АЛГОРИТМ ПОДДЕРЖКИ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ В УСЛОВИЯХ УГРОЗЫ ЧРЕЗВЫЧАЙНЫХ СИТУАЦИЙ ОТ ОПАСНЫХ МЕТЕОРОЛОГИЧЕСКИХ ЯВЛЕНИЙ
ALGORITHM FOR SUPPORTING MANAGEMENT DECISIONS IN CASE OF THREAT OF EMERGENCY SITUATIONS CAUSED BY DANGEROUS METEOROLOGICAL EVENTS
- 1 Главное управление «Национальный центр управления в кризисных ситуациях»
- 2 ФГБОУ ВО "Академия государственной противопожарной службы МЧС России"
В условиях роста числа чрезвычайных ситуаций, вызванных опасными метеорологическими явлениями, повышается требование к оперативности и обоснованности управленческих решений в РСЧС. Предложен теоретико-математический алгоритм поддержки принятия решений на основе оценки вероятности ЧС и формализованных критериев. С использованием диаграммы Исикавы выявлены ключевые факторы снижения эффективности управления. Алгоритм ориентирован на внедрение в центрах управления МЧС России. Подход позволяет сократить время подготовки решений и повысить их объективность.
In the context of an increase in the number of emergencies caused by hazardous meteorological phenomena, the requirement for promptness and validity of management decisions in the Russian Emergency Situations Ministry is increasing. A theoretical and mathematical algorithm for decision support based on the assessment of the probability of emergencies and formalized criteria has been proposed. Using the Ishikawa diagram, key factors have been identified that reduce the effectiveness of management. The algorithm is intended for implementation in the management centers of the Russian Ministry of Emergency Situations. This approach allows for reducing the time required to prepare decisions and increasing their objectivity.
Введение
В условиях роста числа чрезвычайных ситуаций, вызванных опасными метеорологическими явлениями, повышается требование к оперативности и обоснованности управленческих решений в РСЧС. Предложен теоретико-математический алгоритм поддержки принятия решений на основе оценки вероятности ЧС и формализованных критериев. С использованием диаграммы Исикавы выявлены ключевые факторы снижения эффективности управления. Алгоритм ориентирован на внедрение в центрах управления МЧС России. Подход позволяет сократить время подготовки решений и повысить их объективность.
С изменением климата в Российской Федерации наблюдается устойчивый рост числа чрезвычайных ситуаций (ЧС), вызванных опасными и неблагоприятными метеорологическими явлениями (ОНМЯ). Согласно данным Государственного доклада за 2020–2024 гг. [1], за этот период на территории РФ зарегистрировано 1536 ЧС, из которых:
875 (57 %) — техногенного характера,
452 (29 %) — природного характера, включая ОНМЯ,
209 (14 %) — биолого-социальные ЧС.
Несмотря на меньшую долю в общем числе инцидентов, природные ЧС стали основным источником материального ущерба. Так, в 2020 году ущерб от них составил 12,4 млрд руб. (19 % от общего), а к 2024 году — 54,3 млрд руб. (77 % от общего). В 2021–2023 гг. доля ущерба от природных ЧС превышала 90 %. Это демонстрирует несоответствие между количеством и последствиями различных типов ЧС и подчеркивает необходимость усиления прогностической составляющей в системе РСЧС.
Обобщённое распределение ЧС за пятилетний период представлено на рис. 1.
Рис. 1
Распределение количества ЧС по видам их возникновения
В настоящее время подходы к мониторингу и прогнозированию ЧС всё чаще основываются на моделировании возможных событий с использованием информационных ресурсов и цифровые технологии. Однако при поступлении информации из различных источников требуется значительное время для проведения анализа с целью выработки привольности принятия управленческого решения, что снижает эффективность и оперативность реагирования на угрозы прогнозируемых ЧС. Особенно это проявляется при возникновении нескольких угроз одновременно – например, шквалистый ветер, сопровождающийся ливнем, что в свою очередь создает угрозу не только возможное повреждение зданий, отрыв легкоформатных конструкций, но и подтоплений в низменных участках местности.
Целью настоящего исследования является разработка теоретико-математического алгоритма поддержки принятия управленческих решений для органов управления РСЧС при угрозе ЧС, вызванных ОНМЯ. Для достижения этой цели были поставлены следующие задачи:
проанализировать существующие практики обработки метеорологической информации в ЦУКС МЧС России;
выявить ключевые узкие места в процессе подготовки прогнозных моделей;
формализовать процедуры оценки угроз и принятия решений;
провести системный анализ причин неэффективности управления с использованием диаграммы Исикавы.
Гипотеза исследования заключается в том, что внедрение формализованного алгоритма, основанного на математических зависимостях и системном подходе к оценке рисков, позволит не только сократить время подготовки управленческих решений, но и повысить их объективность, воспроизводимость и адаптивность к локальным условиям.
Научная новизна работы состоит в создании универсального, программно-независимого алгоритма СППР, который может быть интегрирован в существующую инфраструктуру РСЧС без необходимости полной замены технических или программных средств. В отличие от зарубежных решений, ориентированных на глобальное прогнозирование (например, GenCast), предложенный подход фокусируется на локальном уровне принятия решений, обеспечивая необходимую детализацию и гибкость.
Практическая значимость исследования обусловлена возможностью масштабирования разработанного алгоритма на все субъекты Российской Федерации, что способствует повышению устойчивости национальной системы антикризисного управления и снижению социально-экономических потерь от природных ЧС.
Литературный обзор
За последние пять лет в российской научной среде активно развивается направление, связанное с цифровизацией управления ЧС. Особое внимание уделяется вопросам автоматизации процессов в рамках РСЧС. Так, Рыженко и соавт. [2] предложили программное приложение для автоматизации подготовки метеорологических моделей, что продемонстрировало сокращение времени обработки информации в 2 раза.
Зарубежные исследования также подтверждают тренд на интеграцию ИИ в системы предупреждения ЧС. Например, Price et al. [3] разработали генеративную модель GenCast, способную давать 15-дневный прогноз с пространственным разрешением 0,25°. Однако авторы отмечают, что такие модели пока не обеспечивают достаточной локальной детализации для оперативного управления на уровне муниципалитетов.
Таким образом, современные исследования указывают на необходимость гибридного подхода, сочетающего глобальные прогнозные модели с локальными данными и формализованными алгоритмами принятия решений. Именно такой подход лёг в основу предлагаемого алгоритма.
Основная часть
1. Формализация алгоритма поддержки принятия решений
Алгоритм СППР представлен в виде последовательности логических и математических операций:
Сбор и верификация исходных данных:
метеорологические прогнозы (осадки, ветер, температура);
гидрологические данные (уровень рек, снегозапасы);
социально-экономические параметры (плотность населения, инфраструктура).
Оценка вероятности возникновения ЧС:
Вводится функция вероятности:
где:
– интенсивность
ОНМЯ (шкала Росгидромета);
– уровень
уязвимости территории (инфраструктура,
население);
– время
реакции системы управления.
1.3 Классификация угрозы:
На
основе пороговых значений
принимается решение:
– «информационный»
уровень;
– «повышенная
готовность»;
– «чрезвычайная
ситуация».
1.4 Формирование рекомендаций:
Выбор превентивных мер (эвакуация, укрепление объектов, резервирование ресурсов) на основе матрицы «угроза–реакция».
2. Системный анализ проблемы: диаграмма Исикавы
Для выявления корневых причин неэффективности управления при угрозе ОНМЯ построена диаграмма Исикавы (рис. 2).
Рис. 2
Диаграмма Исикавы: системный анализ причин неэффективности управления при ОНМЯ
Анализ показал, что ключевыми факторами являются информационная фрагментация и отсутствие формализованных методов оценки угроз, что подтверждает актуальность разработанного алгоритма.
3. Интеграция с существующими системами РСЧС
Предложенный алгоритм полностью совместим с АИУС РСЧС и модулем «Атлас опасностей и рисков» [4]. Он не заменяет, а дополняет существующие процессы, устраняя субъективность и ускоряя принятие решений. Важно отметить, что решение соответствует требованиям Приказа МЧС России № 944 от 30.09.2022 г. по оформлению оперативной информации [5].
Результаты исследования и их обсуждение
Алгоритм был протестирован на данных по Иркутской области за 2023 г. За год было сформировано 6 356 прогнозных моделей по КНМЯ. Среднее время подготовки модели из 41 слайда сократилось:
вручную: 240–300 мин;
с использованием формализованного алгоритма: 110–130 мин.
Экономия времени составила 54 %. При этом ошибки при переносе данных сократились до 0,2 % (против 3,7 % в ручном режиме).
Полученные результаты согласуются с выводами Рыженко и др. [2] и подтверждают эффективность формализации процедур даже без программной автоматизации.
Заключение
Разработанный теоретико-математический алгоритм поддержки принятия управленческих решений позволяет значительно сократить время подготовки оперативной документации при угрозе ЧС, вызванных ОНМЯ.
Системный анализ с использованием диаграммы Исикавы выявил ключевые категории факторов, влияющих на эффективность управления.
Решение легко масштабируется на другие регионы РФ и может быть адаптировано под другие типы угроз (пожары, химические выбросы).
Научная новизна заключается в формализации логики принятия решений на основе объективных критериев и математических зависимостей.
В перспективе планируется интеграция с системами машинного обучения для прогнозирования вторичных эффектов (например, обрывов ЛЭП при ураганах).
Рекомендуется внедрение алгоритма в практику ЦУКС всех субъектов РФ как элемента цифровой трансформации РСЧС.
Список используемых источников:
Государственный доклад о состоянии защиты населения и территории Российской Федерации от чрезвычайных ситуаций природного и техногенного характера в 2020-2024 годах.
Рыженко Н.Ю., Суховерхова Л.В., Сороковикова Е.В. Автоматизация процесса разработки метеорологических моделей // Технологии техносферной безопасности. 2024. № 2(104). С. 101–111. https://doi.org/10.25257/TTS.2024.2.104.101-111
Price I., Sanchez-Gonzalez A., Alet F. et al. Probabilistic weather forecasting with machine learning // Nature. 2025. Vol. 637. P. 84–90. https://doi.org/10.1038/s41586-024-08252-9
Атлас опасностей и рисков МЧС России [Электронный ресурс]. URL: http://www.atlas.mchs.gov.ru (дата обращения: 10.10.2025).
Приказ МЧС России от 30.09.2022 № 944 «Об утверждении Регламента обмена оперативной информацией...».