Введение в системный анализ и моделирование.

Введение в системный анализ и моделирование.

Можно, видимо, говорить о наступлении этапа научного, системно - междисциплинарного подхода к проблемам науки, образования, техники и технологии, этапа, концентрирующего внимание не только на вещественно- энергетических, но и на информационно-логических, системно-междисциплинарных аспектах, построения и исследования системно-информационной картины мира.

Системный анализ - система понятий, методов (среди которых должен быть метод декомпозиции) и технологий для изучения, описания, реализации систем различной природы и характера, междисциплинарных проблем; это система общих законов, методов, приемов исследования таких систем.

Любую предметную область также можно определить как системную.

Предметная область - раздел науки, изучающий предметные аспекты системных процессов и системные аспекты предметных процессов и явлений. Это определение можно считать системным определением предметной области.

Пример. Информатика - наука, изучающая информационные аспекты системных процессов и системные аспекты информационных процессов. Это определение можно считать системным определением информатики.

Системный анализ тесно связан с синергетикой.

Синергетика - междисциплинарная наука, изучающая общие идеи, методы и закономерности организации (изменения структуры, ее пространственно-временного усложнения) различных объектов и процессов, инварианты этих процессов. "Синергетика" в переводе - совместный, согласованно действующий.

Системный анализ тесно связан и с философией. Философия дает общие методы содержательного анализа, а системный анализ даёт общие методы формального, межпредметного анализа предметных областей, выявления и описания, изучения их системных инвариантов.

Можно дать и философское определение системного анализа: системный анализ - это прикладная диалектика.

Системный анализ предоставляет к использованию в различных науках, системах следующие методы и процедуры:

Имеются следующие основные типы ресурсов в природе и в обществе.

1. Вещество - наиболее хорошо изученный ресурс, который в основном, представлен таблицей Д. И. Менделеева достаточно полно и пополняется не так часто. Вещество выступает как отражение постоянства материи в природе, как мера однородности материи.

2. Энергия - не полностью изученный тип ресурсов, например, мы не владеем управляемой термоядерной реакцией. Энергия выступает как отражение изменчивости материи, переходов из одного вида в другой, как мера необратимости материи.

3. Информация - мало изученный тип ресурсов. Информация выступает как отражение порядка, структурированности материи, как мера порядка, самоорганизации материи (и социума). Сейчас это понятие мы будем понимать как некоторые сообщения; ниже этому понятию мы посвятим более детальное обсуждение.

4. Человек - выступает как носитель интеллекта высшего уровня и является в экономическом, социальном, гуманитарном смысле важнейшим и уникальным ресурсом общества, выступает как мера разума, интеллекта и целенаправленного действия, мера социального начала, высшей формы отражения материи (сознания).

5. Организация (или организованность) выступает как форма ресурсов в социуме, группе которая определяет его структуру, включая институты человеческого общества и его надстройки, выступает как мера упорядоченности ресурсов. Организация системы связана с наличием некоторых причинно-следственных связей в этой системе. Организация системы может иметь различные формы, например, биологическую, информационную, экологическую, экономическую, социальную, временную, пространственную и она определяется причинно-следственными связями в материи и социуме.

6. Пространство - мера протяженности материи (события), распределения её (его) в окружающей среде.

7. Время - мера обратимости (необратимости) материи, событий. Время неразрывно связано с изменениями действительности.

Можно говорить о различных полях, в которые "помещен" любой человек: материальном, энергетическом, информационном, социальном, их пространственных и временных характеристиках.

Пример. Рассмотрим простую задачу - пойти утром на занятия в вуз. Эта часто решаемая студентом задача имеет все аспекты:

1. материальный, физический аспект - студенту необходимо переместить некоторую массу, например, учебников и тетрадей на нужное расстояние;

2. энергетический аспект - студенту необходимо иметь и затратить нужное количество энергии на перемещение;

3. информационный аспект - необходима информация о маршруте движения и месторасположении вуза и нужно обрабатывать по пути своего движения информацию;

4. человеческий аспект - перемещение, в частности, переезд на автобусе невозможен без человека, например, без водителя автобуса;

5. организационный аспект - необходимы подходящие транспортные сети и маршруты, остановки и т.д.;

6. пространственный аспект - перемещение на определённое расстояние;

7. временной аспект - на данное перемещение будет затрачено время (за которое произойдут соответствующие необратимые изменения в среде, в отношениях, в связях).

Все типы ресурсов тесно связаны и сплетены. Более того, они невозможны друг без друга, актуализация одного из них ведет к актуализации другого.

Пример. При сжигании дров в печке выделяется тепловая энергия, тепловая энергия используется для приготовления пищи, пища используется для получения биологической энергии организма, биологическая энергия используется для получения информации (например, решения некоторой задачи), перемещения во времени и в пространстве. Человек и во время сна расходует свою биологическую энергию на поддержание информационных процессов в организме; более того, сон - продукт таких процессов.

Социальная организация и активность людей совершенствуют информационные ресурсы, процессы в обществе, последние, в свою очередь, совершенствуют производственные отношения.

Если классическое естествознание объясняет мир исходя из движения, взаимопревращений вещества и энергии, то сейчас реальный мир, объективная реальность могут быть объяснены лишь с учётом сопутствующих системных, особенно, системно-информационных процессов.

ГЛАВА 2. Система и системность: основные понятия

Почти во всех учебниках можно встретить словосочетания “сложная задача”, “сложная проблема”, “сложная система” и т.п. Интуитивно, как правило, под этими понятиями понимается какое-то особое поведение системы или процесса, делающее невозможным описание, исследование, предсказание поведения, развития системы. При определении меры сложности системы важно выделить инвариантные свойства систем или информационные инварианты и вводить меру сложности систем на основе их описаний.

Пусть m(S) - мера сложности или функция (критерий, шкала) заданная (заданный) на некотором множестве элементов и подсистем системы S.

Как же определять меру сложности для систем различной структуры? Ответ на этот не менее сложный вопрос не может быть однозначным и даже часто определённым. Возможны различные способы определения сложности структуры систем. Сложность структуры, можно определять топологической энтропией - сложностью конфигурации структуры (системы): S=k ln W, где k=1.38x10^-16 (эрг/град) - постоянная Больцмана, W - вероятность состояния системы. В случае разной вероятности состояний эта формула будет иметь вид (мы ниже вернёмся к детальному обсуждению этой формулы и её различных модификаций):

Пример. Определим сложность иерархической системы как число уровней иерархии. Увеличение сложности при этом требует больших ресурсов для достижения цели. Определим сложность линейной структуры как количество подсистем системы. Определим сложность сетевой структуры как максимальную из сложностей всех линейных структур соответствующих различным стратегиям достижения цели (путей ведущих от начальной подсистемы к конечной). Сложность системы с матричной структурой можно определить количеством подсистем системы. Усложнение некоторой подсистемы системы приведёт к усложнению всей системы в случае линейной структуры, возможно, - в случае иерархической, сетевой и матричной структур.

Пример. Для многоатомных молекул число межъядерных расстояний (оно определяет конфигурацию молекулы) можно считать оценкой сложности топологии (геометрической сложности) молекулы. Из химии и математики известна эта оценка: 3N-6, где N - число томов в молекуле. Для твёрдых растворов можно считать W равной числу перестановок местами атомов разных сортов в заданных позициях структуры; для чистого кристалла W=1, для смешанного - W>1. Для чистого кристалла сложность структуры S=0, а для смешанного - S>0, что и следовало ожидать.

Понятие сложности детализируется и конкретизируется в различных предметных областях по-разному. Для конкретизации этого понятия необходимо учитывать предысторию, внутреннюю структуру (сложность) системы и управления, приводящие систему к устойчивому состоянию. Впрочем все внутренние связи на практике достаточно трудно не только описать, но и обнаружить.

Пример. В эколого-экономических системах сложность системы может часто пониматься как эволюционируемость, сложность эволюции системы, в частности, мера сложности - как мера, функция изменений, происходящих в системе в результате контакта с окружающей средой и эта мера может опредляться сложностью взаимодействия между системой (организмом, организацией) и средой, её управляемости. Эволюционную сложность эволюционирующей системы можно определить как разность между внутренней сложностью и внешней сложности (сложности полного управления системой). Решения в таких системах должны приниматься (для устойчивости систем) таким образом, чтобы эволюционная сложность равнялась нулю т.е. чтобы совпадали внутренняя и внешняя сложности. Чем меньше эта разность, тем устойчивее система, например, чем более сбалансировано внутрирыночные отношения и регулирующие их управляющие государственные воздействия - тем устойчивее рынок и рыночные отношения.

Пример. В математических, формальных системах сложность системы может пониматься как алгоритмизируемость, вычислимость оператора системы S, в частности, как число операции и операндов, необходимых для получения корректного результата при любом допустимом входном наборе.

Пример. Сложность программного комплекса L может быть определена как логическая сложность и измерена в виде:

где L1 - общее число всех логических операторов, L2 - общее число всех исполняемых операторов, L3 - показатель сложности всех циклов (определяется с помощью числа циклов и их вложенности), L4 - показатель сложности циклов (он определяется числом условных операторов на каждом уровне вложенности), L5 - определяется числом ветвлений во всех условных операторах.

При исследовании сложности систем (явлений) полезно представлять (описывать) системы описанными выше симплициальными комплексами. Рассмотрим пример их использования при анализе и оценке сложности на базе примера, аналогичного примеру, приведённому в книге Дж. Касти [ ].

Пример. Рассматривается трагедия В. Шекспира «Ромео и Джульетта». Выделим и опишем 3 совокупности: А - пьеса, акты, сцены, мизансцены; В - действующие лица; С - комментарии, пьеса, сюжет, явление, реплики. Определим иерархические уровни и элементы этих совокупностей.

уровень N+2 - Пьеса;
уровень N+1 - Акты{a1, a2, a3, a4, a5};
уровень N - Сцены{s1, s2,..., sq};
уровень N-1 - Мизансцены{m1, m2,..., m26}.

все уровня N - Действующие лица{c1,c2,...,c25}={Ромео, Джульетта,...}.

уровень N+3 - Пролог (адресованы непосредственно зрителю и лежат вне действий разворачивающихся в пьесе);
уровень N+2 - Пьеса;
уровень N+1 - Сюжетные линии{p1, p2, p3, p4}={Вражда семейств Капулетти и Монтекки в Вероне, Любовь Джульетты и Ромео и их венчание, Убийство Тибальда и вражда семейств требует отмщения, Ромео вынужден скрываться, Сватание Париса к Джульетте, Трагический исход};
уровень N - Явления{u1, u2,..., u8}={Любовь Ромео и Джульетты, Взаимоотношения между семейством Капулетти и Монтекки, Венчание Ромео и Джульетты, Схватка Ромео и Тибальда, Ромео вынужден скрываться, Сватовство Париса, Решение Джульетты, Гибель влюблённых};
уровень N-1 - Реплики {r1, r2,..., r104}={104 реплики в пьесе, которые определяются как слова, обращённые к зрителю, действующему лицу и развивающие неизвестный пока зрителю сюжет}.

Отношения, связи между этими совокупностями на различных уровнях иерархии определяемы из этих совокупностей. Например, если Y - сюжеты, X - действующие лица, то естественно определить связь l между X,Y так: действующее лицо из совокупности X уровня N+1 участвует в сюжете Y уровня N+1. Тогда связность структуры трагедии можно изобразить схемой вида:

В этом комплексе K(Y,X) все три сюжета становятся отдельными компонентами только на уровне связности q=8. Это означает, что сюжетные линии могут быть различны только зрителями, следящими за 9 действующими лицами. Аналогично, при q=6 имеются всего 2 компоненты {p¹,p²}, {p³}. Следовательно, если зрители могут отслеживать только 7 персонажей, то они видят пьесу, как бы состоящую из двух сюжетов, где p¹, p² (мир влюблённых и вражда семейств) объединены. В комплексе K(Y, X) при q=5 имеются 3 компоненты. Следовательно, зрители видевшие только 6 сцен воспринимают 3 сюжета, не связанные друг с другом. Сюжеты р¹ и р² объединяются при q=4 и поэтому зрители могут видеть эти два сюжета как один, если следят только за 5 сценами. Все 3 сюжета сливаются, когда зрители следят лишь за 3 сценами. В комплексе K(Y, X) явление u⁸ доминирует структуру при q=35, u3 - при q=26, u⁶ - при q=10. Следовательно, u⁸ вероятнее всего поймут те зрители, которые прослушали 36 реплик, хотя для понимания u³ необходимо 27 реплик, а для понимания u⁶ - только 11 реплик. Таким образом, проведённый анализ даёт понимание сложности системы.

Системный подход к исследованию проблем, системный анализ - это следствие научно-технической революции, а также необходимости решения ее проблем с помощью одинаковых подходов, методов, технологий. Такие проблемы, например, как управление сложной системой, возникают и в экономике, и в информатике, и в биологии, и в политике и т.д.

Эпоха зарождения основ системного анализа была характерна рассмотрением чаще всего систем физического происхождения. При этом постулат (Аристотеля):

“Важность целого превыше важности его составляющих”

сменился через много столетий на новый постулат (Галилея):

“Целое объясняется свойствами его составляющих”.

Информация (informatio) - разъяснение, осведомленность, изложение.

Исторически первым носителем человеческих информации, знаний была речь, представлявшая изначально кодированные звуки для координации действий в человеческом сообществе. Затем появилось наскальное письмо каменного века, далее пиктограммы (“иконы”) бронзового века, иероглифическое письмо (сохраненное до сих пор, например, в Китае) и письмо “обычное” - конкатенацией букв алфавита в слоги (“слоговое письмо”) и т.д.

Объединение систем, процессов, связанных с понятиями “информация”, “управление” привело к появлению нового предмета “кибернетика (или науки об управлении в живых организмах и автоматах)” (40-ые годы 20-го века), изучающей информационные процессы в живых организмах и машинах (автоматах). Кибернетика явилась одной из важных предпосылок появления и развития информатики. В последнее время, предмет кибернетики понемногу, видимо, “поглощается” предметом информатики. Но при этом информатика не зачеркивает кибернетику, которая теперь может развиваться сильнее, используя результаты, методы и технологии информатики.

Понятие энтропии было введено Р.Клаузиусом в 1852 году в качестве удобного средства описания и анализа работы тепловых двигателей. Затем это понятие Л.Больцманом и другими учеными использовано в качестве универсального средства для описания поведения макроскопических систем. Л.Больцманом также установлена связь между энтропией H и термодинамической вероятностью состояния системы W: W=k lnW.

Связь информации и энтропии замечена Л. Сциллардом в 1929 году. К. Шеннон в 1948 году дал определение информации, основываясь на энтропии сообщений, используя ее как меру вероятности информационных процессов.

Э. Шредингер расширил понятие энтропии - рассмотрел её как меру дезорганизации системы любой природы.

Понятие ноосферы (в эколого-социальной трактовке) впервые ввел В.И. Вернадский.

Модель - объект или описание объекта, системы для замещения (при определенных условиях предложениях, гипотезах) одной системы (т.е. оригинала) другой системы для изучения оригинала или воспроизведения его каких - либо свойств. Модель - результат отображения одной структуры на другую. Отображая физическую систему (объект) на математическую систему (например, математический аппарат уравнений) получим физико - математическую модель системы или математическую модель физической системы. В частности, физиологическая система - система кровообращения человека, подчиняется некоторым законам термодинамики и описав эту систему на физическом (термодинамическом) языке получим физическую, термодинамическую модель физиологической системы. Если записать эти законы на математическом языке, например, выписать соответствующие термодинамические уравнения, то получим математическую модель системы кровообращения. Эту модель можно назвать физиолого - физико - математической моделью или физико - математической моделью.

Модели, если отвлечься от областей, сфер их применения, бывают трех типов: познавательные, прагматические и инструментальные.

Познавательная модель - форма организации и представления знаний, средство соединение новых и старых знаний. Познавательная модель, как правило, подгоняется под реальность и является теоретической моделью.

Прагматическая модель - средство организации практических действий, рабочего представления целей системы для ее управления. Реальность в них подгоняется под некоторую прагматическую модель. Это, как правило, прикладные модели.

Инструментальная модель - является средством построения, исследования и/или использования прагматических и/или познавательных моделей.

Познавательные отражают существующие, а прагматические - хоть и не существующие, но желаемые и, возможно, исполнимые отношения и связи.

По уровню, "глубине" моделирования модели бывают эмпирические - на основе эмпирических фактов, зависимостей, теоретические - на основе математических описаний и смешанные, полуэмпирические - использующие эмпирические зависимости и математические описания.

Математическая модель М описывающая ситему S (x1,x₂,...,x_n; R), имеет вид: М=(z₁,z₂,...,z_m; Q), где z_iÎZ, i=1,2,...,n, Q, R - множества отношений над X - множеством входных, выходных сигналов и состояний системы и Z - множеством описаний, представлений элементов и подмножеств X, соответственно.

Основные требования к модели: наглядность построения; обозримость основных его свойств и отношений; доступность ее для исследования или воспроизведения; простота исследования, воспроизведения; сохранение информации, содержавшиеся в оригинале (с точностью рассматриваемых при построении модели гипотез) и получение новой информации.

Проблема моделирования состоит из трех задач:

Модель М называется статической, если среди x_i нет временного параметра t. Статическая модель в каждый момент времени дает лишь "фотографию" сиcтемы, ее срез.

Модель - динамическая, если среди xi есть временной параметр, т.е. она отображает систему (процессы в системе) во времени.

Модель - дискретная, если она описывает поведение системы только в дискретные моменты времени.

Модель - непрерывная, если она описывает поведение системы для всех моментов времени из некоторого промежутка времени.

Модель - имитационная, если она предназначена для испытания или изучения, проигрывания возможных путей развития и поведения объекта путем варьирования некоторых или всех параметров x_i модели М.

Модель - детерминированная, если каждому входному набору параметров соответствует вполне определенный и однозначно определяемый набор выходных параметров; в противном случае - модель недетерминированная, стохастическая (вероятностная).

Можно говорить о различных режимах использования моделей - об имитационном режиме, о стохастическом режиме и т. д.

Модель включает в себя: объект О, субъект (не обязательный) А, задачу Z, ресурсы B, среду моделирования С: М=.

1. Сбор информации об объекте, выдвижение гипотез, предмодельный анализ;

2. Проектирование структуры и состава моделей (подмоделей);

3. Построение спецификаций модели, разработка и отладка отдельных подмоделей, сборка модели в целом, идентификация (если это нужно) параметров моделей;

4. Исследование модели - выбор метода исследования и разработка алгоритма (программы) моделирования;

5. Исследование адекватности, устойчивости, чувствительности модели;

6. Оценка средств моделирования (затраченных ресурсов);

7. Интерпретация, анализ результатов моделирования и установление некоторых причинно - следственных связей в исследуемой системе;

8. Генерация отчетов и проектных (народно - хозяйственных) решений;

9. Уточнение, модификация модели, если это необходимо, и возврат к исследуемой системе с новыми знаниями, полученными с помощью моделирования.

Основными операциями используемыми над моделями являются:

1. Линеаризация. Пусть М=М(X,Y,A), где X - множество входов, Y - выходов, А - состояний системы. Схематически можно это изобразить:

Если X, Y, A - линейные пространства (множества), а j, y - линейные операторы, то система (модель) называется линейной. Другие системы (модели) - нелинейные. Нелинейные системы трудно поддаются исследованию, поэтому их часто линеаризуют - сводят к линейным каким-то образом.

2. Идентификация. Пусть М=М(X,Y,A), A={a_i}, a_i=(a_i1,a_i2,...,a_ik) - вектор состояния объекта (системы). Если вектор a_i зависит от некоторых неизвестных параметров, то задача идентификации (модели, параметров модели) состоит в определении по некоторым дополнительным условиям, например, экспериментальным данным, характеризующим состояние системы в некоторых случаях. Идентификация - решение задачи построения по результатам наблюдений математических моделей, описывающих адекватно поведение реальной системы.

3. Агрегирование. Операция состоит в преобразовании (сведении) модели к модели (моделям) меньшей размерности (X, Y, A).

4. Декомпозиция. Операция состоит в разделении системы (модели) на подсистемы (подмодели) с сохранением структур и принадлежности одних элементов и подсистем другим.

5. Сборка. Операция состоит в преобразовании системы, модели, реализующей поставленную цель из заданных или определяемых подмоделей (структурно связанных и устойчивых).

6. Макетирование. Эта операция состоит в апробации, исследовании структурной связности, сложности, устойчивости с помощью макетов или подмоделей упрощенного вида, у которых функциональная часть упрощена (хотя вход и выход подмоделей сохранены).

7. Экспертиза, экспертное оценивание. Операция или процедура использования опыта, знаний, интуиции, интеллекта экспертов для исследования или моделирования плохо структурируемых, плохо формализуемых подсистем исследуемой системы.

8. Вычислительный эксперимент. Это эксперимент, осуществляемый с помощью модели на ЭВМ с целью распределения, прогноза тех или иных состояний системы, реакции на те или иные входные сигналы. Прибором эксперимента здесь является компьютер (и модель!).

Модели и моделирование применяются по следующим основным и важным направлениям.

1. Обучение (как моделям, моделированию, так и самих моделей).

2. Познание и разработка теории исследуемых систем - с помощью каких - то моделей, моделирования, результатов моделирования.

3. Прогнозирование (выходных данных, ситуаций, состояний системы).

4. Управление (системой в целом, отдельными подсиситемами системы, выработка управленческих решений и стратегий).

5. Автоматизация (системы или отдельных подсистем системы).

В базовой четверке информатики: "модель - алгоритм - компьютер - технология" при компьютерном моделировании главную роль играют уже алгоритм (программа), компьютер и технология (точнее, инструментальные системы для компьютера, компьютерные технологии).

Например, при имитационном моделировании (при отсутствии строгого и формально записанного алгоритма) главную роль играют технология и средства моделирования; аналогично и в когнитивной графике.

Основные функции компьютера при моделировании систем:

· выполнять роль вспомогательного средства для решения задач, решаемых обычными вычислительными средствами, алгоритмами, технологиями;

Компьютерное моделирование - основа представления знаний в ЭВМ (построения различных баз знаний). Компьютерное моделирование для рождения новой информации использует любую информацию, которую можно актуализировать с помощью ЭВМ.

Разновидностью компьютерного моделирования является вычислительный эксперимент.

Компьютерное моделирование, вычислительный эксперимент становится новым инструментом, методом научного познания, новой технологией также из-за возрастающей необходимости перехода от исследования линейных математических моделей систем.

Компьютерное моделирование, от постановки задачи - до получения результатов, проходит следующие этапы.

b. Определение цели моделирования и их приоритетов.

c. Сбор информации о системе, объекте моделирования.

d. Описание данных (их структуры, диапазона, источника и т. д.).

a. Анализ существующих аналогов и подсистем.

b. Анализ технических средств моделирования (ЭВМ, периферия).

c. Анализ программного обеспечения(языки программирования, пакеты программ, инструментальные среды).

d. Анализ математического обеспечения(модели, методы, алгоритмы).

b. Разработка входных и выходных спецификаций, форм представления данных.

c. Проектирование структуры и состава модели (подмоделей).

b. Выбор, адаптация или разработка алгоритмов, их псевдокодов.

d. Идентификация модели, если в этом есть необходимость.

e. Формулировка используемых критериев адекватности, устойчивости и чувствительности модели.

5. Программирование (проектирование программы).

a. Выбор метода тестирования и тестов (контрольных примеров).

b. Кодирование на языке программирования(написание команд).

b. Семантическая отладка (отладка логической структуры).

c. Тестовые расчеты, анализ результатов тестирования.

e. Описание входных и выходных форматов, спецификаций.

a. Анализ использования, периодичности использования, количества пользователей, типа использования (диалог, автономно и др.), анализ отказов во время использования модели.

b. Обслуживание модели, алгоритма, программы и их эксплуатация.

c. Расширение возможностей: включение новых функций или изменение режимов моделирования, в том числе и под модифицированную среду.

d. Нахождение, исправление скрытых ошибок в программе, если таковые найдутся.

Рассмотрим проблему расчета влажности почвы с учетом накапливаемой биомассы и прогнозирования урожайности сельхозкультур по заданной (экологически обоснованной) влагообеспеченности корнеобитаемого слоя почвы. Разработать соответствующую компьютерную моделирующую среду, которая позволяет решать задачи прогноза влажности корнеобитаемого слоя почвы и урожайности (биомассы) сельхозкультур на заданный момент времени с развитыми интерфейсными средствами, рассчитанными на неподготовленного пользователя-агронома, эколога и др. Опишем одну такую программную среду, реализованную реально в среде Delphi 2.0 Windows 95 автором и студентами КБГУ Кирьязевой С.К. и Кирьязевым Д.А. для расчета влажности почвы и определения урожайности сельхозкультур. Общение с пользователем осуществляется с помощью диалогового окна “Расчет влажности и урожайности”, содержащего 5 страниц: “Эксперимент”, “С/х культура”, “Регион”, “Рабочая” и “Результат”.

Страница “С/х культура”- для ввода входной информации по культуре.

Страница “Регион” - для ввода информации по региону эксперимента.

Страница “Эксперимент” выглядит следующим образом.

Система охраняемых территорий в США Изучение особо охраняемых природных территорий(ООПТ) США представляет особый интерес по многим причинам...

Что делать, если нет взаимности? А теперь спустимся с небес на землю. Приземлились? Продолжаем разговор...

Что делает отдел по эксплуатации и сопровождению ИС? Отвечает за сохранность данных (расписания копирования, копирование и пр.)...

Что вызывает тренды на фондовых и товарных рынках Объяснение теории грузового поезда Первые 17 лет моих рыночных исследований сводились к попыткам вычислить, когда этот...

Не нашли то, что искали? Воспользуйтесь поиском гугл на сайте: