Экспертная система прогнозирования успеваемости студентов в ВУЗах

ВВЕДЕНИЕ

Проблемы прогнозирования результатов сессии студентов в высшем учебном заведении в современных рыночных условиях являются актуальными по множеству причин. Во-первых, подготовка квалифицированных специалистов – это одна из главных задач любого образовательного учреждения. Во-вторых, управление процессом обучения студентов в условиях влияния множества внешних факторов является сложной задачей, как в организационном, так и социально-экономическом плане, требующем системного подхода и разработки новых методов и моделей управления.

Проблема построения модели, экспертной системы прогнозирования результатов сессии на основании анализа текущей успеваемости, заключается в сложности входящих в модель данных. При исследовании поведения студентов учтены, как количественны показатели, так и качественные, можно сказать, что исходные данные сложно формализируемые.

Целью работы является, построение продукционной модели экспертной системы прогнозирования результатов сессии, на основании анализа текущей успеваемости, и ее реализация в языке логического программирования Visual Prolog. Объектом исследования является процесс получения образования в высшем учебном заведении. Предмет исследования - методы построения базы знаний в экспертных системах, а именно продукционная модель.

При построении экспертной системы прогнозирования результатов сессии, на основе текущей успеваемости, выделяют следующие задачи исследования:

Сбор информации о объекте исследования, а именно о процессе обучения и системе оценивания студентов всех курсов.
Изучение методов построения базы знаний и выбор наилучшего.
Представление продукционной модели построения базы знаний.
Изучение механизмов логического вывода.
Реализация экспертной системы в языке логического программирования Visual Prolog

Для данной экспертной системы была выбрана продукционная модель построения базы знаний, потому что она являются наиболее наглядным средствами представления знаний. Она близка к логическим моделям, что позволяет организовывать на ее базе эффективные процедуры вывода, и в то же время более наглядно (чем классические логические модели) отражает знания. Продукционная модель привлекает разработчиков своей наглядностью, высокой модульностью, легкостью внесения дополнений и изменений и простотой логического вывода.

В результате исследования будет создана структура продукционной модели построения баз знаний в экспертной системе прогнозирования результатов сдачи сессии на основе текущей успеваемости.

РАЗДЕЛ 1. ЭКСПЕРТНЫЕ СИСТЕМЫ

В середине семидесятых годов в исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название экспертные системы. Цель исследований по экспертным системам состоит в разработке программ (устройств), которые при решении задач, трудных для эксперта-человека, получают результаты, не уступающие по качеству и эффективности решениям, получаемым экспертом. В большинстве случаев экспертные системы решают трудно формализуемые задачи или задачи, не имеющие алгоритмического решения.

Экспертная система - программно-техническое средство, позволяющее пользователю в диалоговом режиме получать от компьютера консультационную помощь в конкретной предметной области, где сконцентрированы опыт и знания людей-экспертов (специалистов в данной области).

Экспертные системы – программы для компьютера, которые могут воспроизводить процесс решения проблемы человеком-экспертом.[1]

Экспертная система - программа, которая использует знания специалистов (экспертов) о некоторой конкретной узкоспециализированной предметной области и в пределах этой области способна принимать решения на уровне эксперта-профессионала. [2]

Экспертные системы - прикладные программы ИИ, в которых база знаний представляет собой формализованные эмпирические знания высококвалифицированных специалистов (экспертов) в какой-либо узкой предметной области.[3]

Экспертная система - программа для компьютера, которая оперирует со знаниями в определенной предметной области с целью выработки рекомендаций или решения проблем.[3]

В основе функционирования ЭС лежит использование знаний, а манипулирование ими осуществляется на базе эвристических правил, сформулированных экспертами. ЭС выдают советы, проводят анализ, выполняют классификацию, дают консультации и ставят диагноз. Они ориентированы на решение задач, обычно требующих проведения экспертизы человеком-специалистом. В отличие от машинных программ, использующий процедурный анализ, ЭС решают задачи в узкой предметной области (конкретной области экспертизы) на основе дедуктивных рассуждений. Главное достоинство экспертных систем - возможность накапливать знания, сохранять их длительное время, обновлять и тем самым обеспечивать относительную независимость конкретной организации от наличия в ней квалифицированных специалистов.

Классификация и виды экспертных систем

Для классификации ЭС [5] используют следующие признаки:

Способ формирования решения;
Способ учета временного признака;
Вид используемых данных;
Число используемых источников решения знаний;

По способу формирования решения ЭС можно разделить на анализирующие и синтезирующие. В системах первого типа осуществляется выбор решения из множества известных решений на основе анализа знаний, в системах второго типа решение синтезируется из отдельных фрагментов знаний.

В зависимости от способа учета временного признака ЭС делят на статические и динамические. Статические ЭС предназначены для решения задач с неизменяемыми в процессе решения данными и знаниями, а динамические ЭС допускают такие изменения.

По видам используемых данных и знаний различают ЭС с детерминированными и неопределенными знаниями. Под неопределенностью знаний и данных понимаются их неполнота, ненадежность, нечеткость.

ЭС могут создаваться с использованием одного или нескольких источников знаний.

Структура экспертной системы

Типичная статическая ЭС состоит из следующих основных компонентов (рис. 1.1):

решателя (интерпретатора);
рабочей памяти (РП), называемой также базой данных (БД);
базы знаний (БЗ);
компонентов приобретения знаний;
объяснительного компонента;
диалогового компонента.

База данных (рабочая память) предназначена для хранения исходных и промежуточных данных решаемой в текущий момент задачи. Этот термин совпадает по названию, но не по смыслу с термином, используемым в информационно-поисковых системах (ИПС) и системах управления базами данных (СУБД) для обозначения всех данных (в первую очередь долгосрочных), хранимых в системе.

База знаний (БЗ) в ЭС предназначена для хранения долгосрочных данных, описывающих рассматриваемую область (а не текущих данных), и правил, описывающих целесообразные преобразования данных этой области.

Решатель, используя исходные данные из рабочей памяти и знания из БЗ, формирует такую последовательность правил, которые, будучи примененными к исходным данным, приводят к решению задачи.

Компонент приобретения знаний автоматизирует процесс наполнения ЭС знаниями, осуществляемый пользователем-экспертом.

Объяснительный компонент объясняет, как система получила решение задачи (или почему она не получила решение) и какие знания она при этом использовала, что облегчает эксперту тестирование системы и повышает доверие пользователя к полученному результату.

Диалоговый компонент ориентирован на организацию дружественного общения с пользователем как в ходе решения задач, так и в процессе приобретения знаний и объяснения результатов работы.

Рис. 1.1. «Структура экспертной системы»

Базы знаний и модели представления знаний

База знаний - важная компонента экспертной системы, она предназначена для хранения долгосрочных данных, описывающих рассматриваемую предметную область (а не текущих данных), и правил, описывающих целесообразные преобразования данных этой области.

В качестве предметной области выбирается узкая (специальная) прикладная область. Далее для создания ЭС в выбранной области собираются факты и правила, которые помещаются в базу знаний вместе с механизмами вывода и упрощения. В отличие от всех остальных компонент ЭС, база знаний - "переменная " часть системы, которая может пополняться и модифицироваться инженерами знаний и опыта использование ЭС, между консультациями (а в некоторых системах и в процессе консультации).

Существует несколько способов представления знаний в ЭС, однако общим для всех них является то, что знания представлены в символьной форме (элементарными компонентами представления знаний являются тексты, списки и другие символьные структуры). Тем самым, в ЭС реализуется принцип символьной природы рассуждений, который заключается в том, что процесс рассуждения представляется как последовательность символьных преобразований.

Существуют динамические и статические базы знаний. Динамическая база знаний изменяется со временем. Ее содержимое зависит и от состояния окружающей. Новые факты, добавляемые в базу знаний, являются результатом вывода, который состоит в применении правил к имеющимся фактам. В системах с монотонным выводом факты, хранимые в базе знаний, статичны, то есть не изменяются в процессе решения задачи. В системах с немонотонным выводом допускается изменение или удаление фактов из базы знаний.

Одной из наиболее важных проблем, характерных для систем, основанных на знаниях, является проблема представления знаний. Это объясняется тем, что форма представления знаний оказывает существенное влияние на характеристики и свойства системы. Для того чтобы манипулировать всевозможными знаниями из реального мира с помощью компьютера, необходимо осуществлять их моделирование. В таких случаях необходимо отличать знания, предназначенные для обработки компьютером, от знаний, используемых человеком.

При проектировании модели представления знаний следует учитывать такие факторы, как однородность представления и простота понимания. Однородное представление приводит к упрощению механизма управления логическим выводом и упрощению управления знаниями. Представление знаний должно быть понятным экспертам и пользователям системы. В противном случае затрудняются приобретение знаний и их оценка. Однако выполнить это требование в равной степени, как для простых, так и для сложных задач довольно трудно. Обычно, для несложных задач останавливаются на некотором среднем (компромиссном) представлении, но для решения сложных и больших задач необходимы структурирование и модульное представление.

Типичными моделями представления знаний являются:

Продукционная модель;
Модель, основанная на использовании фреймов;
Модель семантической сети;
Логическая модель.

Продукционная модель - модель, основанная на правилах, позволяющая представить знания в виде предложений типа:

Если (условие), то (действие)

В качестве условия и действия в правилах может быть, например, предположение о наличии того или иного свойства, принимающее значение истина или ложь. При этом термин действие следует трактовать широко: это может быть как директива к выполнению какой-либо операции, рекомендация, или модификация базы знаний – предположение о наличии какого-либо производного свойства.

При использовании продукционной модели база знаний состоит из набора правил. Программа, управляющая перебором правил, называется машиной вывода. Чаще всего вывод бывает прямой (от данных к поиску цели) или обратный (от цели для ее подтверждения - к данным). Данные - это исходные факты, на основании которых запускается машина вывода - программа, перебирающая правила из базы.

«Фрейм – это структура данных, представляющая стереотипную ситуацию, вроде нахождения внутри некоторого рода жилой комнаты, или сбора на вечеринку по поводу дня рождения ребенка. К каждому фрейму присоединяется несколько видов информации. Часть этой информации – о том, как использовать фрейм. Часть о том, чего можно ожидать далее. Часть о том, что следует делать, если эти ожидания не подтвердятся».

Фрейм - это минимальное возможное описание сущности какого-либо явления, события, ситуации, процесса или объекта. Минимальность означает, что при дальнейшем упрощении описания теряется его полнота, она перестает определять ту единицу знаний, для которой предназначено. Например, слово "комната" вызывает у слушающих образ комнаты: "жилое помещение с четырьмя стенами, полом, потолком, окнами и дверью, площадью 6-20 м2 ". Из этого описания ничего нельзя убрать (например, убрав окна мы получим уже чулан, а не комнату), но в нем есть "дырки", - это незаполненные значения некоторых атрибутов - количество окон, цвет стен, высота потолка. покрытие пола и др. В теории фреймов такой образ называется фреймом.

Одним из способов представления знаний является семантическая сеть. Изначально семантическая сеть была задумана как модель преставления структуры долговременной памяти в психологии, но в последствии стала одним из основных способов представления знаний в инженерии знаний.

В основе сетевых моделей представления знаний лежит идея о том, что любые знания можно представить в виде совокупности объектов (понятий) и связей (отношений) между ними. В отличие от продукционных эти модели более наглядны, поскольку любой пример можно представить в виде ориентированного (направленного) графа, вершины которого - понятия, а дуги - отношения между ними.

Понятиями обычно выступают абстрактные или конкретные объекты, а отношения - это связи типа: "это" ("is"), "имеет частью" ("has part"), "принадлежит", "любит" и т.п. Характерной особенностью семантических сетей является обязательное наличие трех типов отношений:

Класс - элемент класса.
Свойство – значение.
Пример элемента класса.

Традиционно в представлении знаний выделяют логические модели, основанные на классическом исчислении предикатов первого порядка, когда предметная область или задача описывается в виде набора аксиом. Основное преимущество использования логики предикатов для представления знаний заключается в том, что обладающий хорошо понятными математическими свойствами мощный механизм вывода может быть непосредственно запрограммирован. С помощью этих программ из известных ранее знаний могут быть получены новые знания.

Механизмы логического вывода

При использовании продукционной модели база знаний состоит из набора правил. Программа, управляющая перебором правил, называется машиной вывода. Механизм выводов связывает знания .

Два способа использования продукционных правил:

- прямая цепочка рассуждений;

- обратная цепочка рассуждений.

Первый предполагает обработку информации в прямом направлении (метод сопоставления), когда образцом для поиска служит левая часть продукционного правила — условие, то есть задача решается в направлении от исходного состояния к целевому . Это соответствует стратегии «от данных к цели» или стратегии управления данными.

При втором подходе обработка информации осуществляется в обратном направлении — метод «генерации» или выдвижения гипотезы и ее проверки (стратегия «от цели к данным»).

Пример:Имеется фрагмент БЗ из двух правил:

П 1 : ЕСЛИ «отдых - летом» и «человек - активный», ТО «ехать в горы».

П 2 : ЕСЛИ «любит солнце»,«отдых летом».

Предположим в систему поступили данные: «человек - активный» и «любит солнце».Прямой вывод: исходя из данных, получить ответ:

Шаг 1. Пробуем П 1 не работает - не хватает данных «отдых - летом».

Шаг 2. Пробуем П 2 , работает, в базу поступает факт «отдых - летом». 2-й проход:

Шаг 3. Пробуем П 1 , работает, активируя цель «ехать в горы», которая и выступает, например, как совет, который дает система.

Обратный вывод: подтвердить выбранную цель при помощи имеющихся правил и данных:

Шаг 1. Цель - «ехать в горы»:

становятся новой целью, и имеется правило, где она в правой части.

Шаг 2. Цель «отдых летом»:

правило П 2 подтверждает цель и активизирует ее. 2-й проход:

Шаг 3. Пробуем П 1 , подтверждается искомая цель.

Выводы по разделу 1

Формализованные экспертный систем являются одним из наглядных методов решения задачи прогнозирования результатов сдачи сессии, на основе анализа текущей успеваемости. Поэтому, построение адекватных моделей, а также разработка методов и алгоритмов, позволяющих установить соответствие между параметрами математических моделей и реальными системами, является актуальной научно-прикладной задачей

РАЗДЕЛ 2. ПОСТРОЕНИЕ ПРОДУКЦИОННОЙ МОДЕЛИ БАЗЫ ЗНАНИЙ

Обоснование метода

Для данной экспертной системы была выбрана продукционная модель построения базы знаний, потому что она являются наиболее наглядным средствами представления знаний. Она близка к логическим моделям, что позволяет организовывать на ее базе эффективные процедуры вывода, и в то же время более наглядно (чем классические логические модели) отражает знания. Продукционная модель чаще всего применяется в промышленных экспертных системах. Она привлекает разработчиков своей наглядностью, высокой модульностью, легкостью внесения дополнений и изменений и простотой логического вывода.

Модульность — отдельные продукционные правила могут быть добавлены, удалены или изменены в базу знаний независимо от других, кроме того, модульный принцип разработки (сборки) продукционных систем позволяет автоматизировать их проектирование.

Каждое продукционное правило — самостоятельный элемент знаний (локальный источник знаний), отдельные продукционные правила связаны между собой только через поток данных, которые они обрабатывают.

Простота интерпретации — «прозрачная» структура продукционных правил облегчает их смысловую интерпретацию.

Естественность — знания в виде «что делать и когда» являются естественны ми с точки зрения здравого смысла.

Недостатки продукционных систем проявляются тогда, когда число правил ста новится большим и возникают непредсказуемые побочные эффекты от изменения старого и добавления нового правила. Кроме того, затруднительна оценка целостного образа знаний, содержащихся в системе.

Математическое представление продукционной модели

Психологические исследования процессов принятия решений человеком показали, что рассуждая и принимая решения, человек использует правила продукций, или продукционные правила. В общем случае продукционное правило можно представить в следующем виде:

i: S; L; A→B; Q (2.1)

где i — индивидуальный номер продукции;

S — описание класса ситуаций, в котором данная структура может использоваться;

L — условие, при котором продукция активизируется;

А→В — ядро продукции, например: «ЕСЛИ A1, A2,,..., Ап ТО В» . Такая запись означает, что «если все условия от A1 до Аn являются истиной, то В также истина» или же «когда все условия от A1 до Аn становятся истиной, то следует выполнить действие B»;

Q — постусловие продукционного правила, описывает операции и действия (процедуры), которые необходимо выполнить после выполнения В. Например, внести изменения в данные либо в саму продукцию.

В зависимости от количества условий и действий в соответствующих перечнях различают следующие типы правил: простое – одно условие и одно действие, составное – много условий и действий, фиксирующее – много условий и одно действие, разветвляющееся – одно условие и много действий.

В общем случае под условием понимается некоторое предложение — образец, по которому осуществляют поиск в базе знаний, а под действием — действия, выполняемые при успешном исходе поиска, — это могут быть реальные действия, если система управляющая, или заключение — вывод, представляющий собой новое знание, или некоторая цель.

Структура продукционной модели представления баз знаний

Для реализации продукционной модели было проведено анкетирование, в нем было предложено оценить студентам факторы, которые влияют на их выбор. Было запущено анкету (см. приложение 2).

Поскольку работать с 22 факторами очень сложно, нужно их сократить, применяем к данным метод анализа главных компонент. Применение метода главных компонент в пакете SPSS 15.0:

Выбираем в меню Analyze (Анализ) Data Reduction (Сокращение объема данных) Factor... (Факторный анализ). Откроется диалоговое окно Factor Analysis (Факторный анализ)
Переменные a1-a15 поместим в поле тестируемых переменных и ознакомимся с возможностями, предлагаемыми различными кнопками этого диалогового меню.
После щелчка по кнопке Descriptive Statistics (Дескриптивные статистики) оставим вывод первичных результатов, которые включают в себя первичные относительные дисперсии простых факторов, собственные значения и процентные доли объяснённой дисперсии.

В результате мы получили такие факторы:

Фактор 1 «Объяснение и понимание материала»:

"Объяснение преподавателями нового материала понятно и доступно";
"Воспринимать новый материал легко";
"Преподаватели объясняют сложно и быстро";
"Практических занятий достаточно, чтобы усвоить лекционную информацию";
“Предметов много, большой поток информации";
"Учиться в "ХАИ" сложно и неинтересно";
"На самостоятельную обработку выносится больше информации, чем дается на лекциях";
"Специальность не оправдывает надежды";
"У меня сложились хорошие отношения с куратором".

Фактор 2 «Бытовые факторы»:

"Обстановка в общежитии благосклонно влияет на учебу";
"База школьной подготовки позволяет, хорошо учится в "ХАИ";
"Выбор специальности правильный, набор предметов интересный";
"Учеба для меня это самореализация ";
"Я принимаю активное участие в общественной жизни факультета и университета".

Фактор 3 «Другие»:

"Я поступил(а) в "ХАИ" потому что так хотели мои родители";
"У меня сложились хорошие отношения с одногруппниками и студентами других групп";
"Куратор практически не уделяет внимания нашей группе";
"Я боюсь, что меня отчислять".

Фактор 4 «Личностные факторы»:

"Лучшая мотивация в учебе, это похвала преподавателя";
"Я учусь хорошо, для того чтобы получать стипендию";
"Стипендия как вид мотивации меня не интересует";
"Мне стыдно плохо учиться".

Теперь создадим таблицу сопряженности для первой стратегии, которую может выбрать студент (учится на отлично) и фактора «Объяснение и понимание материала» (teaching).

Выберем в меню Analyze (Анализ) Descriptive Statistics (Дескриптивные статистики) Crosstabs... (Таблицы сопряженности)
В диалоговом окне Crosstabs (Таблицы сопряженности) переменную а1 (учится на отлично) поместим в поле строк, а переменную teaching в поле столбцов и через выключатель Cells... (Ячейки) сделаем дополнительно запрос на вывод процентных значений по строкам.

В окне просмотра появится следующая таблица сопряженности:

Таблица 2.1

«Учится на отлично (0т 4.6 до 5) * Объяснение и понимание материала»

		"Объяснение и понимание материала"	Total
		1	2	3	4	1
	0	Count	35	35	37	33	140
		"Учится на отлично"(0т 4.6 до 5)	25,0%	25,0%	26,4%	23,6%	100,0%
		% within "Объяснение и понимание материала"	79,5%	79,5%	86,0%	86,8%	82,8%
	1	Count	9	9	6	5	29
		% within "Учится на отлично"(0т 4.6 до 5)	31,0%	31,0%	20,7%	17,2%	100,0%
		% within "Объяснение и понимание материала"	20,5%	20,5%	14,0%	13,2%	17,2%
Total	Count	44	44	43	38	169
	% within "Учится на отлично"(0т 4.6 до 5)	26,0%	26,0%	25,4%	22,5%	100,0%

Аналогичным образом мы проводи анализ первой стратегии и остальных факторов

Таблица 2.2

«Учится на отлично (0т 4.6 до 5) * Бытовые факторы»

		"Бытовые факторы":	Total
		1	2	3	4	1
	0	Count	37	34	37	32	140
		% within "Учится на отлично"(0т 4.6 до 5)	26,4%	24,3%	26,4%	22,9%	100,0%
		% within "Бытовые факторы":	84,1%	89,5%	84,1%	74,4%	82,8%
	1	Count	7	4	7	11	29
		% within "Учится на отлично"(0т 4.6 до 5)	24,1%	13,8%	24,1%	37,9%	100,0%
		% within "Бытовые факторы":	15,9%	10,5%	15,9%	25,6%	17,2%
Total	Count	44	38	44	43	169
	% within "Учится на отлично	26,0%	22,5%	26,0%	25,4%	100,0%

Таблица 2.3

"Учится на отлично (0т 4.6 до 5) * Личностные факторы"

		"Личностные факторы":	Total
		1	2	3	4	1
	0	Count	37	33	35	35	140
		% within "Учится на отлично"(0т 4.6 до 5)	26,4%	23,6%	25,0%	25,0%	100,0%
		% within "Личностные факторы":	94,9%	76,7%	81,4%	79,5%	82,8%
	1	Count	2	10	8	9	29
		% within "Учится на отлично"(0т 4.6 до 5)	6,9%	34,5%	27,6%	31,0%	100,0%
		% within "Личностные факторы":	5,1%	23,3%	18,6%	20,5%	17,2%
Total	Count	39	43	43	44	169
	% within "Учится на отлично"	23,1%	25,4%	25,4%	26,0%	100,0%

Таблица 2.4

"Учится на отлично (0т 4.6 до 5) *Другие факторы"

		"Другие факторы"	Total
		1	2	3	4	1
	0	Count	34	31	38	37	140
		% within "Учится на отлично"(0т 4.6 до 5)	24,3%	22,1%	27,1%	26,4%	100,0%
		% within "Другие факторы"	82,9%	75,6%	86,4%	86,0%	82,8%
	1	Count	7	10	6	6	29
		% within "Учится на отлично"(0т 4.6 до 5)	24,1%	34,5%	20,7%	20,7%	100,0%
		% within "Другие факторы"	17,1%	24,4%	13,6%	14,0%	17,2%
Total	Count	41	41	44	43	169
	% within "Учится на отлично"	24,3%	24,3%	26,0%	25,4%	100,0%

По данным таблиц 3.2,3.3,3.4 и 3.5 можно сделать следующие выводы: на студентов, которые не выбрали стратегию «учится на отлично» не влияет фактор "Объяснение и понимание материала», поскольку процентное соотношение практически одинаковое 1 - 79.5%, 2 - 79.5%, 3 - 86.0% и 4 - 86.8%, бытовые факторы также не влияют, поскольку соотношение процентов практически одинаковое, а вот личностные факторы влияют на то, что студент не выбирает первую стратегию, а именно не хватает внутренней мотивации, так как динамика разности процентных соотношений очевидна, другие факторы также не влияют. На студентов, которые выбрали стратегию «учится на отлично» влияет фактор "Объяснение и понимание материала», и очевидно то, что если студент выбирает эту стратегию ему сложнее воспринимать новый материал, ведь он хочет подробно разобраться во всех нюансах. Бытовые факторы также влияют, но они не мешают учебному процессу у отличников, личностные факторы влияют на отличников, но влияют они также благосклонно, мотивация у таких студентов присутствует, а вот другие факторы не влияют, поскольку отсутствует динамика процентов.

Таблица 2.5

«Учится хорошо (От 3.6 до 4.5) *Объяснение и понимание материала»

		"Объяснение и понимание материала"	Total
		1	2	3	4	1
	0	Count	19	25	19	12	75
		% within "Учится хорошо"(От 3.6 до	25,3%	33,3%	25,3%	16,0%	100,0%
		"Объяснение и понимание материала"	43,2%	56,8%	44,2%	31,6%	44,4%
	1	Count	25	19	24	26	94
		% within "Учится хорошо"(От 3.6 до 4.5)	26,6%	20,2%	25,5%	27,7%	100,0%
		% within "Объяснение и понимание материала"	56,8%	43,2%	55,8%	68,4%	55,6%
Total	Count	44	44	43	38	169
	"Учится хорошо"	26,0%	26,0%	25,4%	22,5%	100,0%

Таблица 2.6

«Учится хорошо (От 3.6 до 4.5) *Бытовые факторы»

		"Бытовые факторы":	Total
		1	2	3	4	1
	0	Count	18	18	18	21	75
		% within "Учится хорошо"(От 3.6 до	24,0%	24,0%	24,0%	28,0%	100,0%
		% within "Бытовые факторы":	40,9%	47,4%	40,9%	48,8%	44,4%
	1	Count	26	20	26	22	94
		% within "Учится хорошо"(От 3.6 до 4.5)	27,7%	21,3%	27,7%	23,4%	100,0%
		% within "Бытовые факторы":	59,1%	52,6%	59,1%	51,2%	55,6%
Total	Count	44	38	44	43	169
	"Учится хорошо"	26,0%	22,5%	26,0%	25,4%	100,0%

Таблица 2.7

«Учится хорошо (От 3.6 до 4.5) *Личностные факторы»

		"Личностные факторы":	Total
		1	2	3	4	1
	0	Count	16	19	17	23	75
		% within "Учится хорошо"(От 3.6 до 4.5)	21,3%	25,3%	22,7%	30,7%	100,0%
		% within "Личностные факторы":	41,0%	44,2%	39,5%	52,3%	44,4%
	1	Count	23	24	26	21	94
		% within "Учится хорошо"(От 3.6 до 4.5)	24,5%	25,5%	27,7%	22,3%	100,0%
		% within "Личностные факторы":	59,0%	55,8%	60,5%	47,7%	55,6%
Total	Count	39	43	43	44	169
	% within "Учится хорошо"	23,1%	25,4%	25,4%	26,0%	100,0%

Таблица 2.8

«Учится хорошо (От 3.6 до 4.5) * Другие факторы»

		"Другие факторы"	Total
		1	2	3	4	1
	0	Count	19	20	15	21	75
		% within "Учится хорошо"(От 3.6 до 4.5)	25,3%	26,7%	20,0%	28,0%	100,0%
		% within "Другие факторы"	46,3%	48,8%	34,1%	48,8%	44,4%
	1	Count	22	21	29	22	94
		% within "Учится хорошо"(От 3.6 до 4.5)	23,4%	22,3%	30,9%	23,4%	100,0%
		% within "Другие факторы"	53,7%	51,2%	65,9%	51,2%	55,6%
Total	Count	41	41	44	43	169
	% within "Учится хорошо"	24,3%	24,3%	26,0%	25,4%	100,0%

Теперь проведем анализ второй стратегии – «Учится хорошо». Построим таблицы сопряженности этой стратегии с каждым фактором. Полученные результаты занесем в таблицы 3.6, 3.7, 3.8 и 3.9. По ним можем сделать следующие выводы: на студентов, которые не выбрали стратегию «учится хорошо» влияют только личностные факторы, студенты отказываются от нее по причинам внутренней мотивации, так как динамика разности процентных соотношений очевидна. На студентов, которые выбрали стратегию «учится хорошо» влияет фактор "Объяснение и понимание материала», и очевидно то, что если студент выбирает эту стратегию ему легко воспринимать новый материал, бытовые факторы не влияют, динамика отсутствует, личностные факторы не влияют на хорошистов, другие факторы также влияют.

Аналогично проведем анализ третей стратегии – «Учится плохо»:

Таблица 2.9

«Учится плохо (От 3 до 3.5) *Объяснение и понимание материала»

		"Объяснение и понимание материала"	Total
		1	2	3	4	1
	0	Count	34	28	30	31	123
		% within "Учится плохо"(От 3 до 3.5)	27,6%	22,8%	24,4%	25,2%	100,0%
		% within "Объяснение и понимание материала"	77,3%	63,6%	69,8%	81,6%	72,8%
	1	Count	10	16	13	7	46
		% within "Учится плохо"(От 3 до 3.5)	21,7%	34,8%	28,3%	15,2%	100,0%
		% within "Объяснение и понимание материала"	22,7%	36,4%	30,2%	18,4%	27,2%
Total	Count	44	44	43	38	169
	% within "Учится плохо"	26,0%	26,0%	25,4%	22,5%	100,0%

Таблица 2.10

«Учится плохо (От 3 до 3.5) *Бытовые факторы»

		"Бытовые факторы":	Total
		1	2	3	4	1
	0	Count	33	24	33	33	123
		% within "Учится плохо"(От 3 до	26,8%	19,5%	26,8%	26,8%	100,0%
		% within "Бытовые факторы":	75,0%	63,2%	75,0%	76,7%	72,8%
	1	Count	11	14	11	10	46
		% within "Учится плохо"(От 3 до 3.5)	23,9%	30,4%	23,9%	21,7%	100,0%
		% within "Бытовые факторы":	25,0%	36,8%	25,0%	23,3%	27,2%
Total	Count	44	38	44	43	169
	% within "Учится плохо"	26,0%	22,5%	26,0%	25,4%	100,0%

Таблица 2.11

«Учится плохо (От 3 до 3.5) *Личностные факторы»

		"Личностные факторы":	Total
		1	2	3	4	1
	0	Count	25	34	34	30	123
		% within "Учится плохо"(От 3 до 3	20,3%	27,6%	27,6%	24,4%	100,0%
		% within "Личностные факторы":	64,1%	79,1%	79,1%	68,2%	72,8%
	1	Count	14	9	9	14	46
		% within "Учится плохо"(От 3 до 3.5)	30,4%	19,6%	19,6%	30,4%	100,0%
		% within "Личностные факторы":	35,9%	20,9%	20,9%	31,8%	27,2%
Total	Count	39	43	43	44	169
	% within "Учится плохо"	23,1%	25,4%	25,4%	26,0%	100,0%

Таблица 2.12

«Учится плохо (От 3 до 3.5) * Другие факторы»

		"Другие факторы"	Total
		1	2	3	4	1
	0	Count	29	31	35	28	123
		% within "Учится плохо"(От 3 до 3.5)	23,6%	25,2%	28,5%	22,8%	100,0%
		% within "Другие факторы"	70,7%	75,6%	79,5%	65,1%	72,8%
	1	Count	12	10	9	15	46
		% within "Учится плохо"(От 3 до 3.5)	26,1%	21,7%	19,6%	32,6%	100,0%
		% within "Другие факторы"	29,3%	24,4%	20,5%	34,9%	27,2%
Total	Count	41	41	44	43	169
	% within "Учится плохо"	24,3%	24,3%	26,0%	25,4%	100,0%

По данным таблиц 3.10, 3.11, 3.12 и 3.13 можно сделать следующие выводы: на студентов которые не выбрали стратегию «учится хорошо» не влияют никакие факторы; на студентов которые выбрали стратегию «учится хорошо» влияет фактор "Объяснение и понимание материала им сложно воспринимать новый материал, бытовые факторы не влияют, динамика отсутствует, личностные факторы не влияют на хорошистов, а вот другие факторы влияют, позитивно.

При построении этой модели всю предметную область, т.е. факторы, которые были получены в результате построения и анализа таблиц сопряженности, и от которых зависит результат сдачи сессии, разбили на три группы: успеваемость, посещение, личные факторы. При анализе предметной области были учтены как качественные так и количественные показатели . База знаний имеет четыре уровня ,а это значит что она также имеет промежуточные решения. Структура продукционной модели представлена ниже:

Рис. 2.1. «Факторы, от которых зависит прогнозируемая оценка»

В свою очередь каждый из этих факторов хранит в себе еще оду подсистему критериев по которым происходит оценка степени влияния каждого из них.

Рис.2.2. «Факторы, от которых зависит от которых зависит успеваемости»

Рис.2.3. «Факторы, от которых зависит от которых зависит посещаемость»

Рис.2.3. «Факторы, от которых зависит от которых зависят личные факторы»

Базу данных нашей системы наполняет сам пользователь, для этого отвечая на следующий набор вопросов:

Проживаете ли вы в общежитии?(Yes or No).
Хорошие ли у Вас отношения с одногрупниками?( Yes or No).
Хорошие ли у Вас отношения с куратором?( Yes or No).
Ваши родители одобряют Ваш выбор? ( Yes or No).
Вам нравится Ваша специальность? ( Yes or No).
Сколько часов в день Вы тратите на выполнение лабораторных работ(1,2,3)?
Сколько часов в день Вы тратите на подготовку к лекциям(1,2,3)?
Сколько раз в месяц вы посещаете библиотеку(1,2,3)?
Оцените по 100-балльной системе Ваше посещение лекций?
Оцените по 100-балльной системе Ваше посещение практических занятий?
Какой у Вас средний балл прошлой сессии(3,4,5)?
Вы довольны результатами предыдущей сессии?
Ваш средний балл аттестата в школе(3,4,5)?
Ваша школа имеет высокий уровень по техническим предметам?
Ваша текущая успеваемость, примерно в баллах(3,4,5)?
Вы считаете , что полностью отдаетесь учебе?
На каком курсе вы учитесь?

Выводы по разделу 2

Построение продукционной модели экспертной системы, прогнозирования результатов сессии на основе анализа текущей успеваемости, является сложной задачей из-за сложно формализуемых входных в систему данных. Наиболее оптимальным вариантом и по наглядности и по экономичности представления знаний оказалась продукционная модель. Она отличается свое простотой и модульностью, и сокращение факторов не теряет свою информативность. Всю область знаний разбили на три самых важных класса знаний: успеваемость, посещение занятий, личные факторы.

РАЗДЕЛ 3. ПРОЕКТИРОВАНИЕ ЭКСПЕРТНОЙ СИСТЕМЫ

3.1 Описание языка логического программирования SWI-Prolog

SWI-Prolog - язык и система логического программирования, основанные на языке предикатов математической логики дизъюнктов Хорна, представляющей собой подмножество логики предикатов первого порядка.

Основными понятиями в языке Пролог являются факты, правила логического вывода и запросы, позволяющие описывать базы знаний, процедуры логического вывода и принятия решений.

Факты в языке Пролог описываются логическими предикатами с конкретными значениями. Правила в Прологе записываются в форме правил логического вывода с логическими заключениями и списком логических условий.

Особую роль в интерпретаторе Пролога играют конкретные запросы к базам знаний, на которые система логического программирования генерирует ответы «истина» и «ложь».

Для обобщённых запросов с переменными в качестве аргументов созданная систем Пролог выводит конкретные данные в подтверждение истинности обобщённых сведений и правил вывода.

Факты в базах знаний на языке Пролог представляют конкретные сведения (знания). Обобщённые сведения и знания в языке Пролог задаются правилами логического вывода (определениями) и наборами таких правил вывода (определений) над конкретными фактами и обобщёнными сведениями.

Начало истории языка относится к 1970-м годам.[7] Будучи декларативным языком программирования, Пролог воспринимает в качестве программы некоторое описание задачи или баз знаний и сам производит логический вывод, а также поиск решения задач, пользуясь механизмом бэктрекинга (англ. backtracking) и унификацией.

Prolog использует один тип данных, терм, который бывает нескольких типов:

атом это отдельный объект, считающийся элементарным. В SWI-Prolog атом представляется последовательностью букв нижнего и верхнего регистра, цифр и символа подчеркивания ‘_’, начинающейся со строчной буквы. Кроме того, любой набор допустимых символов, заключенный в апострофы, также является атомом. Наконец, комбинации специальных символов + - * = < > : & также являются атомами;
числа в SWI-Prolog бывают целыми (Integer) и вещественными (Float).;
переменная являются строки символов, цифр и символа подчеркивания, начинающиеся с заглавной буквы или символа подчеркивания;
составные термы (функции) состоят из имени функции (нечислового атома) и списка аргументов (термов SWI-Prolog, то есть атомов, чисел, переменных или других составных термов), заключенных в круглые скобки и разделенных запятыми. Группы составных термов используют для составления фраз SWI-Prolog. Нельзя помещать символ пробела между функтором (именем функции) и открывающей круглой скобкой. В других позициях, однако, пробелы могут быть полезны для создания более читаемых программ.

Факт – это утверждение о том, что соблюдается некоторое конкретное отношение. Он является безусловно верным.

Арифметические выражения в языке SWI-Prolog имеется ряд встроенных функций для вычисления арифметических выражений, некоторые из которых перечислены в таблице 3.1.

Таблица 3.1.

«Арифметические выражения»

X + Y	Сумма X и Y
X - Y	Разность X и Y
X * Y	Произведение X и Y
X / Y	Деление X на Y
X mod Y	Остаток от деления X на Y
X // Y	Деление нацело X на Y
X ** Y	Возведение X в степень Y
- X	Смена знака X
abs(X)	Абсолютная величина числа X
max(X,Y)	Большее из чисел X и Y
min(X,Y)	Меньшее из чисел X и Y
sqrt(X)	Квадратный корень из X
random(Int)	Случайное целое число в диапазоне от 0 до Int
sin(X)	Синус X
cos(X)	Косинус X
tan(X)	Тангенс X
log(X)	Натуральный логарифм (ln) числа X
log10(X)	Десятичный логарифм (lg) числа X
float(X)	Вещественное число, соответствующее целому числу X
pi	3.14159 (приближенное значение числа )
е	2.71828 (приближенное значение числа е)

Список символов может быть представлен в виде строк, например, первый аргумент составного терма возраст (‘Борис’,10) - строка. При записи строки заключаются в кавычки.

Запятая между фактами означает операцию логического и (конъюнкцию), факт может быть записан в виде предиката, аргументы которого являются символьными или числовыми константами.

В общем случае предикат – это логическая функция от одного или нескольких аргументов, то есть функция, действующая в множество из двух значений: истина и ложь. Предикат SWI-Prolog записывается в виде составного терма:

имя_предиката (аргументы).

База данных на SWI-Prolog – это совокупность фактов. В процессе работы в базу данных можно добавлять новые факты, удалять или изменять старые.

Запрос - это последовательность предикатов, разделенных запятыми и завершающаяся точкой. С помощью запросов можно “спрашивать” базу данных о том, какие утверждения являются истинными. Предикат запроса называется целью.

Кроме фактов программы на языке SWI-Prolog могут содержать правила, позволяющие получать дополнительные знания о том мире, который описывает программа. Правило задает новый предикат через определенные ранее.

Правило состоит из головы (предиката) и тела (последовательности предикатов, разделенных запятыми). Голова и тело разделены знаком ‘:–’ и, подобно каждой фразе SWI-Prolog, правило должно заканчиваться точкой.

Знак ‘:–’ есть схематическая запись стрелки (<-) и показывает, что из правой части следует левая. Этот знак читается как “если”. Интуитивный смысл правила состоит в том, что цель, являющаяся головой, будет истинной, если SWI-Prolog сможет показать, что все выражения (подцели) в теле правила являются истинными.

3.2 Создание правил продукционной модели

Входные данные продукционной модели представим в таблице 3.2 в виде таблицы в которой будет представлен вопрос , переменная которая ему соответствует и варианты ответа.

Таблица 3.2

«Входные данные»

Вопрос	Переменная	Варианты ответа
На каком курсе вы учитесь?	KYRS	1(1 курс) 2(2 -6 курсы)
Проживаете ли вы в общежитии?	LP	Yes No
Хорошие ли у Вас отношения с одногрупниками?	LIO	Yes No
Хорошие ли у Вас отношения с куратором?	LIK	Yes No
Ваши родители одобряют Ваш выбор?	LSR	Yes No
Вам нравится Ваша специальность?	LSS	Yes No
Сколько часов в день Вы тратите на выполнение лабораторных работ?	PSP	1 2 3
Сколько часов в день Вы тратите на подготовку к лекциям?	PSL	1 2 3
Сколько раз в месяц вы посещаете библиотеку?	PSB	1 2 3
Оцените по 100-балльной системе Ваше посещение лекций?	PL	30 60 100
Оцените по 100-балльной системе Ваше посещение практических занятий?	PP	30 60 100
Какой у Вас средний балл прошлой сессии?	YSB	3 4 5
Вы довольны результатами предыдущей сессии?	YSS	Yes No
Ваш средний балл аттестата в школе?	YHB	3 4 5
Ваша школа имеет высокий уровень по техническим предметам?	YHY	Yes No
Ваша текущая успеваемость, примерно в баллах?	YTB	3 4 5
Вы считаете , что полностью отдаетесь учебе?	YTS	Yes No

На основе этих данных построим базу знаний продукционной модели с помощью простой конструкции :

Если (условие), то (действие),

Набор правил для экспертной системы прогнозирования сдачи сессии студентами на основании текущей успеваемости:

If LIO=”Yes” and LIK=”Yes” then LI = “Yes”
If LIO=”Yes” and LIK=”No” then LI = “Yes”
If LIO=”No” and LIK=”Yes” then LI = “No”
If LIO=”No” and LIK=”No” then LI = “No”
If LSR=”Yes” and LSS=”Yes” then LS= “Yes”
If LSR=”Yes” and LSS=”No” then LS= “No”
If LSR=”No” and LSS=”Yes” then LS= “Yes”
If LSR=”No” and LSS=”No” then LS= “No”
If LS=”Yes” and LI=”Yes” and LP = “Yes” then L= “good”
If LS=”Yes” and LI=”Yes” and LP = “No” then L= “good”
If LS=”Yes” and LI=”No” and LP = “Yes” then L= “good”
If LS=”Yes” and LI=”No” and LP = “No” then L= “bed”
If LS=”No” and LI=”Yes” and LP = “No” then L= “good”
If LS=”No” and LI=”Yes” and LP = “Yes” then L= “good”
If LS=”No” and LI=”No” and LP = “Yes” then L= “bed”
If LS=”No” and LI=”No” and LP = “No” then L= “bed”
If PSL=1 and PSP=1 and PSB=1 then PS= 1
If PSL=1 and PSP=1 and PSB=2 then PS= 1
If PSL=1 and PSP=1 and PSB=3 then PS= 2
If PSL=1 and PSP=2 and PSB=1 then PS= 2
If PSL=1 and PSP=2 and PSB=2 then PS= 3
If PSL=1 and PSP=2 and PSB=3 then PS= 2
If PSL=1 and PSP=3 and PSB=1 then PS= 2
If PSL=1 and PSP=3 and PSB=2 then PS= 3
If PSL=1 and PSP=3 and PSB=3 then PS= 3
If PSL=2 and PSP=1 and PSB=1 then PS= 2
If PSL=2 and PSP=1 and PSB=2 then PS= 2
If PSL=2 and PSP=1 and PSB=3 then PS= 3
If PSL=2 and PSP=2 and PSB=1 then PS= 2
If PSL=2 and PSP=2 and PSB=2 then PS= 2
If PSL=2 and PSP=2 and PSB=3 then PS= 3
If PSL=2 and PSP=3 and PSB=1 then PS= 3
If PSL=2 and PSP=3 and PSB=2 then PS= 3
If PSL=2 and PSP=3 and PSB=3 then PS= 3
If PSL=3 and PSP=1 and PSB=1 then PS= 2
If PSL=3 and PSP=1 and PSB=2 then PS= 2
If PSL=3 and PSP=1 and PSB=3 then PS= 3
If PSL=3 and PSP=2 and PSB=1 then PS= 2
If PSL=3 and PSP=2 and PSB=2 then PS= 3
If PSL=3 and PSP=2 and PSB=3 then PS= 3
If PSL=3 and PSP=3 and PSB=1 then PS= 3
If PSL=3 and PSP=3 and PSB=2 then PS= 3
If PSL=3 and PSP=3 and PSB=3 then PS= 3
If PL<30 and PP<30 and PS=1 then P=1
If PL<30 and PP<30 and PS=2 then P=1
If PL<30 and PP<30 and PS=3 then P=2
If PL<30 and 30<PP<60 and PS=1 then P=1
If PL<30 and 30<PP<60 and PS=2 then P=2
If PL<30 and 30<PP<60 and PS=3 then P=2
If PL<30 and PP>60 and PS=1 then P=2
If PL<30 and PP>60 and PS=2 then P=2
If PL<30 and PP>60 and PS=3 then P=3
If 30<PL<60 and PP<30 and PS=1 then P=1
If 30<PL<60 and PP<30 and PS=2 then P=1
If 30<PL<60 and PP<30 and PS=3 then P=2
If 30<PL<60 and 30<PP<60 and PS=1 then P=1
If 30<PL<60 and 30<PP<60 and PS=2 then P=2
If 30<PL<60 and 30<PP<60 and PS=3 then P=2
If 30<PL<60 and PP>60 and PS=1 then P=2
If 30<PL<60 and PP>60 and PS=2 then P=2
If 30<PL<60 and PP>60 and PS=3 then P=3
If PL>60 and PP<30 and PS=1 then P=1
If PL>60 and PP<30 and PS=2 then P=1
If PL>60 and PP<30 and PS=3 then P=2
If PL>60 and 30<PP<60 and PS=1 then P=1
If PL>60 and 30<PP<60 and PS=2 then P=3
If PL>60 and 30<PP<60 and PS=3 then P=3
If PL>60 and PP>60 and PS=1 then P=2
If PL>60 and PP>60 and PS=2 then P=2
If PL>60 and PP>60 and PS=3 then P=3
If YHB=3 and YHY=”Yes” then YH=3
If YHB=3 and YHY=”No” then YH=3
If YHB=4 and YHY=”Yes” then YH=5
If YHB=4 and YHY=”No” then YH=4
If YHB=5 and YHY=”Yes” then YH=5
If YHB=5 and YHY=”No” then YH=4
If YTB=3 and YTS=”Yes” then YT=3
If YTB =3 and YTS =”No” then YT=3
If YTB =4 and YTS =”Yes” then YT=3
If YTB =4 and YTS =”No” then YT=4
If YTB =5 and YTS =”Yes” then YT=5
If YTB =5 and YTS =”No” then YT=5
If YSB=3 and YSS=”Yes” then YS=3
If YSB=3 and YSS=”No” then YS=3
If YSB=4 and YSS=”Yes” then YS=4
If YSB=4 and YSS=”No” then YS=4
If YSB=5 and YSS=”Yes” then YS=5
If YSB=5 and YSS=”No” then YS=3
If KYRS=1 and YH=3 and YT=3 then Y=3
If KYRS=1 and YH=3 and YT=4 then Y=3
If KYRS=1 and YH=3 and YT=5 then Y=4
If KYRS=1 and YH=4 and YT=3 then Y=3
If KYRS=1 and YH=4 and YT=4 then Y=4
If KYRS=1 and YH=4 and YT=5 then Y=5
If KYRS=1 and YH=5 and YT=3 then Y=4
If KYRS=1 and YH=5 and YT=4 then Y=4
If KYRS=1 and YH=5 and YT=5 then Y=5
If KYRS>1 and YS=3 and YT=3 then Y=3
If KYRS>1 and YS=3 and YT=4 then Y=3
If KYRS>1 and YS=3 and YT=5 then Y=4
If KYRS>1 and YS=4 and YT=3 then Y=4
If KYRS>1 and YS=4 and YT=4 then Y=4
If KYRS>1 and YS=4 and YT=5 then Y=5
If KYRS>1 and YS=5 and YT=3 then Y=4
If KYRS>1 and YS=5 and YT=4 then Y=4
If KYRS>1 and YS=5 and YT=5 then Y=5
If Y=3 and P=1 and L=”bed” then B=3
If Y=3 and P=1 and L=”good” then B=3
If Y=3 and P=2 and L=”bed” then B=3
If Y=3 and P=2 and L=”good” then B=4
If Y=3 and P=3 and L=”bed” then B=3
If Y=3 and P=3 and L=”good” then B=4
If Y=4 and P=1 and L=”bed” then B=3
If Y=4 and P=1 and L=”good” then B=4
If Y=4 and P=2 and L=”bed” then B=4
If Y=4 and P=2 and L=”good” then B=4
If Y=4 and P=3 and L=”bed” then B=5
If Y=4 and P=3 and L=”good” then B=5
If Y=5 and P=1 and L=”bed” then B=4
If Y=5 and P=1 and L=”good” then B=5
If Y=5 and P=2 and L=”bed” then B=4
If Y=5 and P=2 and L=”good” then B=5
If Y=5 and P=3 and L=”bed” then B=5
If Y=5 and P=3 and L=”good” then B=5

При наличии правил базы знаний и входящих в нее базы данных реализуем этот алгоритм в прологе. Листинг программы представлен в приложении 1.

3.3 Реализация пользовательского интерфейса в SWI-Prolog

3.3.1 Создание интерфейса

XPCE это платформо-независимый GUI тулкит для SWI-Prolog, Lisp и других интерактивный динамически типизированных языков программирования. Хотя XPCE замышлялся, как не привязанный к конкретному языку программирования, наибольшую популярность этот фреймворк получил именно с Prolog. Развитие графической библиотеки XPCE было начато в 1987, совместно с началом работ над SWI-Prolog. Поддерживает кнопки, меню, слайдеры, вкладки и другие базовые GUI виджеты. XPCE доступен на всех платформах, поддерживаемых SWI-Prolog'ом.

Именно с помощью этой графической библиотеки будет реализовано интерфейс пользователя. Ниже представлен листинг программы создания интерфейса.

Make_same_width(Gr1, Gr2) :-

send(Gr1, width, Gr2?width).

create_person_dialog :-

new(D, dialog(‘Enter new person’)),\\создание формы

send(D, append, new(BG, box(0,30)))\\ задаем размеры

send(D, append, new(BI, box(800,0))),

send(D, append, new(F,label)), \\ создание label

send(D, append, new(Name, text_item(name))), \\ считывание данных

send(D, append, new(Age, text_item(age))),

send(D, append, new(Sex, menu(sex, marked))),

send(F, append, ‘To begin testing enter its name and age and press button “ Create “.’), \\ пояснительная надпись на форме

send(Sex, append, female),

send(Sex, append, male),

send(Age, type, int),

send(D, append,

button(create, message(@prolog, create_person,

Name?selection,

Age?selection,

Sex?selection))), \\ кнопка для вывода данных

send(D, default_button, create),send(D, open).

Create_person(Name, Age, Sex) :-

writeln(‘----------------------------------------------------------------‘),

format(‘Student ~w person ~w of ~d years old your estimation –‘,

[Sex, Name, Age]). \\ формат вывода данных:- create_person_dialog.

В результате запуска данной части программы получим всплывающее окно авторизации перед прохождением теста:

Рис. 3.1. «Форма авторизации»

Рис. 3.2. «Пример ввода данных»

В результате нажатия на кнопку «Create» появиться следующее окно с вопросами, листинг представлен ниже:

make_name_prompter(P) :-

new(P, dialog),

send(P, kind, transient),

send(P, append, new(BI, box(800,0))),

send(P, append, label(prompt)),

send(P, append,

new(TI, text_item(name, ‘’,

message(P?ok_member, execute)))),

send(P, append, button(ok, message(P, return, TI?selection))),

send(P, append, button(cancel, message(P, return, @nil))).

Ask_name(Prompt, Label, Name) :-

send(@name_prompter?prompt_member, selection, Prompt),

send(@name_prompter?name_member, label, Label),

send(@name_prompter?name_member, clear),

get(@name_prompter, confirm_centered, RawName),

send(@name_prompter, show, @off),

RawName \== @nil,

Name = RawName.

:-ask_name.

В результате выполнения данного отрывка программы получим следующую форму:

Рис. 3.3. «Форма получения исходных данных»

Рис/3.4. «Пример заполнения»

3.3.2 Инструкция пользователя

1. Запустить программный продукт. В результате этой операции появиться на экране форма:

2. Ввести в колонку «Имя» - ваше имя, в колонке «Возраст ваш возраст», и выбрать ваш пол, а затем нажать кнопку «Create». В результате чего вы увидите еще одну форму:

3. Отвечаете не все вопросы , вводя в графу «Имя » ответ и нажимая «ок». После ответа не последний вопрос в командном окне вы увидите ваш результат , например в таком виде:

--------------------------------------------------------------------------------

Student female person Kseniya of 25 years old your estimation -5

4. Закрываете программу нажатием на красный крестик в верхнем углу.

3.4 Тестирование продукта и расчет его эффективности

Для расчете эффективности системы применим методы регрессионного анализа для этого нужно реализовать экспертную систему в другом пакете для сравнения был выбран пакет MatLab/ Simulink с помощью Fuzzy Logic Toolbox.

3.4.1 Реализация с помощью нечеткой логики в MatLab/ Simulink

Наиболее значительное свойство человеческого интеллекта – способность принимать решения в обстановке неполной и нечёткой информации. Построение моделей приближённых рассуждений человека и использование их в компьютерных системах будущих поколений представляет собой одну из важнейших проблем науки.

Нечеткую модель можно построить, основываясь на формальном представлении характеристик исследуемой системы в терминах лингвистических переменных. Основные понятия систем управления – входные и выходные переменные, именно их рассматривают как лингвистические переменные при формировании базы правил в системах нечеткого вывода.

Цель управления заключается в анализе текущего состояния объекта управления, чтобы определить значения управляющих переменных, реализация которых позволяет обеспечить желаемое поведение или состояние объекта управления.

Ниже на рисунках мы представим входные в систему переменные

Теперь их нужно вязать между собой и сделем мы это с помощью Simulink-модели которая представлена ниже.

Листинг программы:

a1 = readfis('pr1')

a2 = readfis('pr2')

a3 = readfis('pr3')

a4 = readfis('pr4')

a5 = readfis('pr5')

a6 = readfis('pr6')

a7 = readfis('pr7')

a8 = readfis('pr8')

a9 = readfis('pr9')

a10 = readfis('pr10')

Рис. 3.5. «Представление системы в MatLab/ Simulink»

3.4.2 Тестирование экспертных систем и расчет эффективности с помощью регрессионного анализа

Протестируем систему в прологе со сведущими исходными данными:LIO=1;

LIK=1;

LSR=1;

LSS=1;

LP=1;

PSL=2;

PSP=1;

PSB=3;

PL=80;

PP=80;

YHB=5;

YHY=1;

YTB=5;

YTS=1;

YSB=5;

YSS=1;

KYRS=1;

Результат:

-------------------------------------------------------------------------------

Student female person Kseniya of 22 years old your estimation -5

А теперь введем те же самые данные в систему в MatLab/ Simulink. Ниже представленный результат. А потом сравним их с помьщью регрессионного анализа

Поскольку в MatLab/ Simulink мы применяем нечеткую логику , то выходные параметры являются не целыми числами и мы их округляем в большую сторону. В результате повторного тестирования мы получаем данные в следствии 10 экспериментов и анализируем их с помощью регрессионного анализа.

Ниже преведены данные и реализация регрессионного анализа:P=[5 5 5 4 5 3 3 4 4 5];

Z=[5 5 5 4 5 3 3 4 4 5];

[m,b,r]=postreg(Z,P)

m = 1.0000

b =9.5844e-016

r =1

Как видно из представленных выше графиков система в разных пакетах немного по разному работает ,это следствие того что в прологе мы не применяем нечеткую логику в отличии от MatLab, но в результате округления можно точно сказать что результаты получаются идентичные , а этьо значит что обе системы работают правильно.

Выводы по разделу 3

В результате проведения исследования можно сказать, что продукционная модель построения знаний в экспертной системе прогнозирования результатов сессии на анализе текущей успеваемости она, являются наиболее наглядным средствами представления знаний и наиболее аффективными для данной модели. Также эта модель легко реализуется в языке MatLat/ Simulink с помощью Fuzzy Logic Toolbox , поскольку логический вывод уже реализован в этом пакете. В результате мы провели сравнения программ с помощью регрессионного анализа.

РАЗДЕЛ 4. РАЗРАБОТКА МЕРОПРИЯТИЙ ПО ОБЕСПЕЧЕНИЮ БЕЗОПАСНОСТИ ЖИЗНЕДЕЯТЕЛЬНОСТИ

4.1 Предмет исследования

Предметом исследования в данной дипломной работе является разрабатываемый программный продукт для прогнозирования результатов сессии на основе анализа текущей успеваемости. Так как полностью безопасных и безвредных производственных процессов не существует, и при различных неисправностях в работе с системой могут возникнуть вредные производственные факторы, то вследствие этого в разделе будут рассмотрены основные требования по безопасности жизнедеятельности для помещений вычислительных центров (ВЦ).

4.1.1 Анализ опасных и вредных производственных факторов, действующих в рабочей зоне проектируемого объекта

Вредные и опасные производственные факторы описывает ГОСТ 12.0.003-74. Согласно данному стандарту они подразделяются на химические, физические, биологические, психофизические.

Химические, опасные и вредные производственные факторы:

- по характеру воздействия: токсические, канцерогенные, раздражающие;

- по пути проникновения в организм человека: через органы дыхания.

Источником возникновения данных факторов чаще всего становится не соблюдение санитарных норм вентиляции рабочего помещения, а также некорректная работа с сыпучими и жидкими токсичными веществами (например, краской для принтеров или копировальных машин).

Физические, опасные и вредны производственные факторы:

- повышенное электрическое напряжение в цепи;

- пониженная контрастность;

- прямая и отраженная блесткость;

- недостаточна освещенность рабочего места;

- повышенный уровень шумов в рабочем помещении.

Данные факторы проявляются при не соблюдении требований к оборудованию, при не соответствии освещения рабочего места санитарным нормам, а также при использовании электронно-лучевых трубок (ЭЛТ) не соответствующих международным стандартам на ЭЛТ (например, ТСО’92).

Биологические, опасные и вредные производственные факторы:

- патогенные микроорганизмы;

- микроорганизмы.

Источником возникновения данных факторов чаще всего становится не соблюдение санитарных норм вентиляции рабочего помещения, а также бактерии, вирусы, грибки и продукты их жизнедеятельности.

Психофизиологические, опасные и вредные производственные факторы:

- умственное перенапряжение;

- перенапряжение анализаторов;

- эмоциональные нагрузки.

Источником возникновения данных факторов являются чрезмерные информационные нагрузки, и превышение рекомендуемого времени работы за компьютером.

Согласно ГОСТ 12.0.003-74 для машинного зала вычислительного центра опасными и вредными факторами, негативно воздействующими на здоровье рабочего персонала, являются:

Физические факторы воздействия:
1. повышенный уровень электромагнитного поля;
2. повышенный уровень статического электричества;
3. недостаточная освещенность;
4. повышенный уровень шума;
5. повышенная или пониженная влажность воздуха;
6. повышенная или пониженная температура воздуха;
7. повышенная или пониженная подвижность воздуха;
8. пожар;
9. поражение электрическим током;
Психофизические факторы:
1. перенапряжение зрительных или слуховых анализаторов;
2. монотонность труда;
3. эмоциональные перегрузки;
4. усталость групп мышц из-за малой подвижности и нерационально спланированное рабочее место.

Той опасной зоной, где возможно возникновение и действие перечисленных выше факторов, является как непосредственное рабочее место разработчика возле персонального компьютера, так и все помещение вычислительного центра в целом.

4.1.2 Анализ возможных последствий влияния выявленных факторов на человека

Химические, опасные и вредные факторы способны вызывать тяжелые легочные заболевания и заболевания верхних дыхательных путей. Особо осторожными необходимо быть при работе с токсичными веществами, использующимися как наполнители в множительной аппаратуре и периферийных устройствах.

Поражение человека электрическим током, в зависимости от величины напряжения в цепи, может быть причиной шока, ожогов различной степени и даже смерти.

Недостаточная освещенность рабочего места, пониженная контрастность символов на экране монитора, прямая и отраженная блесткость – все эти факторы могут послужить причиной снижения остроты зрения и возникновения различных заболеваний органов зрения. Вредные и опасные психофизиологические факторы вызывают снижение трудоспособности человека, умственное истощение, а в худшем случае приводят к психическим заболеваниям.

4.2 Разработка мероприятий по предотвращению или ослаблению возможного воздействия выявленных опасных и вредных факторов на человека

Для предотвращения вредного и опасного влияния выявленных факторов на человека необходимо строгое соблюдение санитарных норм организации труда и соответствие используемого оборудования ГОСТам.

Санитарно – технические требования к помещениям ВЦ определяются санитарными нормами СН 245 – 71. Объем производственного помещения на одного рабочего не менее 15 м³и площадь помещения выгороженного сенами или глухими перегородками не менее 4,5 м² . Площадь помещения для хранения магнитных носителей информации ( если конечно разместить потребное количество стеллажей, шкафов, столиков и пр. Двери должны быть металлическими или деревянными, обитыми листовым жезлом. Помещение, где хранятся магнитные носители, должно находится вдали от сильных электрических и магнитных полей и экранироваться от их влияния. Общие рабочие комнаты и кабинеты должны иметь естественное освещение. В остальных помещениях допускается искусственное освещение.

При планировке рабочего места оператора необходимо принимать во внимание эргономические факторы. Необходимо учитывать зоны досягаемости рук оператора при расположении дисплеев, пульта ЭВМ, принтера. Эти зоны, установленные на основании антропометрических данных, человеческого тела дают возможность рационально разместить как по горизонтали, так и по вертикали клавиатуру пульта, его сигнализацию и т.п. Также большое значение имеет рациональное расположение на пультах управления средств сигнализации и контрольных приборов.

4.2.1 Микроклимат в помещениях оборудованных ПЭВМ

Рабочие помещения должны быть оснащены вентиляционными установками – устройствами, обеспечивающими в помещении такое состояние воздушной среды, при котором человек чувствует себя нормально.

С точки зрения комфортных производственных условии, атмосфера производственной среды должна иметь:

- определенное соотношение газов, входящих в воздушную среду;

- определенную температуру;

- определенную влажность;

- определенное давление;

- определенную скорость перемещения воздуха.

Комфортное для работы человека является давление 750-760 мм ртутного столба.

Уровень давления и газовый состав воздуха в рассматриваемой производственной среде, т.е. в помещениях ВЦ зависят в большей мере т состояния окружающей его атмосферы. Но существуют и нормы запыленности воздуха в помещении ВЦ, которые нежелательно превышать, чтобы обеспечить сохранность здоровья человека и бесперебойную работу техники. В устройства вычислительных машин должен подаваться воздуха:

- с температурой от до С;

- максимальной запыленностью 0.75 мг/ м³

Метеорологические условия в рассматриваемом производственном помещении определяются температурой, влажностью и скоростью движения воздуха. При легкой (1а) категории выполняемых работ в рабочей зоне вычислительных центров должны обеспечиваться нормы, приведенные в следующей таблице:

Таблица 4.1.

«Допустимые нормы температуры, относительно влажности и скорости движения воздуха для ВЦ»

Период года

Температура воздуха, С

Относительная влажность воздуха, %

Скорость движения воздуха, м/с

Холодные и переходные периоды (температура наружного воздуха

< 10С

18-25

не более 0.2

Теплый период (температура наружного воздуха > 10С)

20-25

не более 70

не более 0.5

Для обеспечения требуемой температуры и влажности необходимо оборудовать помещение ВЦ приборами центрального или индивидуального отопления. Для обеспечения заданных метеорологических условий и чистоты воздуха необходимо организовать систему вентиляции помещения.

Вентиляция может быть:

- естественная;

- искусственная;

- смешанная;

- по месту действия: общеобменная и местная.

Помещение рассматриваемого ВЦ оборудовано общеобменной вытяжкой системой вентиляции и кондиционирующими установками, а также приборами центрального отопления.

Принятые меры обеспечивают в достаточной мере поддержание комфортных условий: температуры, влажности, чистоты и скорости движения воздуха в помещении для работы оператора ПЭВМ или программиста, выполняющего проектирование программного обеспечения для данной дипломной работы в помещении вычислительного центра.

4.2.2 Освещенность рабочего места пользователя ПК

В помещении ВЦ должно быть соответствующее освещение. Согласно действующим Строительным нормам и правилам СНиП II-4-79 для искусственного освещения регламентирована наименьшая допустимая освещенность рабочих мест, а для естественного и совмещенного – коэффициент естественной освещенности – КЕО. Расчет требуемого освещения приведен ниже. Рекомендуемая освещенность для работы в экраном дисплея составляет 200 лк, а при работе с экраном в сочетании с работой над документами – 400 лк. Рекомендуемые яркости в поле зрения операторов должны лежать в пределах 1:5-1:10.

4.2.3 Уровень звуковых шумов в помещениях с ЭВМ

Шум является одним из наиболее распространенных в производстве вредных факторов. По происхождению шум делят на механический, аэродинамический и шумы электрических машин. На рабочем месте оператора ЭВМ могут присутствовать все эти виды шумов. Так принтер создает механический шум, установки кондиционирования, вентиляторы – аэродинамический, преобразователи напряжения, блоки бесперебойного питания – электромагнитный. Шумы подразделяют по характеру спектра и по временным характеристикам. В нашем случае шум может создавать работающий принтер и внутренняя система вентиляции компьютера.

Шум имеет следующие характеристики: тональный, непостоянный и прерывистый. Средства индивидуальной защиты от шума наушники, вкладыши. Средства общей защиты: специальное покрытие поверхности стен шумопоглощающими материалами.

Уровень шума не должен превышать 75 дБ. Для IВМ совместных компьютеров, которые получили в нашей стране наибольшее распространение, уровень издаваемого ими шумов составляет 25 дБ.

4.2.4 Пожарная безопасность

При работе необходимо соблюдать пожарную безопасность. В помещениях ВЦ, где расположены ЭВМ, для тушения пожаров рекомендуется применять инертные газы или огнетушащие порошковые составы. Это обусловлено тем, что применять воду или пену недопустимо ввиду опасности повреждения или полного выхода из строя дорогостоящего электронного оборудования.

Для ликвидации пожаров в начальной стадии могут применять порошковые огнетушители типа ОП-5-01 или углекислотные огнетушители (ОУ-2, ОУ-5, ОУ-8). Ручные углекислотные огнетушители устанавливаются в помещениях ВЦ из расчета один огнетушитель на 40 – 50 м²площади, но не менее двух в помещении. Запрещается хранение в помещении пустых упаковочных коробок от оборудования, легковоспламеняющегося мусора.

Для приема пищи должна быть оборудована отдельная комната. Запрещается включать электрокипятильники, чайники и т.п. в помещении ВЦ. Кондиционеры, приборы вентиляционной системы и другие электрические приборы необходимо содержать в исправном состоянии и соответствующие специалисты должны регулярно их проверять на исправность.

Пути эвакуации на случай возникновения пожара должны быть свободны. Помещение ВЦ должно быть оборудовано пожарной сигнализацией.

Работники ВЦ должны быть знакомы с правилами обращения со средствами огнетушения, которые находятся в помещении ВЦ. Необходимо, чтобы на стендах были доступно и понятно описаны правила поведения при пожаре, правила использования приборами огнетушения, средствами защиты при пожаре, планом эвакуации, правилами оказания первой помощи при получении ожогов. Должен быть также оформлен документ работниками предприятия о том, что они ознакомлены с правилами пожарной безопасности.

Для своевременного обнаружения очагов возгорания и оповещения применяются системы автоматической пожарной и охранно-пожарной сигнализации. Учитывая стоимость оборудования, наличия систем вентиляции, большого числа скрытых коммуникаций, а также специфику возгорания ЭВМ, предпочтение следует отдавать дымовым пожарным извещателям. Количество извещателей определяется необходимостью обнаружения возгорания по всей контролируемой зоне помещений. Нормы расстановки дымовых пожарных извещателей представлены в таблице 6.2.

Таблица 4.2.

«Нормы расстановки дымовых пожарных извещателей»

Высота установки извещателя, м	Площадь контролируемая одним извещателем, м2	Максимальное расстояние, м
Между извещателями	от извещателя до стены
до 3,5	85	9,0	4,5
с 3,5 до 6,0	70	8,5	4,0
с 6,0 до 10,0	65	8,0	4,0
с 10,0 до 12,0	55	7,5	3,5

4.2.5 Экологическая безопасность

Спектр излучения компьютерного монитора включает в себя рентгеновскую, ультрафиолетовую и инфракрасную области, а также широкий диапазон электромагнитных волн других частот. Действие этих излучений на человека еще не до конца излучено, однако считается, что наиболее вредны низкочастотные электромагнитные поля, а не рентгеновские лучи, опасность которых специалисты считают сейчас пренебрежимо малой, поскольку этот вид излучения поглощается веществом экрана. Поэтому большое значение имеет защита оператора ЭВМ от электромагнитных излучений.

Основным средством защиты пользователя от излучений, генерируемых монитором, являются специальные фильтры. Хотя большинство фильтров и не полностью поглощают магнитное поле, они все же частично экранируют его, а также устраняют статические поля. Фильтр обязательно должен быть заземлен, иначе его применение бессмысленно.

Необходимо строгое соблюдение регламентированных перерывов, введение 2-3-х дополнительных перерывов по 10 мин. Кроме этого необходимо применять электронно-лучевые трубки с минимальными показателями ионизирующего излучения.

Оператор непосредственно может находиться на расстоянии от 0.5 до 2 м от экрана монитора. Экраны для защиты от - излучений обычно делают двухслойными: со стороны источника применяются материалы с малым атомным номером, чтобы тормозное излучение было менее приникающим, а за ним помещается слой материала с большим атомным номером для поглощения тормозного излучения.

Перспективным является применение жидкокристаллических дисплеев.

4.2.6 Расчет искусственного освещения в помещении вычислительного центра

Для расчета общего равномерного освещения применяется метод светового потока, учитывающий световой поток, отраженный от полка и стен.

Схема компьютерного класса изображена на рисунке 4.1. Расстояние между рабочими столами с компьютерами в направлении тыла поверхности одного видеомонитора и экрана другого видеомонитора должно быть не менее 2 м, а расстояние между боковыми поверхностями видеомониторов - не менее 1,2 м.

Рис.4.1. «Схема компьютерного класс»

Световой поток лампы (лм) при люминесцентных лампах рассчитывают по формуле (6.1):

(4.1)

где Е – нормированная минимальная освещенность, лк;

S – площадь освещаемого помещения, кВ.

z – коэффициент минимальной освещенности, равный 1,15;

k – коэффициент запаса для рассматриваемого случая равен 1,5 (для газоразрядных ламп);

N – число светильников в помещении;

n – коэффициент использования светового потока ламп, зависящий от КПД и кривой распределения силы света светильника, коэффициента отражения потолка и стен , высоты подвеса светильников и показатели помещения , вычисляемого по формуле (4.2):

, (4.2)

где: А и В – два характерных размера помещения;

- высота подвеса светильников над рабочей поверхностью. Для рассматриваемого случая, т.е. для помещения вычислительного центра А и В – это ширина и длина помещения А=5м, В=6м, высота подвеса светильников =3м. Итак, показатель освещения равен:

Коэффициент использования светового потока n определяется по таблицам: по выбранному типу светильника (ПВЛМ – ДР) и по вычислительному параметру i. Таким образом n=41. Нормированную минимальную освещенность также определяем по таблицам: E=300лк.

Площадь освещаемого помещения: S=30 кв.м.

Число светильников в помещении: N=6шт.

Итак, определены все необходимые параметры для определения светового потока . Отсюда:

лк

Подсчитав световой поток лампы , по таблицам, подбираем ближайшую стандартную лампу ЛБ 40-4, у которой =3000 лм, со световой отдачей 75 лм/Вт. Мощность осветительной системы составляет 480 Вт.Система освещения изображена на рисунке 4.2.

Рис. 4.2. «Схема искусственного освещения»

4.3 Анализ возможных чрезвычайных ситуаций. Разработка мероприятий по уменьшению вероятности их возникновения

Основной задачей гражданской обороны (ГО) является предотвращение чрезвычайных ситуаций (ЧС), организация и проведение спасательных работ в районе возникновения ЧС.

Чрезвычайная ситуация – нарушение нормальных условий жизнедеятельности людей, которая явилась причиной материальных и человеческих потерь.

Рассмотрим перечень вероятных чрезвычайных ситуаций на территории вычислительного центра атомной электростанции:

1. Пожары, взрывы (10200)

- пожары, взрывы на коммунальном технологическом оборудовании промышленных объектов (10201);

Внезапные разрушения сооружений (10600)

- разрушение зданий и сооружений производственного назначения (10602);

3. Аварии на электроэнергетических системах (10700)

- аварии на электроэнергетических сетях (10706);

4. Аварии в системах жизнеобеспечения (10800)

- аварии в канализационных системах с массовым выбросом загрязняющих веществ (10802);

- аварии на теплосетях ( в системах обеспечения горячей водой) в зимний период (10802).

Рассмотрим более детально одну из ЧС, возникновение которой наиболее вероятно. Проанализируем физическую стойкость вычислительного центра атомной электростанции к воздействию инфракрасного излучения, возникшего в результате пожара.

Пожарная обстановка на объекте – это обстановка, которая может возникнуть при возникновении чрезвычайных ситуаций, связанных с воздействием световых импульсов от ядерных и других взрывов, с действием инфракрасного излучения открытого огня, с действием вторичных факторов, а также действием стихийных бедствий.

Возникновение, развитие и распространение пожаров на объекте зависит:

- от степени огнестойкости зданий и сооружений элементов объекта;

- от категории взрывопожарной безопасности технологических процессов;

- от характера застройки территории объекта.

Предположим, пожар возник по причине несоблюдения правил техники безопасности либо по причине короткого замыкания электропроводки.

Наша задача состоит в том, чтобы рассчитать границы зон возможных сплошных и отдельных пожаров.

- зона сплошных пожаров;

- зона отдельных пожаров;

- величина плотности потока мощности светового излучения.

В случае проведения прогноза последствий пожара, который возник в здании, рекомендуется определять, радиусы границ возможных сплошных () и границ возможных отдельных пожаров () по формулам (6.3) и (6.4) соответственно:

(4.3)

(4.4)

где К- удельная тепловая нагрузка Вт/м². Принимаем К = 233000 Вт/м².

, , … - общая площадь 1-го, 2-го, i-го элементов конкретного здания, м².

- коэффициент, что характеризует «доступность» элемента к возгоранию.

Общая площадь вычислительного центра: 100 м².

Площадь, занимаемая компьютерной техникой: 10 м².

Материалы

Все вещества, которые находятся в открытом виде 1

Деревянные полы, уложенные на несгораемую основу 0.15

На схеме 6.3. показаны радиусы поражения пожаром.

Рис. 4.3. «Схема распространения пожара в помещении»

Определим необходимое количество первичных средств пожаротушения. Для вычислительных центров на 100 м² требуется:

- углекислотных огнетушителей ручных ОУ-2, ОУ-5, ОУ-8 – 1шт.;

-пенных огнетушителей химических, воздушно пенных, жидкостных – 1шт.;

-войлок (1x1м), кошма (2x1.5м) или асбест (2x2м) – 1шт.

Следовательно, для рассматриваемого ВЦ необходимо:

- углекислотных огнетушителей ручных ОУ-8-1шт.;

- воздушно-пенных огнетушителей-1шт.;

- войлок (1x1м)-1шт.

Выводы: по оценке ожидаемой пожарной обстановки, которая может возникнуть на территории ВЦ в результате возгорания электропроводки.

В какой из зон пожаров может оказаться исследуемый объект?

Согласно прогнозу, исследуемый объект окажется в зоне сплошных и отдельных пожаров.

Возможная величина потерь основных производственных фондов.

Согласно с нормативами ГО прогнозируются потери основных производственных фондов до 30% их общего объема.

Возможные места возникновения источников вторичных поражающих факторов и их характеристика.

Вследствие возгорания электропроводки возникают такие вторичные поражающие факторы как световое излучение, задымление, выделение СДОР.

Возможный характер и объем спасательных и других нетложных работ.

4.3.1 Определение социально-экономических последствий воздействия светового излучения пожаров

Согласно «Положение о классификации ЧС» в перечень возможных аварий при работе на данной технологической установке входят:

- пожар вследствие замыкания электропроводки (10201, 10205);

- взрыв баллонов высокого давления (10201, 10206, 10205).

Первичными поражающими факторами при пожаре являются:

- световое излучение;

- задымление окружающей среды.

Действие светового излучения на людей может привести к их поражению (ожоги, повреждения органов зрения и др.) и даже гибели. Действие этого поражающего факторов на здания, сооружения, технологическое оборудование, транспортные средства и другие материальные объекты может вызывать их возгорание и другие повреждения.

Действие задымления окружающей среды на людей может привести к ожогам верхних дыхательных путей и поражение органов зрения, затрудняет дыхание или вызывает кислородный голод, резко уменьшаются возможности визуального осмотра окружающей среды. Действие на материальные объекты задымление окружающей среды приводит к их закопчению и покрытием слоем пыли продуктов сгорания, а в некоторых случаях может вызывать другие повреждения этих объектов.

При прогнозировании возможной степени поражений людей под воздействием светового излучения первичного пожара рекомендуется предполагать, что все люди, которые оказались в зоне всеобщих пожаров, могут получить ожоги открытых участков кожи первой, второй, третьей и четвертой степени, поражение органов зрения (в виде временного ослепления) и даже погибнуть.

Организм человека плохо приспособлен к воздействию тепловых нагрузок. Большинство людей, например, выдерживает без негативных последствий на протяжении длительного времени действие светового излучения первичного пожара интенсивностью кВт/м². Тем не менее рекомендуется прогнозировать, что ожоги первой степени открытых участков кожного покрова человека возникают практически сразу, если плотность потока мощности светового излучения первичного пожара (в том месте, где находится человек) кВт/м². Ожоги второй степени возникают при кВт/м², ожоги третьей степени при кВт/м², ожоги четвертой степени – при кВт/м².

Брезентовая одежда и одежда светлого цвета из природных (особенно хлопковых) тканей надежно защищает кожные покровы человека, а очки с темными светофильтрами защищают его органы зрения от воздействия светового излучения пожара, но даже одетые люди могут получать ожоги в результате прямого контакта с пламенем или в результате возгорания.

Учитывая сказанное выше, рекомендуется расчеты возможных потерь людей от воздействия светового излучения первичного пожара производить с использованием соотношения (5.5):

, (4.5)

Где - общие потери людей (т.е. количество людей, которые погибнут или получат ожоги разной степени) в случае возникновения пожара;

- количество людей, которые в момент возникновения пожара могут работать (находились) на открытой местности в зоне возможного пожара.

4.3.2 Определение социально- экономических последствий воздействия задымления

Задымление производственного помещения затрудняет процессы дыхания людей (которые находятся в нем) и может привести к возникновению кислородного голодания и отравления.

Рекомендуется прогнозировать возможный уровень поражения людей от воздействия кислородного голодания по величине содержания кислорода - в воздухе рабочей зоны задымленного (в результате пожара) производственного помещения, которое можно определить с использованием состояния (5.6):

(4.6)

где - содержание кислорода в воздухе рабочей зоны задымленного (вследствие пожара) производственного помещения, %;

Q – масса запасов объекта –прототипа (который находится в рабочем помещении), кг;

- удельная масса воздуха рабочей зоны, кг/м (кг/м);

- свободный объем производственного помещения, м.

Следовательно,

При снижении кислорода в воздухе производственного помещения ( от 19 до 15%) люди для поддержания своей жизнедеятельности рефлекторно увеличивают частоту и глубину своего дыхания.

Аналогично спрогнозируем возможный уровень поражений людей от воздействия задымления по величине концентрации угарного газа (СО) в воздухе производственного помещения:

, (4.7)

где - концентрация угарного газа в воздухе производственного помещения, мг/ м;

- масса угарного газа при пожаре, мг;

Q – масса запасов объекта-прототипа, кг;

- свободный объем производственного помещения, м.

Отсюда:

Определив значение , следует отметить, что полученная величина превышает гранично-допустимую концентрацию угарного газа (2*10).

Таким образом, могут наступить поражения людей:

- потеря сознания;

- нарушение дыхания;

- нарушение сердечнососудистой системы организма.

Однако такая концентрация не приведет к гибели людей.

В результате можно спрогнозировать тот или иной уровень поражения всех членов производственного персонала, которые могут находится в помещении.

, (4.8)

где - общие потери людей при задымлении, чел.

При работе на данной технологической установке задействован персонал в количестве 4 человек. Поэтому:

Прогнозируется необходимость проведения таких видов спасательных и других неотложных работ:

- локализация и гашение пожара;

-эвакуация людей и оказание медицинской помощи пораженным;

- локализация аварии на электроэнергетической сети ВЦ, ее ремонт и обновление.

Вывод по разделу 4

В результате анализа безопасности жизнедеятельности в компьютеризированных кабинетах был выявлен ряд факторов, негативно воздействующих на человека. Рассмотрены мероприятия по предотвращению или ослаблению их воздействия.

Также был проведен анализ факторов влияющих на человека в производственных помещениях. Для предотвращения влияния этих воздействий, также рассмотрены соответствующие мероприятия.

При соблюдении всех норм безопасности достигается максимальная производительность труда сотрудников, работающих с информационной, производственной и управляющей подсистемами.

РАЗДЕЛ 5. ЭКОНОМИЧЕСКАЯ ЧАСТЬ

5.1 Разработка комплексного плана работ по теме

Предлагаемое изделие – программный продукт в виде экспертной система, которая прогнозирует результаты сдачи сессии студентом на основе анализа текущей успеваемости.

Продукт разработан в программной среде SWI-Prolog. Для функционирования ПП необходима ПЭВМ, удовлетворяющая следующим условиям: процессор 300 МНr; 128 Mb ОП; HDD – 20 Mb; дисковод; операционная система Windows XP.

Данная конфигурация предложена из соображений приемлемого времени выполнения.

Занимает 1,38 Mb и предназначен для использования на ПК. Скорость выполнения функций ПП зависит от количества одновременно подключаемых внешних модулей и от конфигурации ПК.

Программа проста в использовании, удобна, имеет дружественный пользовательский интерфейс.

Для ведения всего проекта в целом и руководства ходом работ необходима должность руководителя темы. Для проектирования подсистемы и ее последующей наладки и введения в эксплуатацию необходимо участие программиста.

Рассчитаем продолжительность разработки по видам работ. Результаты расчетов содержит табл. 5.1.

Таблица 5.1

«Перечень работ»

Код	Наименование	Продолжит. дни	Трудоемкость, чел/днях	Исполнит.
Руководи-тель	Програ- ммист
0-1	1. Организационная подготовка к созданию ПО	1	1	1
0-2	2. Разработка ТЗ на постановку задачи	14	14	14
Постановка задачи
0-5	1. Разработка мат. модели и алгоритмов	16	16	16
3-6	2. Техническое обеспечение	3	3		3
1-4	3. Разработка схем программ	5	5		5
2-8	4. Страхование риска	1	1		1
1-7	5. Разработка описания задачи и ТЗ	7	7		7
Разработка модели
2-5	1. Анализ данных в ПП	17	17		17
5-6	2. Разработка модели экспертной системы и ее реализация в среде SWI-Prolog	20	20		20
2-7	3. Разработка документации	11	11		11
6-7	4. Разработка тех. документации	2	2		2
6-8	5. Создание резервных копий	1	1		1
9-7	6. Выпуск комплекта рабочего документа	3	3		3
	ВСЕГО	101	101	31	70

Расчет себестоимости работ начнем с расчета фонда основной заработной платы по стадиям и теме в целом.

Продолжительность рабочего месяца в среднем будет 22 дня. Данные занесены в табл. 5.2.

Таблица 5.2

«Состав исполнителей работы»

Исполнители	Должностные оклады, грн.
Месячные	Дневные
Руководитель	3300	150
Программист	2000	100

Рассчитаем ОЗП исполнителям. Для этого количество дней, отработанных отдельными исполнителями по стадиям, умножают на их дневные оклады:

ОЗП=

где n – количество работников.

ОЗП=31*150+70*100=11650грн

Рассчитаем стоимость материалов и комплектующих, необходимых для написания программы и занесем результаты расчетов в табл. 5.3.

Таблица 5.3

«Стоимость материалов и комплектующих»

Материалы	Кол-во	Цена, грн	Сумма., грн.	Назначение
Диск CD-RW	5 шт.	3	15	Хранение резервных копий
Бумага	500 л.	0.15	75	Документация, распечатки
Печать документации	500 л.	0,10	50	Печать
Итого	140

Определим затраченное машинное время: будем считать, что программист, следуя нормам охраны труда в среднем 5 часов проводит за компьютером. Получим

Т_>маш>=

Т_>маш> = 31*2 + 70*5 = 412 часа.

Стоимость часа машинного времени Ч_>мч>_>>будем считать равной 2 грн.

Ч_>мч>=412 ч∙2 грн=824 грн

Накладные расходы примем в размере 20% от суммы основной заработной платы. Расчет себестоимости и договорной цены приводим в таблице 5.4.

Таблица 5.4

«Расчет себестоимости и цены темы»

Наименования затрат	Формула	Сумма, грн
1. ОЗП	31150+70100	11650
2. ДЗП	ОЗП∙15%	1747.5
3. Отчисления в соц. нужды: - пенсионный фонд; - безработица; - соц. страхование; - несчастные случаи	(32.3+1.6+2.9+0.86)%* *∙(ОЗП+ДЗП),	5045.5
4. Стоимость материалов	Зм	140
5. Стоимость машинного времени	Чмч∙Тмв	824
6. Накладные расходы	20%∙ОЗП	2330
7. Прочие расходы	3%∙ОЗП	349.5
Себестоимость	21674
Прибыль (35%)	7586
Цена без НДС	29260
НДС (20%)	5852
Цена с НДС	35524

Следовательно, полная цена разрабатываемой модели составит 35524 грн.

5.2 Оценка риска страхования

Риск -- это возможность нежелательного события. Следует отличать плохие события от событий, лишь при некоторых обстоятельствах приводящих к плохому результату (причинных событий). Первые всегда являются нежелательными для рассматриваемого объекта. Вторые сами по себе не являются негативными и не обязательно влекут за собой плохие последствия.

Страхованием называется «система мероприятий по созданию денежного (страхового) фонда за счет взносов его участников, из средств которого возмещается ущерб, причиненный стихийными бедствиями, несчастными случаями, а также выплачиваются иные денежные суммы в связи с наступлением определенных событий»

Для данной модели, являющегося объектом интеллектуальной собственности разработчика возможны следующие виды риска:

Несанкционированное копирование с целью дальнейшего использования в собственных целях (вероятность -3%);

Несанкционированное копирование с целью продаж (вероятность -5%);

Уменьшить степень риска в данной ситуации можно с помощью самострахования и страхования с помощью страховых компаний.

В виду того что вероятность несанкционированного копирования не достаточно большая из-за специфики продукта, то для страхования продукта будет использоваться метод самострахования.

Самострахование - метод образования страхового фонда хозяйствующим субъектом в целях обеспечения бесперебойности производства, подверженного различным рисковым обстоятельствам. Самострахование выступает в денежной и натурально-вещественной формах. Порядок использования средств страхового фонда в условиях самострахования предусматривается в уставе хозяйствующего субъекта.

Самострахование предусматривает обеспечение контроля за системой защиты информации и за ЭВМ, а именно: не допускать несанкционированного копирования исходных текстов программного продукта путем контроля за доступом к терминалам, создания резервных копий, хранящихся в памяти ЭВМ.

5.3 Обобщенные показатели качества

Поскольку, в классе задач прогнозирования результатов сдачи сессии на анализе текущей информации аналоги не обнаружены, то для оценки уровня качества используем существующие разработки, выполняющие некоторые аналогичные функции, предоставляемых разработанным программным продуктом и не удовлетворяющие пользователя по ряду причин (интерфейс, достоверность выдаваемых данных и др.).

Можно рассмотреть гипотетический вариант, имеющий максимальную оценку по всем выбранным показателям.

Перечень основных показателей качества:

требования к ресурсам;
служба помощи ПП;
точность результатов;
визуализация результатов;
работа под Windows;
интерфейс пользователя.

Показатели делятся на минимизируемые и максимизируемые Минимизируемые показатели рассчитываются по формуле (5.1), а максимизируемые - по формуле (5.2).

(5.1)

(5.2)

Где - относительный показатель i-го показателя для j-го варианта, - абсолютный показатель i-го показателя для j-го варианта, - показатель i-го показателя для гипотетического варианта.

Показателям качества присваивают коэффициенты весомости , при этом и . После чего рассчитывают обобщенные показатели качества по j-варианту:

(5.3)

Затем рассчитываем уровни качества нового (базового) программного продукта по сравнению с изделиями-конкурентами (j-ми вариантами):

(5.4)

Обобщенный показатель качества является уровнем качества рассматриваемого j-го варианта к гипотетическому.

Примечания: P_>1> – разработанный программный продукт; – гипотетический программный продукт.

Невозможно вычислить конкурентно–способность нашего товара поскольку похожих программных продуктов не было разработано до настоящего времени .

Выводы по разделу 5

В результате разработки экономической части можно сказать, что компьютерное моделирование модель мотивации и стимулирования является конкурентно способной, имеет потенциального покупателя для покрытия всей совокупности затрат, связанных с разработкой, внедрением и сопровождением данного программного продукта.

Указанная цена одной копии программного продукта (35128 грн) является приемлемой для потенциальных покупателей.

ЗАКЛЮЧЕНИЕ

В данной работе была разработана система прогнозирования результатов сессии на основе анализа текущей успеваемости, для ее реализации была выбрана продукционная модель, поскольку она по средствам вывода близка к логическим моделям, а по наглядности проста, также она обладает высокой модульностью и простотой реализации. Всю область знаний разбили на три самых важных класса знаний: успеваемость, посещение занятий, личные факторы.

Также эта модель легко реализуется в языке логического программирования SWI-Prolog , поскольку логический вывод уже реализован в этом пакете, также этот язык программирования позволяет создать удобный графический интерфейс.

В результате реализации системы был получен результат, который потом был подтвержден с помощью регрессионного анализа при сравнении этой же системы только реализованной с помощью нечеткой логики в MatLab/ Simulink.

СПИСОК ЛИТЕРАТУРЫ

Марселлус Д. Программирование экспертных систем на Турбо Прологе: Пер. с англ. - М.: Финансы и статистика, 1994 г.
Муромцев Д.И. Введение в технологию экспертных систем. СПб: СПб ГУ ИТМО, 2005.
Попов Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. - М.: Наука. Гл. ред. физ.-мат. Лит., 1987 г.
Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы: М. Наука, 2004 г.
http://www.swi-prolog.org/ - официальный сайт SWI-Prolog.

ПРИЛОЖЕНИЕ 1

% Author:

% Date: 30.03.2010

:- pce_global(@name_prompter, make_name_prompter).

make_name_prompter(P) :-

new(P, dialog),

send(P, kind, transient),

send(P, append, new(BI, box(600,0))),

send(P, append, label(prompt)),

send(P, append,

new(TI, text_item(name, '',

message(P?ok_member, execute)))),

send(P, append, button(ok, message(P, return, TI?selection))),

send(P, append, button(cancel, message(P, return, @nil))).

ask_name(Prompt, Label, Name) :-

send(@name_prompter?prompt_member, selection, Prompt),

send(@name_prompter?name_member, label, Label),

send(@name_prompter?name_member, clear),

get(@name_prompter, confirm_centered, RawName),

send(@name_prompter, show, @off),

RawName \== @nil,

Name = RawName.

study1(LIO,LIK,LI):-LIO=='No',LIK=='No',LI is 0.

study1(LIO,LIK,LI):-LIO=='Yes',LIK=='Yes',LI is 1.

study1(LIO,LIK,LI):-LIO=='Yes',LIK=='No',LI is 1.

study1(LIO,LIK,LI):-LIO=='No',LIK=='Yes',LI is 1.

study2(LSR,LSS,LS):-LSR=='Yes',LSS=='Yes',LS is 1.

study2(LSR,LSS,LS):-LSR=='Yes',LSS=='No',LS is 0.

study2(LSR,LSS,LS):-LSR=='No',LSS=='Yes',LS is 1.

study2(LSR,LSS,LS):-LSR=='No',LSS=='No',LS is 0.

study3(LSR,LSS,LIO,LIK,LS,LI,LP,L):-study1(LIO,LIK,LI),study2(LSR,LSS,LS),LS=1,LI=1,LP=='Yes',L is 1.

study3(LSR,LSS,LIO,LIK,LS,LI,LP,L):-study1(LIO,LIK,LI),study2(LSR,LSS,LS),LS=1,LI=1,LP=='No',L is 1.

study3(LSR,LSS,LIO,LIK,LS,LI,LP,L):-study1(LIO,LIK,LI),study2(LSR,LSS,LS),LS=1,LI=0,LP=='Yes',L is 1.

study3(LSR,LSS,LIO,LIK,LS,LI,LP,L):-study1(LIO,LIK,LI),study2(LSR,LSS,LS),LS=1,LI=0,LP=='No',L is 1.

study3(LSR,LSS,LIO,LIK,LS,LI,LP,L):-study1(LIO,LIK,LI),study2(LSR,LSS,LS),LS=0,LI=1,LP=='No',L is 1.

study3(LSR,LSS,LIO,LIK,LS,LI,LP,L):-study1(LIO,LIK,LI),study2(LSR,LSS,LS),LS=0,LI=1,LP=='Yes',L is 0.

study3(LSR,LSS,LIO,LIK,LS,LI,LP,L):-study1(LIO,LIK,LI),study2(LSR,LSS,LS),LS=0,LI=0,LP=='Yes',L is 0.

study3(LSR,LSS,LIO,LIK,LS,LI,LP,L):-study1(LIO,LIK,LI),study2(LSR,LSS,LS),LS=0,LI=0,LP=='No',L is 0.

study4(PSL,PSP,PSB,PS):-PSL=='1',PSP=='1',PSB=='1',PS is 1.

study4(PSL,PSP,PSB,PS):-PSL=='1',PSP=='1',PSB=='2',PS is 1.

study4(PSL,PSP,PSB,PS):-PSL=='1',PSP=='1',PSB=='3',PS is 2.

study4(PSL,PSP,PSB,PS):-PSL=='1',PSP=='2',PSB=='1',PS is 2.

study4(PSL,PSP,PSB,PS):-PSL=='1',PSP=='2',PSB=='2',PS is 3.

study4(PSL,PSP,PSB,PS):-PSL=='1',PSP=='2',PSB=='3',PS is 3.

study4(PSL,PSP,PSB,PS):-PSL=='1',PSP=='3',PSB=='1',PS is 3.

study4(PSL,PSP,PSB,PS):-PSL=='1',PSP=='3',PSB=='2',PS is 3.

study4(PSL,PSP,PSB,PS):-PSL=='1',PSP=='3',PSB=='3',PS is 3.

study4(PSL,PSP,PSB,PS):-PSL=='2',PSP=='1',PSB=='1',PS is 2.

study4(PSL,PSP,PSB,PS):-PSL=='2',PSP=='1',PSB=='2',PS is 2.

study4(PSL,PSP,PSB,PS):-PSL=='2',PSP=='1',PSB=='3',PS is 3.

study4(PSL,PSP,PSB,PS):-PSL=='2',PSP=='2',PSB=='1',PS is 2.

study4(PSL,PSP,PSB,PS):-PSL=='2',PSP=='2',PSB=='2',PS is 2.

study4(PSL,PSP,PSB,PS):-PSL=='2',PSP=='2',PSB=='3',PS is 3.

study4(PSL,PSP,PSB,PS):-PSL=='2',PSP=='3',PSB=='1',PS is 3.

study4(PSL,PSP,PSB,PS):-PSL=='2',PSP=='3',PSB=='2',PS is 3.

study4(PSL,PSP,PSB,PS):-PSL=='2',PSP=='3',PSB=='3',PS is 3.

study4(PSL,PSP,PSB,PS):-PSL=='3',PSP=='1',PSB=='1',PS is 2.

study4(PSL,PSP,PSB,PS):-PSL=='3',PSP=='1',PSB=='2',PS is 2.

study4(PSL,PSP,PSB,PS):-PSL=='3',PSP=='1',PSB=='3',PS is 3.

study4(PSL,PSP,PSB,PS):-PSL=='3',PSP=='2',PSB=='1',PS is 3.

study4(PSL,PSP,PSB,PS):-PSL=='3',PSP=='2',PSB=='2',PS is 3.

study4(PSL,PSP,PSB,PS):-PSL=='3',PSP=='2',PSB=='3',PS is 3.

study4(PSL,PSP,PSB,PS):-PSL=='3',PSP=='3',PSB=='1',PS is 3.

study4(PSL,PSP,PSB,PS):-PSL=='3',PSP=='3',PSB=='2',PS is 3.

study4(PSL,PSP,PSB,PS):-PSL=='3',PSP=='3',PSB=='3',PS is 3.

study5(PSL,PSP,PSB,PL,PP,PS,P):-study4(PSL,PSP,PSB,PS),PL=='1',PP=='1',PS=1,P is 1.

study5(PSL,PSP,PSB,PL,PP,PS,P):-study4(PSL,PSP,PSB,PS),PL=='1',PP=='1',PS=2,P is 1.

study5(PSL,PSP,PSB,PL,PP,PS,P):-study4(PSL,PSP,PSB,PS),PL=='1',PP=='1',PS=3,P is 2.

study5(PSL,PSP,PSB,PL,PP,PS,P):-study4(PSL,PSP,PSB,PS),PL=='1',PP=='2',PS=1,P is 1.

study5(PSL,PSP,PSB,PL,PP,PS,P):-study4(PSL,PSP,PSB,PS),PL=='1',PP=='2',PS=2,P is 2.

study5(PSL,PSP,PSB,PL,PP,PS,P):-study4(PSL,PSP,PSB,PS),PL=='1',PP=='2',PS=3,P is 2.

study5(PSL,PSP,PSB,PL,PP,PS,P):-study4(PSL,PSP,PSB,PS),PL=='1',PP=='3',PS=1,P is 2.

study5(PSL,PSP,PSB,PL,PP,PS,P):-study4(PSL,PSP,PSB,PS),PL=='1',PP=='3',PS=2,P is 2.

study5(PSL,PSP,PSB,PL,PP,PS,P):-study4(PSL,PSP,PSB,PS),PL=='1',PP=='3',PS=3,P is 3.

study5(PSL,PSP,PSB,PL,PP,PS,P):-study4(PSL,PSP,PSB,PS),PL=='2',PP=='1',PS=1,P is 1.

study5(PSL,PSP,PSB,PL,PP,PS,P):-study4(PSL,PSP,PSB,PS),PL=='2',PP=='1',PS=2,P is 2.

study5(PSL,PSP,PSB,PL,PP,PS,P):-study4(PSL,PSP,PSB,PS),PL=='2',PP=='1',PS=3,P is 2.

study5(PSL,PSP,PSB,PL,PP,PS,P):-study4(PSL,PSP,PSB,PS),PL=='2',PP=='2',PS=1,P is 2.

study5(PSL,PSP,PSB,PL,PP,PS,P):-study4(PSL,PSP,PSB,PS),PL=='2',PP=='2',PS=2,P is 2.

study5(PSL,PSP,PSB,PL,PP,PS,P):-study4(PSL,PSP,PSB,PS),PL=='2',PP=='2',PS=3,P is 3.

study5(PSL,PSP,PSB,PL,PP,PS,P):-study4(PSL,PSP,PSB,PS),PL=='2',PP=='3',PS=1,P is 2.

study5(PSL,PSP,PSB,PL,PP,PS,P):-study4(PSL,PSP,PSB,PS),PL=='2',PP=='3',PS=2,P is 3.

study5(PSL,PSP,PSB,PL,PP,PS,P):-study4(PSL,PSP,PSB,PS),PL=='2',PP=='3',PS=3,P is 3.

study5(PSL,PSP,PSB,PL,PP,PS,P):-study4(PSL,PSP,PSB,PS),PL=='3',PP=='1',PS=1,P is 1.

study5(PSL,PSP,PSB,PL,PP,PS,P):-study4(PSL,PSP,PSB,PS),PL=='3',PP=='1',PS=2,P is 2.

study5(PSL,PSP,PSB,PL,PP,PS,P):-study4(PSL,PSP,PSB,PS),PL=='3',PP=='1',PS=3,P is 3.

study5(PSL,PSP,PSB,PL,PP,PS,P):-study4(PSL,PSP,PSB,PS),PL=='3',PP=='2',PS=1,P is 3.

study5(PSL,PSP,PSB,PL,PP,PS,P):-study4(PSL,PSP,PSB,PS),PL=='3',PP=='2',PS=2,P is 3.

study5(PSL,PSP,PSB,PL,PP,PS,P):-study4(PSL,PSP,PSB,PS),PL=='3',PP=='2',PS=3,P is 3.

study5(PSL,PSP,PSB,PL,PP,PS,P):-study4(PSL,PSP,PSB,PS),PL=='3',PP=='3',PS=1,P is 3.

study5(PSL,PSP,PSB,PL,PP,PS,P):-study4(PSL,PSP,PSB,PS),PL=='3',PP=='3',PS=2,P is 3.

study5(PSL,PSP,PSB,PL,PP,PS,P):-study4(PSL,PSP,PSB,PS),PL=='3',PP=='3',PS=3,P is 3.

study6(YHB,YHY,YH):-YHB=='3',YHY=='Yes',YH is 3.

study6(YHB,YHY,YH):-YHB=='3',YHY=='No',YH is 3.

study6(YHB,YHY,YH):-YHB=='4',YHY=='Yes',YH is 4.

study6(YHB,YHY,YH):-YHB=='4',YHY=='No',YH is 3.

study6(YHB,YHY,YH):-YHB=='5',YHY=='Yes',YH is 5.

study6(YHB,YHY,YH):-YHB=='5',YHY=='No',YH is 5.

study7(YTB,YTS,YT):-YTB=='3',YTS=='Yes',YT is 3.

study7(YTB,YTS,YT):-YTB=='3',YTS=='No',YT is 4.

study7(YTB,YTS,YT):-YTB=='4',YTS=='Yes',YT is 3.

study7(YTB,YTS,YT):-YTB=='4',YTS=='No',YT is 5.

study7(YTB,YTS,YT):-YTB=='5',YTS=='Yes',YT is 5.

study7(YTB,YTS,YT):-YTB=='5',YTS=='No',YT is 5.

study8(YSB,YSS,YS):-YSB=='3',YSS=='Yes',YS is 3.

study8(YSB,YSS,YS):-YSB=='3',YSS=='No',YS is 3.

study8(YSB,YSS,YS):-YSB=='4',YSS=='Yes',YS is 4.

study8(YSB,YSS,YS):-YSB=='4',YSS=='No',YS is 4.

study8(YSB,YSS,YS):-YSB=='5',YSS=='Yes',YS is 5.

study8(YSB,YSS,YS):-YSB=='5',YSS=='No',YS is 5.

study9(YHB,YHY,YTB,YTS,YSB,YSS,KYRS,YH,YT,YS,Y):-study6(YHB,YHY,YH),study7(YTB,YTS,YT),study8(YSB,YSS,YS),KYRS=='1',YH=3,YT=3,Y is 3.

study9(YHB,YHY,YTB,YTS,YSB,YSS,KYRS,YH,YT,YS,Y):-study6(YHB,YHY,YH),study7(YTB,YTS,YT),study8(YSB,YSS,YS),KYRS=='1',YH=3,YT=4,Y is 4.

study9(YHB,YHY,YTB,YTS,YSB,YSS,KYRS,YH,YT,YS,Y):-study6(YHB,YHY,YH),study7(YTB,YTS,YT),study8(YSB,YSS,YS),KYRS=='1',YH=3,YT=5,Y is 4.

study9(YHB,YHY,YTB,YTS,YSB,YSS,KYRS,YH,YT,YS,Y):-study6(YHB,YHY,YH),study7(YTB,YTS,YT),study8(YSB,YSS,YS),KYRS=='1',YH=4,YT=3,Y is 3.

study9(YHB,YHY,YTB,YTS,YSB,YSS,KYRS,YH,YT,YS,Y):-study6(YHB,YHY,YH),study7(YTB,YTS,YT),study8(YSB,YSS,YS),KYRS=='1',YH=4,YT=4,Y is 4.

study9(YHB,YHY,YTB,YTS,YSB,YSS,KYRS,YH,YT,YS,Y):-study6(YHB,YHY,YH),study7(YTB,YTS,YT),study8(YSB,YSS,YS),KYRS=='1',YH=4,YT=5,Y is 5.

study9(YHB,YHY,YTB,YTS,YSB,YSS,KYRS,YH,YT,YS,Y):-study6(YHB,YHY,YH),study7(YTB,YTS,YT),study8(YSB,YSS,YS),KYRS=='1',YH=5,YT=3,Y is 4.

study9(YHB,YHY,YTB,YTS,YSB,YSS,KYRS,YH,YT,YS,Y):-study6(YHB,YHY,YH),study7(YTB,YTS,YT),study8(YSB,YSS,YS),KYRS=='1',YH=5,YT=4,Y is 5.

study9(YHB,YHY,YTB,YTS,YSB,YSS,KYRS,YH,YT,YS,Y):-study6(YHB,YHY,YH),study7(YTB,YTS,YT),study8(YSB,YSS,YS),KYRS=='1',YH=5,YT=5,Y is 5.

study9(YHB,YHY,YTB,YTS,YSB,YSS,KYRS,YH,YT,YS,Y):-study6(YHB,YHY,YH),study7(YTB,YTS,YT),study8(YSB,YSS,YS),KYRS=='2',YS=3,YT=3,Y is 3.

study9(YHB,YHY,YTB,YTS,YSB,YSS,KYRS,YH,YT,YS,Y):-study6(YHB,YHY,YH),study7(YTB,YTS,YT),study8(YSB,YSS,YS),KYRS=='2',YS=3,YT=4,Y is 4.

study9(YHB,YHY,YTB,YTS,YSB,YSS,KYRS,YH,YT,YS,Y):-study6(YHB,YHY,YH),study7(YTB,YTS,YT),study8(YSB,YSS,YS),KYRS=='2',YS=3,YT=5,Y is 4.

study9(YHB,YHY,YTB,YTS,YSB,YSS,KYRS,YH,YT,YS,Y):-study6(YHB,YHY,YH),study7(YTB,YTS,YT),study8(YSB,YSS,YS),KYRS=='2',YS=4,YT=3,Y is 4.

study9(YHB,YHY,YTB,YTS,YSB,YSS,KYRS,YH,YT,YS,Y):-study6(YHB,YHY,YH),study7(YTB,YTS,YT),study8(YSB,YSS,YS),KYRS=='2',YS=4,YT=4,Y is 4.

study9(YHB,YHY,YTB,YTS,YSB,YSS,KYRS,YH,YT,YS,Y):-study6(YHB,YHY,YH),study7(YTB,YTS,YT),study8(YSB,YSS,YS),KYRS=='2',YS=4,YT=5,Y is 5.

study9(YHB,YHY,YTB,YTS,YSB,YSS,KYRS,YH,YT,YS,Y):-study6(YHB,YHY,YH),study7(YTB,YTS,YT),study8(YSB,YSS,YS),KYRS=='2',YS=5,YT=3,Y is 4.

study9(YHB,YHY,YTB,YTS,YSB,YSS,KYRS,YH,YT,YS,Y):-study6(YHB,YHY,YH),study7(YTB,YTS,YT),study8(YSB,YSS,YS),KYRS=='2',YS=5,YT=4,Y is 5.

study9(YHB,YHY,YTB,YTS,YSB,YSS,KYRS,YH,YT,YS,Y):-study6(YHB,YHY,YH),study7(YTB,YTS,YT),study8(YSB,YSS,YS),KYRS=='2',YS=5,YT=5,Y is 5.

study10(YHB,YHY,YTB,YTS,YSB,YSS,KYRS,YH,YT,YS,Y,PSL,PSP,PSB,PL,PP,PS,P,LSR,LSS,LIO,LIK,LS,LI,LP,L,B):-study9(YHB,YHY,YTB,YTS,YSB,YSS,KYRS,YH,YT,YS,Y),study5(PSL,PSP,PSB,PL,PP,PS,P),study3(LSR,LSS,LIO,LIK,LS,LI,LP,L),Y=3,P=1,L=0,B is 3,!.

%Основная программа определения оценки

ask_name :-

ask_name('You well communicate in group?(Yes or No)', name, LIO),

ask_name('You well communicate with class leader?(Yes or No)', name, LIK),

ask_name('Your parents approve Your choice?(Yes or No)', name, LSR),

ask_name('You like Your profession?(Yes or No)', name, LSS),

ask_name('You Live you in dormitory?(Yes or No)', name, LP),

ask_name('How much hours a day You spend on preparation to lecture(1,2,3)?', name, PSL),

ask_name('How much hours a day You spend on performing the laboratory work(1,2,3)?', name, PSP),

ask_name('How many times at month you visit the library(1,2,3)?', name, PSB),

ask_name('Value on 100-ballet to system Your visit lecture?(0-30(1),30-60(2),60-100(3))', name, PL),

ask_name('Value on 100-ballet to system Your visit practical occupation?(0-30(1),30-60(2),60-100(3))', name, PP),

ask_name('Your average ballet of the certificate in school?(3,4,5)', name, YHB),

ask_name('Your school has a high level on technical sub>ject?(Yes or No)', name, YHY),

ask_name('Your current progress, in ballet approximately?(3,4,5)', name, YTB),

ask_name('You consider that are completely returned training?(Yes or No)', name, YTS),

ask_name('What beside You average ballet of the past session?(3,4,5)', name, YSB),

ask_name('You are a complacent result to previous session?(Yes or No)', name, YSS),

ask_name('On what course You learn?(1(1),2-6(2))', name, KYRS),

study10(YHB,YHY,YTB,YTS,YSB,YSS,KYRS,YH,YT,YS,Y,PSL,PSP,PSB,PL,PP,PS,P,LSR,LSS,LIO,LIK,LS,LI,LP,L,B),

write(B).

% Author:

make_same_width(Gr1, Gr2) :-

send(Gr1, width, Gr2?width).

% Pick up arguments from a dialog window:

create_person_dialog :-

new(D, dialog('Enter new person')),

send(D, append, new(BG, box(0,30))),

send(D, append, new(BI, box(500,0))),

send(D, append, new(F,label)), % for reports

send(D, append, new(Name, text_item(name))),

send(D, append, new(Age, text_item(age))),

send(D, append, new(Sex, menu(sex, marked))),

send(F, append, 'To begin testing enter its name and age and press button "Create".'),

send(Sex, append, female),

send(Sex, append, male),

send(Age, type, int),

send(D, append,

button(create, message(@prolog, create_person,

Name?selection,

Age?selection,

Sex?selection))),

send(D, default_button, create),

send(D, open).

create_person(Name, Age, Sex) :-

writeln('----------------------------------------------------------------'),

format('Student ~w person ~w of ~d years old your estimation -',

[Sex, Name, Age]).

% Start the demo

:- create_person_dialog.

:-ask_name.

ПРИЛОЖЕНИЕ 2

Анкета

Уважаемые студенты, просим вас поучаствовать в анкетировании на тему «Ваше отношение к учебному процессу». Просим Вас ответить на первые 4 вопроса, а остальные высказывания оценить по 7 бальной системе(от полного несогласия (1) до полного согласия (7)).

Ваш пол?
- Женский;
- Мужской;
На какой специальности Вы учитесь?

_____________________________________________________________

Ваше обучение:
- контрактное?
- бюджетное?
Вы проживаете в общежитии?
- да;
- нет;
«Обстановка в общежитии благосклонно влияет на учебу» 1 2 3 4 5 6 7
«Объяснение преподавателями нового материала понятно и доступно» 1 2 3 4 5 6 7
««Воспринимать новый материал легко» 1 2 3 4 5 6 7
«База школьной подготовки позволяет, хорошо учится в «ХАИ»1 2 3 4 5 6 7
«Преподаватели объясняют сложно и быстро» 1 2 3 4 5 6 7
«Практических занятий достаточно, чтобы усвоить лекционную информацию»1 2 3 4 5 6 7
«Предметов очень много, большой поток информации» 1 2 3 4 5 6 7
«Учиться в «ХАИ» сложно и неинтересно» 1 2 3 4 5 6 7
«На самостоятельную обработку выносится больше информации, чем дается на лекциях» 1 2 3 4 5 6 7
«Специальность не оправдывает надежды» 1 2 3 4 5 6 7
«Лучшая мотивация в учебе, это похвала преподавателя» 1 2 3 4 5 6 7
«Я учусь хорошо, для того чтобы получать стипендию» 1 2 3 4 5 6 7
«Выбор специальности правильный, набор предметов интересный» 1 2 3 4 5 6 7
«Учеба для меня это самореализация » 1 2 3 4 5 6 7
«Стипендия как вид мотивации меня не интересует» 1 2 3 4 5 6 7
«Я поступил(а) в «ХАИ» потому что так хотели мои родители» 1 2 3 4 5 6 7
«У меня сложились хорошие отношения с одногрупниками и студентами других групп»1 2 3 4 5 6 7
«Я принимаю активное участие в общественной жизни факультета и университета»

1 2 3 4 5 6 7

«У меня сложились хорошие отношения с куратором»1 2 3 4 5 6 7
«Куратор практически не уделяет внимания нашей группе» 1 2 3 4 5 6 7
«Я боюсь, что меня отчислять» 1 2 3 4 5 6 7
«Мне стыдно плохо учиться» 1 2 3 4 5 6

Экспертная система прогнозирования успеваемости студентов в ВУЗах

5.1 Разработка комплексного плана работ по теме

Разработка модели

Руководитель

5.2 Оценка риска страхования

5.3 Обобщенные показатели качества