СИСТЕМЫ БЕЗОПАСНОСТИ – 2018·Секция 1 - Информационные, методические, технические и организационные проблемы безопасностиУДК 614.849

Использование нейронных сетей для оптимизации решений в области управления пожарной безопасностью

The use of neural networks to optimize solutions in the field of fire safety management

Чупакова Анна Олеговна1,Гудин Сергей Витальевич2
  1. 1 АГПС МЧС России
  2. 2 ФГБОУ ВО Академия государственной противопожарной службы МЧС России
27 февраля 2019 8 просмотров 8 мин чтения
Аннотация

Приводится обоснование применения технологий искусственного интеллекта на основе нейронных сетей, используемых для оптимизации принятия решений в области управления пожарной безопасностью, а также выбора языка программирования и библиотек для обучения нейронных сетей при решении управленческих задач.

#Пожарная безопасность#нейронная сеть#управление пожарной безопасностью#искусственный интеллект.
Abstract

This article provides a rationale for the use of artificial intelligence technologies based on neural networks used to optimize decision-making in the field of fire safety management, as well as the choice of programming language and libraries for training neural networks in solving management problems.

#Fire safety#neural network#fire safety management#artificial intelligence.
Полный текст1375 слов

В пожарной охране на данный момент существует множество различных систем поддержки и принятия решений, которые возможно оптимизировать при помощи нейронных сетей. Применение обученной нейронной сети позволяет производить анализ большого количества входной информации, выявляя при этом закономерности связей, что позволяет решать задачи линейного программирования при искажённых или отсутствующих входных данных.

Технологии облачных вычислительных систем реализуются
несколькими языками программирования: python, node.js, isp.net, php.

Основываясь на результатах публикаций [1, 2], преимущества и недостатки каждого из представленных языков программирования отражены в табл. 1.

Таблица 1

Критерий

PYTHON

NODE.JS

ASP.NET

PHP

Надежность

Довольно надежный язык программирования, который используется такими интернет-корпорациями как intel, Google,

Dropbox, Mozilla, Facebook, Yandex

Быстро развивающийся язык с надежной системой поддержки. Используется в подавляющем большинстве разработок для операционной системы "Android"

Использует технологию доступа к данным ADO.NET, которая обеспечивает единый интерфейс для доступа к базам данных SQL Server и файлам XML. Кроме того, усиленная модель безопасности позволяет обеспечивать защиту клиента и сервера от несанкционированного доступа

Один из самых надежных и стабильных языков, не потеряющий актуальности в ближайшее десятилетие и используемый практически во всех программных продуктах современности.

Возможность работы с готовыми объектами

Стандартная библиотека языка имеет обширный набор готовых объектов и полезных функций

Имеется несколько библиотек, которые позволяют более комфортно работать с данным языком

Имеется расширяемый набор элементов управления и библиотек классов

Имеет обширную библиотеку фреймворков инструментов и полезных функций

Распространённость

Является довольно распространенным языком ввиду того, что его распространение происходит под свободной лицензией, а также наличием разнообразных библиотек готовых модулей

Прост в освоении, в данным момент самая популярная среди разработчиков технология, аудитория которой неуклонно растет

Довольно прост и освоении, используется во многих программных продуктах компании Microsoft

В настоящее время поддерживается подавляющим большинством хостинг-провайдеров и является одним из лидеров среди языков, применяющихся для создания динамических веб-сайтов. Входит в LAMP — распространённый набор программного обеспечения для создания и хостинга веб-сайтов

Производительность

Имеет достаточно низкую производительность из-за отсутствия модуля-компилятора. Довольно требователен к используемым ресурсам

облегчает обработку множества запросов от клиентов, архитектура способствует эффективному использованию библиотек, что обеспечивает очень быструю синхронизацию данных между клиентом и сервером

За счёт компилирования кода имеет высокую производительность

с появлением 7-й версии качественно увеличил производительность, что позволило уменьшить объём памяти, затрачиваемой на обработку информации.

Совместимость

с имеющимися программными модулями

Структура данного языка позволяет работать с ним на всех известных платформах

Имеется возможность подключения других внешних библиотек, написанных на разных языках, обеспечивая вызовы к ним из JavaScript -кода, через собственный API, написанный на С ++

Совместим со всеми имеющимися языками программирования, предусмотрена возможность интегрирования существующих приложений с приложениями и сервисами следующего поколения

Совместим с большинством имеющихся программных модулей и языков, а также интегрирован практически во все среды разработки.

Целесообразность внедрения искусственного интеллекта в пожарной охране на основе языка PHP обоснована, прежде всего, простотой его изучения, надёжностью, распространённостью и совместимостью с большим количеством программных модулей, а также существованием соответствующих библиотек. Анализ научных публикаций рассматриваемой области выявил, что язык PHP используется в множестве существующих информационных систем поддержки принятия решений в области пожарной охраны [3, 4]. В статье [5] автор показал, что для использования искусственного интеллекта необходимо обладать большими вычислительными мощностями, которые недоступны для большинства людей, работающих
с СППР. Отсюда следует, что для массового использования искусственного интеллекта необходимо использование облачных серверов.

Основными преимуществами облачных серверов являются:

    • Высокая производительность.
    • Возможность доступа к данным с любого устройства, имеющего выход в интернет.
    • Возможность работы нескольких пользователей с одними данными.
    • Высокая вероятность сохранения данных в результате сбоев
      в работе.
    • Пользователь платит только за фактически используемое место
      в хранилище, а не за аренду сервера, возможности которого может и не использовать.
    • Пользователь освобожден от издержек, связанных с приобретением, поддержкой и обслуживанием собственного сервера.
    • Все процедуры по резервированию и сохранению целостности данных производятся провайдером "облачного" центра, который не вовлекает в этот процесс клиента.

На данном этапе развития языков программирования наиболее распространёнными библиотеками для работы с нейронными сетями являются PHP-ML и FANN (Fast Artificial Neural Network). PHP-ML имеет принципиально новый подход к процессу машинного обучения нейронных
сетей, при сравнительно низких минимальных системных требованиях,
что позволяет её использование практически на всех компьютерах.
В свою очередь, FANN (Fast Artificial Neural Network) включает в себя пятнадцать языков для удобства использования и имеет интуитивно понятный интерфейс. Использование библиотек для построения и обучения нейронных сетей обуславливается исключительно личными выбором программиста, основанном на удобстве использования, совместимости с другими программными модулями и надёжностью.

Обзор существующих продуктов по расчёту категорий зданий наружных установок по взрывоопасной и пожарной опасности, приведённый в табл. 2, выявил, что методы оптимизации с использованием искусственного интеллекта в них отсутствуют.

Таблица 2

Сводная таблица функциональности обозреваемых программ

Современная нормативная база

База данных веществ и материалов

База данных СГО

Определение классов ВО и ПО по ПУЭ

Предварительный просмотр отчета

Расчёт индивидуальных коэффициентов

Выбор безопасных электроустановок

Оптимизация
с использованием искусственного интеллекта

Токси+ риск

+

+

-

-

+

-

-

-

Русь

+

+

+

+

-

+

+

-

Fogard

+

+

+

-

+

-

-

-

При использовании искусственного интеллекта на основе входных параметров, таких как пожарная нагрузка и её размещение на объекте, имеющиеся на объекте системы противопожарной защиты, возможно
значительно оптимизировать время, затрачиваемое на проведение расчётов. Помимо этого, получившуюся модель можно обучить подбору мероприятий по снижению получившейся категории помещения, используя имеющиеся входные данные без внесения существенных изменений в проект и определять оптимальную конфигурацию систем противопожарной защиты в пределах одного объекта.

Процесс обучения модели нейронной сети для оптимизации расчёта категорий по взрывопожарной и пожарной опасности представлен
на рис. 1.

Рис. 1. Схема процесса обучения модели нейронной сети

Таким образом, был проведён обзор сфер применения нейронных сетей в пожарной охране, проведён анализ наиболее надёжных языков программирования и выбор подходящего языка с имеющейся функциональной библиотекой и возможностью интегрирования с другими языками программирования. На основе полученных данных был сделан вывод о том, что язык программирования PHP для работы с нейронными сетями является наиболее подходящим и функциональным. Процесс внедрения нейронных сетей и облачных серверов для оптимизации имеющихся СППР в пожарной охране позволит пользователям получать высокую вычислительную мощность без дополнительных финансовых затрат, а также сократить время, затрачиваемое на проведение расчётов. При этом у пользователя отсутствует необходимость в покупке соответствующих ЭВМ, что особенно актуально для периферийных гарнизонов МЧС России, не имеющих высокой технической оснащенности.

Литература

1. Пасюков А.А. , Якимов А.С. Сравнение производительности серверных языков программирования // Постулат. 2018. 2-1 (28). С. 11.: https://elibrary.ru/item.asp
?id=32676219

2. Mao, Xiaoli Comparison between Symfony, ASP.NET MVC, And Node.js Express for Web Development // Fargo, North Dakota. 2018. 54 p. https://library.ndsu.edu/ir/ handle/10365/28191.

3. Воронцова А.А., Кузьмина Т.А. Применение объектно-ориентированного
и веб-программирования в судебной нормативной пожарно-технической экспертизе // Природные и техногенные риски. 79 c.

4. Виноградов А.П., Савицкая Т.В., Горанский А.В. База данных по пожаровзрывобезопасности опасных производственных объектов // Успехи в химии
и химической технологии. 2011. № 1 (117). https://cyberleninka.ru/article/n/baza-dannyh-po-pozharovzryvobezopasnosti-opasnyh-proizvodstvennyh-obektov.

5. Гудин С.В. Модель оптимизации мероприятий для управления пожарными рисками на территории нефтегазовых объектов с использованием генетических алгоритмов // Проблемы анализа риска. 2017. № 1. С. 42–55.

Есть что обсудить?
Оставьте комментарий — автор и читатели увидят его в обсуждении.