DOI: 10.17586/2226-1494-2015-15-5-907-915


УДК004.42, 004.94

ПРОГРАММНЫЕ ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА ДЛЯ ОРГАНИЗАЦИИ ВЫЧИСЛИТЕЛЬНОГО ЭКСПЕРИМЕНТА С ЦЕЛЬЮ ПРОВЕДЕНИЯ МНОГОВАРИАНТНОГО АНАЛИЗА

Александров А. Е., Тюрин А. В.


Читать статью полностью 
Язык статьи - русский

Ссылка для цитирования: Александров А.Е., Тюрин А.В. Программные инструментальные средства для организации вычислительного эксперимента с целью проведения многовариантного анализа // Научно-технический вестник информационных технологий, механики и оптики. 2015. Т. 15. № 5. С. 907–915.

Аннотация

Предложена концепция организации и планирования вычислительного эксперимента с целью проведения многовариантного анализа сложных многофакторных моделей. Концепция основана на порождении дерева расчетов. Приводится описание логической и структурной схем дерева, а также программных инструментальных средств по автоматизации работы с ним: порождение расчетов, проведение расчетов и анализ полученных результатов. Системы компьютерного моделирования и такие специализированные системы, как RACS и PRADIS, не решают задачи эффективного проведения вычислительного эксперимента, состоящего из его организации, планирования, выполнения, а также анализа полученных результатов. Для организации вычислительного эксперимента предлагается хранение расчетов в виде дерева входных и выходных данных. Каждый узел дерева имеет ссылку на расчет выполненного ранее этапа модели. Хранение дерева расчетов осуществляется в виде специально организованной структуры каталогов. Для эффективного планирования многовариантных расчетов предлагается использовать программный инструмент по созданию и модификации расчетной схемы, хранящей структуру одной ветви дерева расчетов. Набор специализированных программных инструментов позволяет осуществлять генерацию и гибкую модификацию дерева, добавлять расчеты с пошаговым изменением факторов модели. Для выполнения вычислений разработана программная среда в форме графического пользовательского интерфейса для создания и модификации расчетного сценария. Данная среда позволяет обходить дерево расчетов в определенном порядке и осуществлять последовательный и параллельный запуск расчетных модулей. Для анализа результатов разработан программный инструмент, работающий на основе дерева тегов специального вида дерева, хранящего входные и выходные данные расчетов в виде набора изменений соответствующих факторов модели. Инструмент позволяет выбирать требуемые факторы и отклики модели на различных этапах и для выбранных параметров формировать удобные для восприятия таблицы и графики функций. Предлагаемое решение апробировано в процессе прохождения процедуры верификации программного средства «Прогноз_Р», значительно упростив подготовку и проведение проектных расчетов для анализа разработанной вычислительной модели. Таким образом, предложенные программные инструментальные средства в силу отсутствия универсальных готовых решений могут послужить эффективной заменой ручного проведения вычислительного эксперимента.


Ключевые слова: многовариантный анализ, дерево расчетов, дерево тегов, анализ результатов расчетов, вычислительный эксперимент.

Список литературы

1. Каханер Д., Моулер К., Нэш С. Численные методы и программное обеспечение. М.: Мир, 1998. 575 с.

2. Фролов К.В., Воробьев Ю.Л., Лаверов Н.П. Безопасность России. Анализ риска и проблем безопасности. Часть 3. Прикладные вопросы анализа рисков критически важных объектов. М.: МГФ Знание, 2007. 815 с.

3. Александров А.Е., Михайлов Б.М., Тюрин А.В. Обеспечение безопасной эксплуатации объектов ядерной энергетики на основе стандартов по проведению аттестации и верификации программных средств // Сборник трудов IV Международной конференции «ИТ-Стандарт 2014». Москва, 2014. С. 56–64.

4. Лавров В.В., Спирин Н.А. Методы планирования и обработки результатов инженерного эксперимента. Екатеринбург: ГОУ ВПО УГТУ-УПИ, 2004. 257 с.

5. Александров А.Е., Востриков А.А., Тюрин А.В. Отчет о верификации программного средства «Прогноз_Р» для ПЭВМ по расчету вероятности хрупкого разрушения корпуса реактора РУ ВВЭР- 1000. Регистрационный номер 01201460046.

6. Арлазаров В.Л., Емельянов Н.Е. Управление информационными потоками. М.: Едиториал УРСС, 2002. 368 с.

7. Gathen J., Gerhard J. Modern Computer Algebra. 3rd ed. Cambridge University Press, 2013. 808 p.

8. Klemens B. Modeling with Data: Tools and Techniques for Scientific Computing. Princeton University Press, 2008. 468 p.

9. Muller K.E., LaVange L.M., Ramey S.L. Power calculations for general linear multivariate models including repeated measures applications // Journal of the American Statistical Association. 1992. P. 1209–1226.

10. Гурман В.И., Матвеев Г.А., Трушкова Е.А. Социо-эколого-экономическая модель региона в параллельных вычислениях // Управление большими системами: сборник трудов. 2011. №32. С. 109– 130.

11. Кандиев Я.З., Малахов А.А., Серова Е.В., Спирина С.Г. Оценка эффекта малых возмущений в многовариантных расчетах по программе ПРИЗМА-Д // Атомная энергия. 2005. Т. 99. № 3. С. 203– 210.

12. Ковалев Г.Ф., Лебедева Л.М. Комплекс моделей оптимизации режимов расчетных состояний при оценке надежности электроэнергетических систем. Иркутск: Институт систем энергетики СО РАН, 2000. 73 с.

13. Roberts K.V. An introduction to the OLYMPUS system // Computer Physics Communication. 1974. V. 7. N 5. P. 237–243. doi: 10.1016/0010-4655(74)90025-3

14. Горбунов-Посадов М.М., Карпов В.Я., Корягин Д.А., Красотченко В.В., Матекин М. П. Пакет Сафра: программное обеспечение вычислительного эксперимента / В кн: Пакеты прикладных программ. Вычислительный эксперимент. М.: Наука, 1983. С. 12–50. 

15. Иванов А.В. Система контроля результатов и алгоритмов для задач численного моделирования // Автоматизация и современные технологии. 2007. № 12. С. 29–34.

16. Многовариантный анализ. Программный комплекс для автоматизации моделирования нестационарных процессов в механических системах и системах иной физической природы [Электронный ресурс]. Режим доступа: http://www.laduga.ru/pradis/help/pradis/PRADIS_Multivaria_analysis.ru.htm (дата обращения: 25.12.2014).

17. Hinkelmann K., Kempthorne O. Design and Analysis of Experiments, Volume I: Introduction to Experimental Design. 2nd ed. Wiley, 2008. 667 p.

18. Hinkelmann K., Kempthorne O. Design and Analysis of Experiments, Volume II: Advanced Experimental Design. 1st ed. Wiley, 2005. 780 p.

19. Goos P., Jones B. Optimal Design of Experiments: A Case Study Approach. Wiley, 2011. 304 p.

20. Александров А.Е., Востриков А.А., Тюрин А.В. Вероятностные расчеты на основе метода Монте- Карло с использованием многовариантного анализа // VI Межвузовский сборник научных трудов. М.: МГУП, 2012. С. 189–194.

21. Post F.H., Nielson G.M., Bonneau G.-P. Data Visualization: The State of the Art. Springer, 2003. 443 p. doi: 10.1007/978-1-4615-1177-9

22. Афанасьева Н.Ю. Вычислительные и экспериментальные методы научного эксперимента. М.: КНОРУС, 2010. 336 с. 23. Аттестационный паспорт программного средства «Прогноз_Р 1.0». Регистрационный номер 358 от 17 апреля 2014 г.  

Информация 2001-2017 ©
Научно-технический вестник информационных технологий, механики и оптики.
Все права защищены.

Яндекс.Метрика