The Main Approaches to the Formation of Mathematical and Simulation Models Based on Knowledge Bases in Software Development

Capa

Citar

Texto integral

Acesso aberto Acesso aberto
Acesso é fechado Acesso está concedido
Acesso é fechado Somente assinantes

Resumo

This article discusses the application of mathematical and simulation models based on knowledge bases in the software development process. The purpose of the study is to analyze the impact of these models on the quality and efficiency of creating software systems, as well as to identify the key stages of their integration into the development process. In the course of the study, an analysis of existing practices was carried out, which allowed us to draw several conclusions. Firstly, the use of mathematical and simulation models significantly improves the understanding of complex interactions in software systems and contributes to a more accurate prediction of their behavior. Secondly, access to knowledge bases speeds up the modeling process and increases its accuracy, which leads to more informed decision-making and reduced risks. Finally, integrating these approaches into software development allows teams to remain competitive and adaptive in a rapidly changing technology environment. Thus, the article emphasizes the importance and necessity of using mathematical and simulation models to improve the quality of software development.

Sobre autores

Rustam Astafev

MIREA – Russian Technological University

Autor responsável pela correspondência
Email: astafev@mirea.ru

senior lecturer, Department of Industrial Programming; Institute of Advanced Technologies and Industrial Programming

Rússia, Moscow

Bibliografia

  1. Altuntaş M., Ay Z., Çetin İ. Mathematical modeling in online learning environments: student challenges. Abant İzzet Baysal Üniversitesi Eğitim Fakültesi Dergisi. 2024. No. 24 (2). Pp. 1049–1075. doi: 10.17240/aibuefd.2024-1407578.
  2. Feldmann F., Nødland O., Sagen J. et al. IORSim: A mathematical workflow for field-scale geochemistry simulations in porous media. Transp. Porous Med. 2024. No. 151. Pp. 1781–1809. doi: 10.1007/s11242-024-02094-9.
  3. Waleed M., Qazi A.Kh., Waqas R. et al. Development of BIM-based tunnel information modeling prototype for tunnel design. Advances in Civil Engineering. 2024. No. 8118578. 18 p. doi: 10.1155/2024/8118578.
  4. Pal M.K., Ram K. Application of mathematical modelling techniques in optimal design of wastewater treatment plants. In: Biological and hybrid wastewater treatment technology. Earth and environmental sciences library. M.M. Ghangrekar, S. Yadav, R.N. Yadava (eds.). Springer, Cham., 2024. doi: 10.1007/978-3-031-63046-0_18.
  5. Perazzolo S. SAAM II: A general mathematical modeling rapid prototyping environment. CPT Pharmacometrics Syst Pharmacol. 2024. No. 13. Pp. 1088–1102. doi: 10.1002/psp4.13181.
  6. Shchekaturov A.M., Timofeev K.A., Kozlov O.S. Method to develop functional software for NPP APCS using model-oriented approach in SimInTech. University Scientific Journal. 2015. No. 15. Pp. 80–87. (In Rus.). EDN: VCMNXN.
  7. Astafiev R.U., Shamin R.V. Fundamentals of statistical tools for analyzing and forecasting the quality of software products. Science and Business: Ways of Development. 2024. No. 5 (155). Pp. 86–90. (In Rus.). EDN: DOLXUJ.
  8. Astafiev R.U., Derevyanko N.V. Implementation of an algorithm for selecting server equipment for modernizing the information system of a production workshop. Modern Science: Actual Problems of Theory and Practice. Series: Natural and Technical Sciences. 2024. No. 5. Pp. 27–32. (In Rus.). doi: 10.37882/2223-2966.2024.05.01. EDN: AMAYIV.
  9. Astafiev R.U., Pronina E.V., Pikhtilkova O.A. et. al. Synthesis of an algorithm for selecting the implementation of methods for factor analysis of econometric data in R and Python. Moscow Economic Journal. 2023. Vol. 8. No. 4. (In Rus.). doi: 10.55186/2413046X_2023_8_4_183. EDN: PQNFAF.
  10. Bogomyagkov A.V., Pugin A.V. Improvement of the mathematical model of heat and mass transfer in a frozen rock mass, implemented in the frozenwall program. News of Tomsk Polytechnic University. Georesources Engineering. 2023. Vol. 334. No. 2. Pp. 164–174. (In Rus.). doi: 10.18799/24131830/2023/2/3808. EDN: ABDTNB.
  11. Zubarev V.R. Development of instrumental systems for analyzing the sustainability of an enterprise. Economics: Yesterday, Today, Tomorrow. 2024. Vol. 14. No. 2-1. Pp. 455–463. (In Rus.). doi: 10.34670/AR.2024.36.42.028. EDN: ANLSZA.
  12. Ivanov I.E., Murzin A.Yu. Determination of the statistical properties of a random error accompanying synchronized vector measurements of currents and voltages in steady state. Bulletin of the Ivanovo State Energy University. 2014. No. 3. Pp. 29–38. (In Rus.). EDN: SGIVGZ.
  13. Kislitsyn E.V., Gorodnichev V.V. Simulation modeling of the development of individual branches of heavy industry. Business Informatics. 2021. Vol. 15. No. 1. Pp. 59–77. (In Rus.). doi: 10.17323/2587-814X.2021.1.59.77. EDN: RADPCO.
  14. Piskunov I.V., Pankin A.A., Bashkirtseva N.Yu. Mathematical modeling of processes for the production of petroleum oxidized bitumen (review). Bulletin of the Technological University. 2022. Vol. 25. No. 4. Pp. 83–94. (In Rus.). doi: 10.55421/1998-7072_2022_25_4_83. EDN: UTDUZA.
  15. Sidoryakina V.V. Mathematical model of the process of spreading oil pollution in coastal marine systems. Computational Mathematics and Information Technologies. 2023. Vol. 7. No. 4. Pp. 39–46. (In Rus.). doi: 10.23947/2587-8999-2023-7-4-39-46. EDN: EKBWZN.
  16. Shikov P.A. Application of tools for mathematical modeling and forecasting of enterprise sales volumes taking into account seasonal fluctuations. Modern Aspects of Economics. 2020. No. 2 (270). Pp. 79–86. (In Rus.). EDN: MOHQSD.

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar


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

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

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

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

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

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

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

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

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

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

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