چارچوب رسمی برای سیستم‌های مدل‌سازی محیطی یکپارچه

خلاصه

مدلسازی محیطی یکپارچه (IEM) برای مطالعات و کاربردهای زیست محیطی اهمیت بیشتری پیدا کرده است. سیستم های IEM نیز از مطالعات علمی به موقعیت های کاربردی عملی بسیار گسترده تر گسترش یافته اند. بنابراین کیفیت و بهره وری بهبود یافته سیستم های IEM به طور فزاینده ای حیاتی شده است. اگرچه بسیاری از فناوری‌های پیشرفته و خلاقانه برای بهبود کیفیت سیستم‌های IEM به کار گرفته شده‌اند، به ندرت روش رسمی برای ارزیابی و بهبود آنها وجود دارد. این مقاله به پیشنهاد یک روش رسمی برای بهبود کیفیت و توسعه کارایی سیستم‌های IEM اختصاص دارد. دو مشارکت اولیه انجام می شود. در ابتدا، یک چارچوب رسمی برای IEM پیشنهاد شده است. این چارچوب نه تنها ویژگی های ایستا و پویا IEM را منعکس می کند، بلکه نماهای مختلف از نقش های مختلف را در طول چرخه حیات IEM نیز پوشش می دهد. ثانیاً، معناشناسی عملیاتی رسمی مربوط به مدل قبلی IEM با جزئیات مشتق شده است. می توان از آن به عنوان مبنایی برای کمک به مدل سازی یکپارچه خودکار و تأیید مدل یکپارچه استفاده کرد.

کلید واژه ها:

مدلسازی محیط یکپارچه (IEM) ; روش رسمی ؛ معناشناسی عملیاتی ; دیدگاه یکپارچه ؛ ماشین حالت محدود (FSM)

1. معرفی

در طول 30 سال گذشته، مدل‌سازی محیط یکپارچه (IEM) برای مطالعات زیست‌محیطی اهمیت بیشتری پیدا کرده است، زیرا توانایی ارائه دیدگاه‌ها و راه‌حل‌های کل‌نگر برای علم محیط‌زیست همراه با اکولوژی، اقتصاد و فعالیت‌های اجتماعی را فراهم می‌کند [1، 2 ، 3 ] . ، 4 ]. بسیاری از سیستم‌های IEM با کمک علوم و فن‌آوری‌های کامپیوتری پیشرفته برای ارائه پشتیبانی فنی برای IEM توسعه یافته‌اند.

سیستم های IEM از زمان ظهور IEM تقریباً سه مرحله را پشت سر گذاشته اند. اولین سیستم‌های IEM، و حتی بسیاری از سیستم‌های جدید، کاملاً طبق طبقه‌بندی پیشنهادی Voinov و Shugart [ 5] یکپارچه شده‌اند.]. در چنین سیستمی، مدل‌ها، داده‌ها و الگوریتم‌های تحلیل به شدت با هم جفت می‌شوند. اگرچه بیشتر این سیستم‌ها مؤثر و کارآمد هستند، اما برای استفاده مجدد برای تحقیقات مشابه، مدل‌سازی و تجزیه و تحلیل آن‌ها بسیار محکم هستند، که توانایی ما را برای توسعه کارآمد پارادایم‌های تحقیقی جدید کاهش می‌دهد. بنابراین، مرحله دوم بر پذیرش فناوری های مدولار در توسعه سیستم متمرکز شد. مدل‌های نرم‌افزاری مدولار شده و الگوریتم‌های آنالیز توسعه یافته‌اند، که اجازه می‌دهد تا سیستم‌های کوپل شده‌تر را ایجاد کنند. هنگامی که مطالعات یا برنامه های کاربردی جدید مواجه می شوند، این ماژول ها را می توان از سیستم های اصلی انتزاع کرد و با هم در یک سیستم جدید با حداقل تطبیق ادغام کرد. بنابراین، مدل‌ها و الگوریتم‌ها قابلیت استفاده مجدد بیشتری دارند و راندمان توسعه و همچنین کیفیت سیستم جدید ارتقا می‌یابد.

در 10-15 سال گذشته، با نیاز مبرم به توسعه پایدار زیست محیطی، سیستم IEM مبنایی برای استفاده های کاربردی و همچنین تحقیقات شده است [ 6]]. این امر مستلزم آن است که سیستم IEM به طور کارآمدتر با کیفیت بسیار بهتر توسعه یابد. از این رو، سیستم های IEM به مرحله سوم تکامل یافتند. فن آوری های پیشرفته برای توسعه نرم افزار برای پشتیبانی از این الزامات در این مرحله به کار گرفته شده است. مدل‌ها و الگوریتم‌ها به‌عنوان مؤلفه‌های نرم‌افزار مستقل و مستقل توسعه می‌یابند که در یک کتابخانه مدل یا الگوریتم مدیریت می‌شوند. هر جزء یک یا چند رابط ارائه می دهد که از طریق آن مدل ها و الگوریتم های مختلف برای شبیه سازی پدیده ها یا فرآیندهای پیچیده با هم تنیده می شوند. در این مرحله اجزای مدل ها و الگوریتم ها به طور مستقل توسعه می یابند. دستیابی به قابلیت استفاده مجدد بالا، اتصال شل و ساختار قابل گسترش سیستم های IEM هدف اصلی است. در عین حال، برای ایجاد یکپارچگی آسان تر، کارآمدتر و صحیح تر، برخی از ابزارهای پشتیبانی به طور ویژه توسعه یافته اند. این ابزارها با کمک به ساخت اجزای مدولار به IEM کمک می کنند و ممکن است کتابخانه ها یا چارچوب هایی مانند MMS [7 ، OpenMI [ 8 ]، OMS3 [ 9 ، 10 ]، ESMF [ 11 ]، IWRMS [ 12 ]، GMS/WMS/SMS BASINS [ 13 ]، CSDMS [ 14 ] و SEAMLESS [ 15 ]. این ابزارها تمام تلاش خود را می‌کنند تا یکپارچه‌سازها را از تکنیک‌های پیچیده توسعه نرم‌افزار رهایی بخشند و به آن‌ها اجازه می‌دهند بر تعامل و اتصال مدل تمرکز کنند و روابط اشیاء فیزیکی مربوطه را در دنیای واقعی منعکس کنند.

سیستم IEM به طور مستمر و سریع بسیاری از جدیدترین و پیشرفته ترین مدل ها، معماری ها و تکنیک های محاسباتی را به کار گرفته است. اخیراً، سیستم چند عاملی (MAS) [ 16 ، 17 ]، محاسبات شبکه ای [ 18 ، 19 ]، معماری سرویس گرا (SOA) [ 20 ، 21 ] و محاسبات ابری [ 10 ، 22 ] نیز درگیر شده اند. این تکنیک های جدید باعث می شود مدل ها کمتر به یکدیگر وابسته شوند. همچنین امکان ادغام بسیاری از مدل‌ها بدون توجه به مکانی که در آن مستقر شده‌اند، وجود دارد.

با این وجود، رشد تعداد مدل ها در یک سیستم نیز پیچیدگی آن را افزایش می دهد. مدل های بیشتر منجر به تعامل بیشتر می شود. علاوه بر جریان داده، جریان کنترلی نیز وجود دارد که برای هموارسازی شکاف‌ها در میان معنایی و پیاده‌سازی مدل‌ها عمل می‌کند. بنابراین، مدل یکپارچه توسعه سیستم IEM دارای ساختار پیچیده و حتی پویا است، که نشان می‌دهد که مدل‌ها و جریان داده‌ها ممکن است خود به عنوان متغیر در طول شبیه‌سازی عمل کنند. در نتیجه، توصیف دقیق ساختار مدل یکپارچه دشوار می شود.

با این حال، توصیف صحیح ساختار مدل به منظور کاهش ابهام و اطمینان از اجرای روان مدل با ساختار پویا آن بسیار مهم است. ما متذکر شدیم که روش‌های رسمی توسعه سیستم‌های کامپیوتری از تکنیک‌های مبتنی بر ریاضی برای توصیف ویژگی‌های سیستم استفاده می‌کنند و می‌توانند چارچوب‌هایی را برای مشخص کردن، توسعه و تأیید سیستم‌ها به شیوه‌ای سیستماتیک فراهم کنند [23 ] . بنابراین، تحقیق در مورد تعریف روش‌های توسعه رسمی ممکن است به IEM نیز کمک کند. ما در این مقاله بر استفاده از روش‌های رسمی برای غنی‌سازی سیستم IEM تمرکز می‌کنیم.

اگرچه تحقیقات مستقیم کمی در مورد توصیفات رسمی برای توسعه IEMها وجود دارد، مطالعات زیادی وجود دارد که کار ما را روشن می کند. Argent [ 24 ] یک نمای کلی از IEM ارائه کرد که نیازمندی ها، مدل سازی، ادغام، توسعه، چارچوب ها، عمل و برنامه ها را پوشش می داد. لانیاک و همکاران [ 6 ] چشم انداز IEM را شامل چهار عنصر مستقل – برنامه های کاربردی، علم، فناوری و جامعه- خلاصه کرد و نقشه راه آن را پیشنهاد کرد که با هر عنصر مطابقت داشت. علاوه بر این، آرجنت و همکاران. [ 25 ] همچنین یک چارچوب ارزیابی ارائه کرد که شامل سهولت مفهومی، سهولت توسعه، پشتیبانی از توسعه مدل، و ویژگی‌های زمان اجرا و غیره است. Voinov و همکاران. [ 6 ، 26] بر نقش داده ها در IEM تاکید کرد و پیشنهاد کرد که این داده ها هستند که مدل های مختلف را به یکدیگر پیوند می دهند و مهمتر از همه، IEM را از ترکیب نرم افزار خالص متمایز می کند. Rizzoli [ 27 ] بر معناشناسی مدل‌های پیوند رابط مدل به آرامی تمرکز کرد، در حالی که اشمیتز و همکاران. [ 28 ] به تفصیل بر همکاری بین مدل‌ها با مقیاس‌های زمانی مختلف متمرکز شد. کرگت و همکاران [ 29 ] بر نقش مدل‌سازان تأکید کرد و چارچوبی را ارائه کرد که از طریق آن مدل‌سازان محیطی می‌توانند برنامه‌های تحقیقاتی تلفیقی موفق‌تری را هدایت کنند. لوید و همکاران [ 30] از روش‌های مهندسی نرم‌افزار برای نشان دادن این موضوع استفاده کرد که مدل‌هایی با تهاجمی چارچوب پایین‌تر، کوچک‌تر، پیچیده‌تر و جفت کمتری دارند. شیوه‌های خودمان در مدل‌سازی یکپارچه [ 31 ، 32 ] همچنین پیشنهاد می‌کند که باید فناوری‌هایی برای توصیف دقیق‌تر ادغام وجود داشته باشد.

هدف این مقاله با الهام از این مطالعات مهم، ایجاد یک چارچوب رسمی برای بهبود کارایی توسعه مدل یکپارچه و سیستم‌های IEM است. اگرچه روش‌های رسمی زیادی برای مقابله با ترکیب اجزا، خدمات و عوامل طراحی شده‌اند [ 33 ، 34 ]، روش‌های رسمی کمی برای توصیف پویایی ساختار مدل‌های یکپارچه در سطح کاربرد وجود دارد. بنابراین، این مقاله معنای‌شناسی کنش‌گرا را پیشنهاد می‌کند که با آن ویژگی‌های ایستا و پویا مدل‌ها، به‌جای مولفه‌های نرم‌افزار، سرویس‌ها و عوامل مربوط به مدل، تعریف می‌شوند.

دو دیدگاه اصلی IEM، متفاوت اما مرتبط، برای ارضای اهداف مختلف پیشنهاد شده است. معناشناسی مبتنی بر نمودار برای تامین معنای بصری برای یکپارچه سازی، از دیدگاه ادغام کننده ها، و کنترل زمان اجرا، از دیدگاه سیستم IEM استفاده می شود. تعامل بین مدل‌ها توسط یک چند دیگراف شهودی با پورت‌ها نشان داده می‌شود که در آن جریان داده با لبه، مدل‌ها با بردارها و متغیرها با پورت‌ها نشان داده می‌شود.

برای سهولت مفهومی استفاده مجدد، نمای یکپارچه دیگری از مدل، بر اساس مجموعه ای از جبر یکپارچه، تعریف شده است. استفاده مجدد یکی از عوامل مهم IEMها است: مدل های یکپارچه و همچنین دانش مرتبط باید به راحتی مورد استفاده مجدد قرار گیرند زیرا این هدف یکپارچه سازی است. برای ساده کردن استفاده مجدد از مدل یکپارچه، این مقاله یک جبر یکپارچه مبتنی بر FSM سلسله مراتبی (HFSM) را برای مدل‌سازی جریان کنترل IEM پیشنهاد می‌کند، به طوری که یک دیدگاه یکپارچه از هر دو مدل ساده و مدل یکپارچه در چارچوب معنایی ما به دست می‌آید.

مطالعاتی برای مقابله با تحلیل رسمی ساختار سلسله مراتبی، مانند تجزیه و تحلیل MAS با شبکه Petri-net سلسله مراتبی [ 35 ] و بررسی مدل یک FSM سلسله مراتبی [ 36 ] انجام شده است. این بدان معناست که پیچیدگی ناشی از دیدگاه یکپارچه مدل مقرون به صرفه است. برخی از مطالعات مشابه برای چندین دهه انجام شده است. در ناحیه DSP (پردازش سیگنال دیجیتال)، جریان داده (DF) با HFSM ترکیب می شود تا کیفیت (مانند زمانبندی استاتیک) سیستم را بهبود بخشد [ 37 ]. در برخی از سیستم‌های گردش کار علمی (مانند کپلر) و چارچوب‌های شبیه‌سازی (به عنوان مثال، بطلمیوس، که هسته کپلر است)، مدل‌ها و جریان داده در میان مدل‌ها نیز با بازیگران ترکیبی تفویض می‌شوند [38 ] .

متمایز از این روش‌های از پیش موجود، سهم اصلی این مقاله تأکید بر پویایی ساختار مدل و قابلیت استفاده مجدد از مدل یکپارچه است. اولی منجر به مدل مقیاس پذیرتر می شود، در حالی که دومی منجر به نمایش یکپارچه مدل می شود و مدل را از سایر فرآیندها (مانند ورودی و خروجی در بطلمیوس) نیز جدا می کند.

در بخش‌های بعدی، یک مورد استفاده به عنوان مثالی از IEM برای توضیح مشکلاتی که مدل‌سازان در عمل IEM با آن مواجه می‌شوند، ارائه می‌شود. دیدگاه یکپارچه IEM پیشنهاد شده است و معناشناسی عملیاتی مربوط به ادغام با دقت ساخته شده است. سپس دیدگاه چند بعدی ارائه شده و یکنواختی آن با دیدگاه واحد نیز مورد بحث قرار می گیرد. در پایان مقاله، چند نتیجه گیری از تحقیق ما ارائه شده است.

2. مورد استفاده به عنوان نمونه ای از IEM

در این بخش، یک مورد استفاده را به عنوان مثال IEM ارائه می دهیم. در آخرین تحقیقات، با استفاده از OMS3، Peña-Haro و همکاران. [ 31 ] و ژانگ و همکاران. [ 32 ] WOFOST، یک مدل رشد و تولید محصول، با HYDRUS-1D، یک مدل جریان غیراشباع، و MODFLOW، یک مدل جریان اشباع، برای شبیه‌سازی تعامل بین رشد محصول و فرآیندهای جریان غیراشباع-اشباع. در ادغام، دامنه MODFLOW با توجه به شباهت‌های محصولات، خواص خاک و عمق آب زیرزمینی به چندین منطقه تقسیم می‌شود. تنها یک پروفایل WOFOST/HYDRUS-1D به هر یک از این مناطق اختصاص داده شده است که در شکل 1 نشان داده شده است .

در این مدل یکپارچه، WOFOST HYDRUS را با شاخص سطح برگ (LAI)، عمق ریشه (RD) و ارتفاع محصول (CH) ارائه می‌کند، در حالی که HYDRUS فاکتور تنش آبی (نسبت تعرق واقعی (vRoot) و WOFOST را ارائه می‌کند. تعرق بالقوه (rRoot)). در همین حال، HYDRUS MODFLOW را با شارهای شارژ (vBot یا شارژ مجدد) در سطح آب فراهم می کند، در حالی که MODFLOW HYDRUS را با مقدار فشار (Hb یا H) که به عنوان شرایط مرزی پایین در HYDRUS-1D استفاده می شود، ارائه می دهد. مراحل زمانی سه مدل همه با یک روز پذیرفته می شوند. به این معنا که سه مدل به ترتیب تکامل یک روزه رشد محصول، جریان غیراشباع و جریان آب زیرزمینی را شبیه‌سازی می‌کنند. این رابطه را می توان همانطور که در شکل 2 نشان داده شده است نشان داد .

در عمل با مشکلات متعددی مواجه شدیم. اولین مشکل این است که WOFOST یک دوره فعال متفاوت از HYDRUS1-D و MODFLOW دارد. وقتی محصولی وجود ندارد (قبل از کاشت و بعد از بلوغ در شکل 2).، WOFOST غیرفعال می شود و جریان داده ورودی HYDRUS-1D ناپدید می شود. آیا باید فقط Hydrus-1D و MODFLOW یا WOFOST، HYDRUS-1D و MODFLOW را با هم ادغام کنیم؟ اگر مورد اول را بپذیریم، WOFOST باید در دوره “بعد از کاشت” ادغام شود، که منجر به تلاش بیشتر برای ادغام جدید می شود. علاوه بر این، مدل یکپارچه در کل شبیه‌سازی سازگار نیست. اگر روش بعدی را اتخاذ کنیم، چگونه با شبیه سازی بدون محصول برخورد کنیم؟ در مطالعه قبلی، ما مجبور بودیم کدهای اضافی را برای بررسی وضعیت کاشت و رشد محصول اضافه کنیم و تصمیم بگیریم که آیا WOFOST باید فعال شود یا خیر. در عین حال، هم ساختار و هم جریان داده مدل در طول شبیه سازی متغیر هستند، که استفاده مجدد از مدل یکپارچه را دشوار می کند.

دومین مشکل این است که استفاده مجدد از مدل یکپارچه مفهومی در طول نمونه سازی دشوار است. برای طرحواره های گسسته فضایی مختلف (مانند طرحواره 1 با 2 ناحیه و طرحواره 2 با 5 ناحیه، نشان داده شده در شکل 1 )، نمونه های مدل مختلف و جریان داده های متفاوتی وجود دارد، به طوری که بسیاری از کدهای یکپارچه برای طرحواره های مختلف باید تکرار شوند. مشکلات دیگری در زمینه‌های مختلف مانند نحوه ادغام مدل‌ها با ابعاد مختلف فضایی یا مراحل زمانی متفاوت با آن مواجه می‌شوند.

3. نمای یکپارچه مدل

ابزار پشتیبانی IEM و محیط زمان اجرا باید با دیدگاه های مختلف کاربران مختلف سازگار باشد. فرم یکپارچه مدل توسط پلتفرم در اختیار کاربر نهایی قرار می گیرد تا استفاده از مدل آسانتر شود. ویژگی های ثابت هر مدل (پارامترها، متغیرهای ورودی و متغیرهای خروجی درگیر در کل شبیه سازی) برای کاربران قابل مشاهده است. با این حال، تمام مدل‌های فرعی (یعنی بلوک‌های مورد استفاده برای ساخت مدل پیچیده) مدل یکپارچه توسط محیط زمان اجرا مدیریت می‌شوند، از جمله انتقال داده، زمان‌بندی مدل‌ها و کنترل فرآیند، که برای کاربر نهایی شفاف است. در طول شبیه سازی، پارامترهای مدل یکپارچه، متغیرهای ورودی و متغیرهای خروجی ممکن است در مراحل زمانی مختلف متفاوت باشند. به عنوان مثال، در مدل یکپارچه WOFOST، HYDRUS و MODFLOW فوق، هنگامی که مدل در مراحل “قبل از کاشت” و “پس از بلوغ” است، پارامترها، متغیرهای ورودی و متغیرهای خروجی مورد نیاز نیستند. بنابراین، جریان داده مربوط به مدل نیز تغییر می کند. تغییرات مدل، ویژگی های دینامیکی آن، باید به دقت نمایش داده شوند تا محیط زمان اجرا بتواند آنها را شناسایی و مدیریت کند. اگرچه FSM، Petri-Nets، و مکانیسم های دیگر [35 ، 36 ، 37 ] همه می توانند ویژگی های پویا را مدل کنند، به دلیل سادگی و کارایی در مدیریت جریان داده [ 37 ]، ما FSM را برای نمایش ویژگی های پویا در چارچوب خود انتخاب کردیم.

در بخش بعدی، یک چارچوب رسمی برای حمایت از این مکانیسم ها به تفصیل مورد بحث قرار می گیرد.

3.1. تعریف رسمی مدل

در چارچوب ما، یک نمای یکپارچه همه مدل‌ها را، بدون توجه به اینکه پایه یا یکپارچه هستند، نشان می‌دهد. در اینجا مدل پایه دلالت بر این دارد که مدل از مدل های دیگر ادغام نشده است. مدل به طور رسمی و انتزاعی با یک 5 تایی تعریف شده است که بر اساس مفهوم بازیگر است.

M: =

در این چارچوب، P ، I و O به ترتیب سه تاپلی از پارامترها، متغیرهای ورودی و متغیرهای خروجی هستند. آنها رابط های مدل هستند که برای تعامل با محیط خارجی استفاده می شوند. چارچوب آنها را به طور مشابه به شرح زیر تعریف می کند:

P = Ø یا P = { p ₁ , p ₂ , …}

I = Ø یا I = { i ₁ , i ₂ , …}

O = Ø یا O = { o ₁ , o ₂ , …}

F چند گانه توابع مدل است که به صورت تعریف شده است

F = { f ₁ , f ₂ , …}.

چارچوب وضعیت مدل را به صورت تعریف می کند

S: =

که در آن f _e ∈ F ، و

f _e : P _e × I _e → O _e

یا

( o _e₁ , o _e₂ , …, o _en` ) = f _e ( p _e₁ , p _e₂_, …, p _el`_,_ie ₁ , i _e₂ , …, i _em`₎

که در آن P _e ∈ P , I _e ∈ I , O _e ∈ O , en `, el `, em `∈ N و el` , em` ≥ 0. P _e , I _e , O _e و f _e هستند مجموعه پارامترهای مؤثر، مجموعه متغیرهای ورودی مؤثر، مجموعه متغیرهای خروجی مؤثر و تابع مؤثر در حالت خاص به ترتیب.

هنگامی که مدل تحت یک وضعیت خاص قرار دارد (مانند قبل از کاشت در مثال)، دارای همان مجموعه پارامترهای مؤثر، مجموعه متغیرهای ورودی مؤثر، مجموعه متغیرهای خروجی مؤثر و مجموعه عملکرد مؤثر خواهد بود. هنگامی که ورودی های جدید می آیند و همه آنها محدودیت ها را برآورده می کنند، مدل شلیک می شود. هنگامی که P _e , I _e , O _e یا f _e تغییر می کند (مانند قبل از کاشت تا بعد از کاشت)، مدل به حالت جدیدی تغییر می کند که می تواند توسط ماشین حالت محدود (FSM) نمایش داده شود.

A یک FSM از مدل است که به صورت تعریف شده است

A: = < S , s ₀ , T >,

که در آن S مجموعه متناهی از حالات مدل است. T: S → S تابع انتقال حالت است، به این معنی که، در حالی که پارامتر P _e و متغیر ورودی I _e ارزش گذاری می شوند، مدل به حالت جدیدی منتقل می شود، منطبق با P _e و I _e ، و f _e خواهد بود . شلیک می شود در حالی که O _e بدست می آید. در چارچوب، حالت اولیه s ₀ = < Ø, Ø, Ø, f _Ø > به این معنی است که مدل فعال شده است، جایی که s ₀ ∈ Sو f _Ø بیانگر این است که هیچ کاری جز انتظار ورودی جدید وجود ندارد.

در تعریف، P ، I ، O و F برای نشان دادن خواص ساختار استاتیک مدل استفاده می شود. در همان زمان، ویژگی‌های دینامیکی مدل با FSM A توصیف می‌شوند که انتقال ساختار مدل را نشان می‌دهد. ما از بلوک دیاگرام همانطور که در شکل 3 نشان داده شده است برای نشان دادن مدل استفاده می کنیم. در شکل، مدل m = , P = { p ₁ , p ₂ }, I= { i ₁ , i ₂ , i ₃ }, O = { o ₁ , o ₂ }, F = { f ₁ , f ₂ }, A = < S , s ₀ , T >, S = { s ₀ , s ₁ , s ₂ } و T = {( s ₀ , s ₁ ), ( s ₀ , s₂ )، ( s ₁ , s ₁ ), ( s ₂ , s ₂ ), ( s ₁ , s ₂ ), ( s ₂ , s ₁ )}. علاوه بر این، s ₁ = , s ₂ = , P _e₁ = P _e₂ = { p ₁ , p ₂ }, I _e₁ = { i ₁ , i ₂ }, I _e₂ = {i ₁ , i ₃ }, O _e₁ = { o ₁ } و O _e₂ = { o ₂ }. انتقال در شکل نشان داده شده است.

یک مدل پایه در شکل 4 نشان داده شده است ، که در آن m = , F = { f }, A = < S , s ₀ , T >, S = { s ₀ , s ₁ } و T = { ( s ₀ , s ₁ ), ( s ₁ , s ₁ )}. علاوه بر این، s ₁= P _e = P , I _e = I , و O _e = O .

3.2. جبر برای یکپارچه سازی مدل ها

برای به دست آوردن دیدگاه یکپارچه از مدل در مدلسازی یکپارچه، جبر را مانند آنچه در آثار حمادی و بنطالله [ 33 ] برای مدلسازی جریان کنترل IM ارائه می کنیم، که امکان ایجاد مدل های جدید را با استفاده از مدل های موجود به عنوان بلوک های سازنده فراهم می کند. با این جبر، مدل جدید نیز تعریف یکپارچه مدل را برآورده می کند.

ما در زیر نحو و معنای غیررسمی عملگرهای جبر مدل را شرح می دهیم. ساختارها به گونه ای انتخاب می شوند که امکان ادغام مدل های رایج و پیشرفته را فراهم کنند. مجموعه مدل ها را می توان با گرامر زیر در نماد BNF تعریف کرد:

M :: = ɛ | X | M → M | M ← M | M ◊ M | M ↑ M | μM

ɛ یک مدل خالی را نشان می دهد، یعنی مدلی که هیچ عملیاتی را انجام نمی دهد.

X یک ثابت مدل را نشان می دهد که به عنوان یک مدل پایه در این زمینه استفاده می شود.

M ₁ → M ₂ نشان دهنده یک مدل یکپارچه است که مدل M ₁ را به دنبال مدل M ₂ انجام می دهد ، یعنی → عملگر دنباله است .

M ₁ ← M ₂ نشان دهنده یک مدل یکپارچه است که در آن مرحله بعدی مدل M ₁ باید پس از مرحله فعلی مدل M ₂ انجام شود ، یعنی ← عملگر بازخورد است .

M ₁ ◊ M ₂ نشان دهنده یک مدل یکپارچه است که به عنوان مدل M ₁ یا مدل M ₂ رفتار می کند . هنگامی که یکی از آنها اولین عملیات خود را اجرا می کند، مدل دوم کنار گذاشته می شود. بنابراین، ◊ عملگر انتخاب است .

M ₁ ↑ M ₂ مدلی را نشان می دهد که در آن M ₁ و M ₂ می توانند به طور همزمان اجرا شوند. هیچ تعاملی بین M ₁ و M ₂ وجود ندارد ، به عنوان مثال، ↑ یک عملگر موازی را نشان می دهد .

μM مدلی را نشان می دهد که مدل M را چند بار انجام می دهد، یعنی μ یک عملگر تکراری را نشان می دهد.

4. معناشناسی عملیاتی رسمی مدلسازی یکپارچه

در این چارچوب، معناشناسی عملیاتی رسمی برای نمایش و پیاده‌سازی ماشین‌حساب‌های جبر برای ادغام ارائه می‌شود.

4.1. رابط

مدل ها از طریق جریان داده در بین آنها با یکدیگر تعامل دارند. با این حال، از آنجایی که ممکن است مدل‌ها در سناریوهای مختلف برای اهداف مختلف توسط توسعه‌دهندگان مختلف توسعه داده شوند، ممکن است شکاف‌های بالقوه‌ای بین مدل‌ها وجود داشته باشد که مانع از اتصال هموار آنها شود. موانع عمدتاً شامل ابعاد مختلف، مقیاس‌های مختلف و حتی معنایی متفاوت بین متغیرهایی است که در طول ادغام به هم متصل می‌شوند.

چارچوب، رابط را برای «چسباندن» مدل‌ها به هم تعریف می‌کند تا شکاف را پر کند. کانکتور یک واحد محاسباتی ساده و تک عملکردی است. داده های متغیر خروجی مدل توسط کانکتور جمع آوری می شود. یک داده جدید با آن داده های ورودی محاسبه می شود و به متغیر ورودی یک مدل دیگر یا به خود مدل خروجی ارسال می شود.

هر کانکتور را می توان به صورت 5 تایی، مشابه مدل اصلی نشان داد:

ج: = .

در مقایسه با تعریف مدل پایه، تنها تفاوت این است که O = { o }، یعنی کانکتور همیشه فقط یک متغیر خروجی دارد. برای تمایز از مدل، از جعبه با مثلث برای نشان دادن رابط در بلوک دیاگرام استفاده می کنیم، همانطور که در شکل 5 مشاهده می شود . مقدار متغیر خروجی مدل اول گاهی اوقات می تواند مستقیماً به متغیر ورودی مدل دوم منتقل شود. ممکن است اتصال دهنده ساده تر باشد، به عنوان مثال، P = Ø، I = { i }، و f o = f ( i ) = i است .

4.2. معناشناسی برای عملگر جبری

4.2.1. مدل خالی

به دلایل فنی و نظری، مدلی که هیچ عملیاتی انجام نمی دهد به عنوان یک مدل خالی ɛ تعریف می شود .

ɛ =

که در آن P = Ø، I = Ø، O = Ø، F = Ø، A = < S ، s ₀ ، T >، S = { s ₀ }، و T = Ø.

4.2.2. موازی

عملگر موازی نشان می دهد که دو یا چند مدل می توانند در یک چرخه موازی باشند. مدل های موازی با توجه به جریان داده به یکدیگر وابسته نیستند. اما اگر یک مدل شکست بخورد، مدل یکپارچه مبتنی بر کنترل نیز شکست خواهد خورد. به عنوان مثال، در طرح 1 شکل 1 ، HYDRUS 1 و HYDRUS 2 باید با عملگر موازی ادغام شوند . دو مدل داده شده است: m ₁ = < P₁ , I₁ , O₁ , F₁ , A ₁ >, m ₂ = < P₂ , I₂, O₂ , F₂ , A ₂ >, A ₁ = < S₁ , s ₁₀ , T ₁ > و A ₂ = < S₂ , s ₂₀ , T ₂ >، بگذارید m = m ₁ ↑ m ₂ و m = .

بنابراین، P = P₁ ∪ P₂ ، I = I₁ ∪ I₂ ، و O = O₁∪ O₂ ، که در آن ∪ نشان می دهد که همه متغیرهای خروجی مدل های مختلف متفاوت هستند. ادغام تابع را می توان با F = F₁ ☉ F₂ نشان داد ، که در آن ☉ دلالت بر F = { f =( f ₁ ↑ f ₂ )| f₁ ∈ F₁ , f ₂ ∈ F₂ } و f = f ₁ ↑ f ₂ به این معنی است که f دقیقا اجرا می شود اگر هر دو f ₁ و f ₂ دقیقا و همزمان اجرا شوند. مطابق با FSM، حالت اولیه مدل s ₀ = < s ₁₀ , s ₂₀ > است که در آن s ₁₀ و s ₂₀ به حالت های اولیه m ₁ و m _{2 اشاره دارد.}به ترتیب، یعنی m ₁ و m ₂ به طور همزمان در حالت اولیه قرار دارند. S = { s ₀ } ∪ ( S₁ \{ s ₁₀ } × S₂ \{ s ₂₀ })، که در آن S \{ s } = ( S − { s }). انتقال T نیز ترکیبی از T ₁ و T ₂ است . ما T = T ₁ × T ₂ – s را تعریف می کنیم₁₀ • − s₂₀ •، که در آن T ₁ × T ₂ = {( s _1 i s _2 l , s _1 j s _2 m )| ( s _1 i , s _1 j ) ∈ T ₁ , ( s _2 l , s _2 m )∈ T ₂ , i , j , l , m ≥ 0}, s₁₀ • = {(s ₁₀s _2 l , s _1 j s _2 m )∈ T ₁ × T ₂ |, j > 0, l , m ≥ 0} و s₂₀ • = {( s _1 i s ₂₀ , s _1 j s _2 m )∈ T ₁ × T ₂ |، I > 0، l ، m ≥ 0}. اگر s _i = ( s_{1 j, s 2 k} , P _ei = P _e_1 j ∪ P _e_2 k , I _ei = I _e_1 j ∪ I _e_2 k , O _ei = O _e_1 j ∪ O _e_2 k , i ≠ 0 و f _e = ( f _e₁↑f _e₂ ) که به معنی f است_e₁ و f _e₂ به طور همزمان انجام می شوند. عملیات موازی در شکل 6 نشان داده شده است .

بدیهی است که می توانیم m = m ₁ ↑ m ₂ = m ₂ ↑ m ₁ و m = m ₁ ↑ m ₂ ↑ m ₃ = ( m ₁ ↑ m ₂ )↑ m ₃ = m ₁ ↑ ( m ₂ ↑ m ₃ ).

4.2.3. توالی

عملگر توالی آشناترین عملیات در طول ادغام است. این نشان می دهد که m _{1 باید قبل از اینکه}m ₂ در همان چرخه فعال شود، عمل خود را تمام کرده باشد ، که عموماً توسط جریان داده ایجاد می شود. اگر داده های یک یا چند متغیر ورودی m ₂ از متغیرهای خروجی m _{1 باشد، آنگاه یک دنباله}m ₁ → m ₂ وجود دارد . معمولاً یک یا چند رابط بین m ₁ و m ₂ وجود دارد . ما آن را m ₁ → ( c _{1) نشان می دهیم}↑…↑ c _k )→ m ₂ ، که در آن c ₁ ،…، و c _k موازی هستند.

فرض کنید دو مدل m ₁ = < P₁ , I₁ , O₁ , F₁ , A ₁ >, m ₂ = < P₂ , I₂ , O₂ , F₂ , A ₂ >, A ₁ = < S وجود دارد ₁ , s ₁₀ , T ₁ > و A ₂ = < S₂ , s₂₀ ، T ₂ >. اگر m = و m = m ₁ → m ₂ = m ₁ →( c ₁ ↑…↑ c _k )→ m ₂ , آنگاه با توجه به عملیات موازی می توانیم c را تعریف کنیم _m = c ₁ ↑…↑ c _k , و c _m = , A _c = < S _c , s _c₀ , T _c >, S _c = { s _c₀ , s _c₁ } و T _c = {< s _c₀ , s _c₁ >, < s _c₁ , s _c₁ >}.

در نتیجه می توانیم P = P₁ ∪ P_c ∪ P₃ , O = O₁∪ O _c ∪ O₃ و I = I₁ ∪ I _c ∪ I₂ − I _c_^1 − I_2^ c ، جایی که من_a^b = { i ∈ I_a| ∃ o ∈ O _ب, m _b .o = m _a .i >} مجموعه ورودی های m _b است که توسط خروجی های m _a اشغال شده است .

ادغام تابع را می توان با F = F₁ × F _c × F₂ و f = ( f ₁ → f _c → f ₂ ) ∈ F نشان داد ، به این معنی که f ₁ ∈ F₁ , f _c ∈ F _c ، و f ₂ ∈ F₂ به ترتیب انجام می شود. طبق FSM، A = A ₁ × A_c × A ₂ و حالت اولیه مدل s ₀ = < s ₁₀ , s _c₀ , s ₂₀ > است که به این معنی است که m ₁ , c و m ₂ به طور همزمان در حالت اولیه هستند. علاوه بر این، S = { s ₀ } ∪ ( S₁ \{ s ₁₀ } × S _c \{ s _c₀ } × S₂ \{ s ₂₀ }). انتقالT همچنین ترکیبی از T ₁ ، Tc و T ₂_است . ما T = T ₁ × T _c × T ₂ – s₁₀ •− s _c₀ •− s₂₀ • را تعریف می کنیم. اگر s _i = ( s _1 j , s _c_l , s _2 k ) ، آنگاه P _ei = P _e_1 j ∪P _ec_l ∪ P _e_2 k , I _ei = I _ej₁ ∪ I _ecl ∪ I _e_2k − I _ecl_^e1j − I _e_2kl^e cl , O _ei = O _e_1 j ∪ O _ec_l∪ O _e_2 k , i ≠ 0, f _e = ( f _e₁ →f _ec → f _e₂ ). عملیات توالی در شکل 7 نشان داده شده است .

همچنین می توانیم m = m ₁ → m ₂ → m ₃ = ( m ₁ → m ₂ ) → m ₃ = m ₁ → ( m ₂ → m ₃). در مدل مثال ما، WOFOST به HYDRUS-1D و HYDRUS-1D به MODFLOW روابط دنباله ای هستند که می توانند به ترتیب به صورت WOFOST → HYDRUS-1D و HYDRUS-1D → MODFLOW نمایش داده شوند. اینها با هم برابر با WOFOST → HYDRUS-1D → MODFLOW هستند. پارامترهای مدل یکپارچه، ترکیب سه پارامتر زیرمدل است. متغیرهای ورودی باید ترکیبی از سه متغیر مدل فرعی به جز LAI، RD، CH (سه متغیر ورودی HYDRUS-1D) و Hb (متغیر ورودی WOFOST) باشند. متغیرهای خروجی ترکیبی از متغیرهای خروجی سه مدل هستند. عملکرد مدل یکپارچه ترکیبی از سه مدل فرعی است. در مدل فقط دو حالت وجود دارد: s ₀ = ( s ₁₀ , s ₂₀ , s ₃₀) (حالت های اولیه) و s ₁ = ( s ₁₁ , s ₂₁ , s ₃₁ ) _.

گاهی اوقات، ممکن است هیچ جریان داده صریحی بین دو مدل وجود نداشته باشد. در یک چرخه، مدل‌های جانشین می‌توانند اجرا شوند اگر و تنها در صورتی که مدل‌های قبلی به پایان رسیده باشند. کانکتور خالی c _ɛ که شبیه مدل خالی است، می تواند برای دلالت بر این دنباله ها استفاده شود.

4.2.4. بازخورد

یک عملیات بازخورد در دو چرخه مدل رخ می دهد. ممکن است روی یک مدل یا دو مدل مختلف عمل کند که با m ₁ ← m ₁ یا m ₁ ← m ₂ نشان داده شده است . این بدان معناست که داده ها از یک متغیر خروجی مدل بعدی در چرخه قبلی به متغیر ورودی قبلی در چرخه بعدی از طریق یک اتصال دهنده، c. نوع دوم عملیات بازخورد نمی تواند به تنهایی وجود داشته باشد. به طور کلی، بر اساس یک توالی یا عملیات موازی در یک چرخه است. علاوه بر این، بدیهی است که m ₁ و m ₂ را می توان به عنوان اجزای مختلف مدل m درک کرد، به طوری کهm ₁ ← m ₂ معادل m ← m است . بنابراین، ما فقط باید در مورد معنای m ₁ ← m ₁ یا ( c → m ₁ ) ← m ₁ بحث کنیم .

فرض کنید m ₁ = < P₁ , I₁ , O₁ , F₁ , A ₁ >, A ₁ = < S₁ , s ₁₀ , T ₁ >, c = ، A _c = < S _c ، s _c₀، T _c >. فرض کنید m = ( c → m ₁ )← m ₁ و m = , A = < S , s ₀ , T >.

بنابراین می توانیم نتایج زیر را بدست آوریم. P = P₁ ∪ P _c , I = I₁ ∪ I _c , O = O₁∪ O _c , F = F _c × F₁ = { f _c } × F₁ و A = A _c × A ₁ . علاوه بر این، s ₀ = ( s _c₀, s ₁₀ , S = { s ₀ } ∪ S _c \{ s _c₀ }× S₁ \{ s ₁₀ } و T = {( s _c₀ , s ₁₀ ), ( s _c₀ , s ₁₁ )} ∪ s _c₁ •. اگر t∈ {( s _c₀ , s ₁₀ ), ( s _c₀ , s ₁₁)}، سپس حالت هدف مربوطه s _t = , P _est = P _ec ∪ P _e₁ , I _est = I _ec ∪ I _e₁ , O _est = O _ec ∪ O _e₁ ، f _e = f _c → f ₁. در غیر این صورت، فرمول ها مانند قبل هستند، با این تفاوت که I _est = I _ec ∪ I _e₁ – { i ‘}، جایی که i ‘ از خروجی آخرین چرخه منتقل می شود. عملیات بازخورد در شکل 8 نشان داده شده است . برای مدل مثال ما، WOFOST ← HYDRUS-1D و HYDRUS-1D ← MODFLOW رابطه بازخورد هستند. آنها همچنین می توانند به عنوان تشکیل آبشار WOFOST ← HYDRUS-1D ← MODFLOW نشان داده شوند. جزئیات این بازخورد حذف شده است.

4.2.5. انتخاب کنید

عملیات Select انتخاب بین مدل های فرعی مختلف یا گروه های مدل فرعی را ممکن می سازد. این مدل‌های فرعی یا گروه‌های مدل فرعی ممکن است عملکردهای مشابه و روش‌های پیاده‌سازی متفاوتی داشته باشند یا با شرایط اولیه یا مرزی متفاوتی مواجه شوند. به عنوان مثال، در ادغام HYDRUS و WOFOST، قبل از جوانه زدن محصول و پس از برداشت محصول، WOFOST نیازی نیست همیشه کار کند.

فرض کنید m ₁ = < P₁ , I₁ , O₁ , F₁ , A ₁ >, m ₂ = < P₂ , I₂ , O₂ , F₂ , A ₂ >, A ₁ = < S₁ , s ₁₀ ، T ₁ > و A ₂ = < S₂ ، s ₂₀، T ₂ >. اگر m = و m = m ₁ ◊ m ₂ , این نشان می دهد که اگر عبارت محافظ g ₁ ارضا شود، m ₁ انجام می شود، یا اگر g ₂ برآورده شود، آنگاه m ₂ انجام می شود. در عملیات انتخاب ، هر عبارت محافظ دارای یک مجموعه پارامتر _{Pg، مجموعه متغیر ورودی Ig}و مجموعه متغیر خروجی است _.O _g . می توانیم P = P₁ ∪ P₂ ∪ P _g₁ ∪ P _g 2 , I = I₁ ∪ I₂ ∪ I _g₁ ∪ I _g₂ , O = O₁∪ O₂∪ O _g₁∪ O _g₂ و F = { g ₁ , g ₂} × F₁ ∪ { g ₁ , g ₂ } × F₂ . برای FSM A , S = { s ₁₀ } × S₂ ∪ S₁ × { s ₂₀ }، s ₀ = { s ₁₀ , s ₂₀ } و T = ∪ ^k_i_{= 0} ( T ₁ × T _2 i 0 ) ∪ (∪ ^k_i_{= 0} (T _1 i 0 × T ₂ ))، که در آن T _1 i 0 و T _2 i 0 انتقال های موجود نیستند که دلالت بر ( s _1 i , s ₁₀ ) برای مدل m ₁ و ( s _2 i , s ₂₀ ) برای مدل m دارند. ₂ و جایی که s _1 i و s _2 i برای حالت های دلخواه m ₁ و m _{2 هستند}، به ترتیب. فرض کنید s _i = . اگر s _i = ( s _1 j , s ₂₀ )، آنگاه P_e = P _e_1 j ∪ P _g₁ ∪ P _g 2 , I _e = I _e_1 j ∪ I _g₁ ∪ I _g 2, O _e = O _e_1 j ∪ O _g₁ ∪ O _g₂ , f _e = ( f _g₁ , f _g₂ ) & f _e_1 j . اگر s _i = ( s ₁₀ , s _2 j )، آنگاه P _e = P _e_2 j ∪ P _g₁ ∪ P _g₂, I _e = I _e_2 j ∪ I _g₁ ∪ I _g 2 , O _e = O _e_2 j ∪ O _g₁∪ O _g₂ , f _e = ( g ₁ , g ₂ ) & f _e_2 j . عملیات انتخاب در شکل 9 نشان داده شده است .

به طور مشابه، می توانیم m = m ₁ ◊ m ₂ = m ₂ ◊ m ₁ و m = m ₁ ◊ m ₂ ◊ m ₃ = ( m ₁ ◊ m ₂ ) ◊ m ₃ = m ₁ ◊ ( m ₂ ◊ m ₃ ). در مثال، WOFOST با عملیات انتخابی WOFOST ◊ ɛ ادغام شده است .

4.2.6. تکرار کنید

در شبیه‌سازی‌های زیست‌محیطی، مراحل زمانی متفاوت باید مجاز باشد، مانند، برای مثال، از شبیه‌سازی ساعتی (مثلاً برای شبیه‌سازی آلودگی قارچی) تا چندین دهه برای مطالعات پایداری.

اگرچه اکثر مدل‌ها به صورت تکراری کار می‌کنند، چارچوب فقط عملیات تکرار را تعریف می‌کند که زمانی استفاده می‌شود که مدل نیاز به انجام چرخه‌های زیادی دارد در حالی که مدل‌های دیگری که ادغام می‌شوند فقط یک چرخه را انجام می‌دهند. سناریوی معمولی زمانی است که مدل‌هایی با مراحل زمانی متفاوت باید یکپارچه شوند: مدلی که گام زمانی کوتاه‌تر دارد باید چندین بار تکرار شود در حالی که مدل دیگر فقط یک بار اجرا می‌شود. در جبر یکپارچه، ما از میکرومتر برای نشان دادن تکرار مدل استفاده می کنیم.

مدل m ₁ = < P₁ , I₁ , O₁ , F₁ , A ₁ > و A ₁ = < S₁ , s ₁₀ , T ₁ > را در نظر بگیرید. اگر m = و m = μm ₁ , که نشان می دهد m ₁ تا زمانی که عبارت محافظ g انجام می شودراضی نیست ( g دارای مجموعه پارامتر Pg ، متغیر ورودی مجموعه I _g ، و متغیر خروجی مجموعه _Og ₎ ، سپس می توانیم P = P _g ∪ P₁ ، I = I _g ∪ I₁ ، O = O _g ∪ به دست آوریم. O₁ و F = { g } × F₁ ∪ { g } × { f _ɛ }.

برای FSM A = < S , s ₀ , T > s ₀ = s ₁₀ را تعریف می کنیم . برای سهولت در ادغام با سایر عملیات، حالت در حال اجرا مدل بسط می‌یابد تا سه نوع حالت را شامل شود: اولین حالت در حال اجرا s _f ∈ S _f ، که در آن s _f = { P_e f , I_e f , O_e f , f _e f }; حالت در حال اجرا تکراری S _it ;و حالت تکرار پایانی s _e ، به گونه ای که S = { s ₀ , s _e }∪ S _f ∪ S _it و انتقالات طبق این حالت ها به ترتیب T _f ، T _it و T _e هستند . اگر ( s ₁₀ , s _1 i )∈ T _f , آنگاه ( s ₁₀ , s _1 i )∈ T ₁ . s 1 _i₌ ; سپس P _ef = P _e_1 i ∪ P _g , I _ef = I_e1 i ∪ I _g , O _ef = O _e_1 i ∪ O _g و f _ef = g × f_e_1 i . برای هر ( s _1 i , s _1 j )∈ T ₁ , I ≠ 0, ( s _1 i , s _1 j ) ∈ T _it . بگذارید s _it = ; سپس، P _eit = P _e_1 j ∪ P _g ، I _eit = I_e_1 j ∪ I _g , O _eit = O _e_1 j ∪ O _g و f _eit = g × f _e_1 j . برای حالت تکرار پایانی، اجازه دهید s _e = , P _ee = P _g , I _ee = I _g , O_ee = O _g و f _ee = g . سپس T e = {( s _i , s _e )| s _i ∈ S _f ∪ S _it }. شکل 10 عملیات تکرار مدل را نشان می دهد.

4.2.7. Iterate را با سایر اپراتورها ترکیب کنید

از آنجایی که عملیات تکرار نباید به تنهایی استفاده شود، با عملیات موازی، ترتیب، بازخورد و انتخاب ترکیب می شود. چارچوب از M ↑ μ M , M → μM , μM → M , μM ← M , M ← μM و M ◊ μM برای نشان دادن این ترکیب ها استفاده می کند.

M ↑ μM مدلی را نشان می دهد که با تکرار مدل دیگر موازی می شود. فرض کنید m = m ₁ ↑ μm ₂ ، یعنی مدل m ₁ با تکرار مدل m ₂ موازی می شود . بدیهی است که اگر تکرار n بار انجام شود، می توان آن را به n چرخه گسترش داد که در آن m ₁ ↑ m ₂ فقط در یک چرخه انجام می شود، در حالی که در هر چرخه دیگری، ɛ ↑ m ₂ انجام می شود، به طوری که P = P₁ ∪ P _m₂ ،I = I₁ ∪ I _m₂ , O = O₁∪ O _m₂ و F = F₁ ∪ F _m₂ . برای FSM A ، S = { s ₀ , s _f , s _f ‘, s _it , s’ _it , s _e }, s ₀ = ( s ₁₀ , s ₂₀ )s _f = ( s ₁₀ , s _2 f ), s _f ‘ = ( s ₁₁ , s _2 f ), s _it = ( s ₁₀ , s _2 it ), s’ _it = ( s ₁₁ , s _2 it ) snf s _e = ( s ₁₁ , s _2 e ). T = T ₁ × T ₂− {(( s ₁₀ , s _2 f ), ( s ₁₁ , s _2 f )), (( s ₁₀ , s _2 it ),( s ₁₀ , s _2 e ))}. علاوه بر این، از حالت ( s ₁₀ ، s ₂₀ ) به حالت ( s ₁₁ ، s2 _e )، _m1 _باید فقط یک بار و m ₂ باید حداقل یک بار اجرا شود. ادغام در شکل 11 نشان داده شده است.

M → μM و μM → M نشان می دهد که تکرار یک مدل با مدل دیگری به ترتیب انجام می شود. همچنین می توان آنها را به عنوان آنچه در ترکیب موازی و تکرار تعریف می شود گسترش داد. اولی به یک دنباله M → M در چرخه اول و یک سری چرخه شامل ɛ → M گسترش می یابد . به طور مشابه، دومی به یک سری چرخه شامل ابتدا ɛ → M و سپس یک دنباله M → M در آخرین چرخه گسترش می یابد. ادغام در شکل 12 نشان داده شده است .

ترکیب بازخورد با تکرار مشابه دنباله است. ترکیب انتخاب با تکرار نیز ساده است. بنابراین، این ترکیبات در این مقاله حذف شده است.

5. مدل مجتمع پیچیده

5.1. نمودار مدل

با این عملگرهای پایه، یک مدل پیچیده را می توان از مدل های ساده تر، حتی مدل های پایه، ادغام کرد. نتیجه عملیات Iterate یا Select به عنوان یک مدل فرعی در قاب گرفته می شود. از دیدگاه یکپارچه ساز، بسیاری از مدل های فرعی را می توان با اتصال دهنده ها و کانال های انتقال پیام مربوطه ترکیب کرد. این مدل‌های فرعی ممکن است هم شامل مدل‌های پایه و هم مدل‌های یکپارچه شوند، به طوری که مدل‌های فرعی و کانال‌ها نموداری به نام نمودار مدل را تشکیل می‌دهند. نمودار مدل را می توان مانند شکل 13 نشان داد که یک مثال ساده است.

5.2. معناشناسی رسمی نمودار مدل

با توجه به سه الفبای متناهی Σ M ، Σ C و Σ Var به عنوان برچسب های موجود برای مدل ها، رابط ها و متغیرها، به ترتیب، ادغام مدل ها با یک مولتی دیگراف برچسب دار با پورت ها به شرح زیر تعریف می شود:

G _M : = < M , C , L , P Va , I Var , O Var , s , t , ι , L M , l C , L Var >.

M و C دو مجموعه محدود از رئوس هستند که به ترتیب نشان دهنده مدل ها و رابط ها هستند. M شامل مدل های پایه و مدل های یکپارچه از قبل موجود است.

L ⊆ ( M × O Var ) × ( C × I Var ) ∪ ( C × O Var ) × ( M × I Var ) مجموعه ای از لبه های مستقیم است که جریان داده را در بین مدل های فرعی و اتصال دهنده ها نشان می دهد. مجموعه لبه شامل جریان داده مربوط به دنباله و بازخورد است. برای تشخیص آنها، از برچسب l _s برای لبه دنباله و l _b برای لبه بازخورد و L = L _s ∪ L _b استفاده می کنیم .

P , I , و O به ترتیب مجموعه پارامترها، متغیرهای ورودی و متغیرهای خروجی هستند و Var = P ∪ I ∪ O .

ι = ι _M ∪ ι _C . ι _M = ( ιp, ιi, ιo ): M → PVar × IVar × OVar یک مجموعه متغیر پارامتر (پورت)، یک مجموعه متغیر ورودی (پورت) و یک متغیر خروجی (پورت) را به هر مدل با ιp ( M) اختصاص می دهد. ) = P M , ιi ( M ) = I M , ιo ( M ) = O M و ι ( M ) = ( P M , I M , Oم ).

به طور مشابه، ι _C = ( ιp, ιi, ιo ): C → P Var × I Var × O Var یک مجموعه متغیر پارامتر (پورت)، مجموعه متغیر ورودی (پورت) و یک متغیر خروجی (پورت) را به هر کانکتور اختصاص می دهد. ، با ιp ( C ) = P C ، ιi ( C ) = I C ، ιo ( C ) = O C ، و ι ( C ) = ( P C ، IC ، O C ).

s: L → M × O Var ∪ C × O Var و t: L → M × I Var ∪ C × I Var دو نقشه هستند که مبدأ و مدل هدف /اتصال یک لبه را نشان می دهند. نقشه n : M × O Var ∪ C × O Var ∪ M × O Var ∪ C × O Var →{0} ∪ Nبرای منبع و هدف لبه تعریف شده است تا به ترتیب میزان تولید و نرخ مصرف را نشان دهد.

l M: M → Σ M ، l C: C → Σ C و l Var: L → Σ Var سه نقشه هستند که برچسب گذاری مدل ها، رابط ها و متغیرها را توصیف می کنند.

5.3. ساخت مدل مجتمع پیچیده

نمودار مدل بصری است، به طوری که یکپارچه ساز می تواند به راحتی از آن برای نشان دادن تعامل مدل های یکپارچه استفاده کند. در عین حال، ابزارهای IEM می توانند از ویژگی های نمودار برای بررسی طرح واره یکپارچه استفاده کنند. در زمان اجرا، ساختار نمودار می تواند برای نظارت بر روند شبیه سازی استفاده شود. هنگامی که خطاها رخ می دهند، ابزار IEM می تواند آنها را با نمودار نیز مکان یابی کند.

در مدل گراف، دو نوع رابطه بین هر دو مدل فرعی وجود دارد. اولی رابطه ترتیب جزئی است که بر اساس عملگر توالی است. اگر بین دو مدل فرعی m _h و m _t مسیری وجود داشته باشد که m _h → m ₁ , m ₁→ m ₂ , … , m _i → m _t , می توان گفت m h _→ m t _. سفارش. واضح است که m _t بعد از m _h شروع به اجرا می کنددر یک چرخه به پایان رسیده است. نوع دیگر بدون تداخل نام دارد، یعنی دو مدل فرعی بدون تداخل متقابل به صورت موازی عمل می کنند.

در نتیجه، می‌توانیم الگوریتم جستجوی عرض را برای ساختن یک مدل از نمودار مدل به دست آوریم. الگوریتم را می توان در نمودار زیر مشاهده کرد ( شکل 14 ).

از الگوریتم می دانیم که ادغام بسیاری از مدل های فرعی نیز می تواند به عنوان یک مدل در نظر گرفته شود.

6. نتایج

اگرچه چارچوب های رسمی کمی برای IEM وجود دارد که به طور خاص مورد مطالعه قرار می گیرند، هر پلتفرم IEM مبنای فرمالیستی بالقوه خود را دارد. ما چارچوب رسمی خود را با چندین پلت فرم یا استاندارد مقایسه می کنیم تا ویژگی های چارچوب خود را نشان دهیم (در جدول 1 ). پلتفرم های انتخاب شده OMS3 [ 39 ]، OpenMI [ 8 ] و ESMF [ 40 ] هستند.

از مقایسه، می توانیم متوجه شویم که مزایایی در چارچوب ما تعبیه شده است. چارچوب رسمی را می توان به عنوان مبنای معنایی یک زبان خاص دامنه IEM (DSL) استفاده کرد که با آن مدل پیچیده را می توان از مدل های از پیش موجود ادغام کرد. بر اساس چارچوب، یک IEM DSL سبک وزن به نام irDSL (زبان خاص دامنه قابل استفاده مجدد) در کار اخیر ما توسعه داده شده است. در پیوست A ، برخی از کدهای irDSL برای مدل یکپارچه در شکل 1 فهرست شده است. جزئیات اضافی irDSL در مقاله دیگری مورد بحث قرار خواهد گرفت.

7. نتیجه گیری و کار آینده

در این مقاله، یک چارچوب رسمی برای سیستم IEM پیشنهاد شده است. در چارچوب، ویژگی های مدل به دو بخش، یعنی ویژگی های ایستا و پویا تقسیم می شوند. ویژگی های استاتیک شامل پارامترهای سنتی، متغیرهای ورودی، متغیرهای خروجی و توابع مدل است. ویژگی پویا تبدیل ویژگی های استاتیک در طول شبیه سازی است و به عنوان یک FSM نشان داده می شود که مدل یکپارچه را با سناریوهای کاربردی پویا تطبیق می دهد. بر اساس چارچوب، یک تعریف واحد از مدل پیشنهاد شده است که مدل یکپارچه را قابل مدیریت تر و قابل استفاده تر می کند، همانطور که مدل های ساده هستند. ادغام همچنین به عنوان یک multidigraph با پورت نشان داده می شود. یک الگوریتم برای کشف کفایت آن استفاده می شود به طوری که یک نمایش یکپارچه برای چند دیگراف وجود دارد.

تعریف پیشنهادی ما همچنین می تواند به عنوان رابط بین مشخصات و تأیید رسمی استفاده شود. بر اساس چارچوب، تأیید یکپارچگی را در یک زمان مشخص (مشابه [ 34 ، 41 ]) پشتیبانی می‌کند، به طوری که قبل از اجرای آن بتوان صحت مشخصات یکپارچه‌سازی را ثابت کرد. بنابراین، می توان از چرخه تکراری بین پیاده سازی و مشخصات اجتناب کرد. در عین حال، درک جهانی از ادغام افزایش یافته است که درک برنامه را آسان می کند و بنابراین نگهداری آن را آسان می کند. کار آینده باید با پشتیبانی از روش پیشنهادی با ویژگی‌های اتوماسیون اضافی، به بهبود این ابزار بپردازد.

ضمیمه A. چند قطعه کد با irDSL برای مدل مجتمع در شکل 1 .

در زیر یک قطعه کد با irDSL برای مدل یکپارچه در شکل 1 آمده است . مدل مفهومی یکپارچه به هیچ کاربرد مشخصی محدود نمی شود و می تواند به راحتی مورد استفاده مجدد قرار گیرد.

در یک شبیه سازی بتنی، درست مانند مثال پنیا-هارو [ 31 ]، یک سیستم جریان دو بعدی-عمودی ساده شده فرضی با ارتفاع 20 متر و طول 200 متر استفاده می شود. دو طرحواره گسسته فضایی مختلف (مانند طرحواره 1 با 2 ناحیه و طرحواره 2 با 5 ناحیه) برای مقایسه با ادغام سنتی در نظر گرفته شده است. از نظر کیفی مشاهده می شود که نمونه سازی مدل بر اساس مدل تلفیقی مفهومی به کدهای نسبی کمی نیاز دارد.

//مدل مفهومی یکپارچه به نام WOHYMO ;

مدل WOHYMO {

مدل WOFOST (” path_WO” )؛

//وارد کردن مدل پایه WOFOST.

// path_WO : مسیر فایل jar شامل POJO WOFOST.

مدل HYDRUS_1D (” path_HY” )؛ //همینطور

مدل MODFLOW (” path_MO” ); //همینطور

//یک کنترل انتخابی برای WOFOST برای تعیین اینکه WOFOST استفاده می شود

// پس از جوانه زدن محصول شروع به اجرا می کند.

is_WOFOST_RUN { //Control flow را انتخاب کنید

if (! before_Emergence )

WOFOST; // WOFOST تا زمان اضطراری محصول اجرا نمی شود

}

//یک رابط برای LAI (شاخص سطح برگ) که توسط WOFOST تولید شده است

// و توسط HYDRUS به عنوان یک شرط مرزی مصرف می شود.

رابط LAI_WO_HY { // کانکتور معمولی.

در lai1 ; out lai2 ; //ورودی و خروجی؛

expr expr( lai2=lai1 ); //کانکتور معمولی را نشان می دهد.

}

//لینک ساده شده برای کانکتور معمولی، به معنای عملگر توالی .

لینک فوروارد _ LAI_WO_HY {

منبع WOFOST.lai ;

هدف HYDRUS_1Dconn1.lai ;

}

//یک رابط برای vBot در HYDRUS (یا شارژ مجدد در MODFLOW) که نشان دهنده

// آب از ناحیه غیراشباع به ناحیه اشباع جریان می یابد که توسط

// HYDRUS و توسط MODFLOW به عنوان شرایط مرزی آن مصرف می شود.

کانکتور vBot_HY_MO { // شارژ مجدد از HYDRUS به MODFLOW.

در vBot ؛ //ورودی، تایپ ضعیف، به عنوان یک آرایه گرفته می شود.

شارژ کردن ; //خروجی;

expr expr( recharge = vBot )); // دارای همان شارژ مجدد در یک منطقه است .

}

پیوند فوروارد _ vBot_HY_conn {

منبع HYDRUS_1D.vBot ;

هدف vBot_HY_MO.vBot ;

}

لینک فوروارد _ recharge_conn_HY {

منبع vBot_HY_MO.recharge ;

هدف MODFLOW.recharge ;

}

//یک رابط برای Hb (سر فشار) از MODFLOW به HYDRUS H یا Hb است

// توسط MODFLOW تولید شد و به عنوان مرز آن به HYDRUS-1D منتقل شد

// وضعیت.

رابط Hb_MO_HY { // H یا Hb از MODFLOW به HYDRUS.

در H _ //ورودی، تایپ ضعیف، ;

خروج Hb _ //خروجی، تایپ ضعیف، به عنوان یک آرایه گرفته می شود.

expr expr( Hb = H );

}

پیوند معکوس _ Hb_MO_conn { //حضور عملگر بازخورد ؛

منبع MODFLOW.H ;

هدف Hb_MO_HY.H ;

}

لینک فوروارد _ Hb_conn_HY {

منبع Hb_MO_HY.Hb ;

هدف HYDRUS_1D.Hb ;

}

رابطه m2o < HYDRUS_1D , MODFLOW >; رابطه //m2o، برای توسعه پذیری.

رابطه o2m < MODFLOW , HYDRUS_1D >; //o2m رابطه;

//کدهای دیگر به دلیل محدودیت فضا حذف شده اند.

}

//نمونه ای از WOHYMO با 5 ناحیه

مدل WOHYMO WOHOMO_5 { //تعریف نمونه;

مدل WOFOST inst_WOFOST [5] ; //5 نمونه از WOFOST ;

مدل HYDRUS inst_HYDRUS [5] ; //5 نمونه HYDRUS ;

مدل MODFLOW inst_MODFLOW ; //1 نمونه از MODFLOW ;

برای i در رابطه [1..5] //o2o;

inst_WOFOST [i] -> inst_ HYDRUS [i];

inst_HYDRUS [1..5] -> inst_ MODFLOW ;

//5 inst_HYDRUSes مربوط به 1 inst_MODFLOW است .

inst_MODFLOW -> inst_HYDRUS [1..5]؛

//1 inst_MODFLOW به 5 inst_HYDRUS مربوط می شود .

}

//نمونه ex16_WOHYMO با 2 ناحیه

مدل WOHYMO WOHOMO_2 { //تعریف نمونه;

مدل WOFOST inst_WOFOST [2] ; //2 نمونه از WOFOST ;

مدل HYDRUS inst_HYDRUS [2] ; //2 نمونه HYDRUS ;

مدل MODFLOW inst_MODFLOW ; //1 نمونه از MODFLOW ;

برای i در رابطه [1..2] //o2o;

inst_WOFOST [i] -> inst_ HYDRUS [i];

inst_HYDRUS [1..2] -> inst_ MODFLOW ;

//2 inst_ HYDRUSes مربوط به 1 inst_ MODFLOW است .

inst_MODFLOW -> inst_HYDRUS [1..2]؛

//1 inst_MODFLOW به 2 inst_HYDRUS مربوط می شود .

}

منابع

بیلی، GW; مولکی، لس آنجلس؛ Swank، RR پیامدهای زیست محیطی خاکورزی حفاظتی: یک رویکرد سیستمی. در یک رویکرد سیستمی به خاکورزی حفاظتی ; D’Itri، FM، Ed. Lewis Publishers Inc.: Chelsea, MI, USA, 1985; صص 239-265. [ Google Scholar ]
کوهن، ی. آلاینده ها در محیط چند رسانه ای . Plenum Press: نیویورک، نیویورک، ایالات متحده آمریکا، 1986. [ Google Scholar ]
Mackay, D. مدل های محیطی چند رسانه ای: رویکرد فوگاسیتی ; ناشران لوئیس: میشیگان، MI، ایالات متحده آمریکا، 1991. [ Google Scholar ]
Walters, CJ مدیریت تطبیقی منابع تجدیدپذیر ; شرکت انتشارات مک میلان: نیویورک، نیویورک، ایالات متحده آمریکا، 1986. [ Google Scholar ]
وینوف، آ. شوگارت، اچ. «اینتگرونسترز»، مدلسازی انتگرال و یکپارچه. محیط زیست مدل. نرم افزار 2013 ، 39 ، 149-158. [ Google Scholar ] [ CrossRef ]
Laniak، GF; اولچین، جی. گودال، جی. وینوف، آ. هیل، م. گلین، پی. ویلان، جی. گلر، جی. کوین، ن. کور، م. و همکاران مدل سازی محیطی یکپارچه: چشم انداز و نقشه راه برای آینده محیط زیست مدل. نرم افزار 2013 ، 39 ، 3-23. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
لیوزلی، جی اچ. مارکستروم، اس ال. بروور، ام اس؛ Viger، RJ سیستم مدل‌سازی مدولار (MMS) – جزء مدل‌سازی فرآیند فیزیکی یک سیستم پشتیبانی تصمیم مبتنی بر پایگاه داده برای مدیریت آب و برق. آلودگی خاک هوای آب 1996 ، 90 ، 303-311. [ Google Scholar ] [ CrossRef ]
OpenMI. پروژه OpenMI Open Midel Interface. 2016. در دسترس آنلاین: https://publicwiki.deltares.nl/display /OPENMI/Version+2.0 (در 24 دسامبر 2016 قابل دسترسی است).
دیوید، او. مارکستروم، اس ال. روجاس، KW; Ahuja، LR; اشنایدر، دبلیو. سیستم مدل‌سازی شی. در مدل های سیستم کشاورزی در تحقیقات میدانی و انتقال فناوری ; Ahuja, LR, Ma, L., Howell, TA, Eds. ناشران لوئیس: بوکا راتون، فلوریدا، ایالات متحده آمریکا، 2002; صص 317-344. [ Google Scholar ]
دیوید، او. Ascough, JC, II; لوید، دبلیو. سبز، TR; روجاس، KW; لیوزلی، جی اچ. Ahuja، LR دیدگاه مهندسی نرم افزار در مورد طراحی چارچوب مدل سازی محیطی: سیستم مدل سازی شی. محیط زیست مدل. نرم افزار 2013 ، 39 ، 201-213. [ Google Scholar ] [ CrossRef ]
هیل، سی. دلوکا، سی. بالاجی، وی. سوارز، ام. دا سیلوا، A. معماری چارچوب مدلسازی سیستم زمین. محاسبه کنید. علمی مهندس 2004 ، 6 ، 18-28. [ Google Scholar ] [ CrossRef ]
تورمن، دی. کاول، ای جی؛ تایرا، RY; Frodge, J. طراحی یک محیط حل مشکل مشارکتی برای مدلسازی یکپارچه منابع آب. در Brownfields: Multimedia Modeling and Assessment ; ویلان، جی.، اد. WIT Press: ساوتهمپتون، انگلستان، 2004. [ Google Scholar ]
Aquaveo. راه حل های مدل سازی آب ; Aquaveo: Provo، UT، ایالات متحده آمریکا، 2012; در دسترس آنلاین: http://www.aquaveo.com/ (در 8 دسامبر 2013 قابل دسترسی است).
Peckham، SD ارزیابی چارچوب‌های جفت مدل برای استفاده توسط سیستم مدل‌سازی دینامیک سطح جامعه (CSDMS). در مجموعه مقالات MODFLOW و بیشتر، گلدن، CO، ایالات متحده آمریکا، 18 مه 2008.
ون ایترسوم، MK; اورت، اف. هکلی، تی. ویری، جی. اولسون، جی. اندرسن، ای. بزلپکینا، آی. بروور، اف. دوناتلی، م. فلیچمن، جی. و همکاران ارزیابی یکپارچه سیستم های کشاورزی چارچوب مبتنی بر مولفه برای اتحادیه اروپا (SEAMLESS). کشاورزی سیستم 2008 ، 96 ، 150-165. [ Google Scholar ] [ CrossRef ]
پارکر، دی. منسون، اس. یانسن، ام. هافمن، ام. Deadman، P. سیستم های چند عاملی برای شبیه سازی تغییر کاربری و پوشش زمین: بررسی. ان دانشیار صبح. Geogr. 2003 ، 93 ، 314-337. [ Google Scholar ] [ CrossRef ]
ژائو، جی. کای، ایکس. Wang, Z. مقایسه سیستم‌های تخصیص آب مدیریت شده و مبتنی بر بازار از طریق یک چارچوب مدل‌سازی مبتنی بر عامل سازگار. جی. محیط زیست. مدیریت 2013 ، 123 ، 120-130. [ Google Scholar ] [ CrossRef ] [ PubMed ]
ژائو، جی. برایان، کارشناسی; کینگ، دی. لو، ز. وانگ، ای. Bende-Michlc، U.; آهنگ، X. Yu, Q. مدل‌سازی سیستم‌های کشاورزی با وضوح بالا و مقیاس بزرگ با استفاده از رویکرد ترکیبی ترکیبی از محاسبات شبکه و پردازش موازی. محیط زیست مدل. نرم افزار 2013 ، 41 ، 231-238. [ Google Scholar ] [ CrossRef ]
یالو، س. ون گرینزون، ا. ری، ن. کوکوشکیویچ، ال. Betrie, GD محاسبات توزیع شده مدل های SWAT در مقیاس بزرگ در شبکه. محیط زیست مدل. نرم افزار 2013 ، 41 ، 223-230. [ Google Scholar ] [ CrossRef ]
گرانل، سی. دیاز، ال. Gould، M. برنامه های کاربردی سرویس گرا برای مدل های محیطی: خدمات مکانی قابل استفاده مجدد. محیط زیست مدل. نرم افزار 2010 ، 25 ، 182-198. [ Google Scholar ] [ CrossRef ]
گودال، جی ال. رابینسون، BF; Castronova، AM مدل‌سازی سیستم‌های منابع آب با استفاده از یک الگوی محاسباتی سرویس‌گرا. محیط زیست مدل. نرم افزار 2011 ، 26 ، 573-582. [ Google Scholar ] [ CrossRef ]
باستین، ال. کورنفورد، دی. جونز، آر. Heuvelink، GBM؛ پبسما، ای. استاش، سی. ناتیوی، س. مازتی، پی. ویلیامز، ام. مدیریت عدم قطعیت در مدل‌سازی محیطی یکپارچه: چارچوب UncertWeb. محیط زیست مدل. نرم افزار 2013 ، 39 ، 116-134. [ Google Scholar ] [ CrossRef ]
Wing, JM مقدمه ای تعیین کننده به روش های رسمی. کامپیوتر 1990 ، 23 ، 8-24. [ Google Scholar ] [ CrossRef ]
Argent، RM مروری بر یکپارچه سازی مدل برای برنامه های کاربردی محیطی – مؤلفه ها، چارچوب ها و معناشناسی. محیط زیست مدل. نرم افزار 2004 ، 19 ، 219-234. [ Google Scholar ] [ CrossRef ]
Argent، RM; وینوف، آ. ماکسول، تی. کادی، اس ام. رحمان، ج.م. سیتون، اس. Vertessy، RA; برادوک، RD مقایسه چارچوب‌های مدل‌سازی: یک رویکرد کارگاهی. محیط زیست مدل. نرم افزار 2006 ، 21 ، 895-910. [ Google Scholar ] [ CrossRef ]
وینوف، آ. Cerco، C. یکپارچه سازی مدل و نقش داده ها. محیط زیست مدل. نرم افزار 2006 ، 25 ، 965-969. [ Google Scholar ] [ CrossRef ]
Rizzoli، AE; دوناتلی، م. آتاناسیادیس، IN; ویلا، اف. هوبر، دی. پیوندهای معنایی در چارچوب های مدل سازی یکپارچه. ریاضی. محاسبه کنید. شبیه سازی 2007 ، 78 ، 412-423. [ Google Scholar ] [ CrossRef ]
اشمیتز، او. کارسبنرگ، دی. دی یونگ، ک. دی کوک، جی.-ال. ساخت مدل‌های یکپارچه: زمان‌بندی برای اجرای اجزای جفت شده. در مجموعه مقالات AGILE 2011، چهاردهمین کنفرانس بین المللی AGILE در علم اطلاعات جغرافیایی، پیشرفت علم اطلاعات جغرافیایی برای جهانی در حال تغییر، اوترخت، هلند، 18 آوریل 2011.
کرگت، من؛ رابسون، بی جی؛ نقش های Macleod، CJA Modellers در ساختار پروژه های تحقیقاتی یکپارچه. محیط زیست مدل. نرم افزار 2013 ، 39 ، 322-330. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
لوید، دبلیو. دیوید، او. Ascough, JC, II; روجاس، KW; کارلسون، جی آر. لیوزلی، جی اچ. کراوس، پی. سبز، TR; آهوجا، تهاجمی چارچوب مدل‌سازی محیطی LR: تجزیه و تحلیل و پیامدها. محیط زیست مدل. نرم افزار 2011 ، 26 ، 1240-1250. [ Google Scholar ] [ CrossRef ]
پنیا-هارو، اس. ژو، جی. ژانگ، جی. چن، سی. استافر، اف. Kinzelbach, W. چارچوب چند رویکردی برای جفت کردن مدل‌های مستقل برای شبیه‌سازی تعامل بین رشد محصول و فرآیندهای جریان غیراشباع-اشباع. در مجموعه مقالات انجمن بین‌المللی مدل‌سازی محیطی و نرم‌افزار (iEMSs) 2012 کنگره بین‌المللی مدل‌سازی و نرم‌افزار محیطی: مدیریت منابع یک سیاره محدود: مسیرها و چشم‌اندازهای تحت عدم قطعیت، ششمین نشست دوسالانه (iEMSs 2012، 2012، Leipzig)، آلمان ; ص 1224-1231.
ژانگ، جی. ژو، جی. ژو، Q. چنگ، جی. Li, X. مدلسازی یکپارچه اکو هیدرولوژیکی با ترکیبی از مدل جفت شده و الگوریتم با استفاده از OMS3. در مجموعه مقالات انجمن بین‌المللی مدل‌سازی محیطی و نرم‌افزار (iEMSs) 2012 کنگره بین‌المللی مدل‌سازی و نرم‌افزار محیطی: مدیریت منابع یک سیاره محدود: مسیرها و چشم‌اندازهای تحت عدم قطعیت، ششمین نشست دوسالانه (iEMSs 2012، 2012، Leipzig)، آلمان ; ص 1201-1207.
حمادی، ر. Benatallah, B. یک مدل مبتنی بر شبکه پتری برای ترکیب سرویس وب. در مجموعه مقالات ADC ’03 چهاردهمین کنفرانس پایگاه داده استرالیا از CRPIT، آدلاید، استرالیا، 1 فوریه 2003. جلد 17.
دومز، سی. باخویا، م. گابر، ج. واک، ام. Lorenz, P. رویکرد مدل محور که از تأیید رسمی برای پروتکل های ترکیب سرویس وب پشتیبانی می کند. J. Netw. محاسبه کنید. Appl. 2013 ، 36 ، 1102-1115. [ Google Scholar ] [ CrossRef ]
Lomazova، I. شبکه های پتری تودرتو – فرمالیسمی برای تعیین مشخصات و تأیید سیستم های توزیع شده چند عاملی. فاندم Inf. 2000 ، 43 ، 195-214. [ Google Scholar ]
الور، ر. Yannakakis، M. مدل بررسی ماشین های حالت سلسله مراتبی. در مجموعه مقالات ششم ACM FSE، اورلاندو، FL، ایالات متحده آمریکا، 1 نوامبر 1998.
Girault، A. لی، بی. لی، EA ماشین های حالت محدود سلسله مراتبی با مدل های همزمان چندگانه. IEEE Trans. Comput.-Aided Design Comput. سیستم مدار. 1999 ، 18 ، 742-760. [ Google Scholar ] [ CrossRef ]
لی، EA; تریپاکیس، مدلهای S. Modal در بطلمیوس. در مجموعه مقالات سومین کارگاه بین المللی زبان ها و ابزارهای مدل سازی شی گرا مبتنی بر معادله (EOOLT)، اسلو، نروژ، 3 اکتبر 2010; جلد 47، ص 11-21.
OMS3. وب سایت OMS3 Doc. 2011. در دسترس آنلاین: http://nrrc.ars.usda.gov/ModelFrameworks/ObjectModeling System/Documentation.aspx (در 20 سپتامبر 2016 قابل دسترسی است). [ Google Scholar ]
ESMF. ESMF کاربر Doc. 2014. در دسترس آنلاین: http://www.earthsystemmodeling.org/esmf_releases/ public/last/ESMF_usrdoc/ESMF_usrdoc.html (دسترسی در 20 ژانویه 2017).
دوستدار، س. Zdun، U. ادغام مدل‌های مبتنی بر الگو و مدل‌های SOA مبتنی بر فرآیند. بین المللی اتوبوس جی. یکپارچه سازی فرآیند مدیریت 2006 ، 2 ، 109-119. [ Google Scholar ]

شکل 1. مدل مفهومی و یک سناریوی ساده شده فرضی دوبعدی با دو طرحواره گسسته فضایی.

شکل 2. فرآیند شبیه سازی مدل یکپارچه.

شکل 3. تعریف نمودار مدل.

شکل 4. تعریف نمودار مدل پایه.

شکل 5. تعریف نمودار کانکتور.

شکل 6. تعریف نمودار عملگر موازی .

شکل 7. تعریف نمودار عملگر Sequence .

شکل 8. تعریف نمودار عملگر Feedback .

شکل 9. تعریف نمودار عملگر Select . ( a ) S1 = {s ₁₀ , s ₁₁ }, S2 = {s ₂₀ , s ₂₁ }; ( ب ) S1 = {s ₁₀ , s ₁₁ , s ₁₂ }, S2 = {s ₂₀ , s ₂₁ , s ₂₂ }.

شکل 10. تعریف نمودار عملگر Iterate .

شکل 11. تعریف نمودار M ↑ μ M.

شکل 12. تعریف نمودار M → μM . ( a ) M → Μm ; ( ب ) μM → M. _

شکل 13. مثال یک نمودار مدل. ( الف ) مثال یک نمودار مدل. ( ب ) دیدگاه یکپارچه از یک مدل یکپارچه بر اساس الف.

شکل 14. الگوریتم برای ساخت یک نمای یکپارچه از مدل یکپارچه از یک نمودار مدل.

جدول 1. مقایسه با سایر سیستم عامل ها.

© 2017 توسط نویسندگان. دارنده مجوز MDPI، بازل، سوئیس. این مقاله یک مقاله با دسترسی آزاد است که تحت شرایط و ضوابط مجوز Creative Commons Attribution (CC BY) ( http://creativecommons.org/licenses/by/4.0/ ) توزیع شده است.

;کاربردهای GIS مقالات

درخواست مشاوره

09120049370

8 صبح تا 12 شب