Курсовая работа (т): Интеллектуальная система по подбору земельного участка под индивидуальное жилищное строительство

·        Выбор места отдыха в отпуск и получение рекомендаций о подготовке к поездке;

·        Оценка стоимости и трудозатрат для разработки WEB-сайта, информационной системы, локальной сети, рекламного ролика и т.п.;

·        Выбор элементной базы и конструктивных решений для реализации специализированного контроллера, блока питания и т.п.;

·        Выбор стратегии и методов проведения рекламной кампании.

Компоненты инструментального программного обеспечения ESWIN представлены на рисунке 1.

Рисунок 1 - "Компоненты ESWIN"

Структура базы знаний на языке ESWIN выглядит следующим образом:= ЭС для выбора метода представления знаний= Цель

Метод представления знаний: ()= Тип

Решаемые задачи [Цель формирования экспертной системы? (проектирование; планирование; диагностика; оценка-наблюдение; прогнозирование)= Область

Использование [Какова область применения?]: (вычислительная техника; управление производством; медицина; юриспруденция)= Название предметной области

Количество понятий [Числовое значение количество понятий?]: (менее 10; от 10 до 100; от 100 до 1000; более 1000 и т.д.)

Необходимость структуризации: ()

Этапы принятия решений: (1 этап; 2 этапа; Множество)=Действие: Программа: () Сообщение: () Фрейм: () Удаление: () Запуск: ()1

= (Название предметной области. Количество понятий; менее 10)

= (Название предметной области. Необходимость структуризации; Нет) 1002

= (Название предметной области. Количество понятий; более 1000)

= (Название предметной области. Необходимость структуризации; Да) 100

3. Проектирование системы

В данной курсовой работе поставлена задача разработать семантическую сеть, которая представляет собой набор понятий и, соответственно, связей между ними. Для формирования семантической сети рассматривался выбор земельного участка под ИЖС. Но, так как семантические сети определяются и обозначаются неоднозначностью и дублированием, то сеть база знаний охватывает не весь процесс выбора участка, а всего лишь ее часть, то есть выбор участка в определенных районах города (с. Таврово, п. Дубовое и мкр. Новый.) и только под ИЖС. Для изложения всей предметной области, а конкретнее выбора строительного участка потребовалась бы достаточно большая и обширная семантическая сеть. Данная система будет применяться в практической части, так как на сегодняшний день очень актуальна. Перед началом проектирования интеллектуальной системы нужно было сформировать словарь терминов и наборов ключевых слов, которые будут, непосредственно, связаны с предметной областью (см. приложение 1) и осуществить выявление связей между понятиями что позволит облегчить процесс создания баз знаний. Знания в памяти называют какие-либо связные структуры, а не отдельные части предметной области. Однако, основной упор будет делаться на понятия в конкретных ранее разработанных моделях представления знаний, а связи вводится достаточно примитивные (в основном причинно-следственные). Для выбора земельного участка под ИЖС были определены понятия и связи между ними представленные на рисунке 2.

Рисунок 2 - "Связи между понятиями"

Понятием является обобщение предметов какого-либо класса по их специфическим признакам. Сквозной характеристикой можно считать обобщенность всех когнитивных компонентов структуры, начиная с простых аспектов выбранной тематики.

Базовым понятием данной предметной области является "Земельный участок", который имеет связи с первичными понятиями, являющимися основными при выборе участка, такие как "Почва" - тип почвы, "Стоимость" - цена за земельный участок, "Инфраструктура" - наличие коммуникаций, удаленность от государственных учреждений и "Местность" - лес, поле.

Когда стали известны понятия и связи между понятиями, их необходимо сгруппированы в метапонятия. Такой процесс метапонятий реализуется путем формирования в группы нескольких понятий, которое будет иметь общее названия для всех, на рисунке 3 представлены сгруппированные понятия рассматриваемой области.

Рисунок 3 - "Метапонятия"

Сама процедура формирования метапонятий, вернее группировка понятий, которые получены на раннем этапе (см. рис.2), как и обратный процесс - декомпозиция (подразделение) понятий, настойчиво не поддающиеся формализованные операции. На самом деле, группировка понятий и соответственно их нахождение требуют большого уровня знаний экспертов в рассматриваемой области, к тому же наличия способностей к углубленному изучению всех деталей тематики и определение точных связей между понятиями. Таким образом и получаем группу понятий, представленную выше.

Концептуальная (см. приложение 2) и функциональная части дополняют и оптимизируют свой функционал, следовательно для наибольшей наглядности была сформирована такая модель предметной области в графическом виде, то есть в виде функциональной составляющей, что представлено на рисунке 4.

Рисунок 4 - "Функциональная составляющая поля знаний"

После чего необходимо разработать семантическую (фреймовую, сценарную) сеть, которая включает в себя основные понятия (фреймы) и виды отношений, которые имеют вид "Часть-Целое". Семантическая сеть - это информационная модель предметной области, имеющая вид ориентированного графа, вершины которого соответствуют объектам предметной области, а дуги (рёбра) задают отношения между ними. Объектами могут быть понятия, события, свойства, процессы. Таким образом, семантическая сеть является одним из способов представления знаний (см. приложение 3).

В семантической сети, описывающей данную предметную область, были выделены 4 типа понятий предметной области:

·        сущность (описывает абстрактный объект ПО);

·        свойство (характеристика сущности);

·        значение (конкретное значение свойства);

Перечислим все понятия ПО в соответствие с данной классификацией.

. Сущности.

)        Строительный участок под ИЖС;

2)      с. Таврово;

)        п. Дубовое;

)        мкр. Новый;

2. Свойства.

Для упрощения и более понятного простейшего вывода на семантической сети по отношениям между частями и целым свойства имеют только сущности

)        Почва;

2)      Размер участка;

)        Местность

)        Инфраструктура;

)        Стоимость.

3. Значения.

Значения характеризуют свойства. Причем для определенных свойств есть списки значений, из которых выбирается одно конкретное.

)        Ширина;

2)      Длина;

)        От 600 тыс. рублей;

)        До 1 млн. рублей.

4. Разработка системы и ее тестирование

Как описывалось ранее проектирование системы будет осуществляться в инструментальном ПО ESWIN. Интерфейс данной среды разработки представлен на рисунке 5, где в верхней половине располагается код программы, а в нижней части полученный результат после прохождения опроса.

Рисунок 5 - "Интерфейс ПО"

Первым делом необходимо было написать код программы, который будет реализовывать вопрос с вариантами ответов. На рисунке 6 приведен фрагмент с написанным кодом, в котором определена цель системы: "Выбрать участок под строительство ИЖС", исходные данные с необходимыми типами данных, такие как: "Стоимость" (тип данных - численный, означает самостоятельный ввод определенного числа, соответствующего поставленному вопросу), "Размер участка" (тип данных symbol - выбор определенного ответа), "Местность" (symbol), "Почва" (symbol) и "Удаленность от города" (symbol).

Рисунок 6 - "Фрагмент кода"

Далее были реализованы варианты выбранных пользователем ответов, результатом которого будет являться определенный участок в микрорайонах и поселках г. Белгорода на соответствующей улицей с номером. На рисунке 7 представлен фрагмент программы с кодом, реализующим один из конечных результатов после окончания опроса пользователя.

Рисунок 7 - "Фрагмент кода"

Как видно на представленном выше рисунке конечным результатом будет являться следующее подходящее решение системы "Под ваш выбор подходит п. Дубовое, ул. Антонова, д.2". Таким образом было написано порядка 50 правил с определенными участками выбранной местности.

Прохождение опроса пользователем происходит в окне, фрагмент которого представлен на рисунке 8. Для того чтобы начать прохождение так называемого теста, необходимо открыть саму базу знаний (код программы), которая имеет свой формат данных". klb". Далее выбрать в верхней панели системы "Поиск решения", после чего начнется опрос. Первым этапом будет определяться сумма, которую пользователь способен потратить на покупку земельного участка.

Рисунок 8 - "Ввод суммы"

Следующим этапом является выбор необходимого размера участка (в сотках), приведённый на рисунке 9.

Рисунок 9 - "Выбор размера участка"

Далее необходимо определить окружающую местность будущего участка, лесная - местность, заросшая растениями, оборудованная - выровненный участок без пней, растительности и мусора и поле - обширное однородное пространство.

Рисунок 10 - "Выбор местности участка"

После чего следует выбрать тип почвы будущего участка, вариантами данного этапа являются: "Торфяная" - группа почвенных типов, формирующихся в условиях избыточного увлажнения атмосферными; "Песчаная" - рассыпчатая, лишенная связности почва; "Известковая" - содержит не менее 50% извести; "Глинистая" - тяжелые спрессованные почвы, которые отличаются повышенной плотностью и вязкостью, и почти полной воздухонепроницаемостью. Таким образом этап выбора типа почвы представлен на рисунке 11.

Рисунок 11 - "Выбор типа почв на участке"

Последним этапом принятия решения системы является выбор пользователем удаленности земельного участка от центра города, с определенными вариантами ответов: "до 2 км", "от 2 до 5 км", "от 5 до 10 км" и "не имеет значения". Данный этап приведен на рисунке 12.

Рисунок 12 - "Выбор удаленности от города"

Таким образом после прохождения опроса, система определяет подходящий земельный участок для пользователя в определенном месте выбранного города Белгород. Результат принятия решения системы представлен на рисунке 13, в данном случае он является следующим: "Под ваш выбор подходит п. Дубовое ул. Антонова, д.43 с уверенностью 100%".

Рисунок 13 - "Конечный результат принятия решения системой"

Следовательно, можно сделать вывод о том, что разработанная интеллектуальная система по подбору земельного участка под ИЖС в г. Белгород успешно прошла тестирование.

Заключение

В ходе выполнения курсовой работы были выполнены все поставленные цели и задачи: разработана интеллектуальная система по подбору земельного участка под ИЖС в г. Белгород, которая обеспечивает оптимальный земельный участок с улицей и номером дома для пользователя. Для этого была изучена теоретическая часть экспертных систем и предметная область, сформирована структура знаний для базы знаний среды обучения, реализована семантическая сеть и правила предметной области, разработана база знаний, сформирован код для реализации вопросов с вариантами ответов и вводом определенных данных.

На этапе тестирования были получены знания анализа типичного пользователя системы и определены исключительные ситуации, возможные во время взаимодействия программного обеспечения и пользователя.

Были сделаны выводы о том, что разработанное программное обеспечение является уникальной для поставленной цели. Так как в любой момент времени можно изменить ограничения, параметры, расширить базу знаний, и система станет ещё более достоверной и точной.

Созданное программное решение было протестировано, в следствии чего можно отметить его работоспособность и эффективность. Данная система удовлетворяет всем потребностям пользователей, не определившихся в покупке земельного участка.

интеллектуальная система пользователь проектирование

Список использованных источников

1.      Советов Б.Я., Цехановский В.В., Чертовской В.Д., Интеллектуальные системы и технологии 2011 г. 320 с.

2.      С.И. Золотов, Интеллектуальные информационные системы: учебное пособие для студентов вузов / С.И. Золотов - Воронеж: Научная книга, 2012.140 с.

.        Станкевич Л.А., Интеллектуальные системы и технологии. Учебник и практикум для бакалавриата и магистратуры / "Издательство Юрайт" 2016 г.210 с.

.        Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы: Учебник. - М.: Финансы и статистика, 2012. - 424 с.: ил.

.        Бряколов Г.А., Войцеховский С.В. и др. Основы современных компьютерных технологий: Учебник / Под ред. проф.А.Д. Хомоненко. - СПб.: КОРОНА принт, 2015. - 672 с.

.        Рыжков Ю.И. Информатика. Лекции и практикум. - СПб.: КОРОНА принт, 2010. - 256 с.

.        Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. - СПб.: Питер, 2001. - 384 с.: ил.

.        Питер Джексон. Введение в экспертные системы.: Пер. с англ.: Уч. пос. - М.: Издательство дом "Вильямс”, 2011. - 624 с.: ил. - Парал. Тит. англ.

.        Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот М.Д. Статические и динамические экспертные системы: Учеб. пос. - М.: Финансы и статистика, 2016. - 320 с.: ил.

.        Оссовский Станислав. Семантические связи меду понятиями / Пер. с польского И.Д. Руденко. - М.: Финансы и статистика, 2014. - 110 с.: ил.

.        Калан Роберт. Основные концепции экспертных систем.: Пер. с англ. - М.: Издательский дом ”Вильямс”, 2011 г.

.        Покупка земельного участка: практ. пособие / О.М. Оглоблина, М. Ю Тихомиров; отв. ред.М.Ю. Тихомиров: издание г-на Тихомирова М.Ю., 2011. - 42 с.

.        Нагаев Р.Т. "Недвижимость: энциклопедический словарь" - 5-е изд., доп. и перераб. - М.: ЗАО "Издательство Экономика", 2014г.

.        Асаул А.Н., Денисова И.В. Развитие индивидуального жилищного строительства. - СПб.: СПбГАСУ, 2012.

.        Асаул А.Н. Теория и практика малоэтажного жилищного строительства в России. - СПб.: "Гуманистика", 2015. - 563 с.

Приложения

Приложение 1 - Словарь терминов и наборов ключевых слов