Бурный рост наукоемких технологий позволяет рассматривать как реальную задачу создание специализированной системы глобального мониторинга, обеспечивающего ЛПР иинтегрированной полной достоверной информацией, необходимой для РВ-контроля и своевременного и эффективного исполнения мероприятий по обеспечению безопасности.

В развитие идей графодинамики обсуждаются проблемы воплощения в глобальной компьютерной среде систем с сете- центрическим управлением высокой структурной сложности. На основе исчисления древовидных структур предлагается подход к формированию в ресурсах глобальных сетей матема- тически однородного поля компьютерной информации, в кото- ром открываются возможности представления и «бесшовно- го» программирования графодинамических систем с сетецентрическим управлением в едином формализме. Приво- дятся примеры систем с сетецентрическим управлением, которые можно отнести к классу графодинамических.

Рассматривается общая структура, основные блоки и задачи, а также особенности формирования интерфейса интеллектуальной подсистемы поддержки принятия решений (ИСППР), предназначенной для применения в интегрированной системе управления технологическими процессами для класса непрерывных производств химико-технологичесаого типа. Определены основные требования к алгоритмическому и программному обеспечению ИСППР для обеспечения оперативного выполнения обработки запросов пользователей ИСППР, анализа условий, событий, ситуаций, генерирации и проверки гипотез, проведения текущей идентификации и адаптации параметров используемых моделей, определения вариантов альтернативного управления объектом и формирования ответов ИСППР на запросы операторов. Приводятся примеры формирования и использования формализованных описаний запросов пользователей для обеспечения интеллектуального интерфейса с ИСППР.

В работе описан адаптивный алгоритм классификационного анализа с оптимизацией числа выбираемых классов в динамике, позволяющий отслеживать кардинальные изменения структуры исследуемых объектов. Основная идея разработанного алгоритма состоит в том, что процедура оптимизации по числу классов проводится не для фиксированного момента времени, а на каждом шаге анализа вновь поступающих данных о функционировании группы исследуемых объектов. При разработке адаптивного алгоритма существенно использовались методы классификационного анализа данных.