Нефтегазовая сфера Российской Федерации считается одним из наиболее важных отраслей экономики страны. В состав этой системы входят нефтедобывающие предприятия, нефтеперерабатывающие заводы, предприятия по транспортировке и сбыту нефти и нефтепродуктов. По состоянию на 29 декабря 2016 года 80 нефтеперерабатывающих заводов. Из них введёнными в эксплуатацию считаются 38, вместе со строящимися и реконструируемыми — 45 (мощность от 1 млн.т/год), мини-нефтеперерабатывающие заводы и заводы по производству масел. Протяженность магистральных нефтепроводов составляет около 50 тыс. км и нефтепродуктопроводов – 19,3 тыс. км. В 2015 году добычу нефти осуществляла 301 организация [1]. Поэтому обеспечение пожарной безопасности такого сложного образования требует тщательного подхода. Добыча нефти и газа в нашей стране растет с каждым годом, отрасль обеспечивает значимую часть дохода в ВВП России. Задача поддержание ее безопасности на высоком уровне – одна из главных задач государства.

По состоянию на 23 октября 2017 года на объектах газо- нефтепереработки произошло 40 аварий. Количество ЧС по сравнению
 с аналогичным периодом 2016 года увеличилось на 26 (65 %) [2].

Пожары в нефтегазовом секторе причиняют весомые экологические потери, взаимосвязанный с загрязнение окружающего мир большим количеством токсичных продуктов горения, огнетушащих средств и мощного теплового излучения.

Данный анализ говорит о том, что качественное проектирование конструкторский решений объекта является весомым элементом обеспечения промышленной безопасности. Что говорит нам о необходимости качественного применения автоматизированных систем принятий управленческих решений при обеспечении пожарной безопасности нефтегазового комплекса.

Рассматривая существующие программные продукты расчёта пожарных рисков, с точки зрения применения современных инструментов поддержки принятия решения, можно сделать вывод, что такие важные функции, как база данных нормативных документов (42,9 %); база данных по статистическим данным (42,9 %); геоинформационные сервисы (28,6 %), используются менее чем в половине рассмотренных систем, а базы данных по принимаемым решениям и интеллектуальные модели поддержки принятия решений практически отсутствуют [3].

1.1– Распределение реализуемых функций в программных продуктах для расчета пожарных рисков

С учётом данного анализа выявлены требования, которыми должны обладать системы поддержки принятия решений на нефтегазовых объектах [4, 5, 6]:

•     содержать в своем составе постоянно наполняемую базу данных со статистической информацией об отказах технологического оборудования, химическому составу типовых пожароопасных веществ, а также включать деревья развития пожароопасных ситуаций при отказе технологического оборудования и мероприятий, направленных на снижение пожарной опасности объекта, доступную также для пополнения пользователями, с дальнейшей верификацией этой информацией экспертами;
•     быть выполненной в веб-ориентированном виде, с использованием облачных технологий, что позволит пользователям иметь удаленный доступ к программе и единой базе данных через информационно-коммуникационную сеть Интернет.
•     использовать интеллектуальные методы и алгоритмы, направленные на анализ пожарной опасности нефтегазовых объектов и поддержку принятия управленческих решений для управления пожарной безопасностью на их территориях;
•     иметь в своем составе современные интернет-картографические модули, позволяющий рассматривать производственную и селитебную зоны в интерактивном виде.

В результате рассмотрения существующих современных информационных систем поддержки принятия решений, нацеленных на управление пожарной безопасностью, было выявлено, что функции поддержки принятия управленческих решений практически отсутствуют. Это подтверждает необходимость создания модели искусственной нейронной сети для управления пожарной безопасностью на нефтегазовых объектах. Данная технология показывает наивысшие результаты во многих сферах жизни.

  Предлагаю погрузиться в само понятие нейронной сети. Нейронная сеть — это цепочка нейронов, взаимосвязанных между собой синапсами. Структура нейронной сети пришла в область информационных технологий из области биологических наук. Основываясь на такой структуре, компьютер приобретает возможность проводить анализ и даже запоминать информацию. Также нейронные сети способны не только проводить анализ полученной информации, но и воспроизводить ее из своей памяти. Иными словами, нейронная сеть - это технический аналог человеческого мозга. Данная технология используются для решения задач повышенной сложности, которые требуют аналитических вычислений, почти таких же, как делает мозг человека.

  Самыми популярными способами применениями моделей нейротехнологий является:

•     Классификация;
•     Предсказание;
•     Распознавание.

При решении задач в области управления, с которыми сложно справиться человеку, появляется необходимость в создании и использовании технологий искусственного интеллекта для принятия управленческих решений, т. е. взаимосвязанных интеллектуальных систем управления, основанных на нейронных сетях. Формирование данных систем стало доступным благодаря эволюции интеллектуального управления, базирующемся на разработках в области искусственного интеллекта. Эта модель может обеспечивать самостоятельность системы при анализе оценки задачи и принятия правильного решения, индивидуальность в выводах, способность интерпретировать входящий запрос в соответствии с встроенной базой знания, возможность в короткий промежуток времени составить ответ. Одним из основных свойств интеллектуальности принято считать умение решать поставленные задачи, которых нет в итоговом варианте в базе данных системы. В данном свойстве выражается умение системы мыслить. Это свойство проявляется как возможность системы проводить анализ и выдавать актуальные интеллектуальные данные, которых нет в чистом виде в системе, т.е. интеллектуальная система является своего рода генератором новых решений и положительных путей развития событий.

Существует тройка основных задач, которые возникают перед теорией искусственного интеллекта.

1. Научное толкование и разъяснение интеллектуального мыслительного процесса человека. Из это вытекает необходимый анализ способности наделения компьютера мыслительными функциями;
2. Изучение вариантности и структуры осуществления различных функций мозга, и, соответственно, построение алгоритмов этих функций;
3. Решение важных задач, с которыми человеку помогает справиться компьютерная техника.

Данную технологию можно применить для обеспечения управления пожарной безопасностью в нефтегазовой отрасли. Система будет нацелена на управление пожарным риском на объекте защиты, что в свою очередь позволит управлять безопасностью нефтегазового комплекса. Показатель пожарного риска, как и величина любого риска, является чётким числом, распределённым на отрезке [0, 1]. Состояние объекта, можно определить по следующим значениям, которые расположены на заданном промежутке:

• «отсутствие риска»;
• «умеренный риск»;
• «стадия, предшествующая возникновению риска»;
• «критическая ситуация».

Данные значения являются выходными данными из искусственной нейронной сети, которая определит какой стадии риска подвержен объект, чтобы прогнозировать дальнейшие пути работы со сложной системой нефтегазового комплекса.

Наличие системы управления на основе искусственного интеллекта позволит уменьшить риск возникновения чрезвычайной ситуации на объекте нефтегазовой сферы, что повлияет на экономику нашей страны.

Литература

1. Хасан М.А., Самсонова В.А., Хуснияров М.Х. Определение факторов оценки соответствия предприятий нефтепродуктообеспечения требованиям промышленной безопасности. Электронный научный журнал «Нефтегазовое дело», 2012, № 1.
2.  Федеральная служба по экологическому, технологическому и атомному надзору / Информация по аварийности по состоянию на 23 октября 2017 года на опасных производственных объектах сетей газораспределения и газопотребления
3. Гудин С.В., Хабибулин Р.Ш., Рубцов Д.Н. / Проблемы управления пожарными рисками на территории объектов нефтепереработки с использованием современных программных продуктов / Пожаровзрывобезопасность -2015
4. Гудин, С.В. Проблемы управления пожарными рисками на территории объектов нефтепереработки с использованием современных программных продуктов [Текст] / С.В. Гудин, Р.Ш. Хабибулин, Д.Н. Рубцов // Пожаровзрывобезопасность. –2015. –№ 12 (24). –С. 40-45.
5. Об утверждении методики определения расчетных величин пожарного риска на производственных объектах: приказ МЧС РФ от 10.07.2012 г. № 404.
6. Пожарная безопасность технологических процессов. Общие требования. Методы контроля [Текст]: ГОСТ 12.3.047.2012. ‒ Взамен ГОСТ Р 12.3.047-98; введ. 2012‒12‒27. ‒ М.: Стандартинформ, 2014.