Размещено на http://www.allbest.ru/

29

Федеральное государственное автономное образовательное учреждение высшего образования

"Белгородский государственный национальный исследовательский университет"

(НИУ "БелГУ")

ИНСТИТУТ ИНЖЕНЕРНЫХ ТЕХНОЛОГИЙ И ЕСТЕСТВЕННЫХ НАУК

Кафедра информационных систем

Курсовая работа

Интеллектуальная система по подбору земельного участка под индивидуальное жилищное строительство

по дисциплине "Интеллектуальные системы и технологии"

студента очной формы обучения

направления подготовки 09.03.02, Информационные системы и технологии

4 курса группы 07001306

Сергеева Максима Михайловича

БЕЛГОРОД 2016

План курсовой работы

• Введение
• 1. Понятие интеллектуальной информационной системы
• 2. Выбор среды разработки системы
• 3. Проектирование системы
• 4. Разработка системы и ее тестирование
• Заключение
• Список использованных источников
• Приложения
• Приложение 1 - Словарь терминов и наборов ключевых слов
• Приложение 2 - Словарь терминов и наборов ключевых слов
• Приложение 3 - Концептуальная составляющая поля знаний
• Приложение 3 - Графическое представление семантической сети

Введение

На рынке недвижимости земли под индивидуальное жилищное строительство (ИЖС) спрос был всегда значительно велик. Вместе с тем, когда покупают земельный участок, появляется возможность построить дом согласно собственному проекту, дополнить участок хозяйственными постройками, а также организовать сад и огород, опираясь на личные предпочтения.

Но все же при покупке земельного участка и строительства дома необходимо принимать во внимание массу нюансов и правил, помогающие воплотить в жизнь свою мечту на основаниях закона.

Приобретение земельного участка под ИЖС достаточно ответственный шаг, от правильного выполнения которого зависит удобство и комфорт вашего будущего проживания. Первым делом, человеку, который покупает участок нужно определиться с его назначением и типом будущей жилищной постройки. К примеру, если участок купили для строительства загородного дома, хозяева которого будут использовать его только для отдыха, стоит присмотреться к местности, расположенной далеко от города. Если же планируется строительство капитального дома с целью постоянного проживания, необходимо принимать во внимание удобство инфраструктуры, удаленность учреждений, состояние подъездных дорог и т.д.

Проблема выбора земельного участка под ИЖС на сегодняшний день остается актуальной. Для обычного человека становиться все сложнее определиться в таком большом количестве участков для строительства дома.

Рассмотрев детально данную проблему можно сделать вывод, что существует маленькое количество программных продуктов, помогающих выбрать человеку земельный участок под строительство собственного дома. Грубо говоря, те системы, которые существуют, являются ограниченными за счет соотнесения к определенной предметной области.

Целью данной работы является разработать интеллектуальную систему по подбору земельного участка под ИЖС, которая позволит пользователю принять соответствующее решение. Объектом исследования, является г. Белгород с определенной местностью: с. Таврово, п. Дубовое и мкр. Новый.

Задачами курсовой работы являются:

· Изучить теоретическую основу экспертных систем;

· Подробно ознакомиться с предметной областью и объектом исследования;

· Сформировать структуру знаний для базы знаний среды обучения;

· Реализовать семантическую сеть;

· Разработать систему в соответствии с описанными правилами, выявленными связями, и отношениями между понятиями.

1. Понятие интеллектуальной информационной системы

Основное назначение информационных систем - это своевременное представление необходимой информации ЛПР для принятия им эффективным и адекватных решений при управлении финансовыми транзакциями, ресурсами, процессами, персоналом или организацией в целом. Впрочем в процессе развития информационных технологий, технологии моделирования и исследования операций, а также с увеличением потребителей информационно - аналитической поддержки самих ЛПР, все больше проявлялась потребность в системах, не только выполняющих некоторый ее предварительный анализ но и, представляющих информацию систем способных давать некоторые советы и рекомендации, отбирать наиболее перспективные альтернативы решений, т.е. поддерживать решения ЛПР, взяв на себя значительную часть рутинных операций, а также функции предварительного анализа и оценок, осуществлять прогнозирование развития ситуаций, Информационная система поддержки решений (ИСПР) связывает интеллектуальные ресурсы управленца со способностями и возможностями компьютера для улучшения качества решений. Эти системы предназначены для менеджеров, принимающих управленческие решения в условиях полу структурированных и слабо определенных задач.

Таким образом, дальнейшее развитие ИСПР привело к созданию интеллектуальной информационной СПР.

Интеллектуальными информационными технологиями называются технологии, которые помогают пользователям увеличить скорость анализа, политической, экономической, социальной и технической ситуаций, а также синтез управленческих решений. Применение интеллектуальных информационных технологий в действительности понимается как учитывание структур проблемной области, которые могут характеризоваться набором следующих атрибутов:

· хаотичность, флюктуируемость и квантованность поведения среды;

· большое количество взаимовлияющих друг на друга факторов;

· недостаток формализуемости, уникальности, нестереотипности ситуаций;

· латентность, неявность, скрытость информации;

· эффективность и качество принятия решений;

· неточность целей и институциальных рамок;

· множественность субъектов, которые участвуют в решении проблемы;

· девиантность формирования планов, значимость малых действий;

· парадоксальность логики решений и др.

ИИТ образуется при создании информационных систем и информационных технологий, предназначенных для увеличения оперативности управления знаниями, принятия решений в условиях, связанных с формированием проблемных ситуаций. В таком примере любые деловые или жизненные обстоятельства описываются в виде какой-то познавательной модели архетипа, когнитивной схемы, фрейма и пр., использующаяся, со временем, в качестве основания для проведения и построения моделирования, в том числе - компьютерного. История ИИС берет свое начало с середины XX века, связанное с развитием Искусственного интеллекта как нового научного направления, появлением термина "Artificial Intelligence".

Причинами разрастания технологий искусственного интеллекта в СССР и России формируются еще в XIX веке, когда Коллежский советник Семён Николаевич Корсаков (1787-1853) развивал проблему увеличения эффективности разума с помощью создания научных аспектов и методов, которые перекликаются с более актуальным учением искусственного интеллекта, как усилителя естественного. Однако, в 1832 г. С.Н. Корсаков обнародовал схему пяти созданных им механических устройств, так называемых "интеллектуальных машин", которые предназначены были для неполной механизации умственного труда в задачах поиска, сравнения и классификации. В структуре своих аппаратов, Корсаков впервые в истории информатики использовал перфорированные карты, которые играли своего рода роль баз знаний, а сами аппараты по существу считались предшественниками экспертных систем. Интеллектуальные аппараты могли получать такие решения по заданным условиям, которые были способны предоставлять самые подходящие лекарства, соответствующие симптомам пользователя или пациента. Во времена СССР разработка искусственного интеллекта началась в 1960-х гг. В Московском университете и Академии наук было сформировано несколько пионерских исследований, их возглавили В. Пушкин и Д.А. Поспелов. К тому же в 1964 г. был обнародован механизм ленинградского логика С. Маслова "Обратный метод установления выводимости в классическом исчислении предикатов", в которой впервые предлагался метод автоматического поиска доказательства теорем в исчислении предикатов. К тому же язык рекурсивных функций был реализован в 1966 г. В.Ф. Турчиным. До 1970-х гг. во времена СССР все исследования ИИ осуществлялись в границах кибернетики. По мнению Д.А. Поспелова, науки "информатика" и "кибернетика" были в это время "склеены", по причине некоторых академических споров. А уже в конце 1970-х в СССР ученые начинали говорить о научном направлении "искусственный интеллект" как разделе информатики. Таким образом, родилась и сама информатика, которая подчинила в себе прародительницу "кибернетику".

История интеллектуальных информационных технологий берет свое начало с середины 1970-х годов и скрепляется с общим практическим использованием ИИС, экспертных систем принятия решений, систем искусственного интеллекта и информационных систем. Развитие трех научных направлений связаны так же с историей ИИС: компьютерная философия, компьютерная психология и продвинутая компьютерная наука (ACS) и дополняется прогрессом в разработке:

· эволюционных инструментариев, вычислений и генетических алгоритмов;

· инструментариев технического и фундаментального анализа финансовых рынков;

· систем поддержки общения человека с компьютером на естественном языке;

· когнитивным моделированием;

· систем управления интеллектуальной собственностью и др.

Программной и технической системой так же можно назвать интеллектуальную систему, решающая проблемы, которые считаются творческими, и принадлежат определенной предметной области. К тому же знания системы хранятся в ее памяти. К техническому составу прилагают три основных части интеллектуальных систем - решатель, базу знаний и интеллектуальный интерфейс. Со всем процессом разработки интеллектуальных информационных систем в целом и экспертных систем в частности близко связана с "Инженерия знаний". Это методология экспертной системы, охватывающая методы анализа, добычи и выражения в правилах знаний экспертов для создания базы правил. Развитие таких систем, со временем, сформировало инженерию знаний, что является процессом построения интеллектуальных систем. Оная является совокупностью методов, моделей и технических приемов, нацеленных на разработку таких систем, которые будут предназначены для проблем, решения которых используются с базой знаний. Основными частями инженерии знаний считается применение операций генерации, обобщения гипотез для индуктивных выводов, подготовки новых программ самими компьютерными программами и т.д. Значение слова "engineering" является искусной обработкой предметов, создания или изобретения чего-либо. Следовательно, труд по формированию программ специальными экспертными знаниями из проблемной области, которая выполняется человеком, либо компьютером (программой), вдобавок можно назвать инженерией знаний. Видами интеллектуальной системы являются:

1. Расчетно-логическая система

К такому виду можно отнести системы, способные вычислять проектные задачи и управленческие по декларативным описаниям условий. Вдобавок, пользователь системы имеет возможность осуществлять контроль в режиме диалога всех стадий вычислительного процесса. Система имеет возможность автоматически формировать вычислительную модель для задачи и реализовывать математические алгоритмы по формулировке задачи.

2. Рефлекторная интеллектуальная система

Рефлекторная система является системой, формирующей ответные реакции на разные комбинации входных параметров, которые вырабатываются специальными алгоритмами. Алгоритм обеспечивает выбор самой подходящей вероятной реакции интеллектуальной системы на большое количество входных параметров, при заранее известных вероятностях формирования реакции на все входные воздействия. Такая задача похожа на ту, которая создает персептроны, что является математической и компьютерной моделью восприятия информации мозгом (кибернетическая модель мозга), предложенная Фрэнком Розенблаттом в 1957 г. и разработанная в виде электронного аппарата, который назывался "Марк-1" в 1960 г. Одной из первых моделей нейросетей стал персептрон, а аппарат "Марк-1" - одним из первым в мире нейрокомпьютером. Вопреки своей простоте, персептрон может решать довольно сложные задачи.

3. Интеллектуальная информационная система

Интеллектуальная информационная система - это система, основанная на знаниях.

4. Гибридная интеллектуальная система

Гибридная интеллектуальная система - это система в которой для решения задачи используется более одного метода имитации интеллектуальной деятельности человека. Таким образом ГИС - это совокупность:

· экспертных систем;

· искусственных нейронных сетей;

· нечетких систем;

· аналитических моделей;

· генетических алгоритмов;

· имитационных статистических моделей.

Междисциплинарное направление "гибридные интеллектуальные системы" объединяет специалистов и ученых, которые исследуют применимость не одного, а нескольких методов, как правило, из различных классов, к решению задач управления и проектирования.

2. Выбор среды разработки системы

Для разработки интеллектуальной системы по подбору земельного участка под ИЖС, было выбрано инструментальное программное обеспечение - ESWIN. Данная программа предназначена для создания и эксплуатации советующих систем для решения различных задач, сводящихся к задачам принятия решений (диагностики, планирования, прогнозирования и т.п.). ESWin разработана на базе технологии гибридных экспертных систем с представлением знаний в виде правил-продукций, фреймов и лингвистических переменных, и возможностью разрабатывать и запускать специализированные программы в виде exe - файлов, а также, в процессе решения задач использовать данные из баз данных, доступ к которым осуществляется с помощью SQL-запросов, формируемых автоматически.

Так же данное инструментальное ПО позволяет создавать экспертные системы, ориентированные на решение задач идентификации, диагностики и классификации, ядром которого является оболочка для разработчика.

В состав инструментального ПО входят:

· интерпретатор баз знаний ESWinUs для запуска экспертных систем конечным пользователем;

· редакторы баз знаний EdKB и KlbEdit, которые реализованны в разных стилях;

· программа для просмотра и диагностики целостности баз знаний KBView;

· экспертная оболочка предназначенная для запуска экспертных систем

ESWin с целью отладки программы разработчиком ЭС;

· оболочка оптимизации и редактирования данных - KBOptim.

В качестве методов представления знаний в свою очередь использованы:

· фреймы предназначенные для описания структуры предметной области и диалога с пользователем;

· аспекты с обратным логическим выводом, использующие правила-продукции с представлением нечеткости в виде коэффициентов достоверности;

· лингвистические переменные для описания нечетких понятий, входящих во фреймы.

С использованием ПО ESWin можно создавать эффективные советующие системы для решения, конкретных задач:

· Выбор инструментального ПО для создания WEB-сайта, информационной системы, локальной сети, рекламного ролика и т.п.;

· 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:

TITLE = ЭС для выбора метода представления знаний

FRAME = Цель

Метод представления знаний: ()

ENDF

FRAME = Тип

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

ENDF

FRAME = Область

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

ENDF

FRAME = 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)

ENDF

FRAME=Действие

Parent: Программа: () Сообщение: () Фрейм: () Удаление: () Запуск: ()

EndF

RULE 1

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

DO

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

ENDR

RULE 2

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

DO

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

ENDR

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.

1. Сущности.

1) Строительный участок под ИЖС;

2) с. Таврово;

3) п. Дубовое;

4) мкр. Новый;

2. Свойства.

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

1) Почва;

2) Размер участка;

3) Местность

4) Инфраструктура;

5) Стоимость.

3. Значения.

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

1) Ширина;

2) Длина;

3) От 1 млн. рублей;

4) От 600 тыс. рублей;

5) 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.

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

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

5. 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.

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

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

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

9. 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.

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

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

12. 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.

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

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

15. 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

Земельный участок	Часть земной поверхности, которая имеет фиксированную границу.
ИЖС	Индивидуальное жилищное строительство
Почва	Поверхностный слой литосферы Земли
Плотность почвы	масса единицы объема абсолютно сухой почвы, взятой в естественном сложении.
Глинистая почва	Тяжелые спрессованные почвы, которые отличаются повышенной плотностью и вязкостью и почти полной воздухонепроницаемостью.
Песчаная почва	Рассыпчатая, лишенная связности почва, в которой на 1 часть глины приходится от 30 до 50 частей песка.
Торфяная почва	Болотные торфяные, или торфяно-болотные, почвы, группа почвенных типов, формирующихся в условиях избыточного увлажнения атмосферными
Известковая почва	Содержит не менее 50% извести; степень преобладания в остальной части песка или глины влияет на ее физические качества и хозяйственную производительность.
Размер земельного участка	Ед. измерения в сотках
Длина участка	Размер участка в длину
Ширина участка	Размер участка в ширину
Инфраструктура	Комплекс взаимосвязанных обслуживающих структур или объектов, составляющих и/или обеспечивающих основу функционирования системы
Отопление	Искусственный обогрев помещений с целью возмещения в них тепло потерь и поддержания температуры.
Газоснабжение	Организованная подача и распределение газового топлива для нужд народного хозяйства.
Электроснабжение	Совокупность источников и систем преобразования, передачи и распределения электрической энергии.
Канализация	Составная часть системы водоснабжения и водоотведения, предназначенная для удаления твёрдых и жидких продуктов жизнедеятельности человека
Водоснабжение	Подача поверхностных или подземных вод водопотребителям в требуемом количестве и в соответствии с целевыми показателями качества воды в водных объектах.
Грунтовые воды	Гравитационная вода первого от поверхности Земли постоянно существующего водоносного горизонта, расположенного на первом водоупорном слое. Имеет свободную водную поверхность.
Телефонная линия	Телефонное соединение между пользователями телефонной связи, посредством проводных соединений.
Интернет линия	Линия, позволяющая получить доступ в глобальную сеть посредством проводного соединения

Приложение 2 - Словарь терминов и наборов ключевых слов

Централизованная система вывоза мусора	Вывоз хозяйственного мусора в жилом районе
Коммуникации	Комплекс систем, обеспечивающих нормальную жизнедеятельность потребителей.
Местность	Пространство на поверхности земли
Оборудованная местность	местность, сформированная под строительный участок (выкорчеванные пни, выравненный и очищенный участок от растительности и мусора)
Лесная местность	Местность, заросшаяся растениями
Водоем	постоянное или временное скопление стоячей или со сниженным стоком воды в естественных или искусственных впадинах
Дорога	Путь сообщения для передвижения людей и транспорта, составная часть транспортной (дорожной) инфраструктуры.
Грунтовая дорога	Автомобильная или тракторная дорога, построенная из природного грунта или грунта с добавками других материалов
Гравий	Рыхлая крупнообломочная (псефитовая) осадочная горная порода, сложенная окатанными обломками пород
Гравийная дорога	Автомобильная дорога, покрытая гравием.
Тропа	Узкая протоптанная дорожка без покрытия.
Поле	Обширное однородное пространство
Стоимость участка	Цена земельного участка в рублях
Удаленность от города	Расстояние между земельным участком и ближайшим расположенным городом
Удаленность от центра города	Расстояние между земельным участком и центром ближайшего расположенного города
Заселенность	Количество благоустроенных домов в районе земельного участка.
Кадастровый номер	Цифры, идентифицирующие квартал, район, округ и сам участок.

Приложение 3 - Концептуальная составляющая поля знаний

Приложение 3 - Графическое представление семантической сети

Размещено на Allbest.ru