წოდების განაწილება. საერთაშორისო სტუდენტური სამეცნიერო ბიულეტენი რანგის ანალიზი, როგორც კვლევის მეთოდი

პირველი, რაც ყურადღებას იპყრობს დოკუმენტების სფეროში, არის მისი მოსახლეობის უკიდურესად სწრაფი ზრდა.

ეს ცნობილი ფაქტი გვაიძულებს სერიოზულად დავფიქრდეთ იმაზე, თუ რა შეიძლება გამოიწვიოს ასეთმა ზრდამ. მაგრამ იქნებ ჩვენი შიში უშედეგოა და მომავალში დოკუმენტების რაოდენობის ზრდის ტემპი შენელდება? ჯერჯერობით სტატისტიკა საპირისპიროს აჩვენებს.

ასე შეიცვალა, მაგალითად, დოკუმენტური ინფორმაციის ნაკადები ქიმიაში. 1732 წელს ქიმიის მთელი მემკვიდრეობა შეაჯამა და გამოაქვეყნა ჰოლანდიელმა პროფესორმა 1433 გვერდიან წიგნში. 1825 წელს შვედმა მეცნიერმა ბერცელიუსმა გამოაქვეყნა ყველაფერი, რაც ქიმიაში იყო ცნობილი 8 ტომად, საერთო მოცულობით 4150 გვერდი. ამჟამად ამერიკული აბსტრაქტული ჟურნალი Chemical Abstracts, რომელიც გამოდის 1907 წლიდან, აქვეყნებს თითქმის ყველა ინფორმაციას ქიმიის შესახებ, პირველი მილიონი აბსტრაქტი გამოქვეყნებულია დაარსებიდან 31 წლის შემდეგ, მეორე 18 წლის შემდეგ, მესამე 7 წლის შემდეგ და მეოთხე - 4 წელიწადში. !

დოკუმენტების რაოდენობის ზრდის დაახლოებით იგივე ნიმუში შეიძლება შეინიშნოს მეცნიერების სხვა სფეროებში. დაფიქსირდა, რომ დოკუმენტების ზრდა ექსპონენტურია. ამავდროულად, ნაკადების წლიური ზრდა სამეცნიერო და ტექნიკური ინფორმაციაარის 7...10%. ამჟამად, ყოველ 10...15 წელიწადში, სამეცნიერო-ტექნიკური ინფორმაციის (STI) მოცულობა ორმაგდება

წ = აე ქტ

სად წ- წინა თაობიდან მემკვიდრეობით მიღებული ცოდნის ჯამი, ე- ბუნებრივი ლოგარითმების საფუძველი ( ე = 2,718...), ტ– დროის ინდექსი (გ); ა– ცოდნის ჯამი ათვლის დასაწყისში (თან ტ = 0), კ- ცოდნის სიჩქარის დამახასიათებელი კოეფიციენტი, რომლის ეკვივალენტად მიიღება სამეცნიერო და ტექნიკური ინფორმაციის ნაკადები. ზე ტ≈ 10...15 წელი ზე = 2ა.

ადვილი წარმოსადგენია, რომ მეცნიერული დოკუმენტების რაოდენობის ასეთი ზრდა არ გველოდება მომავალში, თუნდაც უახლოეს მომავალში. ტყეები გადაიქცა ქაღალდის მთებად, რომელშიც უმწეო მკვლევარი იხრჩობა...

თუმცა, როგორც მეცნიერებისა და ტექნოლოგიების ისტორია აჩვენებს, პირობები, რომლებშიც ისინი ვითარდებიან, არ არის მუდმივი და, შესაბამისად, ხშირად ირღვევა სამეცნიერო და ტექნოლოგიური ინოვაციების ნაკადების ექსპონენციური ზრდის მექანიზმი. ეს დარღვევა აიხსნება მთელი რიგი შემაკავებელი ფაქტორებით, კერძოდ, ომებით, მასალის ნაკლებობით და ადამიანური რესურსებისდა ა.შ. სინამდვილეში, დოკუმენტების რაოდენობის ზრდა, შესაბამისად, არ ემორჩილება ექსპონენციურ დამოკიდებულებას, თუმცა მეცნიერებისა და ტექნოლოგიების განვითარების გარკვეული პერიოდის განმავლობაში ცოდნის გარკვეულ სფეროებში ეს საკმაოდ მკაფიოდ ვლინდება. რა არის დოკუმენტური ინფორმაციის ნაკადის ასეთი სწრაფი ზრდის მიზეზი?

წინა განყოფილებებში ჩვენ გავამახვილეთ ყურადღება იმ ფაქტზე, რომ ინფორმაცია დიდ როლს თამაშობს განვითარებაში ადამიანთა საზოგადოება, შესაბამისად მას თან ახლავს ინფორმაციის მოცულობის დაჩქარებული ზრდა. სიმაღლე დოკუმენტური ნაკადებისამეცნიერო ინფორმაცია შეიძლება ასოცირდებოდეს სამეცნიერო ინფორმაციის შემქმნელთა რაოდენობის ზრდასთან. ამ ზრდის ტემპი აღწერილია ექსპონენციალური ფუნქციით. მაგალითად, ბოლო 50 წლის განმავლობაში სსრკ-ში მეცნიერთა რაოდენობა ყოველ 7 წელიწადში ორჯერ იზრდებოდა, აშშ-ში – ყოველ 10 წელიწადში ერთხელ, ევროპის ქვეყნებში – ყოველ 10...15 წელიწადში ერთხელ.

რა თქმა უნდა, მეცნიერ მუშაკთა რაოდენობის ზრდის ტემპი უნდა შენელდეს და მიაღწიოს მეტ-ნაკლებად მუდმივ მნიშვნელობას მთელ მშრომელ მოსახლეობასთან მიმართებაში. წინააღმდეგ შემთხვევაში, გარკვეული პერიოდის შემდეგ მთელი მოსახლეობა კვლევით-განვითარებითი სამუშაოებით იქნება დაკავებული, რაც არარეალურია. ამიტომ, მომავალში უნდა ველოდოთ სამეცნიერო დოკუმენტების ზრდის ტემპის შენელებას. ამჟამად ეს მაჩვენებლები ჯერ კიდევ მაღალია და აწუხებს ინფორმაციის მომხმარებლებს: როგორ შეინახოს და დაამუშავოს დოკუმენტები, როგორ მოძებნოს მათ შორის საჭირო?

სიტუაცია უიმედო ჩანს: დოკუმენტების სამეფოში ჯერ კიდევ მოქმედი დოკუმენტების ექსპონენციური ზრდის კანონი მკვეთრად გაამწვავა მასში როგორც „საბინაო“, ასევე „ტრანსპორტის“ პრობლემები.

თუმცა, როგორც ირკვევა, აქ არის კანონი, რომელიც გარკვეულწილად არბილებს არსებულ მდგომარეობას...

ჩვენი საუკუნის 40-იანი წლების ბოლოს, J. Zipf-მა შეაგროვა უზარმაზარი სტატისტიკური მასალა, შეეცადა ეჩვენებინა, რომ სიტყვების განაწილება ბუნებრივ ენაზე ემორჩილება ერთ მარტივ კანონს, რომელიც შეიძლება ჩამოყალიბდეს. შემდეგი გზით. თუ თქვენ შექმნით საკმარისად დიდ ტექსტში ნაპოვნი ყველა სიტყვის ჩამონათვალს, მაშინ დაალაგეთ ეს სიტყვები ამ ტექსტში მათი გაჩენის სიხშირის კლებადობით და დანომრეთ ისინი 1-დან (ყველაზე ხშირად გავრცელებული სიტყვის რიგითი ნომერი) რ, მაშინ ნებისმიერი სიტყვისთვის მისი სერიული ნომრის (რანგის) ნამრავლი / ასეთ სიაში და ტექსტში მისი გამოჩენის სიხშირე იქნება მუდმივი მნიშვნელობა, რომელსაც აქვს დაახლოებით იგივე მნიშვნელობა ამ სიიდან ნებისმიერი სიტყვისთვის. ანალიტიკურად, Zipf-ის კანონი შეიძლება გამოიხატოს როგორც

ფრ = გ,

სად ვ– ტექსტში სიტყვის გაჩენის სიხშირე;
რ– სიაში სიტყვის წოდება (რიგი ნომერი);
თან- ემპირიული მუდმივი მნიშვნელობა.

შედეგად მიღებული დამოკიდებულება გრაფიკულად გამოხატულია ჰიპერბოლით. ამგვარად შეისწავლა ტექსტებისა და ენების ფართო სპექტრი,

ათასობით წლის ენების ჩათვლით, J. Zipf-მა ააგო მითითებული დამოკიდებულებები თითოეული მათგანისთვის, ხოლო ყველა მრუდი ერთი და იგივე ფორმა იყო - „ჰიპერბოლური კიბის“ ფორმა, ე.ი. ერთი ტექსტის მეორით ჩანაცვლებისას ზოგადი ხასიათიგანაწილება არ შეცვლილა.

Zipf-ის კანონი ექსპერიმენტულად აღმოაჩინეს. მოგვიანებით ბ. მანდელბროტმა შემოგვთავაზა მისი თეორიული დასაბუთება. მას სჯეროდა, რომ წერილობითი ენა შეიძლება შევადაროთ კოდირებას, ყველა ნიშანს აქვს გარკვეული „ღირებულება“. შეტყობინებების მინიმალური ღირებულების მოთხოვნებიდან გამომდინარე, ბ. მანდელბროტი მათემატიკურად მივიდა Zipf-ის კანონის მსგავს ურთიერთობამდე.

ფრ γ = გ ,

სადაც γ არის მნიშვნელობა (ერთობასთან ახლოს), რომელიც შეიძლება განსხვავდებოდეს ტექსტის თვისებების მიხედვით.

ჯ.ზიპფმა და სხვა მკვლევარებმა დაადგინეს, რომ არა მხოლოდ მსოფლიოს ყველა ბუნებრივი ენა ექვემდებარება ასეთ განაწილებას, არამედ სოციალური და ბიოლოგიური ხასიათის სხვა ფენომენებსაც: მეცნიერთა განაწილება მათ მიერ გამოქვეყნებული სტატიების რაოდენობის მიხედვით (ა. ლოტკა, 1926), აშშ-ს ქალაქები მოსახლეობის მოსახლეობის მიხედვით (J. Zipf, 1949), მოსახლეობა შემოსავლების მიხედვით კაპიტალისტურ ქვეყნებში (V. Pareto, 1897), ბიოლოგიური გვარები სახეობების რაოდენობის მიხედვით (J. Willis, 1922) და სხვ.

ყველაზე მნიშვნელოვანი იმ პრობლემისთვის, რომელსაც განვიხილავთ, არის ის, რომ ამ კანონის მიხედვით შესაძლებელია ცოდნის ნებისმიერი დარგის დოკუმენტების გავრცელება. მისი განსაკუთრებული შემთხვევაა ბრედფორდის კანონი, რომელიც პირდაპირ კავშირშია არა ტექსტში სიტყვების განაწილებასთან, არამედ დოკუმენტების განაწილებასთან კონკრეტულ თემატურ არეალში.

ინგლისელმა ქიმიკოსმა და ბიბლიოგრაფმა ს. ბრედფორდმა, გამოიკვლია სტატიები გამოყენებითი გეოფიზიკისა და შეზეთვის შესახებ, შენიშნა, რომ სამეცნიერო ჟურნალების გავრცელება, რომლებიც შეიცავს სტატიებს შეზეთვის შესახებ და ჟურნალები, რომლებიც შეიცავს სტატიებს გამოყენებითი გეოფიზიკის შესახებ. ზოგადი ფორმა. დადგენილ ფაქტზე დაყრდნობით, ს. ბრედფორდმა ჩამოაყალიბა პუბლიკაციების განაწილების სქემა პუბლიკაციებს შორის.

ნიმუშის ძირითადი მნიშვნელობა ასეთია: თუ სამეცნიერო ჟურნალებიდაალაგეთ სტატიების რაოდენობის კლებადობით კონკრეტული საკითხი, მაშინ მიღებული სიის ჟურნალები შეიძლება დაიყოს სამ ზონად ისე, რომ თითოეულ ზონაში მოცემულ თემაზე სტატიების რაოდენობა იგივე იყოს. ამავდროულად, პირველი ზონა, ე.წ. ბირთვული ზონა, მოიცავს სპეციალიზებულ ჟურნალებს, რომლებიც უშუალოდ ეძღვნება განსახილველ თემას. სპეციალიზებული ჟურნალების რაოდენობა ძირითად სფეროში მცირეა. მეორე ზონას ქმნიან მოცემული სფეროსთვის ნაწილობრივ გამოყოფილი ჟურნალები და მათი რაოდენობა მნიშვნელოვნად იზრდება ბირთვში არსებული ჟურნალების რაოდენობასთან შედარებით. მესამე ზონა, ყველაზე დიდი პუბლიკაციების რაოდენობით, აერთიანებს ჟურნალებს, რომელთა თემები ძალიან შორს არის განსახილველი თემისგან.

ამრიგად, თითოეულ ზონაში გარკვეულ თემაზე პუბლიკაციების თანაბარი რაოდენობით, ჟურნალის სათაურების რაოდენობა მკვეთრად იზრდება ერთი ზონიდან მეორეში გადასვლისას. ს. ბრედფორდმა აღმოაჩინა, რომ მესამე ზონაში ჟურნალების რაოდენობა იქნება დაახლოებით იმდენჯერ მეტი, ვიდრე მეორე ზონაში, რამდენჯერ მეტია სათაურების რაოდენობა მეორე ზონაში, ვიდრე პირველში. აღვნიშნოთ რ 1 – ჟურნალების რაოდენობა 1 ზონაში, რ 2 - მე-2, რ 3 – ჟურნალების რაოდენობა მე-3 ზონაში.

თუ ა– მე-2 ზონაში ჟურნალების რაოდენობის შეფარდება 1 ზონაში ჟურნალების რაოდენობასთან, მაშინ ს. ბრედფორდის მიერ აღმოჩენილი ნიმუში შეიძლება დაიწეროს შემდეგნაირად:

პ 1: პ 2: პ 3 = 1: ა : ა 2

პ 3: პ 2 = პ 2: პ 1 = ა.

ამ ურთიერთობას ბრედფორდის კანონი ჰქვია.

B. Vickery დახვეწა S. Bradford-ის მოდელი. მან გაარკვია, რომ კონკრეტულ საკითხზე სტატიების კლების მიხედვით დალაგებული (დაწყობილი) ჟურნალები შეიძლება დაიყოს არა სამ ზონად, არამედ ზონების ნებისმიერ სასურველ რაოდენობად. თუ პერიოდული გამოცემები მოწყობილია კონკრეტულ საკითხზე სტატიების რაოდენობის შემცირების თანმიმდევრობით, მაშინ მიღებულ სიაში შეიძლება გამოიყოს რამდენიმე ზონა, რომელთაგან თითოეული შეიცავს სტატიების ერთსა და იმავე რაოდენობას. მოდით მივიღოთ შემდეგი აღნიშვნა X- სტატიების რაოდენობა თითოეულ ზონაში. T x- ჟურნალების რაოდენობა, რომელიც შეიცავს Xსტატიები, თ 2x- ჟურნალების რაოდენობა, რომელიც შეიცავს 2-ს Xსტატიები, ე.ი. ჟურნალის სათაურების ჯამი პირველ და მე-2 ზონებში, თ 3x- ჟურნალების რაოდენობა, რომელიც შეიცავს 3 Xსტატიები, ე.ი. ჟურნალის სათაურების ჯამი პირველ, მე-2 და მე-3 ზონებში, თ 4x- ჟურნალების რაოდენობა, რომელიც შეიცავს 4 Xსტატიები.

მაშინ ეს ნიმუში გამოიყურება

Tx : თ 2x : თ 3x : თ 4x : ... = 1: ა : ა 2: ა 3: ...

ამ გამოთქმას ბ. ვიკერის განმარტებით ბრედფორდის კანონი ჰქვია.

თუ Zipf-ის კანონი ახასიათებს სოციალური და ბიოლოგიური ხასიათის ბევრ ფენომენს, მაშინ ბრედფორდის კანონი არის Zipf-ის განაწილების კონკრეტული შემთხვევა მეცნიერებისა და ტექნოლოგიების პერიოდული გამოცემების სისტემისთვის.

ამ ნიმუშებიდან შეიძლება გამოიტანოთ უზარმაზარი პრაქტიკული სარგებლობის დასკვნები.

ასე რომ, თუ რომელიმე პერიოდულ გამოცემას აწყობთ გარკვეული პროფილის სტატიების რაოდენობის კლებადობით, მაშინ, ბრედფორდის მიხედვით, ისინი შეიძლება დაიყოს სამ ჯგუფად, რომლებიც შეიცავს სტატიების თანაბარ რაოდენობას. მოდით ავირჩიოთ ჟურნალის 8 სათაური ჯგუფი, რომლებიც იკავებენ პირველ 8 ადგილს მიღებულ სიაში. შემდეგ, იმისთვის, რომ ჩვენ დაინტერესებულ პროფილზე სტატიების რაოდენობა გავაორმაგოთ, არსებულ 8-ს კიდევ 8 უნდა დავამატოთ. აჟურნალების სათაურები. თუ ა= 5 (ეს მნიშვნელობა იქნა ნაპოვნი ექსპერიმენტულად ზოგიერთი თემატური სფეროსთვის), მაშინ ამ სათაურების რაოდენობაა 40. მაშინ პერიოდული გამოცემების სათაურების საერთო რაოდენობა იქნება 48, რაც, რა თქმა უნდა, მნიშვნელოვნად აღემატება 8-ს. თუ შევეცდებით მიიღეთ სამჯერ მეტი სტატია, ჩვენ უკვე მოგვიწევს 8 + 5 · 8 + 5 2 · 8 = 256 ელემენტი! აქედან ჩვენთვის დაინტერესებული სტატიების მესამედი კონცენტრირებულია მხოლოდ 8 ჟურნალში, ე.ი. სტატიები არათანაბრად ნაწილდება ჟურნალების სათაურებში. ერთის მხრივ, რამდენიმე სპეციალიზირებულ ჟურნალში შეიმჩნევა სტატიების მნიშვნელოვანი რაოდენობის კონცენტრაცია გარკვეულ თემაზე, მეორე მხრივ, ამ სტატიების დისპერსია უზარმაზარი რაოდენობაპუბლიკაციები განსახილველი თემიდან დაკავშირებულ ან შორეულ თემებზე, ხოლო პრაქტიკაში აუცილებელია ჩვენთვის საინტერესო სამეცნიერო და ტექნიკური ცოდნის სფეროს ძირითადი წყაროების იდენტიფიცირება და არა შემთხვევითი პუბლიკაციები.

დოკუმენტების სფეროში სამეცნიერო და ტექნიკური ინფორმაციის კონცენტრაციისა და დისპერსიის ნიმუშები შესაძლებელს ხდის ზუსტად შეარჩიოს ის პუბლიკაციები, რომლებიც, სავარაუდოდ, შეიცავენ პუბლიკაციებს, რომლებიც შეესაბამება ცოდნის გარკვეულ პროფილს. მასობრივ პროცესში ინფორმაციის მხარდაჭერაეროვნული მასშტაბით, ამ კანონების გამოყენება შესაძლებელს ხდის ეროვნული ეკონომიკისთვის უზარმაზარი ხარჯების შემცირებას.

პუბლიკაციების ამჟამინდელი გაფანტვა არ შეიძლება შეფასდეს მხოლოდ მავნე ფენომენად. დისპერსიულ გარემოში უმჯობესდება ინდუსტრიებს შორის ინფორმაციის გაცვლის შესაძლებლობები.

ერთი პროფილის ყველა პუბლიკაციის კონცენტრირების მცდელობა რამდენიმე ჟურნალში, ე.ი. მათი გაფანტვის თავიდან აცილება გამოიწვევს უარყოფით შედეგებს, რომ აღარაფერი ვთქვათ იმ ფაქტზე, რომ დოკუმენტის ზუსტად მინიჭება ამა თუ იმ პროფილზე ყოველთვის არ არის შესაძლებელი.

ბრედფორდის დისპერსიის კანონის ტესტების შედეგებს, როგორც ეს აჩვენა ს. ბრუკსმა, განსხვავებული ხარისხის შეთანხმება აქვთ. მიუხედავად იმისა შეტანილი ცვლილებებიბრედფორდის მოდელი არ ასახავს რეალური განაწილების მრავალფეროვნებას. ეს შეუსაბამობა შეიძლება აიხსნას იმით, რომ ბრედფორდმა თავისი დასკვნები გააკეთა მხოლოდ ვიწრო თემატურ სფეროებთან დაკავშირებული მასივების შერჩევის საფუძველზე.

J. Zipf-ისა და S. Bradford-ის დიდი დამსახურებაა ის, რომ მათ წამოიწყეს დოკუმენტური ინფორმაციის ნაკადების (DIF) მკაცრი შესწავლა, რომელიც წარმოადგენს სამეცნიერო დოკუმენტების, პუბლიკაციებისა და გამოუქვეყნებელი მასალების კრებულებს (მაგალითად, ანგარიშები კვლევისა და განვითარების სამუშაოების შესახებ). შემდგომი კვლევები, რომელთა შორის გამორჩეული ადგილი უკავია კომპიუტერული მეცნიერების დარგში საბჭოთა სპეციალისტის ვ.ი. გორკოვამ აჩვენა, რომ შესაძლებელია განისაზღვროს არა მხოლოდ სამეცნიერო დოკუმენტების ნაკრების რაოდენობრივი პარამეტრები, არამედ სამეცნიერო დოკუმენტების ატრიბუტების ელემენტების ნაკრები: ავტორები, ტერმინები, კლასიფიკაციის სისტემების ინდექსები, პუბლიკაციების სათაურები, ე.ი. სამეცნიერო დოკუმენტების შინაარსის დამახასიათებელი ელემენტების სახელები. მაგალითად, შეგიძლიათ მოაწყოთ ჟურნალები მათში გამოქვეყნებული ავტორების რაოდენობის კლებადობით, მათში გამოქვეყნებული სტატიების საშუალო ზომის კლებადობით, ან შეუკვეთოთ დოკუმენტების კრებული მისი რომელიმე ელემენტის მიხედვით.

დალაგება განისაზღვრება ელემენტების სახელების რანჟირებით (განლაგების თანმიმდევრობით) მათი გამოჩენის სიხშირის მიხედვით კლებადობით. ელემენტების სახელების ასეთ მოწესრიგებულ კომპლექტს წოდების განაწილება ეწოდება. დისტრიბუციები, რომლებიც Zipf-მა ერთხელ შეისწავლა, არის ტიპიური მაგალითებიწოდების განაწილება. აღმოჩნდა, რომ რანგების განაწილების ტიპი და მისი სტრუქტურა ახასიათებს დოკუმენტების იმ კრებულს, რომელსაც მიეკუთვნება მოცემული წოდების განაწილება. აღმოჩნდა, რომ აგებისას, რანგის განაწილებას უმეტეს შემთხვევაში აქვს Zipf კანონის ფორმა მანდელბროტის შესწორებით:

ფრ γ = გ.

ამ შემთხვევაში, კოეფიციენტი γ არის ცვლადი მნიშვნელობა. γ კოეფიციენტის მუდმივობა შენარჩუნებულია მხოლოდ განაწილების გრაფიკის შუა მონაკვეთში. ეს მონაკვეთი სწორი ხაზის ფორმას იღებს, თუ ზემოაღნიშნული ნიმუშის გრაფიკი გამოსახულია ლოგარითმული კოორდინატებით. განაწილების განყოფილება γ = კონსტეწოდება რანგის განაწილების ცენტრალურ ზონას (არგუმენტის მნიშვნელობა ამ ზონაში მერყეობს ინრ 1, მდე ინრ 2). არგუმენტის მნიშვნელობები 0-დან ინრ 1 შეესაბამება რანგის განაწილების ბირთვის ზონას და არგუმენტის მნიშვნელობებს ინრ 2-მდე ინრ 3 – შეკვეცის ზონა ე.წ.

რას ნიშნავს წოდების განაწილების სამი აშკარად გამორჩეული ზონის არსებობა? თუ ეს უკანასკნელი ეხება ტერმინებს, რომლებიც ქმნიან ცოდნის რომელიმე დარგს, მაშინ ბირთვული ზონა, ანუ რანგის განაწილების ბირთვის ზონა შეიცავს ყველაზე ხშირად გამოყენებულ, ზოგადმეცნიერულ ტერმინებს. ცენტრალური ზონა შეიცავს ცოდნის მოცემული დარგისთვის ყველაზე დამახასიათებელ ტერმინებს, რომლებიც ერთად გამოხატავს მის სპეციფიკას, განსხვავებას სხვა მეცნიერებებისგან და „მოიცავს მის ძირითად შინაარსს“. შეკვეცის ზონა შეიცავს ტერმინებს, რომლებიც შედარებით იშვიათად გამოიყენება ცოდნის ამ სფეროში.

ამრიგად, ცოდნის ნებისმიერი დარგის ლექსიკის საფუძველი კონცენტრირებულია წოდებების განაწილების ცენტრალურ ზონაში. ბირთვული ზონის ტერმინების გამოყენებით, ცოდნის ეს სფერო „უერთდება ცოდნის უფრო ზოგად სფეროებს“, ხოლო შეკვეცის ზონა ასრულებს ავანგარდის როლს, თითქოს „დაეშლება“ მეცნიერების სხვა დარგებთან კავშირებს. ამრიგად, თუ რამდენიმე წლის წინ ტერმინების რეიტინგულ განაწილებაში თემატურ არეალში „ლითონის დამუშავება“ მოიპოვებოდა ტერმინი „ლაზერები“, მაშინ მისი დაბალი ფენომენის გამო ის აუცილებლად მოხვდებოდა შეკვეცის ზონაში: კავშირები შორის. ლაზერული ტექნოლოგიისა და ლითონის დამუშავება ახლახანს „დაიპყრო“ თუმცა, დღეს ეს ტერმინი უეჭველად მოხვდება ცენტრალურ ზონაში, რაც ასახავს მის საკმაოდ მაღალ გამოვლინებას და, შესაბამისად, ლაზერული ტექნოლოგიის სტაბილურ კავშირს ლითონის დამუშავებასთან.

წოდებების განაწილების გრაფიკი სავსეა ღრმა მნიშვნელობა: ყველაფრის შემდეგ შედარებითი ზომაგრაფიკზე კონკრეტული ზონის გამოყენება შესაძლებელია ცოდნის მთელი სფეროს მახასიათებლების შესაფასებლად. დიაგრამა დიდი ძირითადი ზონით და მცირე შეკვეცის ზონით ეკუთვნის ცოდნის საკმაოდ ფართო და, სავარაუდოდ, კონსერვატიულ არეალს. მეცნიერების დინამიური დარგები ხასიათდება გაზრდილი შეკვეცის ზონით. ბირთვული ზონის მცირე ზომა შეიძლება მიუთითებდეს ცოდნის დარგის ორიგინალურობაზე, რომელსაც ეკუთვნის აგებული წოდების განაწილება და ა.შ. ამრიგად, წოდებების განაწილების ანალიზზე დაყრდნობით, შესაძლებელი აღმოჩნდა დოკუმენტური ინფორმაციის ნაკადების თვისებრივი შეფასებების მიცემა მეცნიერების იმ დარგების შესაბამისად, სადაც ისინი ჩამოყალიბდა. დოკუმენტების სამეფო იღებს სისტემის ფორმას, რომელშიც ელემენტები ურთიერთდაკავშირებულია და ამ კავშირების მარეგულირებელი შაბლონების შესწავლა შესაძლებელია!

როგორ ბერდება ინფორმაცია...

დაბერება... ამ ცნების მნიშვნელობა ახსნას არ საჭიროებს, ის ყველასთვის კარგად არის ცნობილი. ჩვენი პლანეტა ბერდება და ხეები ბერდება. ნივთები და მათი მფლობელები ბერდება. საბუთებიც ძველდება. წიგნის ფურცლები ყვითლდება, ასოები ქრება, ყდები განადგურებულია. მაგრამ რა არის ეს? სტუდენტი, რომელიც ტოვებს ბიბლიოთეკაში მისთვის შეთავაზებულ წიგნს, ზიზღით აღნიშნავს: "ეს უკვე მოძველებულია!", თუმცა წიგნი ჯერ კიდევ სრულიად ახალი გამოიყურება! რა თქმა უნდა, აქ საიდუმლო არ არის. წიგნი ახალია, მაგრამ მასში შემავალი ინფორმაცია შესაძლოა მოძველებული იყოს. დოკუმენტებთან მიმართებაში დაბერება გაგებულია არა როგორც ინფორმაციის მატარებლის ფიზიკური დაბერება, არამედ როგორც მასში შემავალი ინფორმაციის დაბერების საკმაოდ რთული პროცესი. გარეგნულად, ეს პროცესი გამოიხატება მეცნიერებისა და სპეციალისტების მიერ პუბლიკაციებისადმი ინტერესის დაკარგვაში, რადგან იზრდება მათი გამოქვეყნებიდან გასული დრო. როგორც ინდუსტრიის ერთ-ერთი საინფორმაციო ორგანოს მიერ ჩატარებული 17 ბიბლიოთეკის გამოკითხვამ აჩვენა, ჰიტების 62% იყო 1,5 წელზე ნაკლები ასაკის ჟურნალებისთვის; მოთხოვნის 31% არის 1,5...5 წლის ჟურნალებზე; 6% – 6-დან 10 წლამდე ასაკის ჟურნალებისთვის; 7% - 10 წელზე მეტი ხნის ჟურნალებისთვის. შედარებით დიდი ხნის წინ გამოქვეყნებული პუბლიკაციების კონსულტაცია გაცილებით ნაკლებად ხდება, რაც საფუძველს იძლევა იმის მტკიცებას, რომ ისინი მოძველებულია. რა მექანიზმები აკონტროლებს დოკუმენტების დაბერების პროცესს?

ერთ-ერთი მათგანი პირდაპირ კავშირშია სამეცნიერო ინფორმაციის დაგროვებასთან, აგრეგაციასთან. ხშირად, მასალა, რომლის წარდგენასაც ასი წლის წინ დასჭირდებოდა ლექციების მთელი კურსი, ახლა შეიძლება რამდენიმე წუთში აიხსნას ორი ან სამი ფორმულის გამოყენებით. შესაბამისი სალექციო კურსები უიმედოდ მოძველებულია: მათ აღარავინ იყენებს.

უფრო ზუსტი მონაცემების მიღების შემდეგ, სავარაუდო მონაცემები და, შესაბამისად, დოკუმენტები, რომლებშიც ისინი ქვეყნდება, მოძველებულია. ამიტომ, როდესაც საუბრობენ სამეცნიერო ინფორმაციის დაძველებაზე, ყველაზე ხშირად გულისხმობენ მის დაზუსტებას, უფრო მკაცრ, ლაკონურ და განზოგადებულ პრეზენტაციას ახალი სამეცნიერო ინფორმაციის შექმნის პროცესში. ეს შესაძლებელია იმის გამო, რომ სამეცნიერო ინფორმაციას აქვს კუმულატიურობის თვისება, ე.ი. საშუალებას იძლევა უფრო ლაკონური, განზოგადებული პრეზენტაცია.

ხანდახან დოკუმენტური ინფორმაციის დაძველებას სხვა მექანიზმი აქვს: ობიექტი, რომლის აღწერაც გვაქვს, დროთა განმავლობაში იმდენად იცვლება, რომ მის შესახებ ინფორმაცია არაზუსტი ხდება. ასე ბერდება გეოგრაფიული რუკები: უდაბნოებს საძოვრები ცვლის, ჩნდება ახალი ქალაქები და ზღვები.

დაბერების პროცესი ასევე შეიძლება განიხილებოდეს, როგორც მომხმარებლისთვის პრაქტიკული სარგებლობის ინფორმაციის დაკარგვა. ეს ნიშნავს, რომ მას აღარ შეუძლია გამოიყენოს თავისი მიზნების მისაღწევად.

და ბოლოს, ეს პროცესი შეიძლება განვიხილოთ პიროვნების თეზაურუსში ცვლილებების პოზიციიდან. ამ პოზიციებიდან ერთი და იგივე ინფორმაცია შეიძლება იყოს „მოძველებული“ ერთი ადამიანისთვის და „მოძველებული“ მეორესთვის.

დოკუმენტური ინფორმაციის დაბერების ხარისხი არ არის იგივე განსხვავებული ტიპებიდოკუმენტები. მისი დაბერების სიჩქარეზე გავლენას ახდენს მრავალი ფაქტორი სხვადასხვა ხარისხით. ინფორმაციის დაბერების თავისებურებები მეცნიერებისა და ტექნოლოგიების თითოეულ დარგში შეუძლებელია აბსტრაქტული მოსაზრებების ან საშუალო სტატისტიკური მონაცემების საფუძველზე - ისინი ორგანულად დაკავშირებულია თითოეულის განვითარების ტენდენციებთან. ცალკე ინდუსტრიამეცნიერება და ტექნოლოგია.

ინფორმაციის დაბერების ტემპის როგორმე რაოდენობრივი დასადგენად, ბიბლიოთეკარმა რ. ბარტონმა და ფიზიკოსმა რ. კებლერმა აშშ-დან, რადიოაქტიური ნივთიერებების ნახევარგამოყოფის პერიოდის ანალოგიით, შემოიღეს სამეცნიერო სტატიების „ნახევრად ცხოვრება“. ნახევარგამოყოფის პერიოდი არის დრო, რომლის განმავლობაშიც გამოქვეყნებულია ამჟამად გამოყენებული ლიტერატურის ნახევარი რომელიმე სფეროს ან თემაზე. თუ ფიზიკაში პუბლიკაციების ნახევარგამოყოფის პერიოდი 4.6 წელია, მაშინ ეს ნიშნავს, რომ ამჟამად გამოყენებული (ციტირებული) პუბლიკაციების 50% ამ სფეროში არაუმეტეს 4.6 წლისაა. აი, რა შედეგები მიიღეს ბარტონმა და კებლერმა: პუბლიკაციებისთვის ფიზიკაში - 4,6 წელი, ფიზიოლოგია - 7,2, ქიმია - 8,1, ბოტანიკა - 10,0, მათემატიკა - 10,5, გეოლოგია - 11,8 წელი. თუმცა, მიუხედავად იმისა, რომ ინფორმაციის დაბერების თვისება ბუნებით ობიექტურია, ის არ ავლენს ცოდნის მოცემული სფეროს განვითარების შიდა პროცესს და საკმაოდ აღწერითი ხასიათისაა. ამიტომ, ინფორმაციის დაძველების შესახებ დასკვნები ძალიან ფრთხილად უნდა იქნას განხილული.

მიუხედავად ამისა, ინფორმაციისა და მის შემცველი დოკუმენტების დაძველების სიჩქარის უხეშ შეფასებასაც კი უზარმაზარი პრაქტიკული მნიშვნელობა აქვს: ეს ხელს უწყობს დოკუმენტების სამეფოს მხოლოდ იმ ნაწილის გათვალისწინებას, რომელშიც, დიდი ალბათობით, არის დოკუმენტები, რომლებიც შეიცავს ძირითად ინფორმაციას მოცემულზე. მეცნიერება. ეს მნიშვნელოვანია არა მხოლოდ სამეცნიერო და ტექნიკური ბიბლიოთეკების და სამეცნიერო და ტექნიკური საინფორმაციო ორგანოების თანამშრომლებისთვის, არამედ თავად NTI-ს მომხმარებლებისთვისაც.

ავტომატიზაციის გამოსავალი?

საწარმოს ენერგომოხმარების სტრუქტურის მოდელირებისთვის გამოიყენება რანგის განაწილებები, ხოლო დამონტაჟებული და შეკეთებული ელექტრომოწყობილობის სტრუქტურის მოდელირებისთვის გამოიყენება ტიპის დისტრიბუციები.

რანგის განაწილება. რანგის განაწილება მოიცავს იმ განაწილებებს, რომლებშიც მთავარი მახასიათებელია ყველა სახის პროდუქტის ელექტრული სიმძლავრე.

ერთ კონკრეტულ საწარმოში წარმოებული ყველა ტიპის პროდუქციის ელექტრული სიმძლავრეების განაწილება ეხება რანგის განაწილებას. წოდების განაწილების პარამეტრი არის რანგის კოეფიციენტი. შეგიძლიათ მიიღოთ რანგის განაწილების მრუდები და განსაზღვროთ რანჟირების კოეფიციენტები საანგარიშო პერიოდებისთვის (კვარტლის, ნახევრის ან წლის მიხედვით). თუ რეიტინგის კოეფიციენტი დროთა განმავლობაში უცვლელი რჩება, ეს ნიშნავს, რომ პროდუქტების სტრუქტურა და ელექტროენერგიის მოხმარების სტრუქტურა დროთა განმავლობაში არ იცვლება. რეიტინგის კოეფიციენტის ზრდა აჩვენებს, რომ წლების განმავლობაში საწარმომ გაზარდა პროდუქციის მრავალფეროვნება და ენერგიის დანახარჯების სხვაობა სხვადასხვა ტიპის წარმოებისთვის.

თუ მრავალპროდუქტიული წარმოების თითოეული ტიპის პროდუქტისთვის ჩვენ გამოვთვლით ელექტრო სიმძლავრეს, როგორც წლიური ელექტრომოხმარების თანაფარდობა ამ ტიპის გამომუშავების მოცულობასთან, მაშინ მთლიანობაში საწარმოსთვის ეს მნიშვნელობები ექვემდებარება რანგის განაწილებას. . წლების განმავლობაში წოდებების განაწილების მიღებულ პარამეტრებს ზრდის საკმაოდ სტაბილური ტენდენცია აქვს. რეიტინგის კოეფიციენტის ზრდა აჩვენებს, რომ წლების განმავლობაში იზრდება საწარმოში წარმოებული პროდუქციის მრავალფეროვნება და სხვადასხვა ტიპის წარმოებისთვის ენერგიის ხარჯების განსხვავება.

რანგის განაწილების მრუდების ნაკრები წარმოადგენს ზედაპირს. ამ ზედაპირზე სტრუქტურული და ტოპოლოგიური დინამიკის (პიროვნების გადაადგილების ტრაექტორია რანგის განაწილების მრუდის გასწვრივ) ანალიზი იძლევა შესწავლილი პროდუქტის თითოეული ტიპის ელექტრული სიმძლავრის დროის სერიას, რაც საინტერესოა შესაძლებლობის თვალსაზრისით. ენერგიის მოხმარების პარამეტრების პროგნოზირება. შეგვიძლია დავასკვნათ, რომ არსებობს ძლიერი კორელაცია მრავალპროდუქტიული წარმოების წლიურ ენერგომოხმარებას, წარმოებული პროდუქციის სტრუქტურასა და წარმოებული პროდუქციის მრავალფეროვნებას შორის.

დამონტაჟებული და გარემონტებული აღჭურვილობის სტრუქტურა. წოდება და სახეობების განაწილება

რომელი განაწილებებია კლასიფიცირებული, როგორც რანჟირება

ვარიანტი 2 (20-ზე მეტი ვარიანტით). პირველ ეტაპზე რესპონდენტი შემოთავაზებულ ვარიანტებს ორ ან სამ ჯგუფად ყოფს: 1 - შესაფერისი, 2 - შეუსაბამო, მესამე ჯგუფი შეიძლება შედგებოდეს ისეთი ვარიანტებისგან, რომელთა კლასიფიკაცია რესპონდენტს უჭირს სხვა ჯგუფებად. თუ პირველი განაწილების დროს ჯგუფში რჩება 10-12-ზე მეტი პოზიცია, რომელიც შესაფერისია, მაშინ რესპონდენტს სთხოვენ ამ ჯგუფის კვლავ დაყოფას ზუსტად შესაფერისი - შესაძლოა შესაფერისი პრინციპის მიხედვით. შესაბამისი ვარიანტების იდენტიფიცირების შემდეგ, რესპონდენტმა უნდა შეასრულოს პირდაპირი რეიტინგი, დაალაგოს ვარიანტები საუკეთესოდან უარესისკენ. შერჩევის შედეგების მიხედვით, რანგის მნიშვნელობები ენიჭება თითოეულ რესპონდენტს, სასურველია საპირისპირო თანმიმდევრობით (საუკეთესო მნიშვნელობა არის 10, შემდეგი არის 9, ყველაზე ცუდი არის 1; 10-ზე მეტი არჩევნების შემთხვევაში, ბოლო არჩევნები ყველა მინიჭებულია. ღირებულება 1.

როგორც უკვე აღვნიშნეთ, რანგის ინდიკატორები გამოიყენება ვარიაციის სერიის განაწილების ფორმის დასახასიათებლად. ამაში ვგულისხმობთ შესასწავლი მასივის ისეთ ერთეულებს, რომლებსაც გარკვეული ადგილი უჭირავთ ვარიაციის სერიაში (მაგალითად, მეათე, მეოცე და ა.შ.). მათ უწოდებენ კვანტილებს ან გრადიენტებს. კვანტილები, თავის მხრივ, იყოფა

რატომ მოითხოვს დანის რანგის სტატისტიკას (dt) კონტრასტების შესამოწმებლად (იხ. განტოლება (41)) მოითხოვს ნორმალურ განაწილების ცხრილებს და არა -ტესტს

არაპარამეტრული მეთოდები. არაპარამეტრული სტატისტიკური მეთოდები, პარამეტრული მეთოდებისგან განსხვავებით, არ ეფუძნება რაიმე ვარაუდს მონაცემთა განაწილების კანონების შესახებ3. Spearman-ის რანგის კორელაციის კოეფიციენტი და კენდალის რანგის კორელაციის კოეფიციენტი ხშირად გამოიყენება როგორც არაპარამეტრული კრიტერიუმები ცვლადების ურთიერთობისთვის.

ჰისტოგრამა არის ნებისმიერი რაოდენობის სტატისტიკური განაწილების გრაფიკული წარმოდგენა რაოდენობრივი მახასიათებლის მიხედვით. მოსახერხებელია ზემოდან ჰისტოგრამის (გრ. histos - ქსოვილის) აგება, შესაბამისი ფაქტორების გამოსახვა აბსცისის ღერძის გასწვრივ, ხოლო მათი რანგის ჯამები ორდინატთა ღერძის გასწვრივ. ჰისტოგრამას შეუძლია აჩვენოს დაცემა, რომლის მიხედვითაც მიზანშეწონილია ფაქტორების დაჯგუფება შესწავლილ ინდიკატორზე მათი გავლენის ხარისხის მიხედვით.

წარმოდგენილი ცენოლოგიური იდეები შეიძლება გამოყენებულ იქნას, როგორც 111 IF სისტემის ორგანიზაციის შეცვლის საფუძველი სამრეწველო საწარმოში (საამქროში). ამ შემთხვევაში, გამოყენებულია არა დამონტაჟებული ელექტრული აღჭურვილობის ტიპის განაწილება, არამედ მთელი სიის წარმოდგენა, მაგალითად, ელექტრო მანქანების H- განაწილების სახით, პარამეტრის მიხედვით. ეს კეთდება შემდეგნაირად. დაყენებული მანქანების მთელი ნაკრები რანჟირებულია ტექნიკურ ან სხვა პროცესში მათი მნიშვნელობის (მნიშვნელობის) მიხედვით. თითოეულ მანქანას ენიჭება საკუთარი წოდება (ნომერი). პირველი წოდება ენიჭება მანქანას, რომელიც ყველაზე მეტად განსაზღვრავს წარმოების პროცესს. მეორე არის შემდეგი ყველაზე მნიშვნელოვანი მანქანა და ა.შ., ასე რომ, ბოლო რიგებში მოხვდება მანქანები, რომელთა წარუმატებლობა არ მოქმედებს, უფრო სწორად, ძალიან მცირე გავლენას ახდენს საწარმოს წარმოებასა და სხვა საქმიანობაზე. წოდების მინიჭების ოპერაცია არ საჭიროებს განსაკუთრებულ სიზუსტეს, ამიტომ მოცემული მანქანა შეიძლება აღმოჩნდეს ოდნავ განსხვავებულ ადგილზე მოცემულ რანგის სიაში.

გამოვიყენოთ m (n - 1) W (m) შემთხვევითი ცვლადის x2 (12)-განაწილების ფაქტი, რომელიც დაახლოებით ჩნდება) იმ შემთხვევაში, როდესაც არ არის მრავალრიცხოვანი რანგის კავშირი საკვლევ პოპულაციაში. შემდეგ კრიტერიუმი მცირდება უთანასწორობის შემოწმებამდე (2.18). კრიტერიუმის მნიშვნელოვნების დონის დაყენების შემდეგ a = 0.05, ჩვენ ვიპოვით ცხრილიდან. A.4 x2 განაწილების 5% წერტილის მნიშვნელობა თავისუფლების 12 გრადუსით X OB (12) = 21.026. ამავე დროს, t (n - I) W (t) = - 28-12-0.08 - 27.

უპირველეს ყოვლისა, კიდევ ერთხელ გაითვალისწინეთ, რომ სიხშირის განაწილება ყოველთვის სიმეტრიულია. ცხრილის მონაცემები 6.9 აჩვენებს, რომ, შესაბამისად, სიხშირეების სიმეტრია ასახავს რანგის კორელაციის კოეფიციენტის რაოდენობრივი განსაზღვრის სიმეტრიას Kinv ინვერსიების საფუძველზე. სპირმენის (p) და კენდალის (T) კორელაციის კოეფიციენტები. ეს მეთოდები გამოიყენება არა მხოლოდ ხარისხობრივი, არამედ რაოდენობრივი მაჩვენებლებისთვის, განსაკუთრებით მცირე პოპულაციის ზომით, რადგან არაპარამეტრული რანგის კორელაციის მეთოდები არ არის დაკავშირებული რაიმე შეზღუდვასთან მახასიათებლის განაწილების ბუნებასთან დაკავშირებით.

ft(P) განაწილებათა თანმიმდევრობის მიღების შემდეგ ჩნდება დავალება მათ შორის გადასვლის პროცესის შესწავლა, ე.ი. რეგიონების მობილურობა ფასების მიხედვით. როგორც Fields, Ok (2001) მიმოხილვაშია აღნიშნული, მობილობის ცნება მკაფიოდ არ არის განსაზღვრული ლიტერატურა მობილურობის შესახებ არ იძლევა ანალიზის ერთიან აღწერას (და არ არსებობს დადგენილი ტერმინოლოგია). თუმცა, ეკონომიკურ და სოციოლოგიურ ლიტერატურაში არსებობს შეთანხმება მობილობის ორ ძირითად ცნებასთან დაკავშირებით. პირველი არის ფარდობითი (ან რანგის) მობილურობა, რომელიც დაკავშირებულია ფასების დონის მიხედვით რეგიონების შეკვეთის ცვლილებასთან, ჩვენს შემთხვევაში. მეორე კონცეფცია არის აბსოლუტური (ან რაოდენობრივი) მობილურობა, რომელიც დაკავშირებულია თავად ფასების დონის ცვლილებებთან რეგიონებში. შემდეგ ანალიზში ორივე ეს კონცეფცია გამოიყენება.

სხვა პროცედურები. ჩვენ განვიხილავთ პროცედურას, რომელიც დაფუძნებულია ადრე განხილული ექსპერიმენტული და საკონტროლო საშუალებების შედარებისთვის განსხვავდება მხოლოდ ცვლა (იხ

ჰოლის თანმიმდევრული რანგის მეთოდი სტოქასტურად მოწესრიგებული განაწილების აღმოფხვრით. სტოქასტურად მოწესრიგებული დისტრიბუციები მოიცავს დისტრიბუციებს, რომლებიც განსხვავდებიან მხოლოდ ცვლის მიხედვით, მაგრამ არა ნორმალური განაწილებები სხვადასხვა ვარიაციებით. ჩვენ არ ვიცით არის თუ არა მეთოდი სენსიტიური სტოქასტური რიგის ვარაუდიდან გადახრების მიმართ.

ქსელის შეტევების პარამეტრების დასადგენად ექსპერიმენტების დაგეგმვა და ჩატარება

ტრაფიკის მოდელის შემოწმების შემდეგ ეტაპზე აუცილებელია გაირკვეს, შეიძლება თუ არა ამ მოდელის გამოყენება ქსელის უსაფრთხოების ამოცანებზე, კერძოდ, ქსელის შეტევების გამოსავლენად.

არასანქცირებული შეჭრის დეტალების გასარკვევად, გადაწყდა ექსპერიმენტების ჩატარება თავდასხმის მცდელობის სიმულაციის მიზნით. ისინი განხორციელდა სამარას სახელმწიფო აეროკოსმოსური უნივერსიტეტის (SSAU) ქსელში.

თავდასხმის წყაროდ გამოყენებული იქნა დისტანციური მონაცემები. პერსონალური კომპიუტერები, ჩართულია ინტერნეტთან, განლაგებულია გარე ქსელში შესწავლილთან მიმართებაში. თავდასხმის სამიზნე იყო SSAU ქსელის ერთ-ერთი შიდა სერვერი. SSAU Cisco 6509 ქსელის სასაზღვრო როუტერი არჩეულ იქნა NetFlow სენსორად, ხოლო NetFlow კოლექტორი იყო იგივე სერვერი, რომელზეც თავს დაესხნენ.

სკანირებაში ჩართული იყო მხოლოდ ერთი კომპიუტერი, ვინაიდან პორტის სკანირების შეტევა ხორციელდება ცალკეული წყაროებიდან. სკანირებისთვის გამოიყენეს Nmap პროგრამა, რომელსაც დაევალა თავდასხმული სერვერის ყველა პორტის სრული სკანირება.

Nmap არის უფასო პროგრამა, რომელიც შექმნილია IP ქსელების სხვადასხვა სახის პერსონალური სკანირებისთვის ნებისმიერი რაოდენობის ობიექტებით, სკანირებული ქსელის ობიექტების მდგომარეობის განსაზღვრისთვის (პორტები და მათი შესაბამისი სერვისები). Nmap იყენებს ბევრს სხვადასხვა მეთოდებისკანირება, როგორიცაა UDP, TCP (დაკავშირება), TCP SYN (ნახევრად ღია), FTP პროქსი (ftp გარღვევა), Reverse-ident, ICMP (ping), FIN, ACK, ნაძვის ხე, SYN და NULL სკანირება.

DDoS შეტევის განხორციელებისას, იგივე ვებ სერვერი შეირჩა თავდასხმის სამიზნედ, როგორც სკანირების დროს. თავდასხმის წყარო იყო რამდენიმე კომპიუტერი, რომელიც მდებარეობს გარე ქსელში. ექსპერიმენტის პირველ ნაწილში, თავდამსხმელი კომპიუტერები ერთდროულად უგზავნიდნენ პინგ მოთხოვნებს ნახევარი საათის განმავლობაში, ახორციელებდნენ ICMP წყალდიდობის შეტევას. ექსპერიმენტის მეორე ნაწილში, შემტევმა კომპიუტერებმა განახორციელეს DDoS შეტევა სპეციალიზებული LOIC პროგრამის გამოყენებით. ერთი საათის განმავლობაში, ვებ სერვერზე იყო თავდასხმა გამოყენებით სხვადასხვა სახისტრაფიკი: HTTP, UDP, TCP. ყველა ექსპერიმენტის დროს შეგროვდა მონაცემები, რომლებიც შემდგომში გაანალიზდა ნიმუშების დასადგენად განსხვავებული ტიპებითავდასხმები.

სურათი 1.16 - ექსპერიმენტის სქემა

ნაკადის მონაცემები, რომლებიც ემსახურება ანალიზის საფუძველს, შეგროვდა Cisco 6509 ქსელის კიდეების როუტერიდან. NetFlow მონაცემების ექსპორტი ხდება ანალიზისთვის ყოველ ხუთ წუთში. ყოველ ხუთ წუთში, ფაილი იქმნება, რომელიც მიუთითებს იმ დროს როუტერზე ჩაწერილი ყველა ნაკადის პარამეტრებზე. ეს პარამეტრები ჩამოთვლილია შესავალში და მოიცავს: ნაკადის დაწყების დრო, ნაკადის ხანგრძლივობა, მონაცემთა გადაცემის პროტოკოლი, წყაროს მისამართი და პორტი, დანიშნულების მისამართი და პორტი, გადაცემული პაკეტების რაოდენობა, ბაიტებში გადაცემული მონაცემების რაოდენობა.

ქსელის სკანირებისას შეგროვებული მონაცემების ანალიზის შედეგად გამოვლინდა აქტიური ნაკადების რაოდენობის მკვეთრი ზრდა გადაცემული ტრაფიკის თითქმის მუდმივი რაოდენობით (იხ. სურ. 1.16). თითოეულმა სკანერმა კომპიუტერმა 5 წუთში წარმოქმნა დაახლოებით 10-20 ათასი ძალიან მოკლე ნაკადი (50 ბაიტამდე ზომის). ამავდროულად, ყველა მომხმარებლის მიერ გენერირებული როუტერზე აქტიური ნაკადების საერთო რაოდენობა იყო დაახლოებით 50-60 ათასი.

ნახაზი 1.17 გვიჩვენებს ქსელის მდგომარეობის გრაფიკს, დასრულებული ნაკადების რაოდენობა N გამოსახულია აბსცისის ღერძზე, ხოლო არხის მთლიანი დატვირთვა მეგაბიტებში წამში (მბიტ/წმ) გამოსახულია ორდინატთა ღერძზე. გრაფიკის თითოეული წერტილი ასახავს შესწავლილი ქსელის მდგომარეობას წინა ხუთწუთიანი ინტერვალისთვის, რაც აჩვენებს არხის საშუალო დატვირთვის დამოკიდებულებას აქტიური ნაკადების რაოდენობაზე. წერტილები შეესაბამება ქსელის ნორმალურ მდგომარეობას, ხოლო სამკუთხედები შეესაბამება ქსელის მდგომარეობას, რომელიც ჩაწერილია პორტის სკანირების დროს. დიაგრამაზე და ორდინატთა ღერძის პარალელურად ნაჩვენები სეგმენტები აჩვენებს ნდობის ინტერვალებს საშუალო დატვირთვისთვის, რომელიც გამოითვლება ხუთ ნაკადის ინტერვალზე (20000-30000, 30000-40000, 40000-50000, 50000-60000, 7000).

სურათი 1.17 - პორტის სკანირება

პინგის მოთხოვნების ექსპერიმენტის შედეგებზე დაყრდნობით, აღმოჩნდა, რომ თითოეული შემტევი კომპიუტერი იღებდა ICMP ტრაფიკის მხოლოდ ერთ ძალიან გრძელ ნაკადს, თუ მოთხოვნები იგზავნებოდა ერთ პორტზე. ვინაიდან ერთი ნაკადის შესახებ მონაცემები იწერება მხოლოდ მისი დასრულების შემდეგ, შეტევის დასრულების შემდეგ საჭირო მონაცემები ჩაიწერა nfdump ფაილში. აღმოჩენილი იქნა ICMP ტრაფიკის ერთი არანორმალურად გრძელი ნაკადი, რომელიც თავდამსხმელი კომპიუტერი იყო. ამრიგად, ექსპერიმენტული მონაცემების ანალიზის შედეგად შესაძლებელი გახდა ICMP წყალდიდობის ტიპის თავდასხმის იდენტიფიცირება. უნდა აღინიშნოს, რომ შედეგის მისაღწევად - გაუმართაობა საინფორმაციო სისტემა ICMP ტრაფიკის ერთი აქტიური ნაკადი აშკარად არ არის საკმარისი, ათიათასობით მოთხოვნა უნდა იყოს.

სიმულაციური ექსპერიმენტის ანალიზი DDoS შეტევები LOIC პროგრამამ ასევე აჩვენა აქტიური ძაფების რაოდენობის მკვეთრი ზრდა გადაცემული ტრაფიკის ზრდასთან ერთად. პროგრამა პარალელურად აგზავნის მონაცემებს სხვადასხვა სამიზნე პორტებში, რითაც ქმნის დიდი რიცხვიმოკლე ნაკადები წუთამდე ხანგრძლივობით (იხ. სურ. 1.18). სამკუთხედები ასახავს შეტევის დროს დაფიქსირებულ ქსელის მდგომარეობას.

სურათი 1.18 - DDoS შეტევა

ამრიგად, აშკარა გახდა, რომ NetFlow პროტოკოლის გამოყენებით შესაძლებელია არა მხოლოდ შეტევის დაწყების მომენტის იდენტიფიცირება, არამედ მისი ტიპის განსაზღვრაც. Დეტალური აღწერათავდასხმის აღმოჩენის ალგორითმები და უსაფრთხო ჰოსტინგის შექმნაზე მუშაობა შეგიძლიათ იხილოთ შემდეგ განყოფილებებში.

ლიტერატურა

1. Bolla R., Bruschi R. RFC 2544 შესრულების შეფასება და შიდა გაზომვები Linux-ზე დაფუძნებული ღია როუტერისთვის //High Performance Switching and Routing, 2006 წლის სემინარი. – IEEE, 2006. – გვ. 6 გვ.

2. Fraleigh C. და სხვ. პაკეტის დონის ტრაფიკის გაზომვები Sprint IP ხერხემალიდან //IEEE ქსელიდან. – 2003. – T. 17. – No. 6. – გვ.6-16.

3. Park K., Kim G., Crovella M. ფაილის ზომის, სატრანსპორტო პროტოკოლების და თვითმსგავსი ქსელის ტრაფიკის ურთიერთობის შესახებ //Network Protocols, 1996. Proceedings., 1996 International Conference on. – IEEE, 1996. – გვ.171-180.

4. Fred S. B. და სხვ. სტატისტიკური გამტარუნარიანობის გაზიარება: შეშუპების შესწავლა ნაკადის დონეზე //ACM SIGCOMM კომპიუტერული კომუნიკაციის მიმოხილვა. – ACM, 2001. – T. 31. – No. 4. – გვ.111-122.

5. Barakat C. და სხვ. ნაკადზე დაფუძნებული მოდელი ინტერნეტის საყრდენი ტრაფიკისთვის // ACM SIGCOMM მე-2 სემინარის შრომები ინტერნეტ გაზომვის შესახებ. – ACM, 2002. – გვ.35-47.

6. სუხოვი A. M. და სხვ. აქტიური ნაკადები ხერხემლის ბმულებზე პრობლემების მოგვარების დიაგნოსტიკაში // მაღალსიჩქარიანი ქსელების ჟურნალი. – 2011. – T. 18. – No. 1. – გვ.69-81.

7. Lyon G. F. Nmap ქსელის სკანირება: ოფიციალური Nmap პროექტის სახელმძღვანელო ქსელის აღმოჩენისა და უსაფრთხოების სკანირებისთვის. – დაუცველი, 2009 წ.

8. Haag P. უყურეთ თქვენს ნაკადებს NfSen-ით და NFDUMP //50th RIPE Meeting. – 2005 წ.

რანგის განაწილებები ქსელის ცვლადების ზღვრული მნიშვნელობების დასადგენად და DDoS შეტევების ანალიზისთვის

შესავალი

ინტერნეტ ტრაფიკის და საინფორმაციო წყაროების რაოდენობის ექსპონენციალურ ზრდას თან ახლავს ქსელის ანომალიური პირობების რაოდენობის სწრაფი ზრდა. ქსელის ანომალიური პირობები აიხსნება როგორც ადამიანური, ასევე ადამიანის ფაქტორებით. თავდამსხმელების მიერ შექმნილი ანომალიური მდგომარეობების ამოცნობა საკმაოდ რთულია იმის გამო, რომ ისინი ბაძავენ ქმედებებს. ჩვეულებრივი მომხმარებლები. ამიტომ, ასეთი ანომალიური პირობების იდენტიფიცირება და დაბლოკვა უკიდურესად რთულია. ინტერნეტ სერვისების საიმედოობისა და უსაფრთხოების უზრუნველყოფის ამოცანები მოითხოვს მომხმარებლის ქცევის შესწავლას კონკრეტულ რესურსზე.

ამ სტატიაში განხილული იქნება ქსელის ანომალიური პირობების იდენტიფიკაცია და DDoS შეტევების წინააღმდეგ ბრძოლის მეთოდები. (მომსახურების განაწილებული უარყოფა, სერვისის განაწილებული უარყოფის შეტევა) არის თავდასხმის ტიპი, რომლის დროსაც თავდამსხმელის ბრძანებით იწყებენ გაგზავნას ინტერნეტში არსებული რიგი კომპიუტერები, სახელწოდებით „ზომბი“, „ბოტები“ ან ბოტის ქსელი (ბოტნეტი). დაზარალებულისგან მომსახურების მოთხოვნა. როდესაც მოთხოვნის რაოდენობა აღემატება მსხვერპლის სერვერების შესაძლებლობებს, რეალური მომხმარებლების ახალი მოთხოვნები აღარ ემსახურება და მიუწვდომელია. ამ შემთხვევაში დაზარალებული ფინანსურ ზარალს განიცდის.

სახელმძღვანელოს ამ თავში აღწერილი კვლევები იყენებს ერთიან მათემატიკურ მიდგომას. იდენტიფიცირებულია ქსელის რამდენიმე ყველაზე მნიშვნელოვანი ცვლადი, რომლებიც წარმოიქმნება გარე ერთი IP მისამართით მოცემულ სერვერზე წვდომისას ან ლოკალური ქსელი. ასეთ ცვლადებს მიეკუთვნება: ვებ სერვერზე წვდომის სიხშირე (მოცემულ პორტზე), აქტიური ძაფების რაოდენობა, შემომავალი TCP, UDP და ICMP ტრაფიკის რაოდენობა და ა.შ. აშენებულმა ინფრასტრუქტურამ შესაძლებელი გახადა ზემოაღნიშნული ქსელის ცვლადების მნიშვნელობების გაზომვა.

გაანალიზებული ცვლადების ამ მნიშვნელობების პოვნის შემდეგ დროის თვითნებურ მომენტში, აუცილებელია რანგის განაწილების აგება. ამისათვის ნაპოვნი მნიშვნელობები განლაგებულია კლებადობით. ქსელის მდგომარეობის ანალიზი განხორციელდება შესაბამისი დისტრიბუციების შედარების გზით. ეს შედარება განსაკუთრებით ნათელია, როდესაც ქსელის ანომალიური და ნორმალური მდგომარეობის განაწილება მოცემულია იმავე გრაფიკზე. ეს მიდგომა აადვილებს ქსელის ნორმალურ და ანომალიურ მდგომარეობას შორის საზღვრის განსაზღვრას.

სერვისზე DDoS თავდასხმის ექსპერიმენტები შეიძლება განხორციელდეს ემულაციის გამოყენებით ლაბორატორიულ პირობებში. ამავდროულად, მიღებული შედეგების მნიშვნელობა მნიშვნელოვნად ნაკლებია, ვიდრე ექსპლუატაციაში მყოფი კომერციული სერვისის DDoS შეტევის დროს, რადგან ემულატორს არ შეუძლია სრულად აწარმოოს რეალური კომპიუტერული ქსელი. გარდა ამისა, DDoS შეტევის პრინციპებისა და მეთოდების სრულად გასაგებად, აუცილებელია მასთან გამოცდილება. ამიტომ, ავტორები ანონიმურად შეთანხმდნენ, რომ განახორციელონ ნამდვილი DDoS შეტევა სპეციალურად მომზადებულ ვებ სერვისზე. თავდასხმის დროს დაფიქსირდა ქსელის ტრაფიკი და შეგროვდა NetFlow სტატისტიკა. ერთი გარე IP მისამართით გენერირებული ნაკადების რაოდენობისა და სხვადასხვა ტიპის შემომავალი ტრაფიკის რანგის განაწილების შესწავლა, რამაც შესაძლებელი გახადა ზღვრული მნიშვნელობების დადგენა. ზღვრული მნიშვნელობების გადაჭარბება შეიძლება კლასიფიცირდეს, როგორც შემტევი კვანძის ნიშანი, რაც საშუალებას გვაძლევს გამოვიტანოთ დასკვნები გამოვლენის მეთოდებისა და კონტრზომების ეფექტურობის შესახებ.

1

1. კუდრინ ბ.ი. შესავალი ტექნოლოგიაში. – მე-2 გამოცემა, შესწორებული, დამატებითი. – ტომსკი: თსუ, 1993. – 552გვ.

2. ცენოზებისა და ტექნოლოგიის კანონების მათემატიკური აღწერა. ფილოსოფია და ტექნოლოგიის ფორმირება / რედ. ბ.ი. კუდრინა // კენოლოგიური კვლევები. – ტ. 1-2. – აბაკანი: სისტემური კვლევის ცენტრი, 1996. – 452გვ.

3. გნატიუკ ვ.ი. ტექნოცენოზების ოპტიმალური აგების კანონი: მონოგრაფია. – საკითხი 29. კენოლოგიური კვლევა. – მ.: თსუ გამომცემლობა – სისტემური კვლევის ცენტრი, 2005. – 452გვ. (http://www.baltnet.ru/~gnatukvi/ind.html).

4. გურინა რ.ვ. საგანმანათლებლო სისტემების რანგის ანალიზი (ცენოლოგიური მიდგომა): გაიდლაინებიაღმზრდელებისთვის. – ნომერი 32. „კენოლოგიური კვლევა“. – მ.: ტექნეტიკა, 2006. – 40გვ. (http://www.gurinarv.ulsu.ru).

5. გურინა რ.ვ., დიატლოვა მ.ვ., ხაიბულოვი რ.ა. ასტროფიზიკური და ფიზიკური სისტემების რანგის ანალიზი // ყაზანის მეცნიერება. – 2010. – No2. – გვ. 8-11.

6. გურინა რ.ვ., ლანინი ა.ა. წოდებების განაწილების კანონის გამოყენების საზღვრები // ტექნოლოგიური თვითორგანიზაცია და ცენოლოგიური კვლევის მათემატიკური აპარატი. – ტ. 28. „კენოლოგიური კვლევები“. – მ.: სისტემური კვლევის ცენტრი, 2005. –პ. 429-437 წწ.

7. ხაიბულოვი რ.ა. კოსმოსური სისტემების რანგის ანალიზი // ახალი ამბები სახელმწიფო ადმინისტრაციული ოლქის პულკოვოში. პულკოვოს მეორე ახალგაზრდული კონფერენციის მასალები. – პეტერბურგი, 2009. – No 219. – გამოცემა. 3. – გვ.95-105.

8. უჩაიკინი მ.ვ. წოდებების განაწილების კანონის გამოყენება მზის სისტემის ობიექტებზე // ახალი ამბები სახელმწიფო ადმინისტრაციული ოლქის პულკოვოში. პულკოვოს მეორე ახალგაზრდული კონფერენციის მასალები. – პეტერბურგი, 2009. – No 219. – გამოცემა. 3. – გვ.87-95.

რანგის განაწილება (RD) გაგებულია, როგორც განაწილება, რომელიც მიღებულია რანგის მიხედვით მინიჭებული პარამეტრის მნიშვნელობების თანმიმდევრობის რანჟირების პროცედურის შედეგად. რანგი r არის ინდივიდის რიცხვი RR-ში რიგითობით. რანჟირება არის ობიექტების მოწყობის პროცედურა ხარისხის გამოხატვის ხარისხის მიხედვით ამ ხარისხის კლებადობით. რეალური RR შეიძლება გამოისახოს სხვადასხვა მათემატიკური დამოკიდებულებით და ჰქონდეს შესაბამისი გრაფიკული გარეგნობა, თუმცა, ყველაზე მნიშვნელოვანია ჰიპერბოლური რანგის განაწილება (HRD), რადგან ისინი ასახავს "ცენოზის" ნიშანს - რანჟირებული ობიექტების სიმრავლის კუთვნილებას (ელემენტები, პირები) ცენოზებს. ცენოზების თეორია ტექნიკურ პროდუქტებთან მიმართებაში შეიმუშავა MPEI პროფესორმა ბ.ი. კუდრინი 30 წელზე მეტი ხნის წინ (www kudrinbi.ru) და წარმატებით დაინერგა პრაქტიკაში. გეოლოგიური კვლევის აგების მეთოდები და მათი შემდგომი გამოყენება ცენოზის ოპტიმიზაციის მიზნით წარმოადგენს რანგის ანალიზის (RA) (ცენოლოგიური მიდგომა) მთავარ მნიშვნელობას, რომლის შინაარსი და ტექნოლოგია წარმოადგენს ახალ მიმართულებას, რომელიც დიდ პრაქტიკულ შედეგებს გვპირდება. ტექნოცენოზში ინდივიდების ჰიპერბოლური რანგის განაწილების კანონს (H-განაწილება) აქვს ფორმა:

W = A / r β (1)

სადაც W არის ინდივიდების რეიტინგული პარამეტრი; r - ინდივიდის რანგის ნომერი (1,2,3....); A არის საუკეთესო ინდივიდის პარამეტრის მაქსიმალური მნიშვნელობა რანგით r = 1, ე.ი. პირველ წერტილში; β - რანგის კოეფიციენტი, რომელიც ახასიათებს PP მრუდის ციცაბო ხარისხს (ტექნოცენოზისთვის 0,5< β < 1,5 ).

თუ ცენოზის რომელიმე პარამეტრი რანჟირებულია, მაშინ PP-ს ეწოდება რანჟირების პარამეტრული. ინდივიდთა საზოგადოების დაქვემდებარება გეოლოგიური განვითარების კანონისადმი (1) არის ცენოზის მთავარი ნიშანი, მაგრამ ეს არ არის საკმარისი. გარდა ამ თვისებისა, ცენოზებს, სხვა თემებისგან განსხვავებით, აქვთ ზოგადი გარემოჰაბიტატი და მისი ობიექტები შედის რესურსებისთვის ბრძოლაში.

და. გნატიუკმა შეიმუშავა RA მეთოდი ტექნიკური ცენოზის სისტემების ოპტიმიზაციისთვის. RA-ს პრაქტიკული გამოყენების შესაძლებლობებს პედაგოგიკაში აღწერს რ.ვ. გურინა (http://www.gurinarv.ulsu.ru) და ასევე შეიმუშავა ამ სფეროში მისი გამოყენების მეთოდოლოგია. ცენოზში ინდივიდების რაოდენობა განსაზღვრავს მოსახლეობის ძალაუფლებას. ტერმინოლოგია მომდინარეობს ბიოლოგიიდან, ბიოცენოზის თეორიიდან. „ცენოზი“ არის საზოგადოება. ტერმინი ბიოცენოზი, რომელიც შემოიღო მობიუსმა (1877), საფუძველი ჩაუყარა ეკოლოგიას, როგორც მეცნიერებას. ბ.ი. კუდრინმა „ცენოზის“, „ინდივიდუალური“, „პოპულაციის“, „სახეობების“ ცნებები ბიოლოგიიდან ტექნოლოგიაში გადაიტანა: ტექნოლოგიაში „ინდივიდები“ არის ინდივიდუალური ტექნიკური პროდუქტები, ტექნიკური მახასიათებლები, და ტექნიკური პროდუქტების (ფიზიკური პირების) დიდი ნაკრები, რომლის RR გამოხატულია კანონით (1) ეწოდება ტექნოცენოზი.

IN სოციალური სფერო„ინდივიდუები“ არის სოციალურ ჯგუფებად (კლასები, სასწავლო ჯგუფები) ორგანიზებული ადამიანები, შემდეგ მოსახლეობის ძალა არის ჯგუფში სტუდენტების რაოდენობა. სკოლა ასევე არის სოციოცენოზი, რომელიც შედგება ინდივიდებისგან - ცალკეული სტრუქტურული ერთეულებისგან - კლასებისგან. აქ მოსახლეობის ძალა არის სკოლაში კლასების რაოდენობა. სკოლების ნაკრები არის უფრო ფართომასშტაბიანი ცენოზი, სადაც ამ ცენოზის ინდივიდუალური, სტრუქტურული ერთეული არის სკოლა. რანგის პარამეტრები W ტექნოცენოზებში არის ტექნიკური ან ფიზიკური პარამეტრები, რომლებიც ახასიათებს ინდივიდს, მაგალითად, ზომა, წონა, ენერგიის მოხმარება, რადიაციული ენერგია და ა.შ. სოციოცენოზებში, კერძოდ, პედაგოგიურ ცენოზებში, რეიტინგული პარამეტრებია აკადემიური მოსწრება, ოლიმპიადებში ან ტესტირებაში მონაწილეთა რეიტინგი; უნივერსიტეტებში ჩარიცხული სტუდენტების რაოდენობა და ა.შ. და რეიტინგული პირები არიან თავად სტუდენტები, კლასები, სასწავლო ჯგუფები, სკოლები და ა.შ.

ბოლო წლების კვლევამ აჩვენა, რომ მრავალი სისტემის კოსმოსური ობიექტების კოლექციები (გალაქტიკები, მზის სისტემა, გალაქტიკათა გროვები და ა.შ.) წარმოადგენს ცენოზებს (კოსმოცენოზებს, ასტროცენოზებს). თუმცა, ასტროცენოზები განსხვავდება ტენოცენოზისა და სოციოცენოზისგან იმით, რომ ადამიანს არ შეუძლია გავლენა მოახდინოს მათ მდგომარეობაზე, შეცვალოს და ოპტიმიზაცია მოახდინოს. სივრცეში ობიექტები ერთმანეთთან მჭიდროდ არის დაკავშირებული გრავიტაციული ძალებით, რომლებიც განსაზღვრავენ მათ ქცევას. ასტროცენოზების სპეციფიკა ბოლომდე არ არის ახსნილი RA მეთოდი ასტროცენოზებთან მიმართებაში, რამაც განსაზღვრა ამ კვლევის მიზანი. მიზანი იყოფა რამდენიმე დავალებად:

1. RA მეთოდის შესწავლა, RA მეთოდის გამოყენების შესაძლებლობის დადგენა ასტროფიზიკურ სისტემებზე-ცენოზებზე (ანუ რამდენად გამოიყენება RA ასტროცენოზებზე).

2. ეტაპობრივად აღწერა RA მეთოდის გამოყენება ასტროცენოზებისთვის.

ტექნოცენოზისთვის RA გამოყენების მეთოდოლოგიის შესწავლის შემდეგ გამოიკვეთა მისი საერთო (უნივერსალური) ელემენტები, რომლებიც ვრცელდება ყველა ტიპის ცენოზზე. ამრიგად, RA მეთოდი მოიცავს შემდეგ უნივერსალური პროცედურის საფეხურებს.

1. ცენოზის იდენტიფიკაცია - საზოგადოების (სისტემის) შესწავლილი ობიექტების ერთობლიობა.

2. რეიტინგის პარამეტრების იდენტიფიცირება. ასეთი პარამეტრები შეიძლება იყოს მასა, ობიექტების ზომა, ღირებულება, ენერგიის საიმედოობა, შესწავლილი ობიექტის შემადგენლობაში შემავალი ელემენტების პროცენტი, ტესტის მონაწილეთა ერთიანი სახელმწიფო გამოცდის ქულები და ა.შ.

3. ცენოზის პარამეტრული აღწერა. ცენოზის ცალკეული ინდივიდების პარამეტრების შესახებ სისტემატიზებული ინფორმაციის შემცველი ცხრილის (მონაცემთა ბაზის) შექმნა.

4. ტაბულირებული ემპირიული RR-ის აგება. ცხრილი RR არის ცხრილი ორი სვეტისგან: ინდივიდების W პარამეტრები დალაგებული რანგის მიხედვით და ინდივიდუალური r რანგის ნომერი (r = 1,2,3...). პირველ წოდებას იკავებს პირი პარამეტრის მაქსიმალური მნიშვნელობით, მეორე რანგი იკავებს პარამეტრის უმაღლესი მნიშვნელობის მქონე ინდივიდს სხვა პირებს შორის და ა.შ.

5. გრაფიკული ემპირიული RR-ის აგება. ემპირიული რეიტინგის მრუდის გრაფიკს აქვს ჰიპერბოლის ფორმა: რანგის ნომერი r გამოსახულია აბსცისის ღერძის გასწვრივ, ხოლო შესწავლილი პარამეტრი W გამოსახულია ორდინატთა ღერძის გასწვრივ, სურ. 1, a. ყველა მონაცემი აღებულია ცხრილური RR-დან.

ბრინჯი. 1. ჰიპერბოლა (a) და „გამოსწორებული“ ჰიპერბოლური დამოკიდებულება ორმაგი ლოგარითმული სკალაზე (ბ); B = lnA

6. ემპირიული RR-ის დაახლოება. PP პარამეტრების დაახლოება და განსაზღვრა, როგორც წესი, ხორციელდება კომპიუტერული პროგრამების გამოყენებით, მათი დახმარებით დგინდება ნდობის ინტერვალი, გვხვდება A და B განაწილების მრუდის პარამეტრები და ასევე განისაზღვრება რეგრესიის კოეფიციენტი Re (ან Re2), რომელიც აჩვენებს ემპირიული ჰიპერბოლის თეორიულთან მიახლოების ხარისხი. ამ შემთხვევაში, შედგენილია მიახლოებითი იდეალური მრუდი (და საჭიროების შემთხვევაში, ორივე მხარეს - ნდობის ინტერვალის ხაზები).

7. GR-ის ლინეარიზაცია: ემპირიული RR-ის აგება ლოგარითმულ კოორდინატებში. ავხსნათ დამოკიდებულების წრფივირების პროცესი (1). დამოკიდებულების ლოგარითმის აღებით (1) W = A / r β, მივიღებთ:

lnW = lnA - β ln r (2)

დანიშვნა:

lnW = y; lnA = B = const; ln r = x, (3)

ჩვენ ვიღებთ (2) ფორმაში:

y = B - β x. (4)

განტოლება (4) არის კლებადი წრფივი ფუნქცია (ნახ. 1, ბ). მხოლოდ lnW გამოსახულია ორდინატთა ღერძის გასწვრივ, ხოლო lnr გამოსახულია აბსცისის ღერძის გასწვრივ. ხაზოვანი გრაფიკის ასაგებად, შედგენილია lnW და lnr ემპირიული მნიშვნელობების ცხრილი, რომლის მნიშვნელობების საფუძველზე აგებულია დამოკიდებულების გრაფიკი lnW(lnr) კომპიუტერული პროგრამების გამოყენებით.

ხელით β კოეფიციენტი განისაზღვრება ფორმულით:

β = tan α = lnA: ln r,

კოეფიციენტი A განისაზღვრება პირობით: r = 1, W1= A.

8. ემპირიული დამოკიდებულების მიახლოება ln W (lnr) წრფივთან Y = B - β x.

ეს პროცედურა ასევე ხორციელდება კომპიუტერული პროგრამების გამოყენებით; ამას მოჰყვება β, A პარამეტრების პოვნა, ნდობის ინტერვალის განსაზღვრა, რეგრესიის კოეფიციენტის Re (ან Re 2) განსაზღვრა, ემპირიული გრაფიკის ln W (ln r) მიახლოების ხარისხის გამოხატვა წრფივ ფორმამდე. ამ შემთხვევაში, ჩნდება მიახლოებითი სწორი ხაზი.

9. ცენოზის ოპტიმიზაცია (ბიო, - ტექნო, - სოციოცენოზისთვის).

სისტემის ოპტიმიზაციის პროცედურა (ცენოზი) შედგება ტაბულური და გრაფიკული განაწილებებთან ერთად მუშაობასა და იდეალური მრუდის რეალურთან შედარებაში, რის შემდეგაც კეთდება დასკვნა: რა არის პრაქტიკულად გასაკეთებელი ცენოზში, რათა წერტილები რეალური მრუდი, როგორც წესი, დევს იდეალურ მრუდზე. რაც უფრო უახლოვდება ემპირიული განაწილების მრუდი (1) ტიპის იდეალურ მრუდს, მით უფრო სტაბილურია სისტემა. ოპტიმიზაციის ეტაპი მოიცავს შემდეგ პროცედურებს (მოქმედებებს).

თეორიული ნაწილი: ერთობლივი სამუშაო ტაბულური და გრაფიკული PP-ით:

გრაფიკში ანომალიური წერტილებისა და დამახინჯებების მოძიება;

მათი კოორდინატების განსაზღვრა და მათი იდენტიფიცირება რეალურ პირებთან ტაბულური განაწილების მიხედვით;

პრაქტიკული ნაწილი: მუშაობა ცენოზის რეალურ ობიექტებთან მის გასაუმჯობესებლად:

ანომალიების გამომწვევი მიზეზების ანალიზი და მათი აღმოფხვრის გზების ძიება (მმართველი, ეკონომიკური, საწარმოო და ა.შ.);

ანომალიების აღმოფხვრა რეალურ ცენოზში.

ტექნოცენოზების ოპტიმიზაცია ვ.ი. გნატიუკი ხორციელდება ორი გზით:

1. ნომენკლატურის ოპტიმიზაცია - ცენოზის პოპულაციის მიზანმიმართული ცვლილება, რომელიც მიმართავს რეალურ RR-ს ფორმაში იდეალისკენ (1). ბიოცენოზის ფარაში ეს არის სუსტი ინდივიდების განდევნა ან განადგურება სასწავლო ჯგუფიეს არის უხარისხოების სკრინინგი, ტექნოცენოზში - ნაგვის მოშორება, გამოყენებული აღჭურვილობის ჯართის კატეგორიაში გადაქცევა.

2. პარამეტრული ოპტიმიზაცია - ცალკეული ინდივიდების პარამეტრების მიზნობრივი გაუმჯობესება, ცენოზის უფრო სტაბილურ, ეფექტურ მდგომარეობამდე მიყვანა. პედაგოგიურ ცენოზიში - საგანმანათლებლო ჯგუფი (კლასი) - ეს არის მუშაობა წარუმატებლებთან - მათი შესრულების ინდიკატორების გაუმჯობესება ტექნოცენოზის დროს - ძველი აღჭურვილობის შეცვლა გაუმჯობესებული მოდელებით.

როგორც ზემოთ აღინიშნა, ოპტიმიზაციის პროცედურა 9 არ გამოიყენება ასტროცენოზებზე. მათი გეოლოგიური ძიების შესწავლით შეიძლება მხოლოდ ამა თუ იმ სასარგებლო სამეცნიერო ინფორმაციის მოპოვება ასტროცენოზის მდგომარეობის შესახებ, რითაც გაფართოვდება სამყაროს ასტრონომიული სურათის გაგება. რა არის გადახრების ბუნება ასტროფიზიკური ცენოზის ობიექტების რეალურ გეოლოგიურ კვლევაში H- იდეალური განაწილებიდან და რაზე მიუთითებს ისინი? ასტროცენოზის სისტემებში ობიექტების გეოლოგიური კვლევის გრაფიკებზე ორი სახის დამახინჯება იქნა ნაპოვნი:

I. რამდენიმე პუნქტი ამოვარდება GRR-ის ნდობის ინტერვალიდან ან ჰიპერბოლა დამახინჯებულია („კეხების“, „ველების“, „კუდების“ არსებობა (ნახ. 2, ა).

II. ლოგარითმული სწორი ხაზის მკვეთრი შესვენება lnW (lnr), მისი დაყოფა 2 სეგმენტად (ერთმანეთზე კუთხით ან y-ღერძის გასწვრივ გადაადგილებით).

ნახ. 2, a, b - RR გრაფიკები Satup თანამგზავრების პირველი ტიპის დამახინჯებით.

გაზომვის ტექნოლოგიის ან ასტრონომიული გაზომვების მეთოდების არასრულყოფილების გამო, სატურნის 62-ვე თანამგზავრიდან არის ინფორმაცია 19 თანამგზავრის მასისა და 45 თანამგზავრის დიამეტრის შესახებ. გრაფიკებიდან ნათლად ჩანს, რომ სისტემაში, სადაც ინდივიდების დიდი რაოდენობაა (ნახ. 2, ბ), თანამგზავრების ზომების ამსახველი ემპირიული წერტილები უკეთესად ერგება ლოგარითმულ სწორ ხაზს, რაც მიუთითებს უფრო ადეკვატურ ინფორმაციას სისრულის შესახებ. სისტემის. ზემოაღნიშნული გვაძლევს იმის მტკიცებას, რომ RA-ს გამოყენება შესაძლებელს ხდის კოსმოსურ სისტემებში დაკარგული ობიექტების არსებობის პროგნოზირებას.

ბრინჯი. 2. სატურნის თანამგზავრების რანგის განაწილება ორმაგი ლოგარითმული მასშტაბით ln W = f(ln r); r - თანამგზავრის რანგის ნომერი; ა) RR 19 თანამგზავრები, რომლებიც დაფუძნებულია ცნობილ მასებზე; ბ) RR თანამგზავრები იმავე სისტემაში ინდივიდების დიდი რაოდენობით - ცნობილი დიამეტრის 45 თანამგზავრი

გრაფიკული RR ასტროცენოზების შესწავლისას დადგინდა, რომ პირველი ტიპის დამახინჯება შეიძლება მიუთითებდეს:

ზოგიერთი ობიექტი არ მიეკუთვნება ამ ასტროცენოზს (სისტემა, კლასი);

ასტროცენოზის ობიექტების პარამეტრების გაზომვები ზუსტი არ არის;

არასაკმარისი ინფორმაციაა ასტროფიზიკური სისტემა-ცენოზის სისრულის შესახებ. ამავე დროს, ვიდრე უფრო სრულყოფილი სისტემა, რაც უფრო დიდია რეგრესიის კოეფიციენტი.

დამახინჯების მეორე ტიპი მიუთითებს შემდეგზე.

თუ გამოსწორების გრაფიკში მკვეთრი შესვენებაა, ეს ნიშნავს, რომ სისტემა შედგება ორი ქვესისტემისგან. მსგავსი შემთხვევა წარმოდგენილია ნახ. 3, 4. ამავდროულად, W (r) გრაფიკში მკვეთრი წყვეტა იქმნება ორი ჰიპერბოლით, რომლებიც „მცოცავდნენ ერთმანეთზე“ (ნახ. 3, ა), და ეს წყვეტა ყოველთვის არ არის ისეთი გამოხატული, როგორც გრაფიკი ორმაგი ლოგარითმული მასშტაბით (ნახ.3 b, 4, b). რაც უფრო მცირეა კუთხე ხაზოვან სეგმენტებს შორის ln W (ln r) გრაფიკზე, მით უფრო გამოხატულია ჰიპერბოლის მოხრილი W (r) გრაფიკზე.

ნახ. 3, a, b აჩვენებს ცნობილი გალაქტიკების გეომეტრიული განაწილების გრაფიკებს ჩვენი მზის სისტემიდან მანძილის მიხედვით (სულ 40 ობიექტი).

თუ გამოსწორების გრაფიკში მკვეთრი შესვენებაა, ეს ნიშნავს, რომ სისტემა შედგება ორი ქვესისტემისგან. RA შესაძლებელს ხდის გალაქტიკების სისტემის თეორიულად დაყოფას ორ კლასად: პერიფერიული (დისტანციური) ჯგუფი -1 და გალაქტიკათა ლოკალური (მახლობელი) ჯგუფი - 2, რომელიც შეესაბამება ასტრონომიული კლასიფიკაციის მონაცემებს.

ბრინჯი. 3. გალაქტიკების რანგის განაწილება მზის სისტემიდან მანძილის მიხედვით, სადაც 1 არის გალაქტიკათა პერიფერიული ჯგუფი, Re=0,97; 2 - გალაქტიკათა ადგილობრივი ჯგუფი, Re=0,86; W არის გალაქტიკის მანძილი, kpc; r - გალაქტიკის რანგის ნომერი. სულ 40 ობიექტია. ა) გრაფიკი W(r), Re=0.97; ბ) გრაფიკი ln W= f(ln r), Re=0.86

ბრინჯი. 4. მზის სისტემის პლანეტების PP მასები (დედამიწის მასებში), სადაც ჯგუფი 1 - გიგანტური პლანეტები (იუპიტერი, სატურნი, ურანი, ნეპტუნი); 2 - ხმელეთის პლანეტები; W არის პლანეტის მასა, M; r - პლანეტის რანგის ნომერი. სულ 8 ობიექტია; ა) გრაფიკი W(r), Re= 0.99; ბ) გრაფიკი ln W= f(ln r), 1-ისთვის - (გიგანტური პლანეტები) Re = 0,86, 2-ისთვის ასევე - Re = 0,86

როგორც ასტრონომიის კურსიდან მოგეხსენებათ, ჩვენს პლანეტურ სისტემას აქვს 2 ქვესისტემა: გიგანტური პლანეტები და ხმელეთის პლანეტები. ნახ. 4, a, b გვიჩვენებს მზის სისტემის პლანეტების გეომეტრიულ განაწილებას მასის მიხედვით. გაითვალისწინეთ, რომ უშუალოდ ჰიპერბოლურ RR-ებზე კრუნჩხვები შეიძლება მკაფიოდ არ იყოს ხილული და შეუძლებელია მათზე ქვესისტემების იდენტიფიცირება (ნახ. 4, ა), ამიტომ აუცილებელია RR-ების აგება ორმაგი ლოგარითმული მასშტაბით, რომელზედაც მკაფიოდ არის მიდრეკილება. გამოხატული (ნახ. 4, ბ).

საცნობარო წიგნების გამოყენება ფიზიკური რაოდენობითდა ინტერნეტ რესურსი, აშენდა სხვა ასტროცენოზების გეოლოგიური კვლევა, რაც ადასტურებს ზემოაღნიშნულს. დაახლოება განხორციელდა QtiPlot პროგრამის გამოყენებით.

ამრიგად:

RA მეთოდი ცენოზის სისტემებისთვის განიხილება და აღწერილია ეტაპობრივად ტექნოცენოზების ანალოგიით;

დადგენილია ასტროცენოზებზე RA-ს გამოყენების სპეციფიკა;

ასტროფიზიკური სისტემების-ცენოზების შესასწავლად RA გამოყენების შესაძლებლობა განისაზღვრა შემდეგ გეგმებში:

ქვესისტემების იდენტიფიცირება კოსმოსურ სისტემებში-ცენოზებში; მეთოდი შედგება ორმაგი ლოგარითმული მასშტაბით წრფივი გეოლოგიური საძიებო დიაგრამების ნაკვთების დაფიქსირებასა და შესწავლაში;

ასტროფიზიკური სისტემები-ცენოზების სისრულის პროგნოზირება;

გამოტანილი დასკვნების დასადასტურებლად საჭიროა ამ მიმართულებით შემდგომი კვლევა.

ბიბლიოგრაფიული ბმული

უსტინოვა კ.ა., კოზირევი დ.ა., გურინა რ.ვ. რანგის ანალიზი, როგორც კვლევის მეთოდი და მისი გამოყენების შესაძლებლობა ასტროფიზიკურ სისტემებში // საერთაშორისო სტუდენტური სამეცნიერო ბიულეტენი. – 2015. – No3-4.;
URL: http://eduherald.ru/ru/article/view?id=14114 (წვდომის თარიღი: 12/26/2019). თქვენს ყურადღებას ვაქცევთ გამომცემლობა "საბუნებისმეტყველო მეცნიერებათა აკადემიის" მიერ გამოცემულ ჟურნალებს.

ჯორჯ ზიპფმა ემპირიულად აღმოაჩინა, რომ ბუნებრივ ენებში ყველაზე ხშირად გამოყენებული N სიტყვის გამოყენების სიხშირე დაახლოებით უკუპროპორციულია N რიცხვისა. და აღწერა ავტორმა წიგნში: Zipf G.R., ადამიანის ქცევა და მინიმალური ძალისხმევის პრინციპი, 1949 წ.

”მან აღმოაჩინა, რომ ყველაზე გავრცელებული რამ ინგლისური ენასიტყვა ("the") გამოიყენება ათჯერ უფრო ხშირად ვიდრე მეათე ყველაზე გავრცელებული სიტყვა, 100-ჯერ უფრო ხშირად ვიდრე მე-100 ყველაზე გავრცელებული სიტყვა და 1000-ჯერ უფრო ხშირად ვიდრე მეათე ყველაზე გავრცელებული სიტყვა. გარდა ამისა, გაირკვა, რომ იგივე ნიმუში ვრცელდება ბაზრის წილზე პროგრამული უზრუნველყოფა, გამაგრილებელი სასმელები, მანქანები, ტკბილეული და ინტერნეტ საიტებზე წვდომის სიხშირისთვის. [...] ცხადი გახდა, რომ საქმიანობის თითქმის ყველა სფეროში, პირველ ადგილზე ყოფნა ბევრად უკეთესია, ვიდრე მესამე ან მეათე ნომერი. უფრო მეტიც, ჯილდოების განაწილება არავითარ შემთხვევაში არ არის თანაბარი, განსაკუთრებით ჩვენს სამყაროში, რომელიც ჩახლართულია სხვადასხვა ქსელებში. ინტერნეტში კი ფსონები კიდევ უფრო მაღალია. Priceline-ის, eBay-ისა და Amazon-ის საბაზრო კაპიტალი აღწევს 95% ყველა სხვა სფეროს მთლიანი საბაზრო კაპიტალიზაცია ელექტრონული ბიზნესი. ეჭვგარეშეა, გამარჯვებული ბევრს იღებს“.

სეთ გოდინი, იდეის ვირუსი? Ეპიდემია! აიძულეთ კლიენტები იმუშაონ თქვენი გაყიდვებისთვის, სანკტ-პეტერბურგი, „პეტერი“, 2005, გვ. 28.

„ამ ფენომენის მნიშვნელობა ის არის […] შემოქმედებითი მონაწილეების უნარი დასრულებულ ნამუშევრებში შესვლის შესაძლებლობა ნაწილდება მონაწილეებს შორის კანონის შესაბამისად: მოვლენის რაოდენობის პროდუქტი მონაწილის რანგით (მონაწილეების რაოდენობის მიხედვით იგივე სიხშირით) არის მუდმივი მნიშვნელობა. : f r = კონსტ. […] ყველა შემოქმედებითი მონაწილის რეიტინგის სიაში, ქ ამ შემთხვევაშისიტყვებით, სწორედ მიგრაციის უნარის არათანაბარი განაწილების თვისება ვლინდება და მასთან ერთად ზოგადად შემოქმედებით საქმიანობაში რაოდენობასა და ხარისხს შორის კავშირის ნიმუში. […]

ლიტერატურული წყაროების გარდა, Zipf-მა გამოიკვლია მრავალი სხვა ფენომენი, რომლებიც საეჭვო იყო წოდებების განაწილებასთან დაკავშირებით - დაწყებული მოსახლეობის ქალაქებში განაწილებიდან დაწყებული დურგლის სამუშაო მაგიდაზე ხელსაწყოების მოწყობამდე, წიგნები მეცნიერის მაგიდაზე და თაროზე, სადაც ყველგან გვხვდება იგივე ნიმუში.

მიუხედავად იმისა Zipfმჭიდრო განაწილება გამოვლინდა პარეტოსაბანკო დეპოზიტების შესწავლაში, ურქუჰარტი ლიტერატურის მოთხოვნის ანალიზში, უჯრამეცნიერთა ავტორის პროდუქტიულობის ანალიზში. ოლიმპოს ღმერთებიც კი, უნარების გამომუშავების და უნარის შენარჩუნების ფუნქციებით დატვირთვის თვალსაზრისით, ზიპფის კანონის მიხედვით იქცევიან.

ძალისხმევით ფასიდა მისი კოლეგები და მოგვიანებით მრავალი მეცნიერის ძალისხმევით გაირკვა, რომ კანონი Zipfპირდაპირ გავლენას ახდენს ფასებზე მეცნიერებაში.

ფასიამასთან დაკავშირებით ის წერს: ”ყველა მონაცემი, რომელიც დაკავშირებულია ისეთი მახასიათებლების განაწილებასთან, როგორიცაა სრულყოფილების ხარისხი, სასარგებლოობა, პროდუქტიულობა, ზომა, ექვემდებარება რამდენიმე მოულოდნელ, მაგრამ მარტივ შაბლონს. [...] არის თუ არა ამ განაწილების ზუსტი ფორმა ლოგინომორალური თუ გეომეტრიული ან ინვერსიული კვადრატი ან ექვემდებარება კანონს Zipf, არის დაზუსტების საგანი თითოეული ცალკეული ინდუსტრიისთვის. რაც ჩვენ ვიცით არის ის ფაქტი, რომ ნებისმიერი ამ განაწილების კანონი იძლევა შედეგებს ემპირიულთან ახლოს თითოეულ შესწავლილ ინდუსტრიაში და რომ ასეთი ფენომენი, რომელიც საერთოა ყველა ინდუსტრიისთვის, აშკარად ერთი კანონის მოქმედების შედეგია. ფასი დ., რეგულარული ნიმუშები მეცნიერების ორგანიზაციაში, Organon, 1965, No2., გვ. 246».

პეტროვი მ.კ. , ხელოვნება და მეცნიერება. ეგეოსის ზღვის მეკობრეები და პიროვნება, მ., „რუსული პოლიტიკური ენციკლოპედია, 1995, გვ. 153-154 წწ.

გარდა ამისა, ჯორჯ ზიფფიასევე დაადგინა, რომ ენის ყველაზე ხშირად გამოყენებული სიტყვები, რომლებიც დიდი ხანია არსებობს, უფრო მოკლეა, ვიდრე სხვები. ხშირმა გამოყენებამ გააფუჭა ისინი...