КОЛИЧЕСТВЕННАЯ ОЦЕНКА ПАВОДКОВОЙ ОПАСНОСТИ И ОПТИМИЗАЦИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ НА ТЕРРИТОРИИ ТЮМЕНСКОЙ ОБЛАСТИ
QUANTITATIVE ASSESSMENT OF FLOOD DANGER AND OPTIMIZATION OF MANAGEMENT DECISIONS IN THE TYUMEN REGION
- 1 ФГБОУ ВО «Академия Государственной противопожарной службы МЧС России»
- 2 Академия ГПС МЧС Росиии
- 3 ГУ МЧС по Республике Башкортостан
В работе представлен комплекс математических моделей для количественной оценки паводковой опасности и оптимизации управленческих решений. На основе данных паводка 2024 года разработаны и верифицированы: интегральный показатель паводковой опасности (ИППО), модель оптимизации распределения ресурсов, дерево решений для оперативного управления и модель экономической эффективности. Предложенные методики показали высокую прогностическую способность (R² = 0,89) и могут быть внедрены в систему управления паводковыми рисками.
The paper presents a set of mathematical models for quantifying flood hazards and optimizing management decisions. Based on the 2024 flood data, the following models have been developed and verified: an integrated flood hazard index (IFHI), a resource allocation optimization model, a decision tree for operational management, and an economic efficiency model. These models have demonstrated high predictive accuracy (R² = 0.89) and can be incorporated into the flood risk management system.
Актуальность разработки количественных методов оценки паводковой опасности обусловлена возрастающей частотой экстремальных гидрологических явлений и необходимостью оптимизации ограниченных ресурсов. Традиционные качественные подходы не позволяют эффективно оценивать риски и принимать обоснованные управленческие решения в условиях неопределенности.
Цель исследования - разработка и апробация комплекса математических моделей для количественной оценки паводковой опасности и оптимизации управленческих решений на территории Тюменской области.
Исследование основано на данных:
- гидрологических наблюдений 2017-2024 гг.;
- статистики паводка 2024 года;
- ресурсного обеспечения аварийно-спасательных работ;
- экономических показателей ущерба.
Использованы методы: линейного программирования, байесовского анализа, кластеризации данных, ROI-анализа.
Математические модели и алгоритмы
1. Интегральный показатель паводковой опасности (ИППО) (1). Интегральный показатель разработан методом взвешенных сумм с весовыми коэффициентами, определенными на основе ретроспективного анализа значимости факторов в паводках 2017-2024 гг.
(1)
Таблица 1 - Исходные данные для расчета ИППО реки Ишим [1]
Параметр |
Обозначение |
Значение |
Нормативное значение |
Источник данных |
Уровень воды |
Ннорм |
1 064 см. |
850 см (ОЯ) |
Гидропост г. Ишим |
Объем влагозапасов |
Vвлаг |
8 103 млн. м3 |
4 484 млн. м3 |
Бассейн р. Есиль |
Коэффициент трансграничности |
Ктрансгр |
0,9 |
- |
Данные Казгидромет |
Плотность населения |
Плотн |
47,2 чел./км2 |
50 чел./км2 |
Росстат |
Плотность инфраструктуры |
Инфрастр |
0,8 |
1,0 |
Кадастр недвижимости |
где - Hнорм - основной детерминант масштаба затопления (30%);
- Vвлаг - определяет объем паводкового стока (25%);
- Kтрансгр - учитывает неуправляемые внешние факторы (20%);
- Плотн - отражает социальные последствия (15%);
- Инфрастр - характеризует экономический ущерб (10%).
Расчет нормализованных показателей:
-
;
-
;
-
;
-
;
-
.
[2].
Значение 1,127 соответствует зоне критической опасности (порог >1,0).
2. Модель оптимизации распределения ресурсов (табл. 2). Линейная оптимизационная задача решается симплекс-методом для минимизации времени ликвидации последствий при ограниченных ресурсах.
Таблица 2 - Исходные данные для оптимизации работ на участке Р-402 [1]
Параметр |
Обозначение |
Значение |
Единица измерения |
Источник данных |
Объем грунта |
V |
85 000 |
м3 |
Проектная документация |
Производительность техники |
P |
150 |
м3/час |
Технические паспорта |
Количество техники |
R |
22 |
ед. |
Реестр техники МЧС |
Стоимость работ |
C |
15 000 |
руб./час |
Сметные расчеты |
Бюджет ограничения |
B |
9 500 000 |
руб. |
План финансирования |
Целевая функция (2) [3]:
(2)
Ограничения:
-
-
ресурсные ограничения (22 единицы);
-
-
бюджетные ограничения (9 500 000 руб.);
-
-
минимально необходимый состав (15 единиц);
-
-
технологические зависимости.
Расчет
оптимального времени:
Фактическое время выполнения - 26,3 часа (погрешность 2,3%).
3. Дерево решений для оперативного управления представлено в табл.3.
Таблица 3 - Исходные данные для построения дерева решений [1]
Сценарий |
Вероятность P(s) |
Полезность эвакуации U(a1) |
Полезность укрепления U(a2) |
Источник данных |
|
0,70 |
0,30 |
0,90 |
Статистика 2017-2024 |
|
0,20 |
0,60 |
0,70 |
Прогнозные модели |
|
0,10 |
0,95 |
0,45 |
Экспертные оценки |
Расчет
для г. Ишим выполняется по формуле (3),
где (L= 1064 см.,
)
[4]:
P(подтопления) = 0,92; U(эвакуации) = 0,95; U(укрепления) = 0,45.
(3)
4. Модель экономической эффективности (табл.4). ROI-анализ с учетом предотвращенного ущерба и дисконтированных затрат.
Таблица 4 - Исходные данные для расчета ROI [1]
Показатель |
Значение |
Единица измерения |
Методика расчета |
Источник данных |
Предотвращенный ущерб |
4 200 |
млн. руб. |
10 328
домов
|
Кадастр, статистика |
Предотвращенный ущерб инфраструктуры |
8 100 |
млн. руб. |
Оценка восстановительной стоимости |
Сметы, проекты |
Предотвращенный экономический ущерб |
1 900 |
млн. руб. |
Потери
ВРП
|
Данные Минэка |
Затраты на превентивные меры |
1 850 |
млн. руб. |
Фактические расходы |
Бюджетные отчеты |
Затраты на аварийные работы |
950 |
млн. руб. |
Фактические расходы |
Отчеты МЧС |
Расчет
выполняется по формуле (4) [5]:
(4)
- предотвращенный ущерб:14 200 млн руб.;
- затраты:2 800 млн руб.
5. Модель классификации зон риска. Кластеризация методом k-средних по значениям ИППО (табл.5, 6).
Таблица 5 - Исходные данные для кластеризации территорий [1]
Территория |
ИППО |
Население, чел. |
Количество НП |
Экономический ущерб, млн. руб. |
Источник данных |
Ишим |
1,127 |
65 142 |
1 |
4 850 |
Статистика городов |
Абатское |
1,085 |
7 892 |
1 |
2 150 |
Муниципальная статистика |
Викулово |
0,934 |
6 234 |
1 |
1 420 |
Муниципальная статистика |
Казанское |
0,891 |
5 673 |
1 |
1 280 |
Муниципальная статистика |
Ялуторовск |
0,645 |
12 456 |
1 |
980 |
Статистика городов |
Таблица 6 - Результаты кластеризации методом k-средних [1].
Категория |
Диапазон ИППО |
Количество НП |
Население |
Экономический ущерб, млн. руб. |
I (критический) |
1,0-1,3 |
28 |
34 120 |
12 450 |
II (высокая) |
0,7-1,0 |
42 |
28 750 |
8 320 |
III (средняя) |
0,4-0,7 |
58 |
19 840 |
4 150 |
IV (низкая) |
0,0-0,4 |
26 |
3 210 |
680 |
Валидация моделей представлена в таблице 6.
Таблица 6 - Статистические показатели адекватности моделей [1].
Модель |
R2 |
Средняя ошибка, % |
Доверительный интервал, % |
Количество тестовых случаев |
ИППО |
0,89 |
4,7 |
95 |
154 НП |
Оптимизация ресурсов |
0,92 |
3,2 |
95 |
28 участков |
Дерево решений |
0,85 |
6,1 |
90 |
45 сценариев |
Экономическая эффективность |
0,88 |
5,3 |
95 |
12 мероприятий |
Сравнение с фактическими данными:
Прогнозируемый ущерб: 12 450 млн руб.;
Фактический предотвращенный ущерб: 14 200 млн руб.;
Точность прогноза: 87,7%.
На основе разработанных моделей сформирован оптимальный план мероприятий:
Неделя 1 (подготовительная):
- мобилизация 70% ресурсов в зоны I категории;
- укрепление 12 км федеральной трассы;
- эвакуация 45% населения из критических зон.
Неделя 2 (активная фаза):
- развертывание 100% группировки сил;
- возведение 25 км дополнительных защитных сооружений;
- завершение эвакуации населения.
Выводы
1. Разработанный комплекс математических моделей показал высокую прогностическую способность и может быть рекомендован для внедрения в систему управления паводковыми рисками.
2. Оптимизация распределения ресурсов по разработанным алгоритмам позволяет сократить время ликвидации последствий на 35-40%.
3. Экономическая эффективность превентивных мероприятий доказана расчетами (ROI = 407%).
4. Предложенные модели позволяют перейти от качественных к количественным оценкам паводковой опасности, что повышает обоснованность управленческих решений.
1. Анализ действий органов управления и сил единой государственной системы предупреждения и ликвидации чрезвычайных ситуаций при ликвидации последствий на территориях отдельных субъектов Российской Федерации природных явлений, вызванных негативным воздействием паводковых вод в 2024 году. – Главное управление МЧС России по Тюменской области, 2024.
2. Соколов Ю.И. Интегральные показатели в оценке природных рисков // География и природные ресурсы. - 2023. - № 2. - С. 23-34.
3. Таха Х.А. Введение в исследование операций. - М.: Вильямс, 2023. - 912 с.
4. Шмелев П.К. Принятие решений в условиях неопределенности. - М.: Наука, 2023. - 234 с.
5. Дамодаран А. Инвестиционная оценка. - М.: Альпина Паблишер, 2023. - 1344 с.