Модель информационного взаимодействия элементов многоуровневой системы цифровых двойников

Обложка

Цитировать

Полный текст

Аннотация

Одной из значимых проблем исследования процессов и явлений в окружающей среде является характерная для технических средств их регистрации пространственно-временная анизотропия. Причиной тому является зачастую крайне неравномерное распределение средств мониторинга по земной поверхности, а также многочисленные выбросы и пропуски в данных, обусловленные как несовершенством используемого оборудования, так и человеческим фактором. Одним из вариантов решения проблемы является применение многоуровневой системы цифровых двойников, базирующихся на соответствующих отраслевых моделях и пополняемой базе архивных данных, что в совокупности с физическими прототипами технических систем обеспечивает высокую плотность покрытия земной поверхности и возможность восстановления соответствующих данных. Вместе с тем нерешенным по-прежнему остается вопрос организации информационного взаимодействия между уровнями системы цифровых двойников, что в значительной степени усугубляется постоянно растущим объемом данных и их неоднородным характером. В работе предлагается организация информационного взаимодействия в системе цифровых двойников на основе формализованного механизма пакетирования пространственно-временной информации, при котором идентификация источников данных выполняется посредством иерархической системы бинарной токенизации. На примере технических систем мониторинга параметров геомагнитного поля и его вариаций рассматриваются особенности практической реализации такого подхода, отличительной особенностью которого является комбинирование традиционной клиент-серверной и инновационной бессерверной архитектур, для реализации высоконагруженного реактивного веб-приложения для работы с анализируемыми данными. Результаты проведенных вычислительных экспериментов подтвердили эффективность предложенных решений, выраженной как в повышении реактивности клиент-ориентированных приложений, так и в увеличении вычислительной скорости формирования и заполнения информационных хранилищ, агрегирующих информацию из распределенных гетерогенных источников.

Об авторах

Г. Р Воробьева

Уфимский государственный авиационный технический университет

Email: gulnara.vorobeva@gmail.com
К. Маркса 12

А. В Воробьев

Уфимский государственный авиационный технический университет

Email: geomagnet@list.ru
К.Маркса 12

Список литературы

  1. Воробьев А.В., Воробьева Г.Р. Подход к оценке относительной информационной эффективности магнитных обсерваторий сети INTERMAGNET // Геомагнетизм и аэрономия. 2018. Т. 58. № 5. с. 648–652.
  2. Гвишиани А.Д., Лукьянова Р.Ю., Соловьёв А.А. Геомагнетизм: от ядра Земли до Солнца. М.: РАН, 2019. 186 с.
  3. Гвишиани А.Д., Агаян С.М., Богоутдинов Ш.Р., Каган А.И. Гравитационное сглаживание временных рядов // Труды Института математики и механики УрО РАН. 2011. Т.17. № 2. с. 62–70.
  4. Рябова С.А. Геомагнитные вариации и синхронные с ними вариации уровня подземных вод и микросейсмического фона в условиях средних широт: дисс. на соискание ученой степени кандидата физико-математических наук. М., 2018.
  5. Kondrashov D., Shprits, Y., Ghil, M. Gap filling of solar wind data by singular spectrum analysis // Geophys. Res. Lett. 2010. no. 37. P. L15101 doi: 10.1029/2010GL044138
  6. Аббасова Т.С. Развитие виртуальных инструментов для создания цифровых двойников // Информационно-технологический вестник. 2019. № 2(20). C. 79–88.
  7. Chen Y. New Approaches for Calculating Moran’s Index of Spatial Autocorrelation // PloS one. 2013. no. 8. P. e68336. doi: 10.1371/journal.pone.0068336.
  8. Freni P., Ferro E., Moncada R. Tokenization and Blockchain Tokens Classification: a morphological framework // IEEE Symposium on Computers and Communications (ISCC), Rennes, France, 2020, pp. 1-6, doi: 10.1109/ISCC50000.2020.9219709.
  9. Marchewka-Bartkowiak K., Nowak K. Get Tokenized... The Specificity of Personal Tokens in the Context of Tokenization and Axiological Categorization // Proceedings of the 3rd International Conference on Economics and Social Sciences. 2020. p. 823-831. doi: 10.2478/9788395815072-081.
  10. Love J. Intermagnet and the Global Community of Magnetic Observatories // AGU Fall Meeting Abstracts. 2006.
  11. Stocchero M. Iterative deflation algorithm, eigenvalue equations, and PLS2 // Journal of Chemometrics. 2019. no.33. p.10.1002/cem.3144.
  12. Le H. A. Trigger2B: A Tool Generating Event-B Models from Database Triggers // Lecture Notes of the Institute for Computer Sciences, Social Informatics and Telecommunications Engineering. 2021. vol. 343. pp.1-7. https://doi.org/10.1007/978-3-030-67101-38.
  13. Lenz M. Silent-Cron: A Cron Wrapper // Raku Fundamentals. 2020. pp.59-80. doi: 10.1007/978-1-4842-6109-5_6.
  14. Voss N., Becker T., Mencer O., Gaydadjiev G. Rapid Development of Gzip with MaxJ // Lecture Notes in Computer Science. 2017. vol. 10216. p. 60-71. doi: 10.1007/978-3-319-56258-2_6.
  15. Mittal H. Digital twin: An overview // CSI Communications. 2020. no. 44.
  16. Carver J., Penzenstadler B., Scheuner J., Staron M. (Research) Insights for Serverless Application Engineering // IEEE Software. 2021. vol. 38. pp.123-125. doi: 10.1109/MS.2020.3028659.
  17. Mahmoudi N., Khazaei H. Performance Modeling of Serverless Computing Platforms // IEEE Transactions on Cloud Computing. 2020. pp. 1-1. doi: 10.1109/TCC.2020.3033373.
  18. Martins H., Araujo F., Cunha P. R. Benchmarking Serverless Computing Platforms // Journal of Grid Computing. 2020. vol. 18. doi: 10.1007/s10723-020-09523-1.
  19. Ali S., Alauldeen R., Ruaa A. What is Client-Server System: Architecture, Issues and Challenge of Client-Server System (Review) // HBRP Publication. 2020. pp.1-6. doi: 10.5281/zenodo.3673071.
  20. Zhu Y., Wu W., Li D. Efficient Client Assignment for Client/Server Systems // IEEE Transactions on Network and Service Management. 2016. no. 13. pp. 1-10. doi: 10.1109/TNSM.2016.2597269.
  21. Iskandar T., Lubis M., Kusumasari T., Lubis A. Comparison between client-side and server-side rendering in the web development // IOP Conference Series Materials Science and Engineering. 2020. no. 801. pp. 012136. doi: 10.1088/1757-899X/801/1/012136.
  22. Zeng Z., Zhang H. A Study on Cache Strategy of CDN Stream Media // IEEE 9th Joint International Information Technology and Artificial Intelligence Conference (ITAIC), Chongqing, China, 2020. pp. 1424-1429. doi: 10.1109/ITAIC49862.2020.9338805.
  23. Sharma K., Marjit U., Biswas U. Efficiently Processing and Storing Library Linked Data using Apache Spark and Parquet // Information Technology and Libraries. 2017. no.37. pp. 29-34. doi: 10.6017/ital.v37i3.10177.
  24. Kostinskiy S., Shaikhutdinov D., Narakidze N. Loss Counter in Power Double Winding Transformers Implementing the Method of Conditionally Constant Coefficients in Online Mode Using the Information Platform // Известия высших учебных заведений. Электромеханика. 2020. no. 63. pp.79-85. doi: 10.17213/0136-3360-2020-5-79-85.
  25. Vorobev A.V., Pilipenko V.A., Enikeev T.A., Vorobeva G.R. Geoinformation system for analyzing the dynamics of extreme geomagnetic disturbances from observations of ground stations // Computer Optics. 2020. no. 44(5). pp. 782-790. doi: 10.18287/2412-6179-CO-707.
  26. Воробьев А.В., Воробьева Г.Р., Юсупова Н.И. Концепция единого пространства геомагнитных данных // Труды СПИИРАН. 2019. в. 18, т. 2. c.390–415.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».