Научно-издательский центр «Открытие»

otkritieinfo.ru

АКТУАЛЬНЫЕ ВОПРОСЫ

СОВРЕМЕННОЙ НАУКИ

Материалы III международной

научной конференции

20 октября 2012 года

г. Санкт-Петербург

УДК 001

ББК 72я431

АКТУАЛЬНЫЕ ВОПРОСЫ

СОВРЕМЕННОЙ НАУКИ

Материалы III международной научной конференции

20 октября 2012 года г. Санкт-Петербург

Представлены материалы докладов международной научной конференции «Актуальные вопросы современной науки».

В материалах конференции обсуждаются проблемы различных областей современной науки: математики, информатики, биологии и наук о Земле, технических и сельскохозяйственных наук, медицины, юриспруденции, филологии и истории, педагогики и политологии. Сборник представляет интерес для учёных различных исследовательских направлений, преподавателей, студентов и аспирантов – всех, кто интересуется развитием современной науки.

ISBN 978-5-8430-0221-3

СЕКЦИЯ 1. Математические науки

ПРИМЕНЕНИЕ КОГНИТИВНОГО ПОДХОДА

НА НАЧАЛЬНЫХ ЭТАПАХ ПРОЕКТИРОВАНИЯ ПРОГРАММНЫХ ПРОДУКТОВ.

Ю. С. Тынянкин

Волгоградский государственный технический университет,

г. Волгоград, Россия, [email protected]

В условиях современной действительности неотъемлемой частью рабочего и жизненного цикла человека являются разнообразные компьютерные и машинные программы. С ростом распространения и области применимости различных программ возрастает и их предлагаемый рыночный спектр. Для успешного конкурирования производители уже не могут создавать свой товар без планирования работы над ними и без планирования начальных этапов работы. Одним из методов планирования является когнитивный подход - подход, учитывающий мышление, познание, процессы восприятия; этот подход вообще удобно использовать для работы со слабоструктурированными системами.

Основой когнитивного моделирования является составление и обработка когнитивной карты исследуемой ситуации (чаще всего для этого используют элементы теории графов). Вообще говоря, для составления когнитивной карты привлекается команда экспертов, одним из первых этапов работы которых является PEST-анализ (Policy, Economy, Society, Technology)

Конечно же, основной работой экспертов и является та самая «когнитивная составляющая» подхода, т.е. определение, классификация и оценивание степени их взаимовлияния факторов, так или иначе влияющих на конечный продукт.

Факторы:

1. Экономические:

№1. Стоимость аппаратного обеспечения.

№2. Общая стоимость работ.

№3. Стоимость программного обеспечения.

…

2. Технические:

№5. Аппаратное обеспечение.

№6. Наличие программного обеспечения соответствующего качества.

…

3. Научные:

№15. Актуальность программного продукта.

…

4. Управление:

№21. Организация обменом опыта между разработчиками.

…

Уровень взаимовлияния между факторами определяется по дискретной шкале: 0,1 (очень слабое), 0,3 (умеренное), 0,5 (существенное), 0,7 (сильное), 1 (очень сильное).

Табл.1 - Матрица взаимовлияний

i /j	1	2	3	4	5
1		0,7	0,3		1	…
2	0,7		0,7	1	0,5
3	0,3	0,7		0,1
4		1
5	1	0,7	0,5

Определив взаимовлияния факторов, можно приступать к анализу полученной модели. Предметом исследования является уровень влияния факторов на конечный продукт. Сравнительные значения уровней влияний представлены в таблице.

№	Фактор	Начальные тенден-ции	Жела-емые тенденции	Тенден-ции свобод-ного развития	Тенден-ции уп-равляе-мого ра-звития
1	Общая стоимость разработки	-0.7	-0.3	0,05	-0,18
2	Профессио-нальные навыки в разработке ПО	0.5	0.7	-0,14	-0,51
3	Точность результатов работы ПО	0.7	0.9	0,39	0,31
4	Временные ресурсы	0.7	0.5	0,21	0,32
5	Масштабы использова-ния	0.5	0.7	1	1

Выводы.

Проектирования программных продуктов, как и любое другое проектирование, относится к инженерному творчеству, исследования можно проводить большим количеством достаточно хорошо изученных методов, например, методом морфологического синтеза. Плюсом использования когнитивного подхода является его гибкость и комбинирование принципов основных методов проектирования.

Удобство применения когнитивного подхода при проектировании программных продуктов обусловлено тем, что факторы, влияющие на конечный продукт, зачастую разной природы, например, «общая стоимость работ» и «обмен опытом», они оказывают разноплановое влияние, которое можно исследовать по получаемому закону динамики свободного движения состояния системы.

Литература

1. . Авдеева, З. К. Когнитивное моделирование для решения задач управления слабоструктурированными системами (ситуациями) / З. К. Авдеева, С. В. Коврига, Д. И. Макаренко // Управление большими системами. – М.: ИПУ РАН, 2007. – Вып. 16. – С. 26 – 39.
2. . Аноприенко, А. Я. От вычислений к пониманию: когнитивное компьютерное моделирование и опыт его практического применения на примере решения проблемы фестского диска [Электронный ресурс] / А. Я. Аноприенко. – 1999. – Режим доступа : http://cs.dgtu.donetsk.ua/~anoprien/Publ/1999/cogn99_7.htm

.

СЕКЦИЯ 2. Информационные технологии

РАЗРАБОТКА СТРУКТУРЫ МЕТОДОЛОГИИ УПРАВЛЕНИЯ СТРОИТЕЛЬСТВОМ НЕФТЕПРОВОДА

В. Н. Босенко, А. Г. Кравец

Волгоградский государственный технический университет,

г. Волгоград, Россия

E-mail: [email protected], [email protected].

В данной статье предложена методология управления строительством нефтепровода. Показаны модели, которые входят в методологию. Представлена структура разрабатываемой методологии.

Управление проектами представляет собой методологию организации, планирования, руководства, координации и контроля людских и материальных ресурсов всей совокупности проектов организации, направленную на эффективное достижение целей проектов путем применения системы современных методов, техники и технологий управления для достижения определенных в проекте результатов по составу и объему работ, стоимости, времени и качеству.

Как правило, отсутствие в компании единой методологии и механизмов, стандартизирующих деятельность по управлению проектами, приводит к тому, что:

• проекты выполняются нескоординировано;
• отсутствует общая терминология;
• нет единого понимания принципов управления проектами;
• нет четкого разграничения зон ответственности участников проектной деятельности;
• нет подробного описания процессов управления проектом;
• в случае смены Руководителя проекта затруднена возможная передача управления новому Руководителю проекта.

Перечисленные факторы приводят к снижению эффективности управления проектами в компании в целом.

Разработка и применение единой методологии управления проектами позволит компании:

• осуществлять контроль за выполнением проектов за счет использования единой методологии и формализованного подхода к механизмам управления проектом;
• разграничить полномочия и ответственность участников проектной деятельности на различных этапах жизненного цикла проекта;
• повысить эффективность контроля исполнения проектов со стороны руководителей компании;

Способ организации производства работ индивидуален на каждом предприятии. Это объясняется спецификой предметной области каждого отдельно взятого предприятия. Большинство существующих на сегодняшний день методологий направлены на управление IT-проектами, проектами в экономической и социальной сферах.

Проект по строительству магистрального нефтепровода является достаточно специфичным. Тем более, если учесть особенности работы компании по транспорту нефти «ОАО «АК Транснефть» и взаимоотношения этой компании с Подрядными организациями, выполняющими проект. В частности, нет необходимости в разрабатываемую методологию добавлять модуль «Управление стоимостью проекта». Это объясняется тем что, контракт, который заключается между заказчиком и подрядчиком, содержит заранее установленную и неизменную твердую договорную цену. Поэтому вопрос стоимости всего проекта или отдельных его задач касается только подрядчика и может быть решен им как в убыток, так и в прибыль для своей компании.

При разработке методологии для управления строительством НП, необходимо в первую очередь выделить ключевые модели, которые будут являться основой методологии. Они представлены в виде отдельных элементов с точно определенным интерфейсом. Однако на практике они накладываются друг на друга и взаимодействуют друг с другом.

При достижении целей проекта надо принимать во внимание сложность, риск, размер, временной период, опыт команды проекта, наличие ресурсов, количество исторической информации, организационную зрелость управлении проектами, специфику отрасли и области приложения.

Исходя из особенностей реализации проекта строительства нефтепровода, специфики компании «Транснефть» и взаимоотношений с партнерами, необходимо выделить следующие модели методологии:

• Управление проектом;
• Управление задачами;
• Управление ресурсами;
• Управление сроками;
• Управление качеством;
• Управление рисками;
• Управление персоналом.

Каждая модель является отдельной частью методологии. В то же время, модели взаимосвязаны между собой для функционирования методологии в целом. Они пересекаются друг с другом как в функциональном, так и во временном отношении. На рисунке 1 представлена структура разрабатываемой методологии: модели методологии с основными задачами.

Рис. 1 – Общая структура разрабатываемой методологии

Данная методология должна управлять набором прецедентов, компонентов, требований, задач и исполнителей в едином информационном пространстве, с наложением на шкалу времени, с учетом занятости сотрудников и зависимостей между задачами.

Простого списка и даже иерархии задач недостаточно для получения полной картины. Ведь на структуризацию задач можно смотреть с разных точек зрения. Важность и очевидность задач меняется, в зависимости от того, под каким углом мы на них смотрим.

Метод организации строительства должен предусматривать декомпозицию одной задачи на несколько других, добавление и удаление связей между задачами, переоценка сроков. Довольно часто возникает потребность немного «поиграть», т.е. внести изменения в план, чтобы посмотреть, как это отразится на конечных сроках или стоимости проекта: добавить исполнителей в проект, перераспределить задачи между исполнителями, добавить или удалить задачи.

ОБРАБОТКА БИОМЕТРИЧЕСКОЙ ВИДЕОИНФОРМАЦИИ ЛЮДЕЙ В НЕСКОЛЬКИХ СВЕТОВЫХ ДИАПАЗОНАХ^[1]

А. С. Голубев, М. Ю. Звягин, И. И. Зиновьев

Владимирский государственный университет

имени Александра Григорьевича и Николая Григорьевича Столетовых, г. Владимир, Россия, e-mail: [email protected]

Обработка биометрической информации людей необходима для решения ряда важных с точки зрения обеспечения безопасности и повышения качества обслуживания задач, например, в системах контроля и управления доступом, а также в правоохранительных системах. В настоящее время одним из наиболее популярных идентификационных признаков людей являются изображения их лиц [2]. Связано это как с отсутствием жестких требований к оборудованию для получения таких признаков, что облегчает построение систем распознавания, так и с ненавязчивость самого процесса получения изображений людей, т.е. идентифицируемому человеку не требуется предпринимать каких-либо специальных действий. Изображения могут быть получены с обычных камер видеонаблюдения, установленных, например, в метрополитене, на вокзале или в другом месте контроля. Однако существует ряд проблем, осложняющих построениесистем распознавания людей по изображениям их лиц. Можно выделитьследующие проблемы.Во-первых, это высокая вычислительная трудоемкость алгоритмов обнаружениялица человека на изображении, что негативно сказывается на времени идентификации. Особенно актуальной проблема становится в связи с развитием систем видеонаблюдения и распространением видеокамер высокого разрешения.Во-вторых, присутствует сильная зависимость результатов работы алгоритмов распознавания от условий освещения, что снижает надежность работы системы.

Решение первой проблемы возможно за счет использования современных графических ускорителей, более приспособленных для обработки видеоинформации. Благодаря тому, что современные видеокарты поддерживают ту или иную технологию GPGPU, появляется возможностьиспользовать их графический процессор для вычислений, которые обычно проводит центральный процессор. Доработка существующих алгоритмов детектирования с учетом особенностей архитектуры графических ускорителей позволяет в несколько раз сократить их время работы, что является достаточным для анализа видеопотока высокого разрешения в реальном времени. Вариант реализации алгоритма обнаружения, представленного в 2001 году Полом Виолой (PaulViola) и Майклом Джонсом (MichaelJones)Виола-Джонса [3], для архитектуры NVIDIACUDA предложен в статье [1]. За основу взята реализация этого алгоритма в открытой библиотеке OpenCV [4], что обеспечило возможность использования натренированных каскадов классификаторов из этой библиотеки.

Анализ изображений лиц людей, полученных в ближнем инфракрасном (ИК) диапазоне, показал меньшее влияние на них условий освещения (рисунок 1). Поэтому для решения проблемы зависимости результатов работы систем распознаванияот освещения предлагается анализировать изображения не только в видимом, но и в ближних инфракрасном и, возможно, ультрафиолетовом (УФ) световых диапазонах. Однако это поднимает новую проблему отсутствия алгоритмов идентификация и распознавания лиц людей дляИК и УФ диапазонов.

Рис. 1. Изображение лица человека

в ближнем ИК диапазоне

Можно отметить, что изображения, получаемые в ближнем ИК диапазоне, незначительно отличаются от полутоновых изображений видимого диапазона. Это позволило сделать предположение о возможности использования для их анализа, алгоритмов, рассчитанных на полутоновые изображения.

Для проверки данного предположения был проведен эксперимент, подтверждающий возможность детектирования лиц людей на изображениях в ИК диапазоне с помощью алгоритма, описанного выше, при использовании каскадов классификаторов, натренированных на полутоновых изображениях видимого диапазона. Опишем подробнее проведенный эксперимент. В затемненном коридоре Владимирского государственного университета имени Александра Григорьевича и Николая Григорьевича Столетовых (освещенность составляла 0-2 лк) была установлена инфракрасная мегапиксельнаяIP-камера BoschEX85. Камера была настроена на съемку в ближнем ИК диапазоне (длина волны 850 нм) с разрешением кадра 1280х1024 пикселей с частотой 12,5 кадров в секунду. Проводилась регистрацию людей, проходящих по коридору, на рубеже 5-7 м до камеры. По результатам проведенного эксперимента было отмечено 100% детектирование лиц в зоне контроля и стабильное их сопровождение в реальном времени, то есть алгоритм подтвердил возможность применения на практике в условиях ограниченной видимости.

Можно отметить, что алгоритм детектирования, рассчитанный на обработку полутоновых изображений, без внесения в него изменений при работе в ИК диапазоне показал результаты, сопоставимые с его работой в видимом диапазоне. Это позволяет рассчитывать на возможность работы данного алгоритма и в УФ диапазоне, а также, что более важно, о возможности использования некоторых существующих алгоритмов распознавания в световых диапазонах, отличных от видимого.

Литература

1. Зиновьев И.И. Обнаружение лиц людей в системах видеонаблюдения / Зиновьев И.И., Шамин П.Ю.// Научно-технические ведомости СПбГПУ, Серия «Информатика. Телекоммуникации. Управление». – СПб., 2011, 6–2 (138), С. 70 – 75.
2. Прокошев В.Г. Проблема автоматического распознавания лиц с одним эталонным изображением / Прокошев В.Г., РожковМ.М., Шамин. П.Ю. // Научно-технические ведомости СПбГПУ. Серия «Информатика. Телекоммуникации. Управление». – СПб., 2010, 5 (108), С. 13–18.
3. Viola P. Robust real-time face detection / P. Viola, M. Jones // International journal of computer vision, 2004, 57(2), P. 137–154.
4. Документация библиотеки OpenCV. Режим доступа: http://opencv.willowgarage.com/wiki/

Разработка автоматизированной системы формирования компетентности в области сетевых информационных технологий студентов-программистов

Л. Ф. Насейкина, И. Ю. Жарикова

ФГБОУ ВПО “Оренбургский государственный университет”,

г. Оренбург, Россия

E-mail: [email protected], [email protected]

Современный этап развития нашего общества ознаменован бурным развитием и внедрением в различные сферы жизнедеятельности технологий вычислительных сетей (Интернет, Wi-Fi, Ethernet и др.). На сегодняшний день практически любая организация имеет локальную сеть с возможность выхода в глобальную сеть, использует для хранения корпоративной информации базы данных, размещенные на серверах вычислительных сетей, а также сетевые приложения, для обращения к этим базам данных.

При этом возрастает потребность в высококвалифицированных специалистах в области сетевых информационных технологий - программистах, системных администраторах, программных инженеров, способных реализовать проектирование вычислительной сети, настройку оборудования, написания клиент-серверных приложений, к которым предъявляются достаточно высокие требования. В частности, они должны быть компетентными в области сетевых информационных технологий.

В этой связи повышаются требования к бакалаврам, обучающимся по направлению подготовки 230100 - “Информатика и вычислительная техника” Факультета информационных технологий Оренбургского государственного университета. Это обусловлено тем, что бакалавр данного направления должен выполнять следующие виды профессиональной деятельности:

- применение современных инструментальных средств при разработке программного обеспечения; применение Web-технологий при реализации удаленного доступа в системах клиент/сервер и распределенных вычислений;

- наладку, настройку, регулировку и опытную проверку ЭВМ, периферийного оборудования и программных средств; сопряжение устройств и узлов вычислительного оборудования, монтаж, наладку, испытание и сдачу в эксплуатацию вычислительных сетей [1].

Следовательно, требуется такая организация образовательного процесса вуза, при подготовке бакалавров данного направления, которая будет способствовать формированию у студентов компетентности в области сетевых информационных технологий.

В свою очередь, “компетентность в области сетевых информационных технологий” является частным случаем профессиональной компетентности и определяется нами как “интегративное качество личности, определяющее способность решать профессиональные проблемы и типичные задачи в области сетевых информационных технологий, возникающие в реальных ситуациях при осуществлении профессиональной деятельности по работе с вычислительными сетями, включающее три основных компонента: когнитивный (знания в области сетевых информационных технологий), деятельностный (умения проектирования и конфигурирования вычислительных сетей; навыки реализации сетевых протоколов с помощью программных средств (сетевое программирование), ценностный (опыт самостоятельной творческой деятельности).

Структура компетентности в области сетевых информационных технологий представлена на рисунке 1.

Следует отметить, что компетентность определяется как совокупность компетенций, таким образом, формирование компетентности в области сетевых информационных технологий должно быть основано на формировании совокупности профессиональных компетенций, которыми должен обладать выпускник данного направления.

Рисунок 1 – Структура интегративного качества личности

“компетентность в области сетевых информационных технологий”

Согласно требованиям ФГОС ВПО по данному направлению [1], к таковым профессиональным компетенциям относятся:

- разработка бизнес-планов и технических заданий на оснащение отделов, лабораторий, офисов компьютерным и сетевым оборудованием;

- разработка компонентов программных комплексов и баз данных, использование современных средств и технологии программирования;

- участие в настройке и наладке программно-аппаратных комплексов;

- сопряжение аппаратных и программных средств в составе информационных и автоматизированных систем;

- инсталляция программного и аппаратного обеспечения для информационных и автоматизированных систем.

В результате формирования перечисленных профессиональных компетенций, можно с уверенность сказать, что выпускник будет обладать компетентностью в области сетевых технологий и готов к профессиональной деятельности в сфере и сетевых услуг.

Необходимо подчеркнуть, что при подготовке студентов-программистов, формирование компонентов компетентности в области сетевых информационных технологий должно осуществляться при изучении всех дисциплин профессионального цикла. Однако, на наш взгляд, основные педагогические усилия следует направить при преподавании дисциплины “Сети и телекоммуникации”.

Следует также отметить, что в условиях информатизации общества в целом и информатизации образования, в частности, педагоги, наряду с традиционными формами, стараются применять все более новые и современные формы и методы, разрабатывают различные средства информационных и коммуникационных технологий (ИКТ), а также расширяют масштаб их внедрения в учебный процесс. В частности, педагогами используются различные электронные учебники, программные средства компьютерного контроля, электронные тренажеры, поисковые справочные системы, программные средства для математического и имитационного моделирования и многое другое. Однако такое внедрение на сегодняшний день носит бессистемный характер и является локальным опытом использования средств ИКТ в учебном процессе.

По нашему мнению, при обучении студентов, требуется внедрение средства информационных и коммуникационных технологий, представляющего собой взаимосвязанный комплекс, состоящий из информационного, программного, технического и методического обеспечения, используемого на базе средств компьютерной техники и обеспечивающего организацию всех структурных компонентов процесса познания (теория, практика, контроль) при изучении материала определенной дисциплины.

На наш взгляд, наиболее успешным средством ИКТ, используемым в образовательном процессе вуза, является автоматизированная система, применяемая при изучении определенной дисциплины. Она представляет собой программное средство, включающее изучение теоретического материала, выполнение практических и лабораторных работ, оценку полученных компетенций, формирование выходных отчетов.

В связи с этим, при подготовке бакалавров по направлению 230100 “Информатика и вычислительная техника”, с целью формирования компетентности в области сетевых информационных технологий, нами была разработана автоматизированная система, используемая при изучении дисциплины “Сети и телекоммуникации” и применяемая как для организации аудиторных занятий, так и для самостоятельной подготовки студентов. Она размещена на Web-ресурсе, к которому студенты и преподаватель могут обратиться, используя для входа в систему свой логин и пароль.

Данная автоматизированная система состоит из четырех структурных элементов (блоков), каждый их которых направлен на формирование того или иного компонента компетентности в области сетевых информационных технологий: формирование профессиональных компетенций, оценка сформированности профессиональных компетенций, формирование групп студентов (кластеры), формирование выходных отчетов.

Для наглядного представления структуры предлагаемой автоматизированной системы и взаимосвязи ее компонентов нами было использовано средство структурного моделирования BPWIN, с использованием методологии диаграмм потоков данных DFD (Data Flow Diagram). Диаграммы потоков данных используются для наглядного отображения документооборота в системах обработки информации и описывают документы, объекты и хранилища данных, которые участвуют в обработке информации.

При организации работы предлагаемой автоматизированной системы используются различные объекты, информационные потоки, хранилища данных. В качестве объектов были рассмотрены такие объекты как студент, преподаватель, между которыми передаются различная информация. Входным потоком при работе с автоматизированной системой является личные данные студента при регистрации. Выходными потоками являются группы студентов (кластеры). В качестве хранилищ данных используется информация, хранимая базе данных и используемая при работе автоматизированной системы.

Следует отметить, что процесс формирования компетентности в области сетевых информационных технологий представляет собой сложный процесс, состоящий из выполнения четырех последовательных этапов: формирования профессиональных компетенций, оценки сформированности профессиональных компетенций, формирования групп студентов (кластеры), формирование выходных отчетов. Причем каждый из этих блоков также включает выполнения более мелких элементов.

Первым этапом работы с автоматизированной системой является работа с блоком “Формирование профессиональных компетенций”.

Для формирования каждого компонента профессиональных компетенций используются различные обучающие материалы автоматизированной системы, которые содержатся в соответствующих подблоках.

К таковым обучающим материалам относятся:

- теоретический материал электронного гипертекстового учебника,

- мультимедийные демонстрационные примеры,

- глоссарий,

- тренировочные тесты,

- тренировочные упражнения и проблемные ситуации,

- профессионально-ориентированные задачи,

- лабораторные работы,

- творческие задания по профессиональной проблеме,

- материал профессиональных сайтов, тематических форумов, а также сайты вакансий работодателей.

Таким образом, каждый элемент блока “Формирование профессиональных компетенций” соотнесен с соответствующим компонентом компетентности в области сетевых информационных технологий. Другими словами, каждый вид обучающего материала направлен на формирование определенного компонента компетентности в области сетевых информационных технологий. Следовательно, в результате работы с данным блоком автоматизированной системы у студентов будет сформирован определенный уровень профессиональных компетенций, который можно оценить на следующем этапе.

Следующим этапом работы с автоматизированной системой является работа с блоком “Оценка сформированности профессиональных компетенций”.

В предлагаемой автоматизированной системе для оценки сформированности профессиональных компетенций используются различные контрольно-измерительные материалы. К таковым контрольно-измерительным материалам относятся:

- тесты по главам,

- финальные тесты,

- результаты выполнения профессионально-ориентированных задач,

- отчеты по лабораторным работам в среде программирования,

- отчеты по творческим заданиям по профессиональной проблеме,

- анкета.

Следует отметить, что для оценки каждого компонента используются свои методы. Для оценки сформированности уровня знаний в области сетевых информационных технологий используется метод тестирования. В данном программном средстве реализовано многошаговое тестирование, которое включает в себя тренировочное тестирование (тесты-самоконтроль), промежуточное тестирование по каждой главе (тесты по главам), а также итоговое тестирование по теоретическому материалу всех глав электронного учебника (финальное тесты). Результаты прохождения тестов заносятся в базу данных (рисунок 2).

Результаты оценки знаний в области сетевых информационных технологий
№	Фамилия И.О.	Тестирование по главам (промежуточное тестирование)					Итоговое тестирование
		1	2	3	…	n
1	Банченко А. С.	86	90	88		94	92
2	Бикбов Р.Т.	84	92	86		90	88
..	…	…	…	…	…	…	…
10	Шатов М.Л.	94	92	94		92	94

Рисунок 2 – Результаты оценки знаний в области сетевых информационных технологий

Для оценки сформированности умений проектирования и конфигурирования вычислительных сетей используются результаты решения профессионально-ориентированных задач, которые студенты выполняют в виртуальном эмуляторе. В электронный журнал преподавателя автоматически заносится итоговый балл за выполнение всех задач. Для оценки сформированности навыков реализации сетевых протоколов с помощью программных средств (сетевое программирование) используются отчеты по лабораторным работам. После проверки отчетов преподаватель самостоятельно заносит общий балл за выполнение всех лабораторных работ в электронный журнал. Для оценки сформированности опыта самостоятельной творческой деятельности используются отчеты о выполнении творческих заданий по профессиональной проблеме. После проверки отчетов преподаватель самостоятельно заносит баллы за выполнение творческих заданий в электронный журнал. Для оценки сформированности ценностного отношения к будущей профессиональной деятельности используется метод анкетирования. Ответы студентов анализируются преподавателем и заносятся в электронный журнал самостоятельно. Таким образом, в результате работы с автоматизированной системой, в электронном журнале преподавателя будут иметься данные о результатах сформированности каждого из компонентов профессиональных компетенций при изучении дисциплины “Сети и телекоммуникации” (рисунок 7).

Электронный журнал преподавателя
№	Ф. И.О.	Итоговые тесты (знания)	Профессиона-льно-ориентирован-ные задачи (умения)	Лабораторные работы в среде программирования (навыки)	Творческие задания по профессиональной проблеме (опыт)	Анкетирова-ние (ценностное отношение)
1	Банченко А. С.	92	98	96	92	86
2	Бикбов Р.Т.	88	92	90	86	86
..	…	…	…	…	…	…
10	Шатов М.Л.	94	92	88	86	84

Рисунок 3 - Результаты прохождения контрольно-измерительных материалов

Следовательно, полученные результаты дают возможность преподавателю оценить, на каком уровне у студентов в результате сформирована компетентность в области сетевых информационных технологий. Для этого в автоматизированной системе используется блок “Формирование групп студентов (кластеры)”, в котором имеется возможность разделить студентов на пять групп, в зависимости результатов прохождения контрольно-измерительных мероприятий.

В качестве математического метода для формирования кластеров был выбран метод статистической обработки данных – дискриминантный анализ. Дискриминантный анализ используется для принятия решения о том, какие переменные различают (дискриминируют) две или более возникающие совокупности (группы). Этот метод позволит построить дискриминантные функции отнесения объекта к одному из существующих множеств [2]. Другими словами, дискриминантный анализ позволит отнести студентов к одной из пяти групп, с зависимости от уровня сформированности компетентности в области сетевых информационных технологий (высокий, выше среднего, средний, ниже среднего, низкий).

В качестве исходных параметров были выбраны следующие показатели: Х1 – сформированность знаний в области сетевых информационных технологий (в баллах); Х2 – сформированность умений проектирования и конфигурирования вычислительных сетей (в баллах); Х3 – сформированность навыков реализации сетевых протоколов с помощью программных средств (сетевое программирование) (в баллах); Х4 – сформированность опыта самостоятельной творческой деятельности (в баллах); Х5 - сформированность ценностного отношения к будущей профессиональной деятельности (в баллах). При этом использовались следующие диапазоны: высокий уровень: 81-100 баллов, высшее среднего (хорошо): 61-80, средний (удовлетворительно): 41-60, ниже среднего (неудовлетворительно): 21-40, низкий уровень (не аттестован): 0-20.

По результатам работы данного блока, в первую группу попадают студенты, которые обладают компетентностью в области сетевых информационных технологий на высоком уровне. Эти студенты глубоко и прочно усвоили материал курса “Сети и телекоммуникации”, умеют тесно увязывать теорию с практикой, свободно справляются с задачами и вопросами, причем не затрудняются с ответами при видоизменении заданий, владеют разносторонними навыками и приемами выполнения практических задач. Эти студенты готовы к выполнению профессиональной деятельности по работе в вычислительных сетях в качестве начальников отдела администрирования вычислительных сетей.

Во вторую группу попадают студенты, которые обладают компетентностью в области сетевых информационных технологий на уровне выше среднего. Эти студенты твердо знают материал курса “Сети и телекоммуникации”, правильно применяют теоретические положения при решении практических вопросов и задач, владеют необходимыми навыками и приемами их выполнения. Эти студенты готовы к выполнению профессиональной деятельности по работе в вычислительных сетях и готовы к выполнению профессиональной деятельности в качестве сетевых администраторов.

В третью группу попадают студенты, которые обладают компетентностью в области сетевых информационных технологий на среднем уровне. Эти студенты обладают знаниями только основного материала, но не усвоили его деталей, допускают неточности, испытывают затруднения при выполнении практических задач. Им следует повторить решение практических задач автоматизированной системы по курсу “Сети и телекоммуникации”. Эти студенты готовы к выполнению профессиональной деятельности по работе в вычислительных сетях и готовы к выполнению профессиональной деятельности на уровне помощников сетевых администраторов.

В четвертую группу попадают студенты, которые не обладают компетентностью в области сетевых информационных технологий на уровне ниже среднего. Этим студентам следует повторить рассмотрение некоторых слабо изученных вопросов теоретических глав, либо некоторые практические задачи автоматизированной системы по курсу “Сети и телекоммуникации”. Эти студенты не совсем готовы к выполнению профессиональной деятельности по работе в вычислительных сетях, так как не завершили свое обучение с помощью автоматизированной системы.

В пятую группу попадают студенты, которые обладают компетентностью в области сетевых информационных технологий на низком уровне. Эти студенты не знают значительной части теоретического материала, допускают существенные ошибки, с большими затруднениями решает практические задачи. Эти студенты не готовы к выполнению профессиональной деятельности по работе в вычислительных сетях и им следует изучить заново материал автоматизированной системы по курсу “Сети и телекоммуникации”.

По результатам работы математического блока преподавателю будут доступны результаты кластеризации, то есть списки студентов, которые он может вывести на печать в блоке “Формирование отчетов”. Эти списки необходимы, во-первых, для того, чтобы преподаватель смог в дальнейшем скорректировать свою деятельность. Во-вторых, эти результаты могут быть использованы при проведении педагогического эксперимента. И, наконец, в-третьих, формирование групп поможет преподавателю выявить студентов, склонных к творческой, исследовательской работе.

Хотелось бы отметить, что предлагаемая автоматизированная система успешно применяется при подготовке студентов на факультете информационных технологий Оренбургского государственного университета в течение последних двух лет. Внедрение данной автоматизированной системы значительно повыло уровень сформированности компетентности в области сетевых информационных технологий студентов-программистов.

Литература:

1. Федеральный Государственный Образовательный стандарт Высшего Профессионального образования по направлению подготовки 2301000 – “Информатика и вычислительная техника” (квалификация бакалавр). [Электронный ресурс]. - Режим доступа:  http://www.osu.ru/docs/bachelor/fgos/230100b.pdf.
2. Костин, В.Н. Статистические методы и модели: Учебное пособие. – Оренбург: ГОУ ОГУ, 2004. – 138 с.

АНАЛИЗ ЭФФЕКТИВНОСТИ СОСТАВНОГО ТУРБОКОДА, ОСНОВАННОГО НА ОБЪЕДИНЕНИИ ПЕРФОРИРОВАННЫХ СВЕРТОЧНЫХ КОДОВ

И. А. Небаев

Санкт-Петербургский Государственный Университет Телекоммуникаций им. проф. М. А. Бонч-Бруевича,

г. Санкт-Петербург, Россия, [email protected]

При параллельном объединении нескольких кодеров в структуре составного турбокода, применяются сверточные коды со скоростью кодирования r=1/n. Максимальная кодовая скорость в таком случае составляет r=k/n=1/2. Это позволяет строить адекватные по сложности и эффективности системы кодирования для телекоммуникационных задач (при k=1). На практике возникает необходимость в расширении количества вариантов кодовой скорости используемого помехоустойчивого кода, и в первую очередь, в той области где k>1. Причём, дополнительным фактором, положительно характеризующим алгебраическую систему помехоустойчивого кодирования, считается возможность кода адаптивно изменять кодовую скорость, в зависимости от метрик измерения канала передачи данных. Однако, известно, что с увеличением количества входных символов на входе кодера (k>1), экспоненциально растёт и сложность реализации помехоустойчивого кода. В особенности этот факт касается сложных структур, т. к. турбокод, где объединяются несколько каскадов кодеров и декодеров.

В рамках исследовательской работы автора, реализована математическая компьютерная модель системы, кодирующей информацию помехоустойчивым турбокодом, для последующей передачи ее по каналу АБГШ и мягкому декодированию на принимающей стороне. Для решения задачи повышения кодовых скоростей составного турбокода, построенного на параллельном объединении сверточных кодов, используется алгоритм выкалывания проверочных символов. Структура турбо-кодера с блоком выкалывания приведена на рис. 1.

Рис.1 - Турбокодер с выкалыванием

Применяя систематический метод перфорации части выходных символов кодера, становится возможным регулировать результирующую кодовую скорость всей структуры турбокода. Следует также отметить, что при выкалывании не изменяется структура решётки кода, и следовательно, так же не изменяется количество информационных бит.

Рис. 2 демонстрирует процедуру выкалывания проверочных символов из кода со скорость r=1/2. При использовании стандартного кодера со скоростью 1/2, результатом кодирования были бы 18 бит кодового слова, полученные из 9 бит информационной последовательности. При систематическом выкалываниии, на вход модулятора поступит только 12 бит, а результирующая скорость кодера будет равна 3/4.

Рис.2 - Выколотый код скорости 3/4

При декодировании кода на стороне приёмника может использоваться несколько алгоритмов восстановления символов. Один из таких алгоритмов состоит в интерпретации удаленных битов в качестве стираний канала. Удаленный бит помечается флагом, т.е. символ на этой позиции не учитывается. При этом метрика данного ребра считается равной нулю. В данной реализации декодеру доступна информация о матрице перфорации, применяемой на передатчике, поэтому применен модифицированный алгоритм декодирования турбокода, состоящий в сравнение элемента Pij матрицы и текущего кодового символа. Если Pij=0, то текущий символ считается удаленным и метрика ребра не обновляется. При Pij=1 кодовый символ считается доверенными и используется для подсчета метрики и т.д.

Для исследования воздействия процедуры выкалывания на эффективность турбокода использовались матрицы перфорации приведенные в табл.1.

Кодовая скорость (r)	1/2	2/3	3/4	5/6	7/8
Матрица выкалывания (P)	1 1	1 1 1 0	1 0 1 1 1 0	1 0 1 0 1 1 1 0 1 0	1 0 0 0 1 0 1 1 1 1 1 0 1 0

Табл.1 - Матрицы выкалывания

Результаты имитационного моделирования получены для длины информационного блока L=1024 бит, суммарном количестве переданной информации N=4.8 Мбит на каждую кодовую скорость, максимальном числе итераций декодирования Q=10, и режиме повторного перезапроса данных при отказе декодирования (ARQ).

Диаграммы на рис. 3 демонстрируют накопленное декодером число битовых ошибок при получении данных с модулятора системы и после завершения итеративной процедуры декодирования кода. Наибольшее число ошибок наблюдается при использовании высоких кодовых скоростей (5/6, 7/8), за счет эффекта разрежения проверочных символов кода по большой длине кодового вектора и снижения общей помехоустойчивости кодового слова. Наиболее эффективную помехозащищенность демонстрирует турбокод с более низкими кодовыми скоростями (1/2, 2/3). Однако следует отметить, что избыточное кодирование турбокодом, с применением низкоскоростного составного кода, ведет к сокращению пропускной способности канала передачи данных и расширению спектра сигнала. В дополнение к предыдущим диграммам, рис. 4 демонстрирует отношение суммарного количества переданных блоков данных к количеству перезапрашиваемой информации по каналу ARQ во всем исследуемом диапазоне кодовых скоростей. Необходимо отметить, что в реализации данного декодера турбокода, запрос повторной передачи посылается в том случае, если после завершения максимального количесва итераций декодирования, информационное слово содержит неисправленные ошибки.

Рис.3 - Общее количество битовых ошибок

Рис. 4 - Доля повторно перезапрашиваемой информации

до и после процедур декодирования

Применение выкалывания проверочных символов турбокода, в условиях проведенных исследований, позволяет сделать вывод, что стабильное значение вероятности ошибки после декодирования, и наименьшее количество повторно перезапрашиваемой информации по системе ARQ, обеспечивается на низких и средних кодовых скоростях. Т.о. при построении адаптивной системы передачи данных с применением корректирующего турбокода необходимо производить перманентный контроль за показателями качества канала связи. В условиях высокой зашумленности оправданным шагом будет использование малых кодовых скоростей, обеспечивающих низкое значение вероятности битовой ошибки. Применение больших перфорирующих матриц, требует не только благоприятных физических условий в среде передачи данных, но и дополнительного уровня синхронизации приемника и передатчика.

Основываясь на анализе результатов, полученных с помощью имитационной модели, можно сделать заключение о том, что применение алгоритма выкалывания проверочных символов помехоустойчивого кода, совместно с использованием многоступенчатого итерационного метода декодирования с мягкими решениями, позволяет поднять эффективность передачи информации в каналах передачи данных с использованием турбокода.

Литература

1. Berrou C., Glavieux A, Thitimajshima P. Near Shannon limit error-correcting coding and decoding: Turbo codes // IEEE Int. Conf. on Communications. Switzerland: 1993. C.1064-1070.

2. Bahl L. R., Cocke J, Jelinek F, Raviv J. Optimal Decoding of Linear Codes for Minimizing Symbol Error Rate // IEEE Transactions on Information Theory. 1974. T.20. C. 284-287.

3. Вишневский В.М., Портной С.Л., Шахнович И.В. Энциклопедия WiMAX. Путь к 4G. М.: Техносфера, 2009.

4. Морелос-Сарагоса, Р. Искусство помехоустойчивого кодирования. Методы, алгоритмы, применение. – М.: Техносфера, 2006.

5. Вернер, М. Основы кодирования. – М.: Техносфера, 2006.

СЕКЦИЯ 3. Биологические науки

ИЗУЧЕНИЕ ЯЙЦЕНОСКОСТИ СРЕДНЕРУССКОЙ

И КАРПАТСКОЙ РАС ПЧЕЛ В ПЕРМСКОМ КРАЕ

А. В. Мурылёв, А. В. Петухов

Пермский государственный гуманитарно-педагогический университет, г. Пермь, [email protected]

Продуктивность пчелиной семьи в большой степени зависит от силы семьи, то есть от яйценоскости матки и от хорошего ухода пчел-кормилиц за расплодом. Оба этих фактора обусловлены как наследственными задатками, так и условиями окружающей среды. Из факторов окружающей среды на пчел действуют, прежде всего, условия медосбора и температура. У благополучно зимующих семей расплод появляется в начале весны. Всякое ухудшение условий зимовки стимулирует возбуждение пчел. Это отражается на увеличении потребления корма, выделения воды, и, как следствие, приводит к более раннему появлению расплода. Появление расплода в семье в зимнее время является нежелательным, так как это активизирует пчел, повышает потребление ими корма и интенсифицирует наполнение задней кишки.

Пермский край является северной границей ареала естественного распространения медоносных пчел. В этой зоне успешно зимуют и отличаются высокой продуктивностью пчелы среднерусской расы (Apis mellifera mellifera L.). Они имеют генетически закрепленный комплекс адаптаций к северным условиям обитания. Кроме среднерусских пчел, в условиях средней тайги Пермского края отдельные пчеловоды на своих пасеках начинают разводить более миролюбивую карпатскую расу медоносных пчел (Apis mellifera carpathica). Для эксперимента карпатские пчелы в Прикамье были завезены с Украины из пчелопитомника чистопородного разведения «Мукачево». Эволюционно адаптация этих пчел сформировалась в условиях южного ареала и имеет свои особенности. По размерам тела они уступают среднерусским, однако незначительно превосходят их по длине хоботков, что позволяет им использовать больший спектр медоносов.

Яйценоскость пчелиных маток определяли по печатному расплоду. Количество расплода определяли рамкой-сеткой с квадратами 5x5 см. На такой площади помещается при наложении рамки-сетки на сот с расплодом 100 ячеек пчелиного расплода или 80 ячеек трутневого. По сумме ячеек определяли количество расплода на соте. Печатный расплод развивается в течение 12 дней, таким образом, разделив полученное число ячеек на 12 дней, получали среднесуточную яйценоскость матки.

Результаты первого весеннего учета количества печатного расплода в семьях среднерусских и карпатских пчел зимующих на воле приведены в таблице.

Таблица 1

Количество печатного расплода на первый весенний учет

в семьях среднерусских и карпатских пчел

Дата учета	Раса пчел	n	Количество расплода, тыс. ячеек (М±m)	Сv%
20.04.2011	Среднерусская	5	2,35±0,187	30,4
20.04.2011	Карпатская	5	5,72±0,280	33,1
16.04.2012	Среднерусская	5	3,16±0,666	42,7
16.04.2012	Карпатская	5	6,80±0,443	20,3

Исходя из результатов первого весеннего учета за 2011-2012 гг. можно отметить, что количество печатного расплода у карпатских пчел количественно превосходит среднерусских более чем в два раза, это свидетельствует о том, что карпатские матки приступают к откладке яиц в условиях Пермского края раньше среднерусских. Следует отметить, что более ранняя весна в 2012 году также способствовала увеличению количества расплода в весенний период.

Рис. 1. Динамика изменения яйценоскости пчелиных маток за 2011 год

Как видно на рисунке 1, сезонный характер яйценоскости маток различных рас в целом совпадает. По результатам первого весеннего учета яйценоскость маток в 2011 г составила: у среднерусских пчел 195±15 шт./сут., у карпатских 467±23 шт./сут. Первый пик яйценоскости маток зафиксирован во второй половине мая, что совпадает по времени с интенсивным цветением ивы, одуванчика, плодовых семечковых. Количество расплода у карпатских пчел по-прежнему больше, чем у среднерусских. Этому благоприятствует высокая степень предприимчивости карпатских пчел к цветущим медоносам и хорошая переключаемость с одного медоноса на другой. В первой декаде июня яйценоскость сокращается, и именно в этот период суточные привесы в ульях принимали отрицательные значения. Третья декада июня характеризуются сравнительно высокими признаками яйценоскости. В этот период яйценоскость среднерусских маток сильно превосходит карпатских, и они быстро увеличивают силу семьи к медосбору. У среднерусских пчел яйценоскость составила 2528±286 шт./сут., у карпатских – 1918±225 шт./сут. В июле, с наступлением главного медосбора, яйценоскость маток падает. В конце июля у среднерусских пчел она составила 725±62 шт./сут., у карпатских – 638±50 шт./сут. В первой декаде августа отмечается небольшое увеличение яйценоскости: у среднерусских маток до 1061±386 шт./сут., у карпатских – 845±108 шт./сут. Приближаясь к осени яйценоскость маток сильно сокращается, а затем прекращается.

Рис. 2. Динамика изменения яйценоскости пчелиных маток за 2012 год

Показатели яйценоскости маток в 2012 г. отражены на рисунке 2. Как видно из рисунка, ранняя весна благоприятствовала развитию расплода. У карпатских пчел, как и в 2011 г. отмечено хорошее весеннее развитие. 16 апреля яйценоскость среднерусских маток составила 263±26 шт./сут., у карпатских – 566±38 шт./сут. В третьей декаде мая яйценоскость достигла у среднерусских маток 1304±128 шт./сут., у карпатских – 1422±188 шт./сут. Пик яйценоскости маток зафиксирован во второй-третьей декаде июня, однако, в связи с сухим летом и как следствие, быстрым отцветанием медоносов, показатели были намного ниже, чем в 2011 г.: у среднерусских – 2086±302 шт./сут., у карпатских – 1725±216 шт./сут. В первой декаде июля яйценоскость резко сокращается, что совпадает с наступлением главного медосбора и переключением пчел на работу в поле. К концу августа откладка яиц затухает.

Таким образом, можно отметить, что в условиях Пермского края карпатские пчелы раньше приступают к выращиванию расплода и отличаются быстрым весенним развитием. Однако в летний промежуток времени среднерусские пчелы быстро наращивают силу семьи и превосходят по яйценоскости карпатских пчел.

СЕКЦИЯ 4. Науки о Земле

Уточнение геологического строения залежей антиклинального строения ЗападноСургутского месторождения

В. И. Ильющенко

Тюменский государственный нефтегазовый университет (ТюмГНГУ), г. Сургут, Россия, [email protected]

Западно-Сургутское месторождение - старейшее месторождение ОАО «Сургутенефтегаз». Этаж нефтегазоносности составляет 900 метров. В эксплуатацию введены залежи отложений мелового и юрского периодов. Разработка меловых горизонтов обеспечивает основную добычу нефти на месторождении, но, в связи с высоким обводнением и выработкой запасов, все больше внимания уделяется пластам тюменской свиты, приуроченной к верхней и средней юре. Исходя из представлений о геологическом строении месторождения, залежи пластов БС1, БС2-3, БС10-11 и ЮС1 относятся к залежам структурного типа. Нефтеносность пластов группы БС определена практически на всей территории Западно-Сургутского месторождения, залежи пласта ЮС1 приурочены к локальным антиклинальным структурам [1]. Имеется несколько локальных поднятий с различными уровнями ВНК, расположенных в разных частях месторождения.

Пласты группы БС являются наиболее изученными объектами. Проектный фонд реализован полностью, проведено уточнение контуров и границ запасов. Проведя корреляцию по более чем по 2000 скважин и выполнив структурные построения по кровле пластов БС1, БС2-3, БС10-11, обнаружили сходство структурных планов [2]. Это свидетельствует о том, что завершающая стадия формирования месторождения связана с тектоническими движения, происходившими уже после отложения продуктивных горизонтов. Также к предпосылкам можно отнести родственный генезис залежей, которые сформировались в прибрежно-морских и глубоководно-морских условиях [3]. На основании вышеизложенного, выдвинули предположение о наличии аналогичных структурных элементов на нижезалегающем горизонте ЮС1. Это открыло возможность локализации новых залежей и уточнения геологического строения пласта. Структурная карта кровли пласта ЮС1, построенная в 2010 г. (рис.2) не отражала реальной картины в полной мере, поэтому было принято решение использовать имеющуюся информацию по верхним пластам для поиска и обоснования залежей нефти в пласте ЮС1. На рисунке 1 представлена структурная карта по кровле пласта БС10-11 и участки заложения скважин, которые планировалось пробурить для подтверждения выдвинутого предположения. Учитывая антиклинальные структуры в плане вышезалегающих пластов, в 2011-2012 годах по программе доразведки пробурили скважины 2R, 3C, 4K, 7B, 8G, 11G, 12S, 15F. По результатам бурения подтвердилось наличие локальных поднятий пласта ЮС1 в районе скважин 4K, 7B, 8G и небольшого прогиба структуры в районе заложения скважины 12S (рис.3).

По результатам проведенных исследований и новых структурных построений гипотеза наследственности геологических структур нашла свое подтверждение. Как следствие возник вопрос о насыщенности вскрытого коллектора. На рисунке 4 показан фрагмент стандартного каротажа скважины 7В в интервале залегания пласта ЮС1. Как видно, в верхней части разреза присутствуют нефтенасыщенные интервалы. Вниз по разрезу нефтенасыщенность уменьшается и в подошве уже нет признаков нефти. Эффективная нефтенасыщенная мощность пласта ЮС1 составляет 2.1 метра. Следует отметить, что скважина 7В находится вне ранее определенного контура нефтеносности. Аналогичные данные интерпретации получены по скважинам 8G и 4K. В некоторых сводовых участках пласта ЮС1 нефтенасыщенность не выявлена, например, в скважине 15F, вскрывшей пласт на высокой структурной отметке нет признаков нефтеносности, вероятнее всего это связано с прогибом, который воспрепятствовал миграции нефти в западном направлении. Тем не менее, были обнаружены признаки нефтеносности в нижней части пласта ЮС2, что является нехарактерным для него (рис.5.). Регионально пласт ЮС2 относят к отложениям континентального генезиса. Пласт характеризуется сильной фациальной изменчивостью, невыдержанностью по латерали, наличием субмеридианально вытянутых литологически экранированных залежей. Залежь, вскрытая скважиной 15F, имеет локальное распространение, приуроченное к антиклинальному поднятию.

Рис.1. Структурная карта по кровле пласта БС10-11

Рис.2. Структурная карта по кровле пласта ЮС1 до бурения доразведочных скважин

Рис.3. Структурная карта по кровле пласта ЮС1, пересмотренная по результатам бурения скважин

2R, 3C, 4K, 7B, 8G, 11G, 12S, 15F

В скважине 15F получен промышленный приток нефти. В перспективе планируются работы по детальному оконтуриванию залежи.

Рис.4. Каротаж скважины 7В

в интервале залегания пласта ЮС1.

Рис.5. Каротаж скважины 15F

в интервале пластов ЮС2/1 и ЮС2/2

Рис.7. Изометрическое изображение поверхностей продуктивных горизонтов Западно-Сургутского месторождения (БС1, БС10-11, ЮС1, ЮС2­).

По выявленным признакам обнаружены аналогичные залежи в других частях Западно-Сургутского месторождения. На рисунке 6 показано изометрическое изображение поверхностей продуктивных пластов групп БС и ЮС. В плане хорошо видна унаследованность строения с явным затуханием амплитуды колебаний вверх по разрезу. Пласт БС1 является наиболее выположенным по отношению к нижезалегающим горизонтам, и, в виду его наибольшей изученности эксплуатационным бурением, транзитными скважинами, по структуре можно предполагать наличие ловушек нефти в нижезалегающих пластах.

Таким образом, проведение аналогий в процессе структурных построений, знание генезиса залежей и общих особенностей распространения залежей нефти, позволили уточнить геологическое строение всего этажа нефтеносности Западно-Сургутского месторождения. Результаты исследований и испытаний показали перспективность разработки в уточненных контурах. Методические предпосылки способствовали локализации зон доразведки, позволили прирастить запасы нефти на месторождении с более чем 40-летней историей эксплуатации.

Литература

1. Белоусов В.В. Структурная геология. М.: 1986. 248 с.
2. Павлинов А.Н., Соколовский А.К. Структурная геология и геологическое картирование с основами геотектоники. Основы общей геотектоники и методы геологического картирования: Учеб. для вузов. - М.: Недра, 1990. - 318 с.
3. Гурари Ф.Г. Строение и условия образования клиноформ Западно-Сибирской плиты (история становления представлений): Монография. - Новосибирск; СНИИГГиМС. 2003. - 141 с.

СЕКЦИЯ 5. Технические науки

ОПРЕДЕЛЕНИЕ ВЛИЯНИЯ ВЛАЖНОСТИ ХЛОПКОВОГО ВОЛОКНА НА ЕГО ФИЗИКО-МЕХАНИЧЕСКИЕ СВОЙСТВА

В. М. Саветников

Московский государственный текстильный университет

им. А. Н. Косыгина, Научно-исследовательский институт

проблем хранения Росрезерва, г. Москва, Россия

[email protected]

Хлопковое волокно относится к волокнам натурального происхождения и обладает весьма сложной структурой, обеспечивающей ему уникальный комплекс потребительских свойств. Каждое волокно хлопка представляет собой вытянутую растительную клетку трубчатого строения. Верхний конец волокна конусообразный и наглухо закрыт. Нижний конец, примыкающий к семени, оборван и имеет открытый канал. Наличие канала у хлопкового волокна в значительной степени определяет его гигроскопические свойства.

Целью данной статьи является определение влияния содержания влаги в хлопковом волокне на его физико-механические свойства. В качестве объектов исследования использовали 15 образцов хлопкового волокна среднеазиатского происхождения I сорта 4 и 5 типов (масса образца 10г). Испытания проводились на системе типа HVI Premier HFT 9000 в соответствии с ГОСТ 53031 по показателям: верхняя средняя длина (мм), удельная разрывная нагрузка (сн/текс). Сушку образцов осуществляли при помощи прибора ВУС МТ-250.

Для определения влияния содержания влаги в хлопковом волокне на его физико-механические свойства были проведены сравнительные испытания 15 образцов:

- после кондиционирования в стандартных условиях (Т=210С и W=65%);

- после сушки при Т=1050 С в течение 5 мин.

Количественные изменения физико-механических свойств, исследуемых образцов представлены на рис. 1.

а) Количественные изменения удельной разрывной нагрузки

б) Количественные изменения верхней средней длины

Рисунок 1- Количественные изменения

физико-механических свойств исследуемых образцов

Также гравиметрическим методом при помощи прибора ВУС МТ-250 было определено содержание влажности (W,%) в исследуемых образцах хлопкового волокна (см. таблица 1).

Таблица 1 - Содержание влажности в исследуемых образцах хлопкового волокна

№ образца	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15
W,%	8,7	9,6	9,3	9,1	8,2	8,7	8,7	9,1	8,9	8,5	8,9	8,7	8,8	8,7	7,8