CC BY
39ИНФОРМАЦИОННАЯ СИСТЕМА ПРОГНОЗИРОВАНИЯ ЧРЕЗВЫЧАЙНЫХ СИТУАЦИЙ ПРИ ИСПОЛЬЗОВАНИИ АДАПТИВНЫХ МОДЕЛЕЙ
Е.М. Богданова;
А.В. Максимов, кандидат технических наук; А.В. Матвеев, кандидат технических наук, доцент. Санкт-Петербургский университет ГПС МЧС России
Обоснована необходимость создания информационной системы прогнозирования чрезвычайных ситуаций в регионе, раскрыты основные этапы ее проектировании. Представлена структурная и функциональная схемы информационной системы прогнозирования чрезвычайных ситуаций. Разработанная система базируется на использовании адаптивных моделей прогнозирования.
Ключевые слова: чрезвычайные ситуации, информационная система, прогнозирование, модель, структурная схема, функциональная схема
INFORMATION SYSTEM OF EMERGENCY SITUATIONS FORECAST BY USING ADAPTIVE MODELS
E.M. Bogdanova; A.V. Maksimov; A.V. Matveev.
Saint-Petersburg university of State fire service of EMERCOM of Russia
In the article the necessity of informational system of emergency situations forecast creation is substantiated. The structural and functional scheme of the information system of emergency situations forecast are presented. The developed system based on the use of adaptive forecasting models.
Keywords: emergency situations, information system, prediction, model, system architecture, system functional diagram
В настоящее время основные усилия Министерства Российской Федерации по делам гражданской обороны, чрезвычайным ситуациям и ликвидации последствий стихийных бедствий (МЧС России) направлены на сокращение числа чрезвычайных ситуаций (ЧС) и смягчение последствий от них. Это достигается, в том числе, за счет применения современных технологий прогнозирования ЧС [1]. Прогнозирование в управлении является основным этапом планирования деятельности, направлено на выявление и предвидение объективных тенденций, состояний развития исследуемых систем.
В настоящее время разработано и продолжает разрабатываться множество математических моделей прогнозирования ЧС природного и техногенного характера, их возможных последствий [2-6].
Наличие достоверного прогноза позволяет оценить угрозу человеку, природной среде, объектам экономики и населенным пунктам, принять необходимые меры по предотвращению ущерба, спланировать работу подразделений МЧС России. Однако практика показывает, что используемые в настоящее время подходы не всегда дают точные и надежные результаты. Это связано с рядом причин, прежде всего, с недостаточностью или неточностью исходных данных, не всегда правильным выбором математического аппарата, используемого для прогнозирования.
Проводимые ранее авторами исследования показали, что зачастую наиболее точный прогноз достигается при использовании методов и моделей адаптивного
прогнозирования [7, 8]. Основное преимущество адаптивных методов заключается в том, что они позволяют строить модели с обратной связью, обладающие способностью осуществлять корректировку своих параметров в зависимости от полученных результатов прогнозирования.
Реализация данных моделей должна осуществляться в рамках специального программного обеспечения, что позволит значительно облегчить процесс прогнозирования ЧС, повысить оперативность расчетов и представления результатов прогнозирования специалистами.
Информационная система (ИС) прогнозирования ЧС представляет собой совокупность базы данных о произошедших ЧС, математических методов и моделей, программных средств, предназначенную для обработки, анализа ретроспективных данных, прогнозирования ЧС, необходимую для принятия управленческих решений.
Создание ИС прогнозирования ЧС предполагает выполнение ряда задач, реализующих различные этапы жизненного цикла ИС (постановка задач, проектирование, реализация, тестирование, внедрение), которые определяются существующими стандартами проектирования и разработки ИС [9, 10].
Таким образом, в целях обеспечения возможности применения разработанных методов и моделей прогнозирования, автоматизации работы с поступающими данными, сохранения и представления результатов прогнозирования, необходимых для принятия соответствующих управленческих решений, необходимо выполнить проектирование [11] и разработку ИС прогнозирования ЧС.
Это предполагало предварительное решение следующих задач:
- определить основные функции системы прогнозирования, сформировав на основе этого функциональную и структурную схемы ИС;
- выполнить программную реализацию ИС.
На начальном этапе проектирования и разработки ИС прогнозирования ЧС было проведено исследование предметной области. В рамках исследования была разработана функциональная схема системы прогнозирования ЧС, представленная на рис. 1. Основными функциональными модулями (подсистемами), в рамках которых выполняются функции ИС, являются:
- подсистема учета данных;
- подсистема анализа данных;
- подсистема формирования решений.
В подсистеме учета данных реализуются такие функции, как прием, первичная обработка и ввод исходных данных для прогнозирования, заполнения хранилища данных, обработка результатов прогнозирования.
Подсистема анализа данных функционирует на основе реализованных в ИС моделей прогнозирования. В этом модуле осуществляется расчет прогнозных значений в соответствии с используемыми моделями, графическая визуализация результатов прогнозирования, оценка точности и достоверности прогнозных результатов.
В подсистеме формирования решений реализуется процесс выбора оптимальной прогнозной модели, рассылка отчетной документации и рекомендаций по результатам прогнозирования.
Рис. 1. Функциональная схема системы прогнозирования ЧС (ЦУКС - центр управления в кризисных ситуациях)
Функциональное описание стало основой для разработки структурной схемы ИС прогнозирования ЧС (рис. 2). Каждый модуль отвечает за решение конкретных задач.
Файлы исходных данных - внешние источники исходных статистических данных по произошедшим ЧС в исследуемом территориальном образовании.
Модуль ручного ввода/импорта исходных данных отвечает за внесение исходных данных в базу данных или в основной расчетный модуль.
Модуль проверки данных осуществляет проверку проходящих через модуль ручного ввода/импорта исходных данных на корректность.
Модуль промежуточных вычислений осуществляет предварительную обработку исходных данных, формирование и обработку временных рядов.
Основной расчетный модуль - блок, реализующий математические модели прогнозирования ЧС, визуализацию результатов прогнозирования (построение графиков), а также рассчитывающий показатели точности и достоверности прогнозов.
Модуль поиска оптимального варианта прогноза осуществляет выбор используемой для прогнозирования модели на основе показателей точности и достоверности.
Модуль обратной связи с пользователем формирует сообщения об ошибках с помощью всплывающих окон (элементов приложения).
Модуль справочной информации содержит в себе описание состава приложения, его структуры, особенности установки и функционирования, пользовательское руководство, рекомендации по устранению ошибок.
При использовании функциональной и структурной схем далее было разработано программное приложение ИС, реализованное в среде Microsoft Visual Studio, основанное на объектно-ориентированном языке C#. Программа позволяет решать основные задачи:
- ввод исходных данных, их импорт из базы данных или импорт из Microsoft Excel, представление их в табличном и графическом виде;
- возможность выбора периода упреждения прогноза;
- выполнение расчетов на основании исходных статистических данных, то есть разработка моделей прогнозирования ЧС;
- графическое представление результатов прогнозирования (рис. 3);
- оценка точности и достоверности полученных прогнозных результатов (абсолютная ошибка прогноза, среднеквадратическая ошибка прогноза, средняя ошибка аппроксимации, коэффициенты или доли несоответствия, коэффициент корреляции между прогнозным и фактическими значениями).
СУБД
Г
База данных
Г
Файлы исходных данных
Модуль ручного ввода/импорта исходных данных
Расчет показателей точности прогноза
Поиск оптимального варианта прогноза
Вспомогательный модуль
Модуль справочной информации
Модуль обратной связи с пользователем
Рис. 2. Структура программного обеспечения системы прогнозирования ЧС (СУДБ - система управления базами данных)
Н Ма1п\№|к1ои| -ОХ
Исходные даниые^Скользящая средняя Полином 0 п. Полином 1 п, | Лолином 2 п. | Полинам [общ.) | Автарег. моц. Сезонн,мод.(ачдитив.) Сезонн.мод,(мультипл.] Оценка точности и надежности |
Общий график (полиномиальные модели)
2010-01-01 2011-01-01 2012-01-01 2013-01-01 2014-01-01 2015-01-01 2016-01-01 2017-01-
Рис. 3. Представление прогнозных значений
Для решения вышеперечисленных задач в программе используются различные элементы интерфейса. Графической оболочкой обладают лишь некоторые из функциональных модулей, остальные части есть не что иное, как фрагменты кода, которым делегированы соответствующие функции.
Конечный пользователь ИС, используя элементы обратной связи, имеет возможность влиять на параметры прогнозных моделей, тем самым повышать качество и корректность формируемых решений.
Использование разработанной ИС прогнозирования ЧС позволяет значительно облегчить процесс прогнозирования, повысить оперативность расчетов и представления результатов прогнозирования специалистами.
Литература
1. Максимов А.В., Матвеев А.В., Попивчак И.И. Перспективные направления информационно-аналитической деятельности в области обеспечения пожарной безопасности // Геополитика и безопасность. 2015. № 2 (30). С. 113-117.
2. Новоселов С.В., Панихидников С.А. Проблемы прогнозирования количества чрезвычайных ситуаций статистическими методами // Горный информационно-аналитический бюллетень (научно-технический журнал). 2017. № 10. С. 60-71.
3. Варнаков В.В., Варнаков Д.В., Неберикутя И.А. Обоснование методов прогнозирования чрезвычайных ситуаций техногенного характера // Международный научный журнал. 2011. № 1. С. 94-97.
4. Киндаев А.Ю., Шишов В.Ф. Нейросеть как инструмент прогнозирования показателей городских пожаров // Приложение математики в экономических и технических исследованиях. 2014. № 1 (4). С. 252-260.
5. Проблемы прогнозирования и мониторинга чрезвычайных ситуаций методами современной теории катастроф / Е.П. Бураковский [и др.] // Морские интеллектуальные технологии. 2012. № 2 (16). С. 50-60.
6. Матвеев А.В., Богданова Е.М. Классификация методов прогнозирования чрезвычайных ситуаций // Национальная безопасность и стратегическое планирование. 2018. № 4 (24). С. 61-70.
7. Богданова Е.М., Матвеев А.В. Алгоритм метода адаптивного прогнозирования пожаров // Сервис безопасности в России: опыт, проблемы, перспективы. Обеспечение комплексной безопасности жизнедеятельности населения: материалы Всерос. науч.-практ. конф. СПб.: С.-Петерб. ун-т ГПС МЧС России, 2017. С. 94-97.
8. Богданова Е.М. Алгоритмическое обеспечение адаптивного прогнозирования пожаров: материалы II Междунар. науч.-практ. конф., посвящ. Всемирному дню ГО. М.: Акад. ГПС МЧС России, 2018. С. 49-57.
9. ГОСТ 34-601-90. Информационная технология. Комплекс стандартов на автоматизированные системы. Автоматизированные системы. Стадии создания. М.: Стандартинформ, 1990.
10. Маглииец Ю.А. Анализ требований к автоматизированным информационным системам. М.: Интернет-университет информационных технологий Бином. Лаборатория знаний, 2008. С. 11.
11. Проектирование информационных систем: учеб. / Д.В. Чистов [и др.]. М.: Юрайт,
2015.
References
1. Maksimov A.V., Matveev A.V., Popivchak I.I. Perspektivnye napravleniya informacionno-analiticheskoj deyatel'nosti v oblasti obespecheniya pozharnoj bezopasnosti // Geopolitika i bezopasnost'. 2015. № 2 (30). S. 113-117.
2. Novoselov S.V., Panihidnikov S.A. Problemy prognozirovaniya kolichestva chrezvychajnyh situacij statisticheskimi metodami // Gornyj informacionno-analiticheskij byulleten' (nauchno-tekhnicheskij zhurnal). 2017. № 10. S. 60-71.
3. Varnakov V.V., Varnakov D.V., Neberikutya I.A. Obosnovanie metodov prognozirovaniya chrezvychajnyh situacij tekhnogennogo haraktera // Mezhdunarodnyj nauchnyj zhurnal. 2011. № 1. S. 94-97.
4. Kindaev A.Yu., Shishov V.F. Nejroset' kak instrument prognozirovaniya pokazatelej gorodskih pozharov // Prilozhenie matematiki v ekonomicheskih i tekhnicheskih issledovaniyah. 2014. № 1 (4). S. 252-260.
5. Problemy prognozirovaniya i monitoringa chrezvychajnyh situacij metodami sovremennoj teorii katastrof / E.P. Burakovskij [i dr.] // Morskie intellektual'nye tekhnologii. 2012. № 2 (16). S. 50-60.
6. Matveev A.V., Bogdanova E.M. Klassifikaciya metodov prognozirovaniya chrezvychajnyh situacij // Nacional'naya bezopasnost' i strategicheskoe planirovanie. 2018. № 4 (24). S. 61-70.
7. Bogdanova E.M., Matveev A.V. Algoritm metoda adaptivnogo prognozirovaniya pozharov // Servis bezopasnosti v Rossii: opyt, problemy, perspektivy. Obespechenie kompleksnoj bezopasnosti zhiznedeyatel'nosti naseleniya: materialy Vseros. nauch.-prakt. konf. SPb.: S.-Peterb. un-t GPS MCHS Rossii, 2017. S. 94-97.
8. Bogdanova E.M. Algoritmicheskoe obespechenie adaptivnogo prognozirovaniya pozharov: materialy II Mezhdunar. nauch.-prakt. konf., posvyashch. Vsemirnomu dnyu GO. M.: Akad. GPS MCHS Rossii, 2018. S. 49-57.
9. GOST 34-601-90. Informacionnaya tekhnologiya. Kompleks standartov na avtomatizirovannye sistemy. Avtomatizirovannye sistemy. Stadii sozdaniya. M.: Standartinform, 1990.
10. Magliiec Yu.A. Analiz trebovanij k avtomatizirovannym informacionnym sistemam. M.: Internet-universitet informacionnyh tekhnologij Binom. Laboratoriya znanij, 2008. S. 11.
11. Proektirovanie informacionnyh sistem: ucheb. / D.V. Chistov [i dr.]. M.: Yurajt, 2015.
