NEU-2001

В Томском политехническом университете (ТПУ) на кафедре Вычислительной техники (ВТ) с 1997 г. открыта новая для кафедры специальность 071900 «Информационные системы в нефтегазодобыче», что вызвано потребностью в специальностях этого профиля в нефтегазодобывающих регионах Томской и Тюменской областей. В типовом учебном плане этой специальности тенденции развития новых информационных технологий, но нашему мнению, выражены не в полной мере. Это положение касается, в частности, отсутствия четкой ориентации на современные нейроинформационные технологии применительно к геоинформационным системам (ГИС), находящих широкое применение в решении задач в области нефтегазодобычи, как в части геологоразведочных работ, так и в части оптимизации эксплуатации существующих систем нефтегазодобычи. Вместе с тем, в существующей литературе уже имеется информация о целесообразности использования нейросетевых технологий при решении аналитических задач ГИС, о применении нейронных сетей для идентификации радиолокационных изображений земной поверхности и т.д.

Нам представляется целесообразным введение соответствующих разделов нейроинформатики в учебные дисциплины по информационным технологиям. Таких учебных дисциплин в учебном плане специальности 071900 имеется несколько:

• Информатика I курс;
• Теория информационных систем — I-II курс;
• Моделирование информационных процессов и систем — III курс;
• Информационные технологии — III курс;
• Информационные сети — IV курс;
• Открытые информационные системы — IV курс;
• Геоинформатика — V курс.

Имеется еще ряд информационных дисциплин, связанных более тесно со специализацией в области нефтегазодобыче, например, «Информационные технологии в нефтегазодобыче» (IV-V курс) и др. Возникают вопросы: на какой стадии обучения, на каких курсах, в каких дисциплинах следует выделять соответствующие разделы по нейроинформатике. Проблемным кажется и вопрос о создании необходимой лабораторной базы, о разработке соответствующего учебно-методического обучения и т.д.

В специальности 071900 есть дисциплины, связанные с геоинформатикой и геоинформационными технологиями. В связи с этим, целесообразно ввести курс обучения нейроинформационным технологиям в ГИС.

ГИС являются хорошей средой для внедрения методов искусственного интеллекта и экспертных систем. Это вызвано с одной стороны, разнообразием и сложностью данных в ГИС, с другой — наличием большого числа аналитических задач при использовании ГИС. Можно выделить несколько групп таких задач:

• обработка видеоизображений;
• преобразование растровых изображений в векторные графические модели;
• обработка картографической информации;
• построение моделей объектов или местности;
• анализ моделей ГИС;
• получение новых знаний;
• получение решений на основе геоинформации.

Не все ГИС обладают возможностями специализированного анализа. Сложность в том, что для каждой специализированной области необходимо создавать свое приложение в ГИС и даже методику обработки. Это не всегда возможно и всегда дорого. Нейронные сети могут решать различные задачи из разных специфических областей универсальным образом. Это обусловлено тем, что нейросети дают стандартное решение многих нестандартных задач.

Опишем круг задач, требующих решения в ГИС, для которых могут быть использованы нейросетевые технологии.

1. Основная задача — это построение слоя, то есть заполнения его недостающих частей по информации, имеющейся в других слоях. Обучение сети ведется по имеющейся информации из слоев, которые покрывают известные участки с пробелами.
2. Задача восстановления легенды. Типичная задача — поиск полезных ископаемых по косвенным признакам.
3. Зонирование. Построение зон — новых объектов, до того на карте не существующих, то есть участков территории, однородных в смысле некоторого критерия.

4. Создание моделей поверхности. То есть моделирование, например, трехмерного рельефа местности по числовым характеристикам.

5. Временной анализ растровых изображений. То есть получение прогноза поведения объекта, изменение во времени одного и того же слоя.

6. Анализ значимости. То есть информация о том, какие признаки можно убрать из рассмотрения, а какие оставить.

В общем случае ввод данных ГИС осуществляется по данным дистанционного зондирования, со снимков спутников, аэроснимков, по информации с карт. Нейросети в данном случае могут применяться для решения задач дешифрирования снимков и распознавания видеоизображений.

Процесс распознавания имеет две фазы. Первая фаза — это обучение распознающей системы, построенной на основе нейросети, на примерах обучающей выборки. Вторая фаза — это собственно полезная часть работы, то есть распознавание реальных образов.

В настоящее время известно два основных подхода к распознаванию образов — интегральный и структурный. При интегральном подходе образ трактуется как единое целое, в то время как при структурном подходе сложный образ разбивается на составные части, и анализируются отношения между ними. Ранние исследования нейросетей предполагали прямой ввод первичной информации об образе в нейросеть. Современные нейросети чаще воспринимают образ предварительно обработанным. Например, нейросеть может воспринимать числовые значения признаков вместо того, чтобы воспринимать каждый из его пикселов.

Исходя из вышеизложенного, нейросетевые технологии необходимо внедрять в практику информационных систем и обучение студентов специальностей связанных с информационными технологиями.