WWW.LIBRUS.DOBROTA.BIZ
БЕСПЛАТНАЯ  ИНТЕРНЕТ  БИБЛИОТЕКА - собрание публикаций
 

«Работа выполнена на кафедре информационных технологий учебно-научного комплекса автоматизированных систем и информационных технологий (УНК АСИТ) ФГБОУ ВО «Академия Государ ...»

Работа выполнена на кафедре информационных технологий учебно-научного

комплекса автоматизированных систем и информационных технологий (УНК АСИТ)

ФГБОУ ВО «Академия Государственной противопожарной службы МЧС России»

Научный Бутузов Станислав Юрьевич,

руководитель: доктор технических наук, доцент,

начальник УНК АСИТ Академии ГПС МЧС России

Официальные Таранцев Александр Алексеевич,

оппоненты: заслуженный работник высшей школы РФ,

доктор технических наук, профессор, профессор кафедры организации пожаротушения и проведения аварийно-спасательных работ СанктПетербургского университета ГПС МЧС России Родионов Евгений Григорьевич, кандидат технических наук, доцент, заместитель начальника кафедры пожарной безопасности объектов защиты Ивановской пожарно-спасательной академии ГПС МЧС России Ведущая Федеральное государственное бюджетное учреждение организация: «Всероссийский научно-исследовательский институт по проблемам гражданской обороны и чрезвычайных ситуаций (федеральный центр науки и высоких технологий) Министерства Российской Федерации по делам гражданской обороны, чрезвычайным ситуациям и ликвидации последствий стихийных бедствий» (ФГБУ ВНИИ ГОЧС (ФЦ) МЧС России) Защита состоится 28 сентября 2016 г. в 10:00 на заседании диссертационного совета Д 205.002.01 при Академии Государственной противопожарной службы МЧС России по адресу: 129366, г. Москва, ул. Бориса Галушкина, 4, зал диссертационного совета .

С диссертацией можно ознакомиться в библиотеке Академии Государственной противопожарной службы МЧС России и на сайте http://academygps.ru/uploads/files/MRJWJBV5OTmHCcXIcmjK.pdf .

Автореферат разослан «____» _____________ 2016 г .

Отзыв на автореферат с заверенной подписью и печатью в 2-х экземплярах просьба направить в Академию Государственной противопожарной службы МЧС России по указанному адресу .

Ученый секретарь диссертационного совета доктор технических наук, доцент Станислав Юрьевич Бутузов

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Пожары являются одним из основных источников угроз государственной безопасности. В ходе анализа статистических данных по обстановке с пожарами и оперативной деятельности Федеральной противопожарной службы МЧС России выявлено, что наблюдается снижение количества пожаров на один миллион человек (на 36,5% от 1650,1 ед. в 2003 г. до 1048,6 ед. в 2014 г.) и сокращение количества погибших и пострадавших при пожарах людей на один миллион человек (на 37,6% с 113,0 чел в 2003 г. до 70,5 чел в 2014 г. и на 20,5% с 96,2 чел в 2003 г. до 76,5 чел в 2014 г.), при этом существенно возрос размер прямого материального ущерба от одного пожара (в 3 раза от 40880,8 руб. в 2003 г .

до 120995,2 руб. в 2014 г.). То есть в настоящее время задача обеспечения пожарной безопасности посредством сосредоточения усилий на предупреждении, ликвидации и минимизации последствий пожаров и совершенствовании государственного управления остается актуальной .

Особую опасность для экономики, внешней торговли и населения представляют пожары на территориях особо важных и технически сложных объектов, например, в морских портах. В настоящее время уровень безопасной эксплуатации объектов инфраструктуры портов оценивается как недостаточный, а в отдельных случаях – как опасный. На основании результатов анализа статистических данных о пожарах установлено, что за период с 2010 по 2014 гг .

произошло более 120 пожаров на объектах морского транспорта. В ходе анализа статистических данных выявлен рост количества пожаров на объектах морского транспорта (на 31,3% от 22 ед. в 2010 г. до 32 ед. в 2014 г.). Также установлено, что значения материального ущерба от одного пожара на объектах морского транспорта значительно превышают значения материального ущерба на объектах транспорта (более чем в 4 раза) .





Решение задачи обеспечения пожарной безопасности морских портов возможно путем совершенствования форм и методов поддержки управления функционированием управляемых объектов с использованием современных методов и подходов на основе информационных технологий. Дальнейший анализ функциональных возможностей отечественных и зарубежных программных средств выявил практическую невозможность использования функций готовых программных решений для оперативной поддержки работы лица, принимающего решения (ЛПР) в условиях неопределенности информации. Так же анализ наиболее распространенных систем и методов, используемых в качестве средств уменьшения степени неопределенности при выборе вариантов решений, выявил предпочтительность применения нейро-нечетких сетей для решения поставленных задач, что позволяет определить необходимость модификации существующего подхода организации тушения пожаров в морских портах .

С учетом выявленных противоречий определены объект, предмет и цель научного исследования .

Объектом исследования является процесс принятия управленческих решений при тушении пожаров в морских портах .

Предмет исследования – модели и алгоритмы информационноаналитической поддержки управления при тушении пожаров в морских портах на базе нейро-нечетких сетей .

Цель исследования заключается в разработке моделей и алгоритмов информационно-аналитической поддержки управления при тушении пожаров в морских портах на базе нейро-нечетких сетей для повышения эффективности действий пожарных подразделений .

В основу методологической базы исследования положены труды Новикова Д.А., Васильева В.И., Бомаса В.В., Ямалова И.У., Юсуповой Н.И., Черняховской Л.Р., Топольского Н.Г., Тетерина И.М., Пруса Ю.В., Климовцова В.М., Григорьева А.Н., Сатина А.П., Тараканова Д.В., Семенова А.О. и ряда других авторов .

Задачи исследования, обеспечивающие достижение цели диссертации:

анализ проблем управления процессом тушения пожаров в морских портах;

разработка моделей и алгоритмов информационно-аналитической поддержки управления при тушении пожаров в морских портах на базе нейронечетких сетей;

разработка системы информационно-аналитической поддержки управления при тушении пожаров в морских портах на базе нейро-нечетких сетей;

оценка эффективности внедрения системы информационно-аналитической поддержки управления при тушении пожаров в морских портах на базе нейронечетких сетей в систему обеспечения пожарной безопасности морского порта с учетом воздействия на объект организационно-управленческого фактора .

Методы исследования. Для решения поставленных задач использовались методы системного анализа, теории принятия решений, теории нейронных сетей, статистического анализа, анализа иерархий и др .

Научная новизна результатов диссертационного исследования заключается в разработке моделей и алгоритмов информационно-аналитической поддержки управления при тушении пожаров в морских портах на базе нейро-нечетких сетей:

1. Разработана логико-нейро-нечеткая модель управления процессом тушения пожаров в морских портах, включающая в качестве элементов модель прогнозирования площади пожара, модель выбора ранга пожара, модель оценки достаточности ресурсов, модель выбора ресурсов, модель выбора оптимального плана мероприятий, модель оценки успешности реализации плана и модель реализации нейро-нечетких моделей. Ключевыми особенностями логико-нейронечеткой модели управления является применение комбинированных функций принадлежности (колокообразных с порогами), наилучшим образом аппроксимирующих значения входных параметров, и внедрение блока устранения динамических ошибок .

2. Разработана система информационно-аналитической поддержки управления тушением пожаров в морских портах на базе нейро-нечетких сетей, обеспечивающая повышение эффективности управленческих решений руководителя в условиях неопределенности информации .

Теоретическая значимость научных результатов обоснована тем, что полученные модели и алгоритмы информационно-аналитической поддержки управления процессом тушения пожаров развивают теоретико-методологическую базу оперативного прогнозирования параметров развития пожара и принятия управленческих решений при неопределенности информации .

Практическая значимость результатов исследования заключается в возможности использования разработанных моделей и алгоритмов в процессе разработки документов предварительного планирования ведения организации тактики тушения пожара в морском порту, в процессе координации действий пожарных подразделений при тушении пожара в морском порту .

Достоверность полученных научных результатов, выносимых на защиту, обеспечивается четким планированием процесса исследования, выбором методов исследования, соответствующих цели и задачам работы, корректным использованием исходных данных, применением апробированного математического аппарата, согласованностью полученных результатов с известными результатами работ других исследователей .

Личное участие автора в получении научных результатов. В публикациях автором изложены результаты, связанные с анализом предметной области, разработкой моделей и алгоритмов информационно-аналитической поддержки управления при тушении пожаров в морских портах на базе нейро-нечетких сетей, основными компонентами системы информационно-аналитической поддержки управления при тушении пожаров в морских портах, теоретическими обобщениями и прикладными расчетами .

Внедрение полученных научных результатов. Результаты исследования внедрены в процесс подготовки спасателей ООО «Спасатель» и в процесс подготовки пожарных ПСЧ-17 по охране Светлогорского муниципального района. Реализация результатов исследования подтверждена соответствующими актами внедрения .

Работа поддержана грантом Фонда содействия развитию малых форм предприятий в научно-технической сфере в рамках выполнения проектов № 17114 «Разработка нечеткого классификатора определения ранга пожара на особо важных и технически сложных объектах» .

Апробация работы. Основные положения исследования докладывались и обсуждались: на международной научно-технической конференции II «Пожаротушение: проблемы, технологии, инновации» (2013 г., г. Москва); на II международном морском форуме «Балтийский морской форум» (2014 г., г .

Светлогорск); на региональном конкурсе научных работ молодых ученых и специалистов Калининградской области в 2014 году (III место в номинации «Технические науки»); на III международном морском форуме «Балтийский морской форум» (2015 г., г.

Светлогорск); на международной научно-практической конференции «Научные исследования и образовательные практики в XXI веке:

состояние и перспективы развития» (2015 г., г. Смоленск); на международной научно-практической конференции «Инновационные процессы в научной среде»

(2015 г., г. Пермь) .

Публикации. Основные научные результаты отражены в 12 публикациях, в том числе 6 – в рецензируемых изданиях, включенных в перечень ВАК, 6 тезисов докладов – в сборниках научных трудов и материалах международных и всероссийских конференций. Получены 2 свидетельства о государственной регистрации программ для ЭВМ .

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы и четырех приложений. Содержит 172 страницы текста, 45 рисунков и 22 таблицы. Библиографический список включает 104 наименования .

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснованы выбор и актуальность темы диссертации, сформулированы цель, задачи, объект и предмет исследования, приведены методы исследования, отражены научная новизна работы и положения, выносимые на защиту, сведения об апробации и внедрении результатов, теоретической и практической ценности диссертации .

В первой главе «Анализ системы обеспечения пожарной безопасности морского порта» выполнен анализ проблем управления процессом пожаротушения в морском порту. Осуществлен анализ системы управления морского порта с учетом сложности внутренней структуры управления объекта и особенностей взаимодействия порта с внешней средой. Установлено, что организационная структура морского порта является трехуровневой линейно-функциональной с линейно-вертикальным управлением, состоящей из линейных и функциональных подразделений. Данный тип организационной структуры порта обладает сложной иерархической подчиненностью, что усложняет управление при обеспечении пожарной безопасности объекта между звеньями и в целом организацией .

Исследована система обеспечения пожарной безопасности морского порта, определены основные критерии и показатели оценки уровня обеспечения пожарной безопасности. Установлено, что уровень состояния системы обеспечения пожарной безопасности морского порта «ограниченно соответствует предъявленным требованиям» и наиболее уязвимым местом в системе является управление при тушении пожаров. С целью повышения эффективности системы обеспечения пожарной безопасности объекта предложено разработать систему информационноаналитической поддержки управления при тушении пожаров в морских портах и внедрить систему в качестве составной части системы связи и оперативного управления пожарной охраной порта .

Осуществлен анализ функциональных возможностей отечественных и зарубежных программных средств в области поддержки управления при тушении пожаров и определено распределение функций, реализуемых рассмотренными средствами. В ходе анализа выявлена практическая невозможность использования функций готовых программных решений для оперативной поддержки работы ЛПР в условиях неопределенности информации. Выполнен анализ наиболее распространенных систем и методов, используемых в качестве средств уменьшения степени неопределенности при выборе вариантов решений, и выявлена предпочтительность применения нейро-нечетких сетей для решения поставленных задач, обуславливающая необходимость модификации существующего подхода организации тушения пожаров в морских портах .

С учетом полученных результатов сформулирована цель научного исследования, заключающаяся в разработке моделей и алгоритмов информационноаналитической поддержки управления при тушении пожаров в морских портах на базе нейро-нечетких сетей для повышения эффективности действий пожарных подразделений .

Во второй главе «Разработка логико-нейро-нечеткой модели управления процессом тушения пожаров в морских портах» сформулирована задача управления процессом тушения пожаров в морских портах в виде формулы (1):

, (1) где – ранг пожара, определяющий состав привлекаемых к тушению пожара сил и средств; – время тушения пожара в случае привлечения к тушению пожара определенного состава сил и средств, мин .

Необходимо определить ранг пожара, который удовлетворяет условию (1), причем значение показателей, характеризующих процесс тушения пожара, должно удовлетворять условию (1) .

Для решения поставленной задачи разработана логико-нейро-нечеткая модель управления процессом тушения пожаров в морских портах (рис. 1). Основными элементами логико-нейро-нечеткой модели являются: нейро-нечеткая модель определения площади пожара; нейро-нечеткая модель выбора ранга пожара;

аналитическая модель оценки достаточности ресурсов; аналитическая модель выбора ресурсов; нейро-нечеткая модель выбора оптимального плана мероприятий;

нейро-нечеткая модель оценки успешности реализации плана; нейро-нечеткая модель реализации нейро-нечетких моделей .

Рисунок 1 – Логико-нейро-нечеткая модель управления процессом тушения пожаров в морских портах Дерево целей логико-нейро-нечеткой модели представлено на рисунке 2. В качестве начальной точки построения дерева целей модели выбрано исходное событие (пожар в морском порту) и перечислена последовательность этапов действий ЛПР, направленных на формирование управленческого решения (этап 1 – прогноз площади пожара; этап 2 – выбор ранга; этап 3 – оценка достаточности ресурсов; этап 4 – выбор ресурсов; этап 5 – выбор оптимального плана мероприятий; этап 6 – оценка успешности реализации плана) .

Рисунок 2 – Дерево целей логико-нейро-нечеткой модели управления процессом тушения пожаров в морских портах Модуль «Блок реализации нейро-нечеткой модели» логико-нейро-нечеткой модели (рис.

3) использует алгоритм реализации нейро-нечетких моделей:

1. Ввод данных: – -й входной вектор параметров; – объекты, подлежащие кластеризации, где –,, положительные коэффициенты кластеризации, – пороговое значение для кластеризации .

2. Синтез системы нечеткого логического вывода данных с использованием метода горной кластеризации (субтрактивной кластеризации) .

3. Настройка системы нечеткого логического вывода .

4. Определение параметров функции принадлежности, наилучшим образом аппроксимирующей нечеткое множество .

Шаг 1. Определение ограничений на параметры функций принадлежности и начальной точки оптимизации.

В качестве начальной точки оптимизации выбраны параметры колокообразных функций, полученные в результате генерировании системы нечеткого логического вывода по формуле (2):

, (2) где,, – граница коэффициента концентрации, крутизны и координаты максимума функции; – граница координаты порога функции для левой ветки; – граница координаты порога функции для правой ветки;, – начальная точка оптимизации координаты порога функции для левой и правой ветки .

Шаг 2. Установка начальных параметров оптимизации (максимальное число итераций алгоритма – 100; минимальный шаг по каждой из искомых переменных – 0,0000005; максимальный шаг по каждой из искомых переменных – 0,1) .

Шаг 3.

Определение степеней принадлежности для левой ветки и правой ветки функций путем оптимизации параметров по формулам (3) – (5):

–  –  –

Шаг 4. Внесение изменений в систему нечеткого логического вывода .

Ключевыми отличиями разработанного алгоритма (рис. 3) от существующих являются возможность построения комбинированной колоколообразной функции с порогами, наилучшим образом аппроксимирующей значения входного параметра .

Рисунок 3 – Блок-схема модуля «Блок реализации нейро-нечеткой модели»

Модуль «Прогноз площади пожара» логико-нейро-нечеткой модели (рис. 4) реализует алгоритм прогнозирования площади пожара в морском порту на базе сети

ANFIS:

1. Ввод данных: – площадь помещения, где произошел :

пожар, м ; – предел огнестойкости строительных конструкций, мин; – линейная скорость распространения горения, м/мин; – время развития пожара, мин .

2. Построение сети с использованием алгоритма реализации нейро-нечетких моделей (рис. 3) .

3. Применение сети ANFIS для прогнозирования площади пожара .

4. Блок устранения динамических ошибок (в случае получения отрицательного либо нулевого результата – прогнозируемой площади пожара) .

Рисунок 4 – Блок-схема модуля «Прогноз площади пожара»

Ключевыми отличиями разработанного алгоритма (рис. 4) от существующих являются наличие блока устранения динамических ошибок, реализующего аналитический метод прогнозирования площади пожара. В алгоритме предусмотрена возможность применения руководителем базовой сети ANFIS или сети ANFIS, построенной с учетом обновленных значений входных данных .

Модуль «Выбор ранга пожара» логико-нейро-нечеткой модели (рис.

5) реализует алгоритм определения ранга пожара при управлении тушением пожара в морском порту на базе сети NEFCLASS:

– площадь пожара в здании, м2;

1. Ввод данных: – :

этаж, на котором произошел пожар, этаж; – предел огнестойкости строительных конструкций, мин; – количество людей на объекте, чел .

2. Построение сети с использованием алгоритма реализации нейро-нечетких моделей (рис. 3) .

3. Применение сети NEFCLASS для определения ранга пожара .

4. Блок устранения динамических ошибок: в случае получения отрицательного либо нулевого выходного результата (ранга пожара) – выходное значение заменяется минимальным – ; в случае получения выходного результата

– выходное значение заменяется максимальным – .

Рисунок 5 – Блок-схема модуля «Выбор ранга пожара»

Применение алгоритма выбора ранга пожара позволяет ЛПР при тушении пожара использовать базовую сеть NEFCLASS или создавать сеть с учетом обновленных значений входных данных. Ключевыми отличиями разработанного алгоритма является наличие блока устранения динамических ошибок, выполняющего нейтрализацию динамических ошибок за счет использования минимального или максимального значения ранга пожара .

Модуль «Выбор оптимального плана мероприятий» логико-нейро-нечеткой модели (рис.

6) реализует выбор оптимального плана мероприятий тушения пожара в морских портах на базе сети NEFCLASS:

1. Ввод данных: – площадь помещения, где произошел :

пожар, м ; – предел огнестойкости строительных конструкций, мин; – линейная скорость распространения горения, м/мин; – время развития пожара, мин; – ранг пожара; – площадь пожара в здании, м .

2. Определение максимального количества альтернатив и формирование поля альтернатив .

3. Построение сети с использованием алгоритма реализации нейро-нечетких моделей (рис. 3) .

4. Применение сети NEFCLASS для выбора оптимального плана мероприятий .

5. Блок устранения динамических ошибок. В случае получения отрицательного либо нулевого результата принятие решений в нечетких условиях по схеме Беллмана – Заде .

Ключевыми отличиями разработанного алгоритма (рис. 6) от существующих являются наличие блока устранения динамических ошибок, используемого при получении некорректного результата за счет принятия решений в нечетких условиях по схеме Беллмана – Заде. В алгоритме предусмотрена возможность применения ЛПР базовой сети NEFCLASS или сети NEFCLASS, построенной с учетом обновленных значений входных данных .

Модуль «Оценка успешности реализации плана» логико-нейро-нечеткой модели (рис.

7) реализует алгоритм оценки успешности реализации плана действий пожарных подразделений на базе сети NEFCLASS:

1. Ввод данных: – ранг пожара; – площадь пожара в :

здании, м ; – время тушения пожара, мин; – количество погибших, чел; – количество пострадавших, чел; – фактический расход огнетушащих веществ, л/с .

2. Построение сети с использованием алгоритма реализации нейро-нечетких моделей (рис. 3) .

3. Применение сети NEFCLASS для оценки успешности реализации плана .

4. Блок устранения динамических ошибок: в случае получения отрицательного либо нулевого выходного результата (оценка успешности реализации плана: «1» – успешно; «2» – неуспешно), выходное значение заменяется минимальным – ;в случае получения выходного результата, выходное значение заменяется максимальным – .

Применение алгоритма оценки успешности реализации плана позволяет ЛПР использовать базовую сеть NEFCLASS или создавать сеть с учетом обновленных значений входных данных. Ключевыми отличиями разработанного алгоритма является наличие блока устранения динамических ошибок, выполняющего нейтрализацию динамических ошибок за счет использования минимального или максимального значения оценки .

Рисунок 6 – Блок-схема модуля «Выбор оптимального плана мероприятий»

Модуль «Оценка достаточности ресурсов» логико-нейро-нечеткой модели реализует алгоритм оценки достаточности ресурсов, представленный следующим образом:

1. Ввод данных: – ранг пожара .

2. Оценка достаточности ресурсов объекта требуемому объему ресурсов, необходимому для тушения пожара в порту: с помощью системы (6) можно определить излишек ресурсов объекта или недостаток ресурсов объекта :

, (6) Рисунок 7 – Бок-схема модуля «Оценка успешности реализации плана»

Модуль «Выбор ресурсов» логико-нейро-нечеткой модели реализует алгоритм выбора ресурсов для тушения пожаров в морских портах:

1. Ввод данных: – недостаток ресурсов объекта; – тип :

привлекаемых ресурсов (базовые, потенциальные или базовые и потенциальные) .

2. Оценка достаточности базовых ресурсов установленному недостатку ресурсов по системе (7):

, (7) где – объем привлекаемых базовых ресурсов; – привлекаемых базовых и потенциальных ресурсов; – объем привлекаемых потенциальных ресурсов; – недостаток базовых ресурсов .

Таким образом, разработана логико-нейро-нечеткая модель управления процессом тушения пожаров в морских портах. Ключевыми особенностями модели управления является применение комбинированных функций принадлежности, наилучшим образом аппроксимирующих значения входных параметров, и внедрение блока устранения динамических ошибок .

В третьей главе «Компьютерное моделирование для решения задачи поддержки управления при тушении пожаров в морских портах» оценена достаточность входных параметров моделей, входящих в состав логико-нейронечеткой модели, посредством сопоставления временных затрат на сбор и обработку параметров и оценки изменения точности вычислений. Установлено, что применение данных параметров позволяет достигнуть снижения времени формирования решения ЛПР при приемлемом снижении точности решения задачи (средняя погрешность принятия решения не превышает 15%) .

Построены элементы логико-нейро-нечеткой модели посредством применения алгоритма реализации нейро-нечетких моделей для экстрагирования баз правил из данных и определения параметров функций принадлежности моделей. Параметры функций представлены в виде матриц (8-11), где,, – функции параметра «Площадь пожара в здании»; – функции параметра «Предел,, огнестойкости строительных конструкций»;,, – функции параметра «Этаж, где произошел пожар»; – функции параметра «Количество людей на,, объекте»;,, – функции параметра «Линейная скорость распространения горения»;,, – функции параметра «Время развития пожара»;,, – функции параметра «Ранг пожара»;,, – функции параметра «Время тушения пожара»;,, – функции параметра «Количество погибших»; –,, функции параметра «Количество пострадавших»;,, – функции параметра «Фактический расход огнетушащих веществ»;,, – функции параметра «Площадь помещения, где произошел пожар». Характеристика функций принадлежности параметров модели выбора оптимального плана мероприятий представлена в виде матрицы (8), модели оценки успешности реализации плана представлена в виде матрицы (9), модели выбора ранга пожара – в виде матрицы (10), модели прогнозирования площади пожара – в виде матрицы (11) .

Выполнена оценка адекватности разработанных алгоритмов путем реализации верификации и валидации. Полученные при моделировании результаты подтверждают адекватность алгоритмов: модели, полученные при использовании алгоритма реализации нейро-нечетких моделей, обладают более высокими показателями точности в сравнении с базовыми за счет использования комбинированных функций принадлежности параметров; модель прогнозирования площади пожара обеспечивает повышение точности результатов моделирования в сравнении с базовой за счет устранения динамических ошибок при валидации;

точность результатов моделирования модели выбора ранга пожара соответствует точности базовой из-за отсутствия динамических ошибок; модель выбора оптимального плана мероприятий обеспечивает повышение точности результатов моделирования в сравнении с базовой за счет устранения динамических ошибок;

модель оценки успешности реализации плана обеспечивает повышение точности результатов моделирования в сравнении с базовой за счет устранения динамических ошибок при валидации .

, (8 ), (9), (10), (11) Таким образом, выполнена оценка адекватности моделей и алгоритмов информационно-аналитической поддержки управления при тушении пожаров в морских портах на базе нейро-нечетких сетей. Установлено, что модель прогнозирования площади пожара, модель выбора ранга пожара, модель выбора оптимального плана мероприятий, модель оценки успешности реализации плана и модель реализации нейро-нечетких моделей адекватны .

В четвертой главе «Разработка системы информационно-аналитической поддержки управления при тушении пожаров в морских портах» результатом перехода от управленческой деятельности ЛПР без автоматизации к управленческой деятельности при автоматизации становится внедрение системы информационноаналитической поддержки управления при тушении пожаров в морских портах, замыкающей информационные потоки и управленческие воздействия, с целью повышения эффективности принятия решений ЛПР в условиях неопределенности информации .

Разработан алгоритм организации системы управления пожарными подразделениями при использовании системы информационно-аналитической поддержки управления при тушении пожаров в морских портах. Целесообразно использовать управление, при котором ЛПР планирует и контролирует выполнение поставленных задач для достижения групповой цели боевыми подразделениями, начальниками боевых участков, начальником штаба, заместителем начальника штаба, начальником тыла и помощником начальника тыла. Система информационно-аналитической поддержки управления при тушении пожаров в морских портах может быть использована для оперативного анализа поступающей информации в условиях неопределенности с выдачей рекомендаций по решению поставленной задачи. Основными пользователями системы могут быть подготовленные для этого начальник и специалисты оперативного штаба тушения пожара, так и непосредственно руководитель .

Разработан алгоритм функционирования системы (рис. 8), предполагающий запуск системы при получении сообщения о пожаре во время следования к месту пожара для сокращения времени подготовки и принятия решения ЛПР за счет изучения содержащихся в базе данных сведений об объекте и всеведения начальных условий, обеспечивающих функционирование системы. По прибытии к месту пожара ЛПР вводит в систему информационно-аналитической поддержки управления данные, уточненные в ходе разведки, осмысляет сформированные системой рекомендации и принимает необходимые управленческие решения .

Функционирование системы осуществляется с момента получения информации о пожаре на объекте до окончания процесса тушения пожара пожарными подразделениями, после чего информация передается в базу данных системы для формирования отчета и может быть использована как для оценки действий ЛПР и личного состава пожарных подразделений, так и для проведения исследований .

Построена рациональная и эффективная схема взаимодействия между подразделениями объекта и пожарными подразделениями города (рис. 9) .

Разработана система информационно-аналитической поддержки управления при тушении пожаров в морских портах и программное обеспечение системы с учетом требований унификации к созданию систем поддержки принятия решений .

Программное обеспечение системы информационно-аналитической поддержки управления имеет трехуровневую архитектуру для обеспечения быстрой и эффективной адаптации к решаемой задаче с учетом предпочтений ЛПР и быстрого внедрения системы с интеграцией в информационную среду объекта. Получены 2 свидетельства о государственной регистрации программ для ЭВМ – № 2012618426 от 17.09.2012 г. и № 2013661903 от 18.12.2013 г. Особенности взаимодействия системы информационно-аналитической поддержки управления при тушении пожаров в морских портах с другими системами порта рассмотрены на рис. 10 .

Выявлен рост показателей эффективности решений ЛПР, принимаемых с учетом рекомендаций системы информационно-аналитической поддержки управления: повышение точности и правильности решений (при прогнозировании площади пожара – в 2,5 раза; при выборе ранга пожара – на 29%; при выборе оптимального плана мероприятий – на 18%; при оценке успешности реализации плана – на 7%); сокращение времени на принятие решения (в среднем на 40%) .

Выполнена оценка экономического эффекта от внедрения системы информационно-аналитической поддержки управления в качестве элемента системы обеспечения пожарной безопасности порта .

Начало

–  –  –

, (12) где – показатель социального эффекта,, – время формирования управленческого решения без и при использовании системы, мин; – прибыль от применения системы в течение 1-го года использования, тыс. руб; – общие затраты на приобретение и эксплуатацию программы в течение 1-го года, тыс. руб .

Выполнена оценка влияния разработанной системы на эффективность системы обеспечения пожарной безопасности морского порта и подтвержден рост эффективности системы обеспечения пожарной безопасности объекта за счет роста эффективности разработки и принятия решений управленческих решений ЛПР при использовании системы информационно-аналитической поддержки управления .

Таким образом, разработана система информационно-аналитической поддержки управления тушением в морских портах, обеспечивающая повышение эффективности управленческих решений руководителя в условиях неопределенности информации .

В заключении сформулированы основные выводы и рекомендации, полученные в ходе диссертационной работы .

ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ

Основным результатом диссертационного исследования являются модели и алгоритмы информационно-аналитической поддержки управления при тушении пожаров в морских портах.

В ходе выполнения исследований в работе получены следующие результаты:

1. Выполнен анализ проблем управления процессом тушения пожаров в морских портах. Установлено, что организационная структура морского порта является трехуровневой линейно-функциональной с линейно-вертикальным управлением. Определено, что уровень состояния системы обеспечения пожарной безопасности объекта «ограниченно соответствует предъявленным требованиям» и наиболее уязвимым местом в системе является управление тушением пожара .

Установлено, что программные средства в области поддержки управления при тушении пожаров не предусматривают оперативную поддержку работы ЛПР в условиях неопределенности информации. В результате анализа систем и подходов применительно к задаче принятия решений ЛПР в условиях неопределенности информации выявлена предпочтительность применения нейро-нечетких сетей для решения поставленных задач, что определяет необходимость модификации существующего подхода организации тушения пожаров в морских портах .

2. Разработана логико-нейро-нечеткая модель управления процессом тушения пожаров в морских портах, включающая модель прогнозирования площади пожара, модель выбора ранга пожара, модель оценки достаточности ресурсов, модель выбора ресурсов, модель выбора оптимального плана мероприятий, модель оценки успешности реализации плана и модель реализации нейро-нечетких моделей .

Ключевыми особенностями разработанной модели управления является применение комбинированных функций принадлежности, наилучшим образом аппроксимирующих значения входных параметров, и внедрение блока устранения динамических ошибок .

3. Выполнена оценка адекватности разработанных алгоритмов путем реализации верификации и валидации. Полученные при моделировании результаты подтверждают адекватность алгоритмов: модели, полученные при использовании алгоритма реализации нейро-нечетких моделей, обладают более высокими показателями точности в сравнении с базовыми за счет использования комбинированных функций принадлежности параметров; модель прогнозирования площади пожара обеспечивает повышение точности результатов моделирования в сравнении с базовой за счет устранения динамических ошибок при валидации;

точность результатов моделирования модели выбора ранга пожара соответствует точности базовой из-за отсутствия динамических ошибок; модель выбора оптимального плана мероприятий обеспечивает повышение точности результатов моделирования в сравнении с базовой за счет устранения динамических ошибок;

модель оценки успешности реализации плана обеспечивает повышение точности результатов моделирования в сравнении с базовой за счет устранения динамических ошибок при валидации .

4. Разработана система информационно-аналитической поддержки управления при тушении пожаров в морских портах и программное обеспечение системы с учетом требований унификации. Построено программное обеспечение системы, имеющее трехуровневую архитектуру для обеспечения быстрой и эффективной адаптации к решаемой задаче с учетом предпочтений ЛПР и быстрого внедрения системы с интеграцией в информационную среду объекта .

5. Выполнена оценка эффективности системы информационноаналитической поддержки управления и выявлен рост показателей эффективности решений ЛПР, принимаемых с учетом рекомендаций системы: повышение точности и правильности управленческих решений; сокращение времени на принятие решения .

6. Выполнена оценка влияния системы информационно-аналитической поддержки управления на эффективность системы обеспечения пожарной безопасности морского порта. Подтвержден рост эффективности системы обеспечения пожарной безопасности морского порта за счет увеличения эффективности разработки и принятия решений управленческих решений ЛПР при использовании системы информационно-аналитической поддержки управления .

Основные положения диссертации опубликованы в следующих работах:

в перечне ведущих рецензируемых научных журналов и изданий, рекомендованных ВАК:

1. Станкевич Т.С. Алгоритмическое обеспечение интеллектуальной системы поддержки принятия решений, предназначенной для руководителя тушения пожара / А.В. Кипер, Т.С .

Станкевич // Пожаровзрывобезопасность. 2014. Т. 23, № 9. С. 45-56 .

2. Станкевич Т.С. Анализ мирового и отечественного рынка программных средств, предназначенных для руководителя тушения пожара / Т.С. Станкевич // Безопасность жизнедеятельности. 2014. № 7. С. 42-48 .

3. Станкевич Т.С. «Диагностика системы пожарной безопасности калининградского морского торгового порта» / Т.С. Станкевич, С.Ю. Бутузов, А.А. Рыженко // Интернет-журнал «Технологии техносферной безопасности». 2015. № 6 (64) .

4. Станкевич Т.С. «Влияние рекомендаций системы информационно-аналитической поддержки управления на эффективность решений руководителя тушения пожара» / Т.С .

Станкевич, С.Ю. Бутузов, А.А. Рыженко // Интернет-журнал «Технологии техносферной безопасности». 2015. № 6 (64) .

5. Станкевич Т.С. Исследование процесса принятия решений руководителем тушения пожара в морском порту / Т.С. Станкевич // Безопасность жизнедеятельности. 2016. № 1. С. 55-59 .

6. Станкевич Т.С. Разработка алгоритма реализации нейро-нечетких моделей элементов процесса принятия решений руководителем при тушении пожаров в морских портах / Т.С .

Станкевич, С.Ю. Бутузов, А.А. Рыженко // Вестник Иркутского государственного технического университета. 2016. № 6 (113). С. 99-106 .

в других научных изданиях:

1. Станкевич Т.С. Основные этапы разработки системы поддержки принятия решений на базе нечетких нейронных сетей для руководителя тушения пожара / Т.С. Станкевич // Материалы второй международной научно-технической конференции «Пожаротушения: проблемы, технологии, инновации». М.: Академия ГПС МЧС России, 2013. С. 276-282 .

2. Станкевич Т.С. Интеллектуальная система поддержки принятия решений для руководителя тушения пожара / Т.С. Станкевич // Сборник статей победителей IV регионального конкурса работ молодых ученых и специалистов. Калининград, 2014. С. 111-118 .

3. Станкевич Т.С. Разработка информационной подсистемы системы поддержки принятия решений руководителя тушения пожара / Т.С. Станкевич // III Балтийский морской форум: XIII международная научная конференция «Инновации в науке, образовании и предпринимательстветезисы докладов. III том. Калининград: Изд-во БГАРФ, 2015. С. 144-146 .

4. Станкевич Т.С. Управление действиями пожарных подразделений при тушении пожара в морском порту / А.В. Кипер, Т.С. Станкевич // III Балтийский морской форум: XIII международная научная конференция «Инновации в науке, образовании и предпринимательстветезисы докладов. III том. Калининград: Изд-во БГАРФ, 2015. С. 235-238 .

5. Станкевич Т.С. Формализация процесса формирования решения руководителем тушения пожара / Т.С. Станкевич // Международная научно-практическая конференция «Инновационные процессы в научной среде»: сборник статей. Уфа: АЭТЕРНА, 2015. С. 78-80 .

6. Станкевич Т.С. Разработка информационной подсистемы информационноаналитической поддержки управления при тушении пожаров / Т.С. Станкевич // Международная научно-практическая конференция «Научные исследования и образовательные практики в XXI веке: состояние и перспективы развития». Смоленск, ООО «НОВАЛЕНСО». 2015. С. 145-146 .

свидетельства о государственной регистрации программы для ЭВМ:

1. Свидетельство о государственной регистрации программы для ЭВМ. Классификатор рангов пожаров / Станкевич Т.С., Кипер А.В.; заявитель и правообладатель ФГБОУ ВПО «БГАРФ». №2012618426; заявл. 17.07.2012; опубл. 17.09.2012, Бюл. №9 (71) .

2. Свидетельство о государственной регистрации программы для ЭВМ. Интеллектуальная система поддержки принятия решения на базе нечетких нейронных сетей для руководителя тушения пожара на территории ОАО «Калининградского морского торгового порта» / Станкевич Т.С., Кипер А.В.; заявитель и правообладатель ФГБОУ ВПО «БГАРФ». № 2013661903; заявл .

22.10.2013; опубл. 18.12.2013, Бюл. №12 (86).



Похожие работы:

«ГОСТ Р МЭК 60811-4-2-99 ГОС УДАРСТВЕННЫ Й СТАНДАРТ РО С С И Й С К О Й Ф Е Д Е РА Ц И И СПЕЦИАЛЬНЫЕ МЕТОДЫ ИСПЫТАНИЙ ПОЛИЭТИЛЕНОВЫХ И ПОЛИПРОПИЛЕНОВЫХ КОМПОЗИЦИЙ ИЗОЛЯЦИИ И ОБОЛОЧЕК ЭЛЕКТРИЧЕСКИХ КАБЕЛЕЙ Относительное удлинение при разрыве после кондиционирования. Испытание навиванием после кондиц...»

«Тимановский Алексей Леонидович СВЕРХРАЗРЕШЕНИЕ В СИСТЕМАХ ПАССИВНОГО РАДИОВИДЕНИЯ Специальность 05.13.18 – математическое моделирование, численные методы и комплексы программ Автореферат диссертации на соискание ученой степени кандидата физико-математических наук Москва 2007 Работа выполнена в Учебно-научном центре магнитной том...»

«1 Приложение №1 к Технической части конкурсной документации ТЕХНИЧЕСКОЕ ЗАДАНИЕ на выполнение работ по созданию федеральной государственной информационной системы, обеспечивающей процесс досудебного (внесудебного) обжалования решений и де...»

«Масло моторное универсальное всесезонное для стр. 3 РПБ № 84035624.19.47014 Действителен до 27.06.2022 г. четырехтактных малолитражных двигателей из 16 G-Motion 4Т 10W-30 по СТО 84035624-228-2017 1 Идентификация химической продукции и сведения о производи...»

«Комитет образования, науки и молодежной политики Волгоградской области Государственное автономное учреждение дополнительного профессионального образования "Волгоградская государственная академия последипломного образования" государственное бюджетное профессиональное образовательное учреждение "Волгоградский...»

«Journal of Siberian Federal University. Chemistry 1 (2018 11) 56-71 ~~~ УДК 544.472.2; 547.458.8 The Production of Formic Acid from Polysaccharides and Biomass via One-pot Hydrolysis-Oxidation in the Presence of Mo-V-P Heteropoly Acid Catalyst Nikolay V. Gromov*а,b, Tatiana B. Medvedevaa, Yulia A....»

«Масла гидравлические G-Special Power HVLP РПБ № 84035624.19.50944 стр. 3 по СТО 84035624-267-2018 Действителен до 06.04.2023 г. из 15 1 Идентификация химической продукции и сведени...»

«Дагестанский государственный университет народного хозяйства ОТЧЕТ о самообследовании МАХАЧКАЛА – 2018 Дагестанский государственный университет народного хозяйства СОДЕРЖАНИЕ Введение.. 4 I. Аналитическая часть.. 11 1. Общие сведения об образовательной организации. 11 1.1.Контактная ин...»

«I 539 Я90 1 5. О. Яхно, Ж. М. Ыцсан ПРИМЕНЕНИЕ АВАСДО К ЗАДАЧАМ ВЫЧИСЛИТЕЛЬНОЙ МЕХАНИКИ ДЕФОРМИРУЕМОГО ТВЕРДОГО ТЕЛА Павлодар & ЗЭ Министерство образования и науки Республики Казахстан Павлодарский государственный универси...»







 
2019 www.librus.dobrota.biz - «Бесплатная электронная библиотека - собрание публикаций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.