ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Публикационная активность

(сведения по итогам 2017 г.)
2-летний импакт-фактор РИНЦ: 0,500
2-летний импакт-фактор РИНЦ без самоцитирования: 0,405
Двухлетний импакт-фактор РИНЦ с учетом цитирования из всех
источников: 0,817
5-летний импакт-фактор РИНЦ: 0,319
5-летний импакт-фактор РИНЦ без самоцитирования: 0,264
Суммарное число цитирований журнала в РИНЦ: 6012
Пятилетний индекс Херфиндаля по цитирующим журналам: 404
Индекс Херфиндаля по организациям авторов: 338
Десятилетний индекс Хирша: 17
Место в общем рейтинге SCIENCE INDEX за 2017 год: 527
Место в рейтинге SCIENCE INDEX за 2017 год по тематике "Автоматика. Вычислительная техника": 16

Больше данных по публикационной активности нашего журнале за 2008-2017 гг. на сайте РИНЦ

Вход


Забыли пароль? / Регистрация

Добавить в закладки

Следующий номер на сайте

1
Ожидается:
16 Декабря 2018

В Санкт-Петербургском национальном исследовательском университете информационных технологий, механики и оптики (Университет ИТМО) предложен новый подход к расчету моделей системной динамики.

19.09.2018

Системная динамика – универсальный механизм для описания и симуляции динамичного поведения систем из сфер бизнеса, экономики, локальной среды и социологии. В настоящее время этот подход широко применяется для описания таких сложных технических систем, как Интернет вещей (Internet of things – IoT) и других областей, связанных с анализом больших данных. В большинстве случаев для определения значений набора характеристик системы или события одной только возможности запустить модель на наборе уже известных параметров недостаточно.

Говоря как о выполнении модели в общем, так и о системной динамике в частности, предполагаем, что есть определение модели заданного формата и механизм расчета для этой модели. За стартовую точку процесса моделирования принимается входной поток данных. В большинстве случаев такие входные данные моделирования отображают некоторые известные свойства системы и, таким образом, на их основе производится моделирование для выявления неизвестных свойств системы. Во время разработки и отладки моделей наиболее часто встречается ситуация, когда исторические данные используются как для ввода, так и для вывода модели. Когда все свойства системы определены, разработчик может судить о работе модели и настроить параметры так, чтобы разница между ожидаемыми и полученными результатами исследуемой области стала минимальной.

Такой подход отлично работает, когда достаточно исторических данных, описывающих систему, а цель пользователя – уметь прогнозировать поведение системы или проводить детальный анализ ее внутренних процессов. Часто разработчики используют локальную среду для таких операций. В больших компаниях или при моделировании комплексных систем используется общая среда моделирования на производительных серверах. Учитывая существующую тенденцию внедрения разных программных решений в облачную среду, меняется и моделирование. Наряду с парадигмами «Платформа как сервис» (PaaS), «База данных как сервис» (DBaaS) и «Программное обеспечение как сервис» (SaaS) вводится новое понятие «Моделирование как сервис» (MaaS).

Подробное описание дается в статье «Исполнение моделей системной динамики на основе непрерывного потока входных данных», авторы: Перл И.А., Петрова М.М., Мулюкин А.А., Каленова О.В. (Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики (Университет ИТМО), Санкт-Петербург).