МЕТОД АППРОКСИМАЦИИ ФУНКЦИИ , ЗАДАННОЙ СЕТОЧНЫМИ ЗНАЧЕНИЯМИ В МНОГОМЕРНОМ ПРОСТРАНСТВЕ

1. Введение.

На практике часто встречается задача представления функции (m) переменных, сеточные значения которой получены тем или иным способом. Для наглядности приведем пример. Если зона концентрации упругих напряжений задается тремя геометрическими размерами, то можно ввести две новые независимые безразмерные переменные Х₁ и Х₂ , каждая из которых равна отношению двух геометрических размеров. В такой зоне коэффициенты концентрации напряжений ( ККН ), как значения функции, полностью зависят от переменных Х₁ и Х₂ , т.е. m=2 . Для конкретной пары переменных Х₁ и Х₂ экспериментальными или расчетными методами можно получить конкретное значение ККН. Аналогично можно найти значения ККН в остальных узлах некоторой сетки на плоскости переменных Х₁ и Х₂ . Результаты подобного исследования нуждаются в представлении, позволяющем в дальнейшем определять значения ККН без проведения прямых экспериментов или расчетов.

Простейшим представлением функции является таблица, в которой на пересечении столбца (переменная Х₁) и строки (переменная Х₂) помещается соответствующее значение ККН. Такие таблицы обычно занимают много места. А для определения значения функции при произвольных величинах переменных Х₁ и Х₂ приходится прибегать к графической или математической процедуре интерполяции в линейной или квадратичной постановке.

Более информативным является представление функции на одном рисунке в виде семейства графиков, каждый из которых изображает зависимость значений ККН от переменной Х₁ при фиксированной величине переменной Х₂ (или наоборот). Модификациями этого способа можно считать построение линий равных значений ККН (изолиний) на координатной плоскости (Х₁,Х₂), а в общем случае - создание номограммы функции. Указанные представления функции имеют те же недостатки, что и табличная форма. Эти недостатки еще более усугубляются с возрастанием числа (m) переменных.

Предпочтительным во многих смыслах является представление функции в виде явной формулы, подстановка в которую переменных Х₁ и Х₂ дает искомое значение ККН. Поиск такой формулы составляет суть процедуры аппроксимации. Задача аппроксимации в данной работе формулируется следующим образом. Пусть имеется функция (m) действительных переменных, определенная сеточными значениями в некоторой области m - мерного пространства. Требуется для этой области определения построить сглаживающую аппроксимирующую модель функции в виде математического выражения, по возможности более простого.

Обычно задача аппроксимации решается с применением различных численных методов, таких как построение многочленов по методу наименьших квадратов, построение полиномов и сплайн-функций, подбор взаимосвязанных расчетных формул из набора функций различного класса [1]. Однако, практическая реализация данных методов требует наличия стандартных и специализированных прикладных программ для ЭВМ, а получаемые аппроксимирующие выражения слишком громоздки и неудобны для помещения в справочную литературу и при последующем ручном счете по ним.

С другой стороны, например при проведении интерполяции часто прибегают к последовательному уменьшению размерности пространства и тем самым существенно упрощают процесс получения результата. Но в данном случае ни в отечественной, ни в зарубежной литературе автору брошюры не удалось найти варианты использования этого приема при решении сформулированной задачи аппроксимации. Так к примеру, для функции многих переменных можно получить приближение в виде суммы произведений функций, каждая из которых зависит от одной переменной [2,3], что только на первый взгляд приводит к уменьшению размерности области определения. Независимо от способа получения таких приближений, они фактически являются многочленами от всех (m) переменных и не лишены вытекающих отсюда ограничений использования.

В то же время, вызывает интерес работа [4], в которой результаты экспериментальных исследований представлены нетрадиционным способом. В работе [4] вместо семейства кривых зависимости функции от первой переменной при фиксированных величинах второй переменной - приведена эмпирически найденная кривая корреляции значений функции и одного, так называемого, обобщенного параметра, являющегося простым произведением исходных переменных. Подобное уменьшение размерности пространства заметно упрощает задачу аппроксимации, однако, в работе [4] не описаны способы определения обобщенного параметра и проведения аппроксимации.

В настоящей работе предлагается способ определения обобщенного параметра, в общем виде представляемого как произведение степенных функций исходных переменных. Таким образом, во многих случаях функция (m) переменных может быть сведена к функции одной новой переменной - обобщенного параметра. Основанный на таком подходе метод аппроксимации позволяет получать достаточно простые сглаживающие аппроксимирующие выражения, не являющиеся многочленами.

2. Аппроксимация функции двух переменных.

2.1. Общие положения.

Ниже рассматривается аппроксимация функции двух переменных Х₁ и Х₂ , линии уровня (изолинии) которой составляют семейство не пересекающихся монотонных до второй производной включительно линий, далее для краткости называемых просто монотонными, см. рис.1. Каждая из изолиний может быть описана уравнением :

Х₂ = Аi Х₁ⁿ , (2.1)

где : n - некоторое действительное число , Аi - коэффициент для i-той изолинии. Отсюда, для i-той изолинии справедливо :

Х₂ Х₁^-ⁿ = Аi . (2.2)

Т.к. изолиния - это геометрическое место точек на плоскости (X₁,X₂) , соответствующих значению функции F(X₁,X₂)=const , то для изолинии с номером ( i ) можно записать :

F(X₁,X₂) = Ci . (2.3)

Из (2.2) и (2.3) следует, что на координатной плоскости, где по оси абсцисс откладываются значения Аi , а по оси ординат - значения Сi (см. рис.2) , каждая изолиния ( i ) отображается единственной точкой Ci(Ai) .

Если провести любую прямую, пересекающую несколько изолиний (рис.1), то нетрудно заметить, что при движении по этой прямой от изолинии к изолинии в одном направлении, исходя из (2.2), последовательность Аi будет монотонно убывающей или монотонно возрастающей. Если при таком движении последовательность Сi также будет монотонной (рис.1), тогда на рис.2 получится монотонная кривая, которую можно аппроксимировать некоторой простой функцией: C = j (A) . (2.4)

Выражение (2.4) записывается с учетом (2.2) и (2.3) в полном виде :

F(X₁,X₂) = j (X₂ · X₁^{- n}) .

Новая переменная (X₂ · X₁^-ⁿ) является обобщенным параметром и в дальнейшем будет обозначаться буквой x = x(Х₁,Х₂) = X₂ · X₁^-ⁿ . Т.е. :

F(X₁,X₂) = j ( x(X₁,X₂) ) . (2.5)

Зависимость (2.5) дает возможность по значению обобщенного параметра ( x ) , рассчитанному исходя из заданных величин переменных X₁ и X₂ , легко найти значение функции F. Таким образом, привлечение изолиний функции и их уравнений позволяет по-новому подойти к аппроксимации функции многих переменных и достичь определенных преимуществ по сравнению с традиционными подходами.

Далее описаны методики, позволяющие определить обобщенный параметр в виде :

x = X₁^k X₂ , (2.6)

где k = - n , и получить окончательное аппроксимирующее выражение зависимости (2.5). Осуществимость и точность такой аппроксимации зависят, в первую очередь, от выполнения упомянутых требований к характеру изолиний аппроксимируемой функции. Применительно к семействам кривых зависимости функции от одной переменной при фиксированной другой переменной, указанные требования эквивалентны следующим ограничениям : каждая из кривых должна быть монотонной ; необходима монотонность первой и второй производной каждой кривой ; отсутствие пересечений кривых в каждом из семейств кривых. Такие функции нескольких переменных для краткости будем называть монотонными.

2.2. Аппроксимация функции двух переменных, заданной на густой сетке

узловых точек.

Существование большого числа узловых точек позволяет достаточно точно построить изолинии аппроксимируемой функции. Уравнение изолиний ищется в виде (2.1), причем коэффициенты Аi и (n) могут быть определены каким-либо из известных численных методов. После определения выражения для обобщенного параметра (2.6) и построения зависимости (2.5) , см. рис.2, последняя аппроксимируется подходящей функцией. В большинстве случаев это может быть сделано с помощью степенной функции :

F(X₁,X₂) = B · x^t + D , (2.7)

где действительные числа t,B,D находятся численно. Выражение (2.7) является формулой для вычисления значений функции F(X₁,X₂) в точках плоскости (Х₁,Х₂) .

Изложенный метод требует помимо существования значительного числа узловых точек, также наличия соответствующего математического и программного обеспечения ЭВМ. Однако часто, особенно в экспериментальной практике, встречается ситуация, когда число узловых точек ограничено из-за сложности и трудоемкости проведения экспериментов. Ниже описан метод аппроксимации функции двух переменных на ограниченном множестве узловых точек, который может быть реализован без применения вычислительной техники.

2.3. Аппроксимация функции двух переменных на ограниченном числе

узловых точек.

Ранее было показано, что функция (j) в выражении (2.5) монотонная (см. рис.2). Если возвести обобщенный параметр (x) в любую степень b¹0 , то функция Ф в выражении :

F(X₁,X₂) = Ф ( x^b )

также будет монотонной. Т.е. требованиям обобщенного параметра удовлетворяет бесконечное множество выражений :

(X₁^k · X₂)^b = X₁^{k b} · X₂^b .

Однако, удобнее искать обобщенный параметр (x) в виде (2.6).

Если все имеющиеся узловые точки F'(X₁',X₂') записать в таблицу столбцом в порядке возрастания значений функции и заполнять остальные столбцы по формуле (2.6) для всевозможных (k) , то найдется столбец, в котором будет наблюдаться наиболее строгое возрастание или убывание значений обобщенного параметра (x) . Это будет свидетельствовать о достижении монотонности зависимости (2.5), см. рис.2, а соответствующий показатель степени (k) определит обобщенный параметр (x) .

Описанная процедура упорядочивается следующим образом. Сначала показателю степени (k) присваиваются значения k=1 и k=-1 , и строятся два графика зависимости (2.5), из которых выбирается график, более близкий по характеру к монотонной кривой. Знак соответствующего показателя степени (k) далее сохраняется. Затем заданием модуля /k/=0,5 и /k/=2 определяются аналогичным образом значения /k/ ( 01 ) , приводящие к более строгой монотонности кривой (2.5) , т.е. к наименьшей пилообразности кусочно линейного представления кривой (2.5) , см. рис.2. Дополнительные итерации дают возможность найти показатель степени (k) в выражении (2.6) для x(Х₁,Х₂) при необходимости с точностью до двух значащих цифр.

Следующий этап аппроксимации сводится к преобразованию кривой зависимости (2.5) функции от обобщенного параметра в прямую линию, что удобнее сделать при возрастающем характере функции (j) . Если функция (j) убывающая, то введя величину, обратную параметру (x) , можно добиться возрастающего характера аппроксимируемой кривой. Затем, возведя обобщенный параметр в вещественную степень ( t ) , эту кривую можно преобразовать в прямую линию, после чего определяются постоянные B и D в формуле (2.7). Но в ряде случаев для получения прямой необходимо использовать в качестве аппроксимирующей не степенную, а иную функцию.

2.4. Пример аппроксимации функции двух переменных на нескольких

узловых точках.

Описанные в настоящей работе методики были использованы при аппроксимации справочных данных по коэффициентам концентрации упругих напряжений ( ККН ) для ряда концентраторов, представленных в [5]. В качестве примера с помощью таблицы и рис.3 показан вывод формулы вычисления коэффициента концентрации местных напряжений для зоны галтельного сопряжения цилиндра с плоским днищем при действии внутреннего давления. Указанный ККН (Кs) зависит от безразмерных переменных X₁ и Х₂ , в которые входят геометрические размеры рассматриваемой зоны концентрации.

Значения ККН, независимых переменных и обобщенного параметра.

F(Х₁,Х₂)=

= Кs

Х₁

Х₂

x₁ =

= Х₂ · Х₁

x₂ =

= Х₂ / Х₁

x₁₁ =

=Х₂·Х₁^0,5

x₁₂ = x =

= Х₂·Х₁²

h =

= x^{- 0,25}

1,4

1,8

1,9

2,9

3,5

4,4

5,7

1,0

0,4

1,0

0,2

0,05

1,0

0,75

0,2

1,0

0,4

0,2

1,0

0,3

0,2

0,04

0,05

0,02

0,01

1,0

1,9

0,2

1,0

20,0

8,0

4,0

1,0

0,47

0,2

0,089

0,22

0,089

0,045

1,0

0,12

0,2

0,008

0,0025

0,001

0,0005

1,0

1,7

1,5

3,3

4,5

5,6

6,7

Рисунок

Рис.3а

Рис.3б

Рис.3в

Рис.3г

Рис.3д

Окончательная аналитическая зависимость для коэффициента концентрации напряжений имеет вид :

0,7

Кs = ¾¾¾¾¾¾¾¾¾ + 0,8 .

Х₁ Х₂

Данная формула приведена в [5] и в работе [6] .

3. Взаимосвязь аппроксимации функции с вопросами планирования

эксперимента.

Количество узловых точек определяется планом эксперимента. Основной целью планирования эксперимента [7] является исследование поведения функции F(X₁,X₂) в пределах области задания. Если из каких-либо соображений заранее известно, что исследуемая функция является монотонной (см. условия в п.2.1 брошюры), то может быть принято минимальное число опытов в плане эксперимента, т.к. такого числа опытов вполне достаточно для последующей достоверной аппроксимации функции предлагаемым методом. В данном разделе брошюры приведены обоснования последнего утверждения.

Второй составной частью планирования эксперимента является статистический анализ данных по [7]. Но для многих трудоемких экспериментов заведомо неприемлема классическая формулировка такого анализа : определить необходимое количество опытов в точке (X₁*,X₂*) , чтобы с заданной точностью и степенью риска измерить истинный отклик F*(X₁*,X₂*) . При анализе экспериментальных данных в такой ситуации предлагаемый метод аппроксимации имеет преимущество по сравнению с другими подходами.

Взаимосвязь анализа данных и предлагаемого метода аппроксимации иллюстрирует рис.2. С одной стороны, сглаживающая аппроксимирующая кривая опирается на точки Fi(xi) , которые могут не совпадать с истинными значениями отклика Fi* и обобщенного параметра xi*(X₁*,X₂*) , поэтому увеличение числа узловых точек в целом повышает достоверность всего эксперимента и последующей аппроксимации. С другой стороны, сглаживающая аппроксимирующая кривая позволяет обнаружить узловые точки, явно выпадающие из общей зависимости. Такой анализ данных более объективен при малом количестве узловых точек по сравнению, например, с изучением семейств кривых зависимости функции от одной переменной при фиксированной другой переменной. Т.к. каждая из кривых в семействе содержит подмножество узловых точек, тогда как кривую на рис.2 образуют сразу все узловые точки.

Перейдем к проблеме планирования эксперимента, когда погрешность измерения отклика в узловых точках не превышает 5 % . Рассмотрим для монотонной функции двух переменных план эксперимента, состоящий из четырех узловых точек в вершинах квадрата на плоскости (X₁,X₂) . Этот квадрат можно ориентировать произвольным образом при вращении квадрата вокруг его центра. Из совокупности получаемых квадратных планов эксперимента можно выделить два характерных. Первый план отличается тем, что в двух узловых точках будут почти одинаковые максимальные значения функции, а в двух других - почти одинаковые минимальные значения функции. Для второго плана : в одной узловой точке будет близкое к максимальному значение функции ; в другой узловой точке - близкое к минимальному значение функции ; в двух остальных - почти одинаковые промежуточные значения функции.

Первый план эксперимента обладает значительно меньшей информативностью по сравнению со вторым планом, т.к. неизвестно поведение функции между экстремумами. Применение описываемого метода аппроксимации исследуемой функции приведет к такому же выводу. Введение обобщенного параметра сопровождается совмещением точек с одинаковыми ординатами на рис.2. Поэтому для первого плана останутся только две точки на рис.2, т.е. последовательность точек окажется вырожденной. Для второго плана через три точки на рис.2 всегда может быть проведена конкретная аппроксимирующая кривая.

Изменение показателя степени (k) в формуле (2.6) выражается в изменении взаимного расположения промежуточных точек относительно крайних точек на рис.2, а обобщенный параметр определяется именно из условия достижения такой последовательности точек на рис.2, при которой через эти точки может быть проведена монотонная кривая с минимальной пилообразностью. Поэтому желательно, чтобы две промежуточные точки имели ординаты (значения функции), значительно отличающиеся друг от друга и от экстремальных ординат. Т.е. из всех рассматриваемых квадратных планов эксперимента наиболее информативным и пригодным для аппроксимации можно считать план, занимающий среднее положение между первым и вторым характерными планами. При этом наилучшем плане значения функции Fi в четырех узловых точках должны быть примерно эквидистантными.

Таким образом, достаточно надежная аппроксимация монотонной функции может быть проведена всего лишь по четырем узловым точкам, причем аппроксимирующие выражения вида (2.6)-(2.7) автоматически описывают близкий к реальному нелинейный характер функции, если аппроксимируемая функция нелинейна. Другие известные методы аппроксимации в этих компонентах уступают предлагаемому. Наряду с этим, аппроксимация обобщенным параметром обладает устойчивостью, т.к. существенные вариации показателя степени в (2.6) относительно окончательного значения (k) не приводят к катастрофическим ошибкам при расчетах по формулам вида (2.7).

В дорогостоящем эксперименте первоначально принятый квадратный план может оказаться не наилучшим по результатам измерения четырех значений функции. В таких экспериментах поиск наилучшего из квадратных планов вообще теряет смысл. Достаточно принять любой план с узловыми точками, число которых немногим больше четырех и которые покрывают всю исследуемую область определения функции F(X₁,X₂) , причем сетка узловых точек может быть нерегулярной и сгущенной, например, в окрестностях максимума функции. В этом случае последовательность точек Fi(xi) на рис.2 никогда не будет вырожденной. Последнее можно считать дополнительной проверкой качества исследования поведения функции в эксперименте.

4. Аппроксимация функции трех и более переменных.

Рассмотрим аппроксимацию функции, зависящей от трех независимых переменных Х₁,Х₂,Х₃ . В этом случае одна из переменных, например Х₃ , считается объединяющей. В каждом подмножестве узловых точек F'(X₁', X₂', X₃' = const = L j ) осуществляется определение обобщенного параметра ( x j ) в форме (2.6). Полученные значения показателя степени ( k j ) могут быть записаны в функции от переменной Х₃ : k=k(X₃) . Следовательно, в общем виде промежуточный обобщенный параметр E равен :

E(X₁,X₂,X₃) = X₁^{k ( X з )} · X₂ .

Аппроксимируемая функция приобретает вид :

F(X₁,X₂,X₃) = F(X₃,E) ,

после чего задача сводится к уже решенной (2.5) :

F(X₃,E) = j ( x(X₃,E) ) .

Аналогичным образом можно аппроксимировать функции, зависящие и от большего числа переменных. В случае невыполнения отмеченных ранее требований к аппроксимируемой функции на очередной стадии уменьшения размерности области определения, дальнейшая аппроксимация может быть проведена стандартными численными методами с использованием обобщенного параметра в качестве новой переменной.

5. Заключение.

В описанных методиках осуществляется сглаживающая аппроксимация данных, которые обычно сами найдены с некоторой погрешностью. Получаемые по этим методикам простые формулы позволяют с инженерной точностью (ошибка в пределах 10 %) определять значения монотонных функций, зависящих от нескольких переменных.

В заключение сделаем несколько замечаний об экстраполирующих свойствах выражений вида (2.6)-(2.7) . Качество экстраполяции оценивается в первом приближении по тому, дает ли она отвечающие физическому смыслу результаты, и во втором приближении по тому, насколько эти результаты близки к истинным. В примере п.2.4 для любых значений переменных Х₁ и Х₂ , имеющих физический смысл, по аппроксимирующей формуле будут получаться значения функции, во-первых, положительные, т.е. не противоречащие физическому смыслу, и во-вторых, подчиняющиеся очевидному общему поведению функции, см. рис.3д . Это говорит о том, что выражения вида (2.6)-(2.7) обладают хорошими экстраполирующими свойствами. Однако, при создании выражений вида (2.6)-(2.7) , а также при их применении необходимо обращать внимание на следующее.

В общем случае, окончательная аппроксимирующая прямая, аналогичная изображенной на рис.3д , не обязательно на всей области определения обобщенного параметра имеет соответствующие физическому смыслу значения функции. Полный участок аппроксимирующей прямой, отвечающий физическому смыслу, всегда содержит интервал значений обобщенного параметра для узловых точек, использованных при построении формул (2.6)-(2.7) . Экстраполяцию можно надежно осуществлять для значений обобщенного параметра, удаленных от концов указанного интервала на величину, не превышающую длину этого интервала.

С другой стороны, экстраполяция для аргументов функции, которые хотя бы по одной исходной переменной далеко отстоят от границ расположения узловых точек, является не очень точной. Такие границы в виде интервалов значений каждой переменной Х₁,...,Хm обязательно должны прилагаться к формулам (2.6)-(2.7) , несмотря на использование в них обобщенных параметров. Этой информации достаточно для проверки всех перечисленных ограничений при проведении экстраполяции.

В целом, в процессе применения выражений вида (2.6)-(2.7) всегда нужно заранее знать, какая операция осуществляется в каждом конкретном случае - интерполяция или экстраполяция.

6. Признательность.

Выражаю искреннюю благодарность своим коллегам Аржаеву А.И. , Бортникову М.В. , Денисову И.Н. за оказанную ими помощь в разработке представленного метода аппроксимации, а также в подготовке материалов к публикации.

СПИСОК ЛИТЕРАТУРЫ

1. Авчинников Б.Е. , Засимов В.М. , Зенушкин В.Н. Банк математических моделей для расчета величины коэффициента концентрации напряжений // Заводская лаборатория . 1989 . № 9 . С. 78-81.

2. Шура-Бура М.Р. Аппроксимация функций многих переменных функциями, каждая из которых зависит от одного переменного // В сб. : Вычисл. матем. М. : Изд-во АН СССР . 1957 . № 2 . С. 3-19 .

3. Поспелов В.В. О погрешности приближения функции двух переменных суммами произведений функций одного переменного // Вычисл. матем. и матем. физика . 1978 . Т. 18 . № 5 . С. 1307-1308 .

4. Маргулис А.И. Напряжения в месте сопряжения дна с цилиндром, нагруженным внутренним давлением // Вестник машиностроения . 1960 . № 3 . С. 35-38 .

5. ПНАЭ Г-7-002-86. Нормы расчета на прочность оборудования и трубопроводов атомных энергетических установок . М. : Энергоатомиздат . 1989. 524 с.

6. Аржаев А.И. , Болдин А.Ю. Исследование максимальных напряжений в зоне сопряжения цилиндра с плоским днищем // Проблемы прочности. 1990. № 12. С. 36-40 .

7. Монтгомери Д.К. Планирование эксперимента и анализ данных . Л. : Судостроение . 1980 . 383 с.

Р И С У Н К И

к «Методу аппроксимации функции, заданной сеточными значениями

в многомерном пространстве».

X₂ i=4

8 i=3

0,6 6

4 i=2

0,4 3

i=1

C₁=2

0,2

0,05 0,2 0,4 0,6 0,8 X₁

Рис.1. Пример изолиний функции, зависящей от двух переменных Х₁ и Х₂ .

C ; F

C₁

A₁ Ai A ; x

Рис.2. Кривая зависимости значений аппроксимируемой функции

от значений обобщенного параметра.

Рис.3. Графики зависимости коэффициента концентрации

местных напряжений от различных обобщенных параметров.

Кs

0 0,2 0,4 0,6 0,8 x₁

Рис. 3а .

Кs

0 5

Рис.3б. 15

x₂

Кб

0 0,2

0,4

Рис.3в. 0,6

0,8

x₁₁

Кs

0 0,01 0,1 0,2 0,8 1,0 x

Рис. 3г.

Кs

0 1 2 3 4 5 6 h

Рис. 3д .

ПОСЛЕСЛОВИЕ

Из подзаголовка настоящей брошюры видно, что одноименную статью в свое время автору не удалось опубликовать. Несколько российских журналов отказались печатать статью под шаблонными надуманными и клеветническими предлогами. Данная статья, пришедшаяся «не ко двору», еще раз высветила пагубный путь, которым идет отечественная научно-техническая печать и вся научная отрасль. Отличительными особенностями этого пути являются принцип "выдвигать только своих" и "телефонное право".

Присылаемые на публикацию рукописи не обладают автоматической защитой интеллектуальной собственности. Редакции журналов знакомятся с рукописями, но на редакции не возлагается ответственность в отношении интеллектуальной собственности авторов. После ознакомления с рукописью, редакция свободно может отклонить и не напечатать статью, и тогда авторский приоритет содержания статьи фактически пропадает и становится трудно доказуемым.

Сложившаяся ситуация оказывается еще более возмутительной, если учесть следующее. Рецензенты, получающие государственную зарплату, без зазрения совести высказывают свое субъективное и зачастую некомпетентное подлое личное мнение – «смертный приговор» для новой информации, который на деле серьезно тормозит научно-технический прогресс и наносит вред именно государству, т.е. всей нашей стране. Это характерно и для патентной экспертизы изобретений.

Давно уже назрели реформы в сфере отечественной научно-технической печати. Эти реформы могут проводиться в направлениях, обозначенных ниже.

Во-первых, по благому примеру патентного делопроизводства целесообразно ввести такой порядок. Сразу после поступления статьи в редакцию - автору выдается охранный документ (установленного общероссийского образца) на интеллектуальную собственность. В охранном документе указываются : авторство, дата приоритета, название рукописи, реферат (краткое содержание) рукописи и другие сведения.

Во-вторых, целесообразно установить только два законных основания для отклонения публикации статьи :

1) отсутствие новизны в статье, т.е. существование более ранних публикаций, в которых представлена такая же научно-техническая информация ;

2) наличие в статье бесспорных грубейших ошибок, непосредственно влияющих на результаты, описываемые в статье .

При невозможности и неспособности со стороны рецензентов предоставить доказательства наличия хотя бы одного из этих двух оснований - статья в обязательном порядке публикуется согласно очередности.

В случае неподпадания статьи под перечисленные основания отказа публикации – перед печатью статьи за редакцией журнала остается право предложить автору частично доработать статью в целях ее улучшения. Автор вправе не учитывать замечания редакции. Независимо ни от чего редакция может напечатать свою рецензию в конце опубликованной статьи. А читатель журналов сам разберется «что к чему» , ему не нужны "поводыри", особенно в той роли, которую сейчас играют рецензенты журналов. Также нельзя забывать о том, что иногда истина окончательно выясняется лишь по прошествии немалого времени.

Для решения спорных вопросов (с любым сроком давности) применительно к издательскому и патентному делопроизводствам целесообразно учредить независимый вневедомственный гласный «Высший Суд по интеллектуальной собственности». Его основной задачей должен быть разбор содержательной стороны конкретных научно-технических идей, помимо чисто правовых аспектов авторского права.

Основные положения реформы научно-технической печати, представленные выше, ориентированы на реализацию принципов справедливости, подлинной демократичности и объективности. Хочется надеяться на одобрение подобной реформы научно-технической общественностью нашей страны.

Сконвертировано и опубликовано на http://SamoLit.com/