#38 · ботаническое название
Castanea
Ca-4:2#2ChestnutКаштан
- Плотность
- 560
- Твёрдость Янки
- 540
- EHI
- 0.76
- Индекс долговечности
- 4
UMZARНаучная база данных · Data Science · зарегистрированная ИС
Международная сертификациякоммерческой древесины
Зарегистрированная база данных, которая стандартизирует сведения о коммерческой древесине по физико-механическим свойствам — для верификации пород, торговли, исследований и контроля.
Государственная регистрация базы данных
Международный классификатор
коммерческой древесины Елисеева Ю.А.
Свидетельство № 2026620101 подтверждает государственную регистрацию базы данных в Реестре баз данных. Правообладатель и автор — Юрий Александрович Елисеев.
Свидетельство
№ 2026620101
Заявка
№ 2026622999
Регистрация
06.07.2026
Реферат базы данных
База данных систематизирует и стандартизирует сведения о видах древесины, имеющих промышленное значение в мировой торговле. Она формирует единую систему описания и кодирования видов на основе физико-механических свойств: вид можно последовательно найти, сравнить, классифицировать и верифицировать, а не определять неформально.
Шесть направлений применения
От международной торговли до мастерской01
Мировая и региональная торговля древесиной
02
Деревообрабатывающая промышленность
03
Контроль оборота в контексте EUDR и CITES
04
Таможенное оформление экспорта и импорта
05
Научные и образовательные программы
06
Частные мастера и мастерские по дереву
Функциональные возможности
Система стандартизирует записи по физико-механическим параметрам; поддерживает поиск и фильтрацию; сравнение и классификацию; дешифровку уникальных кодов видов и управляемую работу с данными.
Данные: не содержит персональных данных
Архитектура: любая серверная инфраструктура
OS: Linux Ubuntu LTS 24.04
Панель результатов
архитектура · реализация · результатМатрица классификатора UMZAR
25 ячеек таксономии коммерческой древесины
5 × 5 · физико-механические свойства
Каждая ячейка объединяет виды с заданным сочетанием плотности и долговечности. Матрица становится основой единого кода и воспроизводимой верификации.
Породы:ЛиственныеХвойные
Плотность древесины, кг/м³ →
Долговечность →
P1<500
kg/m³
kg/m³
P2500–650
kg/m³
kg/m³
P3650–800
kg/m³
kg/m³
P4800–950
kg/m³
kg/m³
P5>950
kg/m³
kg/m³
D1Нестойкие<5 лет
D1–P1
D1–P2
D1–P3
D1–P4
D1–P5
D2Малостойкие5–10 лет
D2–P1
D2–P2
D2–P3
D2–P4
D2–P5
D3Среднестойкие10–15 лет
D3–P1
D3–P2
D3–P3
D3–P4
D3–P5
D4Стойкие15–25 лет
D4–P1
D4–P2
D4–P3
D4–P4
D4–P5
D5Высокостойкие>25 лет
D5–P1
D5–P2
D5–P3
D5–P4
D5–P5
D1 Нестойкие · <5 летD2 Малостойкие · 5–10 летD3 Среднестойкие · 10–15 летD4 Стойкие · 15–25 летD5 Высокостойкие · >25 лет
Примеры записей из фрагмента базы
#39 · ботаническое название
Carpinus
Cb-1:3#3HornbeamГраб
- Плотность
- 740
- Твёрдость Янки
- 1630
- EHI
- 8.40
- Индекс долговечности
- 3
#42 · ботаническое название
Cedrus
Ce-4:2#3CedarКедр
- Плотность
- 520
- Твёрдость Янки
- 820
- EHI
- 0.85
- Индекс долговечности
- 4
#35 · ботаническое название
Khaya
Kh-3:2#2KhayaКайя
- Плотность
- 530
- Твёрдость Янки
- 800
- EHI
- 0.86
- Индекс долговечности
- 3
Исследование и инженерия
Как классификация становится проверяемой
Главная сложность — неоднозначность: одно торговое название может относиться к нескольким видам, а один вид встречается под разными названиями и в разных системах измерения. Работа начинается с модели данных и заканчивается записью, у которой можно проверить признаки и основание классификации.
01
Свести источники
Сопоставить торговые и ботанические названия, привести единицы измерения и отделить неоднозначные записи.
Согласованные записи02
Построить модель
Задать таксономию, обязательные характеристики, правила заполнения и уникальный код каждого вида.
Таксономия и код03
Сопоставить признаки
Сформировать сопоставимую матрицу физико-механических свойств и проверить основания классификации.
Матрица признаков04
Проверить результат
Проверить полноту и противоречия, проследить происхождение признаков и зафиксировать изменения.
Проверяемая записьТехнологии и научные методы
DATA · SCIENCE · R&DENGINEERING
Данные и инструменты
Структурированное хранение и воспроизводимая обработка записей.
PythonpandasNumPySQLСтруктурированная БДLinux · Ubuntu LTS
DATA SCIENCE
Анализ и классификация
Сравнение видов строится на согласованных свойствах, а не только на торговом названии.
Анализ данныхНормализацияМатрица признаковСравнение видовКлассификацияПоиск и фильтрацияДешифровка кодов
DEEPTECH · R&D
Научная проверка
Правило классификации и происхождение каждого параметра должны поддаваться проверке.
ТаксономияВерификацияНаучная валидацияПрослеживаемостьВоспроизводимостьПроверка полнотыКонтроль изменений
Научная валидация здесь означает контроль источника, полноты, непротиворечивости и воспроизводимости записей.
Есть задача, которую нужно довести до результата?
Пришлите контекст и желаемый результат. Я определю архитектуру, риски и первый полезный этап.