close

Вход

Забыли?

вход по аккаунту

?

Математическое моделирование лесных... (СР 35.04.01)

код для вставкиСкачать
Министерство образования и науки Российской Федерации
Федеральное государственное бюджетное образовательное
учреждение высшего образования
«Воронежский государственный лесотехнический
университет имени Г.Ф. Морозова»
Математическое моделирование лесных экосистем
Методические указания для самостоятельной работы
студентов по направлению подготовки магистров
35.04.01 – Лесное дело
Воронеж 2016
УДК 630* : 51
Мироненко, А.В. Математическое моделирование лесных экосистем
[Электронный ресурс] : методические указания для самостоятельной работы
студентов по направлению подготовки магистров 35.04.01 – Лесное дело /
А.В. Мироненко; М-во образования и науки РФ, ФГБОУ ВО «ВГЛТУ» –
Воронеж, 2016. – 14 с.
Печатается по решению учебно-методического совета ФГБОУ ВО «ВГЛТУ»
(протокол № 10 от 24 июня 2016 г.)
Рецензент – главный специалист филиала
ФГБУ «Рослесинфорг» «Воронежлеспроект»
Кабанцов А.П.
Ответственный редактор д-р биол. наук, проф. С.М. Матвеев
© Мироненко А.В., 2016
© ФГБОУ ВО «Воронежский
государственный лесотехнический
университет», 2016
2
ВВЕДЕНИЕ
Главными особенностями организации обучения в вузе являются
специфика применяемых методик учебной работы и степень
самостоятельности
обучаемых.
Преподаватель
только
направляет
познавательную активность студента, который сам осуществляет
познавательную деятельность.
Самостоятельная работа – это вид учебной деятельности, выполняемый
учащимся без непосредственного контакта с преподавателем или
управляемый преподавателем опосредовано через специальные учебные
материалы; неотъемлемое обязательное звено процесса обучения,
предусматривающее прежде всего индивидуальную работу учащихся в
соответствии с установкой преподавателя или учебника, программы
обучения.
Самостоятельная работа включает: домашние задания (работа с
учебником, конспектом лекций); отдельные этапы лабораторных работ и
практических занятий и подготовку к ним; типовые курсовые проекты;
необходимость анализа различных путей выполнения задания, выбора
наиболее правильных из них; задания научно-исследовательского характера.
Самостоятельная работа способствует углублению и расширению
знаний, формированию интереса к познавательной деятельности, овладению
приемами процесса познания, развитию познавательных способностей. В
соответствии с этим самостоятельная работа студентов становится одним из
основных резервов повышения эффективности подготовки молодых
специалистов в вузе.
В процессе самостоятельной деятельности студент должен научиться
выделять познавательные задачи, выбирать способы их решения, выполнять
операции контроля за правильностью решения поставленной задачи,
совершенствовать навыки реализации теоретических знаний.
Самостоятельная работа завершает задачи всех видов учебной работы.
Кроме того, самостоятельная работа имеет воспитательное значение: она
формирует самостоятельность не только как совокупность умений и навыков,
но и как черту характера, играющую существенную роль в структуре
личности современного специалиста высшей квалификации.
3
1. Цели и задачи дисциплины
1.1.
Целью
изучения
дисциплины
является
профессиональная
подготовка магистров по направлению 35.04.01 «Лесное дело» в области
математического
моделирования лесных экосистем, методов научных
исследований, аналитической статистики в
программного
обеспечения
для
лесном деле, изучение
статистического
анализа
данных
и
математического моделирования.
1.2 Для достижения поставленной цели решаются следующие задачи:
- ознакомление с базовыми терминами математической статистики и
анализа данных в лесном деле;
- изучение основных понятий и определений теории вероятностей,
законов распределения случайных величин;
- освоение методов и этапов проведения научных исследований,
изучение принципов проверки статистических гипотез;
- освоение методов анализа данных с применением вычислительной
техники;
- освоение методов аналитической статистики (корреляционного
анализа, дисперсионного анализа, кластерного анализа) и техники их
выполнения на ЭВМ.
1.3. Дисциплина «Математическое моделирование лесных экосистем»
входит в базовую часть общенаучного цикла дисциплин подготовки
магистров, индекс Б1.Б.1.
2. Требования к результатам освоения дисциплины
2.1 Для эффективного освоения дисциплины «Математические
моделирование лесных экосистем» у обучающегося должны быть
сформированы следующие предварительные компетенции или их части:
а) способность совершенствовать и развивать свой интелектуальный и
общекультурный уровень (ОК-1);
4
б) способность самостоятельно с помощью современных технологий
приобретать и использовать в практической деятельностиновые знания (ОК2).
2.2. Выпускник вуза – магистр,
дисциплины
«Математическое
по результатам освоения
моделирование
лесных
экосистем»
должен обладать следующими компетенциями:
а)
способностью
совершенствовать
и
развивать
свой
интеллектуальный и общекультурный уровень (ОК-1); способностью к
самостоятельному
обучению
новым
методам
исследования
(ОК-2);
способностью свободно пользоваться иностранными языками как средством
делового общения (ОК-3); использованием на практике умений и навыков в
организации
исследовательских
и
проектных
работ,
в
управлении
коллективом (ОК-4); способностью проявлять инициативу, в том числе в
ситуациях риска, брать на себя всю полноту ответственности (ОК-5);
способностью самостоятельно приобретать с помощью информационных
технологий и использовать в практической деятельности новые знания и
умения, в том числе в новых областях знаний, непосредственно не связанных
со сферой деятельности (ОК-6);
б) готовностью использовать элементы экономического анализа при
организации и проведении практической деятельности, готовностью идти на
умеренный экономический риск (ПК-16); способностью оценивать затраты и
результаты деятельности коллектива (ПК-17); владением приемами и
методами
работы
с
персоналом,
методами
оценки
качества
и
результативности труда персонала, способностью организовать работу
коллектива исполнителей, принимать управленческие решения в условиях
различных мнений (ПК-18); способностью находить компромисс между
различными требованиями (стоимости, качества, безопасности и сроков
5
исполнения) как при долгосрочном, так и при краткосрочном планировании
и
определять
оптимальное
решение
(ПК-19);
способностью
интерпретировать и представлять результаты научных исследований в
формах отчетов, рефератов, публикаций и публичных обсуждений, готов
составлять практические рекомендации по использованию результатов
научных исследований (ПК-25).
2.3. В результате освоения дисциплины студент должен:
- знать:
методы обработки массовых явлений; корреляционный,
регрессионный, дисперсионный, кластерный анализы с применением
программ для ЭВМ; основы моделирования нормальных, ассиметричных
рядов распределения случайных величин.
-
уметь:
осуществлять
планирование
научного
эксперимента;
использовать полученные результаты для принятия решений в конкретных
производственных условиях; оценивать адекватность и точность работы
применяемого аппарата математической статистики;
- владеть: методами научных исследований, основанными на
математическом моделировании в области лесных экосистем.
3. Объѐм дисциплины и виды учебной работы
Таблица 1
Виды учебной работы
Общая трудоемкость работы
Аудиторные занятия
Лекции (Л)
Практические занятия (ПЗ)
Лабораторные работы (ЛР)
Семинары (С)
Занятия, проводимые в интерактивной форме
Самостоятельная работа (Сам)
Контроль самостоятельной работы (КСР)
Курсовой проект (работа)
РГР (ГАР, РАР)
Реферат
Вид итогового контроля (зачѐт, экзамен)
Трудоемкость
всего
В зачетных
часов
еденицах
108
3
40
1,1
6
0,2
34
0,9
36
1,0
32
0,9
*
*
Семестр
I
108
40
6
34
36
32
экзамен
6
4 СОДЕРЖАНИЕ ДИСЦИПЛИНЫ
4.1 Разделы дисциплины и виды занятий
Таблица 2
№
п/п
1
1
1.1
1.2
2
2.1
2.2
3
3.1
3.2
4
4.1
4.2
4.3
Разделы дисциплин
Лекции
ПЗ
ЛР
Сам
2
ВВЕДЕНИЕ. Описательная статистика на
ЭВМ.
Предмет дисциплины. Значение
математического моделирования в научном
познании процессов, протекающих в
биологии, в лесу. Базовые термины
математической статистики и анализа
данных.
Описательная статистика с применением
различных компьютерных программ: MS
Excel, Stadia, Statistica.
Основные понятия и определения теории
вероятностей
Случайная величина и вероятность события.
Законы распределения случайных величин:
биномиальное, Пуассона, нормальное.
Моделирование рядов распределений на
ЭВМ.
Методы научных исследований.
Этапы исследования. Метод наблюдений.
Метод эксперимента. Этапы проведения
научного эксперимента.
Планирование эксперимента. Условия
выбора необходимого числа
экспериментальных объектов. Модель
типичного научного эксперимента в лесном
деле. Проверка статистических гипотез.
Анализ данных. Аналитическая
статистика.
Этапы анализа данных. Представление
данных в наглядной форме. Виды измерений.
Шкалирование.
Обзор программного обеспечения для
статистического анализа данных.
Корреляционный анализ на ЭВМ.
Регрессионный анализ. Анализ временных
рядов. Однофакторный дисперсионный
анализ. Кластерный анализ.
Математическое моделирование динамики
состава насаждений. Моделирование хода
роста модальных древостоев.
ИТОГО часов
ИТОГО зачѐтных единиц
3
4
5
8
1
-
-
3
1
-
12
5
1
-
8
10
1
-
4
6
2
-
10
8
6
0,2
-
34
0,9
32
0,9
7
4.2 Содержание разделов дисциплины
Раздел 1. ВВЕДЕНИЕ. Описательная статистика на ЭВМ.
Предмет дисциплины. Значение математического моделирования в
научном познании процессов, протекающих в биологии, в лесу. Базовые
термины математической статистики и анализа данных. Связь с другими
дисциплинами.
Описательная
статистика
с
применением
различных
компьютерных программ: MS Excel, Stadia, Statistica.
Раздел 2. Основные понятия теории вероятностей.
Случайная величина и вероятность события.
Законы распределения
случайных величин: биномиальное, Пуассона, нормальное. Моделирование
рядов распределений на ЭВМ.
Раздел 3. Методы научных исследований
Этапы исследования. Метод наблюдений. Метод эксперимента. Этапы
проведения научного эксперимента. Планирование эксперимента. Условия
выбора
необходимого
числа
экспериментальных
объектов.
Модель
типичного научного эксперимента в лесном деле. Проверка статистических
гипотез.
Раздел 4. Анализ данных. Аналитическая статистика.
Этапы анализа данных. Представление данных в наглядной форме.
Виды измерений. Шкалирование. Обзор программного обеспечения для
статистического анализа данных. Корреляционный анализ на ЭВМ.
Регрессионный
анализ.
Анализ
временных
рядов.
Однофакторный
дисперсионный анализ. Кластерный анализ. Математическое моделирование
динамики состава насаждений. Моделирование хода роста модальных
древостоев.
8
4.3. Перечень занятий, проводимых в интерактивной форме
Таблица 3
№
Тема занятия
Форма проведения
п/п
1
2
3
1
Значение математического моделирования в
научном познании процессов, протекающих
в биологии, в лесу (2 часа).
Практические занятия: «Робота в MS Excel,
Stadia, Statistica» (32 часа).
Проблемная лекция
2
Презентации с
использованием
интерактивной доски.
Обсуждение. Работа в
малых группах.
5. Лабораторный практикум, практические или семинарские
занятия
5.1. Практические занятия
Таблица 4
№
Раздел
Тема ПЗ
п/п дисциплины
1
2
3
Использование электронных таблиц Excel, программ
1
Раздел 1
Stadia, Statistica для вычисления выборочных
характеристик данных.
2
3
Раздел 2
Использование электронных таблиц Excel, программ
Stadia, Statistica для построения распределений
случайных величин и генерации случайных чисел
Раздел 3
Использование электронных таблиц Excel, программ
Stadia, Statistica для построения выборочных функций
распределения.
5
Раздел 4
6
Раздел 4
7
Раздел 4
8
Раздел 4
9
Раздел 4
Использование электронных таблиц Excel и
статистических пакетов Stadia и Statistica для
проведения корреляционного анализа.
Использование электронных таблиц Excel и
статистических пакетов Stadia и Statistica для
проведения регрессионного анализа.
Использование электронных таблиц Excel и
статистических пакетов Stadia и Statistica для
проведения дисперсионного анализа.
Моделирование динамики состава насаждений.
Моделирование хода роста модальных древостоев на
основе функции Митчерлиха.
9
6. Учебно-методическое обеспечение дисциплины
6.1. Библиографический список
Основная литература
1. Смольянов, А. Н., Мироненко А.В. Математическое методы [Текст] :
текст лекций / А. Н. Смольянов, А.В. Мироненко ; ВГЛТА. – Воронеж, 2013.
– 140 с. Электронная версия в ЭБС ВГЛТА.
Дополнительная литература
2. Сериков М.Т. Основы математического моделирования в
лесоустройстве [Текст]: Учеб. пособие / М. Т. Сериков. – Фед. агентство по
образованию, Гос. образовательное учреждение высш. проф. образования,
Воронеж. гос. лесотехн. акад. – Воронеж, 2005. – 119 с.
6.2. Перечень ресурсов информационно-телекоммуникационной
сети «Интернет»
1. Ресурс для скачивания бесплатной версии программы STADIA:
http://protein.bio.msu.ru/~akula/Podr2~1.htm.
2. Сайт разработчика статистического пакета STATISTICA:
http://www.statsoft.ru/
6.3. Перечень информационных технологий и средств обеспечения
освоения дисциплины
При изучении дисциплины используются:
- программные средства приобретѐнные и специально разработанные;
- мультимедийные презентации по разделам дисциплины,
иллюстрирующие алгоритмы математических расчѐтов;
- уровень усвоения дисциплины определяется на основе модульнорейтинговой системы оценки знаний студентов;
- для итогового контроля разработан банк тестовых заданий, состоящий
из вопросов и задач по разделам дисциплины.
7. Материально–техническое обеспечение дисциплины
При изучении данной дисциплины используется компьютерный класс
(аудитория № 306) кафедры лесоводства, лесной таксации и лесоустройства,
оборудованный интерактивной доской для демонстрации возможностей
компьютерных программ, а также для демонстрации презентаций и
обучающих видеороликов на лекциях.
10
8. Методические рекомендации по организации изучения
дисциплины
8.1. Самостоятельная работа студентов
Значительная часть разделов дисциплины, а также лабораторные
работы требуют дополнительного времени с целью более глубокого
знакомства с материалами, которые имеются в научно-методической и
справочно-нормативной литературе, а также в учебниках и учебных
пособиях. Поэтому ряд вопросов в дополнение к аудиторному освоению
выносится для самостоятельного изучения, а также проводится
самостоятельная работа в компьютерном классе по выполнению расчѐтов на
ЭВМ.
Таблица 5
№
п/п
1
1
2
3
4
5
6
7
Тема самостоятельной работы
Номер источника
2
Методы математических исследований.
Понятие случайного события. Подсчет
вероятностей сложных событий.
Биномиальное, нормальное,
асимметричное распределение.
Треугольник Паскаля. Распределение
редких событий Пирсона.
Основные показатели вариационного ряда.
Мера изменчивости. Показатели
асимметрии вариационного ряда. Момент
статистических величин.
Проверка статистических гипотез.
Границы генеральной совокупности.
Критерии х2, t – Стьюдента. Определение
объема выборки.
Корреляция. Множественная корреляция
частная корреляция. Методы оценок
парных связей. Достоверность.
Регрессионный анализ. Значимость
коэффициентов. Ошибки и достоверность.
Дисперсионный анализ. Метод разделения
дисперсий. Критерии Фишера.
3
1 осн.
1 осн.
1 осн.
1 осн.
1 осн.
1 осн.
1 осн.
9. Оценка качества освоения дисциплины
9.1. Контроль качества освоения дисциплины
Контроль качества освоения дисциплины проводится посредством
текущего
контроля
успеваемости
и
промежуточной
аттестации
обучающихся.
11
Текущий контроль по дисциплине регламентирован Положением о
текущем контроле и промежуточной аттестации ФГБОУ ВО «ВГЛТУ» и
Положением о модульно-рейтинговой системе оценки успеваемости
студентов ФГБОУ ВО «ВГЛТУ». В академии действует модульнорейтинговая система оценки знаний студентов, которая предусматривает
проведения текущего контроля по дисциплине в течение семестра в виде
оценки
обязательных и дополнительных видов работ. Виды работ
закреплены в Технологической карте модульно-рейтинговой системы оценки
успеваемости студентов по дисциплине, которая является частью Учебнометодического комплекса дисциплины.
Процедура проведения зачета (экзамена по дисциплине) закреплена в
Положение о текущем контроле успеваемости и промежуточной аттестации
обучающихся ФГБОУ ВО «ВГЛТУ».
9.2. Фонд оценочных средств для текущего контроля
Каждый вид работ, закрепленных в Технологической карте, имеет фонд
оценочных средств и критерии выставление оценки. Фонд оценочных
средств является частью Учебно-методического комплекса дисциплины.
Структура фонда оценочных средств представлена в таблице 6.
Таблица 6
№
п/п
Наименование
оценочного
средства
Контролируемые
Контролируемые
разделы (темы),
компетенции
модули дисциплины
(или их части)
1
2
3
1
Комплект
индивидуальных
заданий
Описательная
статистика,
корреляционный
анализ,
регрессионный
анализ,
дисперсионный
анализ,
кластерный анализ
4
Количество
вариантов
5
ПК-16
ПК-17
ПК-18
10
ПК-19
ПК-25
12
9.3. Фонд оценочных средств для промежуточной аттестации
Фонд оценочных средств для промежуточной аттестации формируется
в соответствии с Положением о формировании фонда оценочных средств для
промежуточной и итоговой аттестации обучающихся в ФГБОУ ВО «ВГЛТУ»
и является частью УМКД.
СОДЕРЖАНИЕ
Введение ………………………………………………………..……………… 3
Цели и задачи дисциплины ………….………………………..……………… 4
Требования к результатам освоения дисциплины …………….……………… 5
Содержание разделов дисциплины …………………………..…….………… 6
Библиографический список (рекомендуемая литература) ………..….………. 9
Методические рекомендации по организации изучения дисциплины …….. 10
13
МИРОНЕНКО АЛЕКСЕЙ ВИКТОРОВИЧ
Математическое моделирование лесных экосистем
Методические указания для самостоятельной работы
по направлению подготовки магистров
35.04.01 – Лесное дело
14
Документ
Категория
Без категории
Просмотров
12
Размер файла
332 Кб
Теги
моделирование, лесные, математические
1/--страниц
Пожаловаться на содержимое документа