Базы экологических знаний: технология создания и предварительные результаты
Автор: Розенберг Г.С., Дунин Д.П.
Журнал: Известия Самарского научного центра Российской академии наук @izvestiya-ssc
Рубрика: Биология и экология
Статья в выпуске: 2 т.1, 1999 года.
Бесплатный доступ
Рассмотрены концепции современной экологии, которые предлагается использовать при создании базы экологических знаний. Обсуждаются некоторые предварительные результаты по использованию базы знаний для описания процессов в водохранилищах.
Короткий адрес: https://sciup.org/148197528
IDR: 148197528
Текст научной статьи Базы экологических знаний: технология создания и предварительные результаты
Когда задают вопрос: «Если бы В.Шекс-пир не написал “Гамлета”, а П.И.Чайковс-кий - “Лебединое озеро”, смог бы это сделать кто-нибудь другой?», обычно отвечают: «Конечно нет». А вот на вопрос: «Если бы Д.И.Менделеев не открыл периодический закон, а А.Эйнштейн - теорию относительности, смогли бы другие ученые сделать эти открытия?», чаще всего следует ответ, что да, смогли бы [1] . Одна из причин (подчеркнем - одна из...) заключается в том, что нет методов, с помощью которых можно было бы создавать великие произведения искусства, и существуют методы научного познания, позволяющие открывать закономерности в природе. Таким образом, «...когда имеется алгоритм генерации решения либо аналог, по которому ЭВМ может определить ситуацию как сходную с имеющейся в ее памяти, - ЭВМ может сгенерировать решение, аналогичное тому, которое принимается по сходной ситуации» [2, с. 53 ].
-
1. Система концепций современной экологии
-
2. Особенности построения экологических баз знаний
Создание базы знаний ( Knowledge Base) по экологии может опираться, например, на имитационно-лингвистическое моделирование [3] и на представленную в таблице систему концепций современной экологии [4].
В настоящее время в прикладной и фундаментальной науке, а также в народном хозяйстве, находят применение информационные технологии. Это в первую очередь связанно с большим распространением персональных ЭВМ. В понятие “информационных технологий” в широком смысле слова вкладываются представления о любых программных комплексах, с помощью которых обрабатываются какие либо данные. Так, например, широкое распространение получило применение программ по бухгалтерскому учету. Однако особо можно выделить та-
Таблица. Концепции, принципы и законы современной экологии
Подразделы экологии |
Концепции, принципы, законы |
1 |
2 |
Факториальная экология |
КОНЦЕПЦИЯ СОВОКУПНОГО ДЕЙСТВИЯ ПРИРОДНЫХ ФАКТОРОВ Митчерлиха-Тинемана-Бауле - биомасса (фитомасса, урожай) зависит не только от какого-либо одного лимитирующего фактора, но и от всей совокупности действующих факторов одновременно.
|
1 |
2 |
|
|
Взаимодействие популяций |
КОНЦЕПЦИЯ (ТЕОРИЯ) ЕСТЕСТВЕННОГО ОТБОРА Дарвина - естественный отбор, обусловленный влиянием на организмы факторов окружающей среды, является движущим фактором эволюции. Биологическая разнокачественность особей в популяции и ограниченность ресурсов жизнеобеспечения служат предпосылкой борьбы за существование, в ходе которой реализуется естественный отбор. ♦ Принцип экспоненциального роста численности популяции в благоприятной и неограниченной стационарной среде |
Демэкология (структура) |
КОНЦЕПЦИЯ МИНИМАЛЬНОГО РАЗМЕРА ПОПУЛЯЦИИ - состоит в том, что каждому виду свойственен специфический для него минимальный размер популяции, нарушение которого ставит под угрозу существование популяции, а иногда и вида в целом.
|
Демэкология (динамика) |
КОНЦЕПЦИЯ УСТОЙЧИВОСТИ ПОПУЛЯЦИЙ - способность популяций противостоять возмущающим воздействиям факторов среды.
|
Экологические ниши |
КОНЦЕПЦИЯ ЭКОЛОГИЧЕСКОЙ НИШИ - совокупность характеристик, показывающих положение вида в экосистеме; наиболее важная для теории экологии концепция.
|
Экологическое разнообразие |
КОНЦЕПЦИЯ ЭКОЛОГИЧЕСКОГО РАЗНООБРАЗИЯ -сообщества различаются по числу и "значимости" входящих в них видов.
|
Экология сообществ (синэкология) |
КОНЦЕПЦИЯ ЭКОСИСТЕМЫ. Экосистема - биосистема, которая включает все совместно функционирующие организмы (биоценоз) на данном участке территории и которая взаимодействует с физической средой так, что поток энергии создает достаточно четкие биоотические структуры с круговоротом веществ между живой и неживой частями. |
1 |
2 |
биологический закон) Рулье-Сеченова
|
|
Структура сообществ (общие закономерности, континуум) |
КОНЦЕПЦИЯ КОНТИНУУМА - отражение одного из коренных свойств экосистем, позволяющее рассматривать их как непрерывную мозаику популяционных распределений, связанных условиями среды.
|
Структура сообществ (частные, пространственные закономерности) |
КОНЦЕПЦИЯ ПЕРИОДИЧЕСКОЙ ГЕОГРАФИЧЕ-СКОЙ ЗОНАЛЬНОСТИ Григорьева-Будыко - со сменой физикогеографических поясов аналогичные ландшафтные зоны и их некоторые общие свойства периодически повторяются.
|
Динамика сообществ (сукцессии, климакс) |
КОНЦЕПЦИЯ КЛИМАКСА - признание возможности существования устойчивых и равновесных по отношению к внешней среде экосистем. Климакс - это результат автогенных и аллогенных сукцессий, не абсолютно устойчивое состояние, а фаза относительно медленного развития.
|
Динамика сообществ (эволюция) |
КОНЦЕПЦИЯ СЕТЧАТОЙ ЭВОЛЮЦИИ СООБЩЕСТВ Уиттекера - представление об эволюции, как сеткообразном процессе, когда распределения видов вдоль градиента эволюционного времени также независимы и индивидуальны, как и распределения видов вдоль экологических или пространственных градиентов. В этом случае коэволюционировать могут только виды разных трофических уровней (хозяин-паразит, хищник-жертва). Эволюция может быть не только природной (тысяча и более лет), но и антропогенной (сотни и даже десятки лет - создание агроэкосистем, синантропизация и урбанизация экосистем). ♦ Принцип эволюционно-экологической необратимости ♦ Аксиома необратимости эволюции Дарвина-Долло |
1 |
2 |
Экология биосферы (энергетика, продуктивно сть) |
КОНЦЕПЦИЯ БИОСФЕРЫ Вернандского - представление о самой крупной экосистеме как взаимосвязанном единстве живого, биогенного, биокосного и косного веществ. Самая существенная особенность биосферы - биогенная миграция атомов химических элементов.
|
кие системы. которые анализируя исходные данные, помогают человеку принять правильное решение. Такие системы так и называются - “экспертные системы”.
“Под экспертной системой понимается система, объединяющая возможности компьютера со знаниями и опытом эксперта в такой форме, что система может предложить разумный совет или осуществить разумное решение поставленной задачи” (выделено автором цитаты ; [5; с. 9 ] ). В самом общем виде любая экспертная система должна состоять из базы знаний (БЗ), базы данных предметной области (БД), программы “решателя проблем” (ПРП), области запросов (ОЗ) и еще ряда специфических обслуживающих программ.
На данный момент не существует единого и точного определения ЭС. Однако все специалисты сходятся во мнении что экспертная система может быть работоспособной только при наличии базы знаний и базы данных.
Понятие БД имеет более раннее происхождение и поэтому более устоялось. База данных - именованная совокупность данных, отражающая состояние объектов и их отношений в рассматриваемой предметной области. БД, согласно определению Государственного комитета СССР по стандартам, - это “...идентифицируемая совокупность взаимосвязанных данных, предназначенных для многоцелевого использования” (ГОСТ 14.413-80). Чаще всего для рядового пользователя БД представляет из себя набор взаимосвязанных таблиц.
Однако до сих пор не сложилось четкого определения понятия “база знаний”: практически что такое БЗ никто не знает. Существуют два основных представления. В первом случае, БЗ имеет вид пакета знаний, своего рода библиотеки в электронном виде; во втором, - БЗ представляется как интегрированная система принятия решения на основе имеющихся знаний. Таким образом понятие базы знаний тесно переплетается с понятием экспертной системы. Нам представляется что смешивание этих двух понятий не правомочно - БЗ “ сама по себе ” не может принимать какие либо решения; БЗ - это одна из составляющих частей ЭС.
Что бы понять, что же такое БЗ, необходимо представлять себе, что она может содержать. Содержание БЗ классифицируют по разным признакам. Различают алгоритмические и неалгоритмические знания:
Алгоритмические (или процедурные) знания - это алгоритмы (программы, процедуры, ПРП), вычисляющие функции, решающие точно определенные конкретные задачи. Базой алгоритмических знаний можно считать любое собрание (библиотеку) программ
Неалгоритмические знания охарактеризовать гораздо труднее, чем алгоритмические. Они состоят, прежде всего, из мысленных объектов, называемых понятиями, и имеющими определенное имя, и из связи между понятиями или утверждениях об их свойстве. Однако, знания, воплощенные в понятия, не сводятся только к моделям в предметной области. Математические знания, состоящие из математических понятий, связей между ними и утверждений о них, составляют значительную часть практически любой БЗ.
Во многих экспертных системах содержимое базы знаний разделяют на “факты” и “правила”, причем, факты играют роль элементарных “частиц знания”, а правила служат для выражения их связей. Таким образом, приходим к следующей классификации знаний:
-
1. понятия,
-
2. факты,
-
3. правила,
-
4. алгоритмы (ПРП).
Для создания экологической БЗ вполне можно воспользоваться представленной выше системой концепций современной экологии. Некоторые из представленных в таблице законов экологии формализованы (например, модели Лотки-Вольтерра), большинство носят вербальный характер. Для их описания в некоторой единой форме можно воспользоваться моделями потенциальной эффективности (МПЭ) сложных систем [6,7] . При этом общая схема формализации выглядит следующим образом.
Взаимодействие системы А со средой В можно представить как серию обменов некоторого количества расходуемых ресурсов U на некоторое количество потребляемых ресурсов V; Б.С.Флейшман такой обмен на зывает (U;V)-обменом (примером может служить увеличение фитомассы растительного сообщества V при внесении минеральных удобрений U). Таким образом, система А характеризуется параметрами U и V и ее целью AQ можно считать наиболее выгодный (U;V)-обмен, т.е. система стремиться получить больше, отдавая при этом меньше (для каждого фиксированного U система путем изменения своей структуры и поведения стремится максимизировать V). При стохастическом подходе к моделированию сложных систем (тот факт, что для экосистем стохастическая составляющая структуры и поведения играет большую и важную роль, сейчас ни у кого не вызывает сомнений, см., например, [8]) целесообразно говорить о некоторой вероятности P(U;V) достижения системой А своей цели AQ.
Замечательным фактом теории потенциальной эффективности сложных систем при их стохастическом описании является возможность выражения этой теории в единой форме МПЭ через вероятность P(U;V) : при достаточно больших значениях U и соответствующих им больших значениях V вероятность выгодного (U;V) -обмена имеет следующее асимптотическое поведение:
-
P( U;V) ® 0, при V > V 0 ,
-
P( U;V) ® 1, при V < V 0 ,
где V 0 - количество ресурса, получаемого оптимальной по данному качеству системой A Q . Таким образом, системе не выгодно получение величины ресурса V > VQ (жадность до добра не доведет). Общее асимптотическое поведение вероятности P(U;V) обосновывается глубокой математической закономерностью, лежащей в основе поведения всех стохастических МПЭ сложных систем, - вероятностями больших уклонений (строгое доказательство приводится Б.С.Флейшманом [6; с.202-210 ]) . Отметим также, что некоторые примеры построения МПЭ фитоценотических систем обсуждались ранее [9; с. 226-233 ].
Вероятностное описание экологической БЗ диктует и аналогичное использование вероятностного подхода для создания ПРП. Фактически, ПРП будет представлять в этом случае вероятностную матрицу “вопрос - ответ”, а основным способом вычисления вероятности той или иной ситуации будет классическая теорема Байеса (правда, ограничением этого метода вычислений является предположение о независимости друг от друга всех событий). Матрица “вопрос - ответ” может быть получена либо экспертным путем, либо самообучением системы с использованием БД (одними из возможных вариантов такого самообучения могут быть процедура эволюционного моделирования [10], компьютерная теория артефактов [11,12] или имитационно-лингвистическое моделирование [3]).
Говоря об экологической базе знаний мы имеем в виду в первую очередь ее содержание. Задачи, которые приходится решать в рамках региональных экологических проблем (в самом общем плане), могут быть условно отнесены к одному из следующих направлений:
-
1. охрана природы,
-
2. рациональное природопользование,
-
3. экологическая экспертиза.
В зависимости от этих конкретных задач и происходит наполнение БЗ. При этом, следует отметить следующие:
-
1. не смотря на то, что все в природе происходит по каким то определенным законам, нам они порой досконально не известны и потому построить точную модель какого либо процесса часто бывает не возможно; таким образом, в состав БЗ будет входить относительно мало таких знаний, как алгоритмы.
-
2. основу экологической БЗ составляют понятия (причем, в достаточно большом числе);
-
3. самым большим звеном экологической БЗ являются правила; кроме чисто математических сюда будут входить именно экологические принципы и законы (см. таблицу).
-
3. “Игрушечный” пример
Иллюстрацией вышеизложенных положений может служить очень простая ЭС. Пусть создаваемое искусственное сообщество содержит виды четырех типов стратегий (C, S, R, A), которые соответствуют представлениям о разных типах эколого-ценотичес- ких стратегий концепции устойчивости популяций (см. таблицу). Здесь С - виды-конкуренты (виоленты, “силовики”, “львы”), S - виды стресс-толеранты (патиенты, “вынос-ливецы”, “верблюды”), R - виды-рудералы (эксплеренты, сорные, “шакалы”) и А -виды-абортанты (обреченные виды, пополняющие разного рода “Красные книги”) [13, с. 64-65; 14]. Представления о разных типах эколого-ценотических стратегий видов в экобиологии растений играют роль неалгорит-мизированной БЗ. И пусть это сообщество будет характеризоваться вектором соотношения видов этих типов стратегий X = {Х^ XS, XR, XA}. Тогда это искусственное сообщество в момент времени t + 1 будет характеризоваться вектором X в момент времени t и матрицей B вероятностей “перехода” видов из одного типа стратегии в другой за единицу времени (марковская цепь, [15, с. 121]; эти представления играют роль ПРП):
X(t + 1) = B * X(t) .
Следовательно, анализ этой модели (ЭС) сведется к анализу собственного значения и соответствующего ему собственного вектора матрицы В . Усложнение модели (придание ей более “ реалистического ” вида) может идти за счет учета влияния факторов среды (зависимость вероятностей матрицы В от них; см. в таблице концепция совокупного действия природных факторов}, учета сезонной и разногодичной динамики (концепция климакса} и пр. Но и в данном упрощенном варианте можно продемонстрировать некоторые особенности создания экологической ЭС.
Пусть на основе некоторой БД (или по мнению экспертов) матрица В вероятностей переходов от одного типа стратегии к другому имеет следующий вид:
C |
S |
R |
A |
||
C |
0,5 |
0,2 |
0,2 |
0,1 |
|
B = |
S |
0,3 |
0,5 |
0,1 |
0,1 |
R |
0,2 |
0,1 |
0,5 |
0,2 |
|
A |
0 |
0,2 |
0,2 |
0,6 |
В целом, данные вероятности переходов выглядят достаточно правдоподобно, хотя в каждом конкретном случае эти вероятности, естественно, будут иными.
Пусть исследователь через ОЗ (область запросов) будет интересоваться возможностью создания, например, искусственной травосмеси с 100% участием виолентов (C) и, следовательно, обладающую максимальной продуктивностью, т.е. X(t=1) = {100, 0, 0, 0}. Однако, уже через четыре года соотношение видов с разными типами стратегий (косвенно, и с меньшей продуктивностью) станет следующим:
X(t=5) = {27, 28, 24, 21}, т.е. пятая часть видов будет находится на грани исчезновения, а более половины снизят свою продуктивность. Подобный вывод далеко не так тривиален без предварительного анализа этого “игрушечного” примера.