Применение искусственных нейронных сетей для оценки эффективности функционирования системы оповещения и информирования населения
Application of artificial neural networks to estimate the efficiency of operation of the alarm system and information of the population in emergency situations and fire
- 1 ФГБОУ ВО АГПС МЧС России
- 2 ГУ МЧС России по Приморскому краю
Предложена модель оценки эффективности функционирования системы оповещения и информирования населения в чрезвычайных ситуациях основанная на исследованиях с использованием нейронной сети. Рассмотрены вопросы оценки эффективности системы оповещения и информирования и формирования базы данных в базу знаний с использованием нейронной сети.
A model for assessing the effectiveness of the warning and information system in emergency situations based on research using a neural network is proposed. The issues of evaluating the effectiveness of the warning and information system and the formation of a database into a knowledge base using a neural network are considered.
Анализ крупных чрезвычайных ситуаций и пожаров за последние 10 лет показывает, что их количество растёт, что указывает на недостаточный уровень квалификации лиц, принимающих решения в ЧС муниципального уровня: председателей комиссий по предотвращению и ликвидации ЧС и обеспечению пожарной безопасности (КЧС и ОПБ), руководителей ЕДДС муниципальных образований. От действий данный должностных лиц при реагировании на деструктивные события и определяются результат реагирования.
Отсутствие единой базы знаний накапливающейся из опыта реагирования, в том числе с трагическими последствиями, имеющимися действующими алгоритмами, методиками и другой полезной информации указывает на необходимость и актуальность её создания.
Цель данной публикации заключается в формулировке модели по оценке показателей результативности реагирования органов местного самоуправления при возникновении ЧС, в том числе экспертной группы, проводящей оценку для повышения эффективности управления при оповещении, информировании и реагировании на чрезвычайные ситуации и пожары, основанной на элементах искусственной нейронной сети.
b
X1
…
X2
Э
Xn
Рисунок 1 - Оценка эффективности системы оповещения и информирования населения при чрезвычайных ситуациях и пожарах с помощью нейронной сети
Требования к экспертам складываются из набора компетенций предъявляемых к ним. К компетенциям относятся: имеющееся образование, уровень квалификации (набором теоретических и практических знаний и умений), психотипа личности (устойчивости к стрессовым воздействиям при возникновении или развитии чрезвычайных ситуациях и умении быстро оценивать обстановку и принимать решения для реагирования), условия воздействия при оценке эффективности и принятии решений.
Количество чрезвычайных ситуаций и пожаров определяет огромный опыт реагирования на них. Однако динамика роста указывает на то, что данный опыт используется недостаточно эффективно, что определяет актуальность преобразования данного опыта и имеющегося информационного поля в области оповещения, информирования и реагирования (базы данных) в базу знаний. На основе алгоритма, исходя из складывающейся обстановки и характера развития деструктивных событий, модель в виде искусственной нейронной сети выдаёт информацию в автоматизированном режиме с целью поддержки управления конкретного должностного лица, принимающего решения.
На этапе синтеза (II этап, рисунок 2) модели проводится преобразование входящих факторов в предикаты, воздействующие на управление системой оповещения и информирование, а также присвоение им численных значений.
Значения предикатов принимаем в диапазоне от 0 до 1. Определив значения действующих предикатов, проводим ранжирование по степени значимости в зависимости от характера воздействия на систему оповещения и информирования населения.
На третьем этапе проводим систематизацию данных, которая включает в себя:
Разработку возможных сценариев развития событий при оповещении и информировании должностных лиц (Рисунок 2, III этап), состоящую из:
«Дерева целей», которые необходимо достичь для эффективного оповещения и информирования – прямое дерево;
«Дерева состояний», которое характеризует систему на каждом этапе принятия управленческих решений;
Рисунок 2 – Модель управления оповещением
и информированием населения при
чрезвычайных ситуациях и пожарах
Условные обозначения
а – Оценка эффективности принимаемых решений должностных лиц КЧС и ОПБ муниципальных образований; б – Оценка эффективности действий работников ЕДДС;
в – Оценка эффективности с использованием комплексного показателя (влияние технологического, социального и синергетического эффектов); ЛПР – лицо принимающее решение; БД – база данных; Э – эффективность функционирования системы оповещения и информирования населения; РСЧС – единая государственная система предупреждения и ликвидации чрезвычайных ситуаций; Xn – предикторы влияния на систему оповещения и информирования.
Рисунок 3 – Сопоставление деревьев краткосрочного прогнозирования
с = < p, f > | P ᴖ F,
где Р – фактическое состояние системы оповещения и информирования;
F – целевое состояние, определяющее стратегию дальнейших действий.
Основными формами построения и реализации краткосрочных и перспективных планов, как правило, выступают целевые задачи. При этом, фактическое (прямые зависимости) и целевое (обратные вычисления) прогнозирования предполагают независимое формирование задач управления, что не всегда эффективно в условиях выделения ограниченного ресурса.
В случае отсутствия взаимосвязи в решении появляется высокая степень неопределенности, что в практическом управлении в ограниченных условиях ресурсного обеспечения недопустимо. Для формирования «точек пересечения (равновесия)» между элементами структур использован инструментарий построения кортежей концептуального моделирования.
Точки равновесия двух деревьев задаются путем пересечения двух множеств управляемых процессов (воздействий) во временном разрезе за заданный период, как показано на рисунке 3 [1].
Производим оценку воздействия на управление оповещением и информированием, исходя из базы знаний, в которой отражена в паспорте безопасности территории муниципального образования, и, исходя из имеющейся оценки возможных рисков и угроз, характерных для муниципального образования.
Следующим этапом является оценка эффективности управления [2], которая включает в себя:
оценку эффективности принимаемых решений должностных лиц КЧС и ОПБ муниципальных образований;
оценку эффективности действий работников ЕДДС;
оценку эффективности с использованием комплексного показателя, зависящего от технологического, социального и синергетического эффектов.
Математическое моделирование оценки эффективности системы информирования и оповещения населения предлагается провести с использованием регрессионного анализа.
Систему оповещения и информирования населения при чрезвычайных ситуациях на муниципальном уровне рассматриваем как «чёрный ящик» [3].
(3)
На рисунке
4 представлен условный график зависимости
количества оповещенного населения (N)
от времени, затраченного на оповещение
(t).
Оповещение населения происходит по
аналогии распада ядра атома при цепной
ядерной реакции.
Количество оповещенного
населения, ед.
Рисунок 4 – График зависимости количества оповещённого населения (N) от времени, затраченного на оповещение(t)
Используя метод нелинейного программирования, определяем оптимальные значения показателей, которые будут соответствовать максимальным значениям эффективности системы [4].
Комплексный показатель, учитывающий влияние технологического, социального и синергетического эффектов на оперативность проведения мероприятий оповещения и информирования позволяет также оценивать эффективность функционирования системы оповещения. Описанный способ может использоваться для экспресс-оценки эффективности системы оповещения населения в ЧС.
Исходя из проведённой оценки эффективности, мы получим сведения, которые показывают, насколько эффективно функционирует система оповещения и информирования населения с учётом принимаемых управленческих решений и на какие воздействующие факторы следует обратить особое внимание для дальнейшего принятия управленческих решений с целью повышения эффективности функционирования системы. Лицо, принимающее решение, вносит коррективы обеспечивающие повышение эффективности в «План действий», исходя из правил продукционного типа N= < A, U, C, I, R > (Рисунок 3).
С учетом вносимых корректировок и управляющего воздействия, проводим оценку эффективности управления оповещением и информированием населения [4].
Все потоки информации аккумулируются в «Базе знаний».
Обязательным условием своевременного оповещения населения о чрезвычайной ситуации или пожаре является доведение информации до адресата и его эвакуация в безопасную зону (Рисунок 5). В случае если оповещение населения осуществляется при воздействии, или после воздействия деструктивных факторов, то такое функционирование системы не является эффективным.
Определение значимых критериев оценки эффективности системы о возможности возникновения или при возникновении чрезвычайной ситуации, таких как своевременность оповещения, достоверность информации, степень охвата населения, адресность оповещения и степень готовности населения, а также комплексного показателя, учитывающего влияние технологического, социального, синергетического эффектов позволят дать оценку эффективности данной системы на определённых уровнях. Результаты помогут оценивать функционирование данной системы и рационально управлять её показателями. Целевое распределение ресурсов повысит её эффективность и минимизирует риски неблагоприятных последствий за счет уменьшения времени информирования и оповещения населения при чрезвычайных ситуациях и пожарах.
Формирование базы данных позволяет накапливать информацию о состоянии систем оповещения, аккумулировать имеющийся опыт, структурировать и поддерживать в актуальном состоянии имеющуюся информацию, решать тактические задачи, что способствует поддержке принятия управленческих решений при управлении системой оповещения и информирования населения на муниципальном уровне или объекте.
Преобразования базы данных в базу знаний позволяет провести анализ эффективности системы оповещения и информирования с помощью совокупности моделей, опыта, правил и фактов, приближенных к человеческой логике, и сделать выводы при решении сложных интеллектуальных задач для совершенствования системы. Кроме того база знаний должна обладать следующими основными свойствами: институционные знания; высококачественный опыт; возможность прогнозирования; способностью к самообучению и тренировке[5].
База знаний выполняет роль экспертной системы в виде сложного программного продукта, аккумулирующего знания о системе оповещения и информирования с целью их тиражирования и получения новых знаний.
Самообучающаяся интеллектуальная система, по примерам действующей практики выстраивает ассоциативную искусственную нейронную сеть для параллельного поиска по ней решений.
Таким образом, усовершенствованная модель управления оповещением и информированием населения при чрезвычайных ситуациях и пожарах на муниципальном уровне позволяет:
– осуществлять сбор необходимых данных и произвести оценку эффективности функционирования системы оповещения и информирования населения;
– выявить наиболее слабые области системы оповещения и информирования, воздействуя на которые можно повысить эффективность системы.
– определять последовательность принятия решений для эффективного управления системой оповещения и информирования населения при чрезвычайных ситуациях и пожарах на муниципальном уровне.
ЛИТЕРАТУРА
Гвоздев, Е.В. Информационно-управляющая система обеспечения пожарной безопасности территориально распределительных объектов жилищно-коммунального типа, М. 2016. – 156 с. [Электронный ресурс] // Библиотека диссертаций //. – Режим доступа: http://www.dslib.net/upravlenie-socsystem/informacionno-upravljajuwaja-sistema-obespechenija-pozharnoj-bezopasnosti.html;
Ражников, С.В., Бутузов, С.Ю. Модель оценки эффективности системы информирования и оповещения населения при чрезвычайных ситуациях на муниципальном уровне [Электронный ресурс] // Технологии техносферной безопасности. – 2017. – № 1(71). – 10 с. – Режим доступа: http://agps-2006.narod.ru/ttb/2017-1/25-01-17.ttb.pdf.;
Таранцев, А.А. /Регрессионный анализ и планирование испытаний в задачах принятия решений / Монография. СПб.: ИПТР РАН, 2017. – 148 с.;
4. Смородинский, С.С., Батин, Н.В.. Оптимизация решений на основе методов и моделей математического программирования: Учебное пособие. . /. – Мн.: БГУИР, 2003. – 136 с. – режим доступа: http://www.allmath.ru/appliedmath/operations/ operations31/operations.htm;
5. Барский А.Б. Нейронные сети: распознавание, управление, принятие решений – М.: Финансы и статистика, 2004 – 176 с.