы составляет часы, а расчеты занимают минуты. Таким образом, если будет выбрана оптимальная модель, то ее прогнозные возможности позволят принять правильное решение в заданное время.