Модели и алгоритмы для прогнозирования опасностей объектов техносферы и защиты от угроз в энергетике Текст научной статьи по специальности «Компьютерные и информационные науки»

-►

БЕЗОПАСНОСТЬ ЖИЗНЕДЕЯТЕЛЬНОСТИ

УДК 504.064.3

А.Ю. Туманов

МОДЕЛИ И АЛГОРИТМЫ ДЛЯ ПРОГНОЗИРОВАНИЯ ОПАСНОСТЕЙ ОБЪЕКТОВ ТЕХНОСФЕРЫ И ЗАЩИТЫ ОТ УГРОЗ В ЭНЕРГЕТИКЕ

Согласно концепции теории безопасности, выработанной ООН, основным показателем безопасности в настоящее время принята продолжительность жизни человека, выраженная в количестве лет. Для разных стран в зависимости от уровня текущей безопасности средняя продолжительность жизни человека сильно различается и составляет от 40 до 90 лет. Однако было замечено, что заметное повышение продолжительности жизни в так называемых «цивилизованных» странах обернулось понижением этого показателя в ряде стран, в то числе в России. Причин такого положения несколько, но во многом это объясняется отсутствием в нашей стране системы предвидения и предотвращения опасных ситуаций, связанной с тем, что основное внимание и финансирование в настоящее время идет на устранение последствий чрезвычайной ситуации. Идет борьба с последствиями, а не с причинами чрезвычайных ситуаций, о чем наглядно свидетельствует деятельность МЧС.

Подавляющее большинство работ как научного, так и прикладного характера в этой области концентрируется на вопросах защиты при наступлении ЧС, борьбе с проявлениями происшествия, аварии или катастрофы, а не на вопросах предотвращения (прогнозирования, то есть предвидения) этих явлений. Прогнозирование с точки зрения системного подхода и теории управления — одна из функций при принятии управленческих решений в условиях неопределенности внешней и внутренней среды и множества факторов, влияющих на объект прогнозирования.

Цель прогнозирования техногенных чрезвычайных ситуаций состоит в заблаговременном

получении качественной и количественной информации о возможном времени и месте техногенных чрезвычайных ситуаций, характере и степени связанных с ними опасностей для населения и территорий и в оценке их возможных социально-экономических последствий.

Для достижения указанной цели при прогнозировании решается ряд основных задач, которые предполагают следующее:

выявление и идентификацию потенциально опасных зон с возможными источниками чрезвычайных ситуаций техногенного характера;

разработку возможных вариантов возникновения и развития чрезвычайной ситуации, моделирование развития ЧС;

оценку вероятности возникновения чрезвычайной ситуации по различным сценариям;

моделирование параметров полей поражающих факторов возможных источников чрезвычайной ситуации;

прогнозирование обстановки (инженерная, пожарная, медицинская и др.) в районе возможной ЧС с целью планирования контрмер и необходимых сил и средств для проведения защитных мероприятий и ликвидации чрезвычайной ситуации;

прогнозирование и оценку возможных социально-экономических и экологических последствий (потери, ущерб);

оценку параметров (показателей) риска и построение карт (полей) риска.

Цель выполнения работы состоит в исследовании моделей представления знаний для автоматизированной информационно-управленческой системы безопасности объектов энергетики (АИУСБОЭ), что является одной из составля-

ющих разработки теоретических моделей для прогнозирования опасностей, снижения риска и уменьшения последствий аварий на атомных электростанциях (АЭС), гидроэлектростанциях (ГЭС), предприятиях топливно-энергетического комплекса (ТЭК).

Компоненты информационного обеспечения должны отображать предметную область АИУС-БОЭ, в том числе: территориальные образования (включая проживающее там население); объекты экономики (в первую очередь потенциально опасные объекты); окружающую среду (атмосферу, акватории, земную поверхность, недра); органы и системы управления; мероприятия по предупреждению и ликвидации чрезвычайных ситуаций; силы и средства предупреждения и ликвидации чрезвычайных ситуаций; материально-технические, продовольственные, медицинские и другие ресурсы; статистику чрезвычайных ситуаций.

Для достижения поставленной цели в работе решаются следующие основные задачи:

1) проведение анализа и декомпозиции опасного объекта, например ТЭЦ, с целью выявления опасных устройств и способов производства (технологий) и «узких мест», на которых с некоторой долей вероятности могут быть неисправности или произойти происшествия либо аварии;

2) разработка модели представления знаний для АИУСБОЭ.

Объектом исследования является опасный объект энергетики (ООЭ). Такой объект, как правило, имеет сложную структуру и может состоять из совокупности отдельных элементов — опасных устройств и опасных способов. Под опасными устройствами ООЭ могут пониматься агрегаты и отдельные элементы, в которых есть опасные вещества (цистерны, трубопроводы, ресиверы, резервуары, бойлеры и др.).

Для поддержки принятия решений в области безопасности, повышения эффективности этого процесса, а также достоверности результатов целесообразно использовать возможности современных информационных технологий для разработки информационно-управленческой системы безопасности в чрезвычайных ситуациях, включающей в себя оценку риска опасных объектов.

Модели представления знаний в экспертной системе

Для поддержки принятия решений на этапе идентификации опасностей промышленных объектов, то есть для определения перечня опасных устройств и возможных сценариев развития аварий, и для решения слабоструктурируемой задачи оценки риска предлагается создать и применить экспертную систему (ЭС) на основе базы знаний факторов опасности (риска).

Дадим краткое описание простой ЭС, использующей байесовскую систему логического вывода. Она предназначена для проведения консультации с пользователем с целью определения вероятностей возможных исходов и использует для этого оценку правдоподобности некоторых предпосылок, получаемую от пользователя. ЭС в данном случае выступает в роли эксперта, который задает уточняющие вопросы пользователю относительно факторов риска и на основе полученных дополнительных сведений выдает результат консультации. Причем следует минимизировать количество задаваемых вопросов, для этого желательно выявить и задавать самые важные вопросы, от ответа на которые в большей степени зависит окончательное установление результата. Именно так и поступает данная ЭС. Она запрашивает у пользователя оценку истинности самого важного свидетельства, на основе ответа корректирует вероятности исходов и переходит к следующему свидетельству, выбрав снова самое актуальное. Таким образом, достигается наискорейшее получение результата при минимальном количестве запросов.

Использование байесовской системы логического вывода означает, что информация, обрабатываемая ЭС, не является абсолютно точной, а носит вероятностный характер. Пользователь не обязательно должен быть уверен в абсолютной истинности или ложности свидетельства, он может отвечать на запросы системы с какой-то степенью уверенности. В свою очередь ЭС выдает результаты консультации в виде вероятностей наступления исходов. Под исходами в зависимости от настроек ЭС могут пониматься опасности, причины опасностей (факторы риска), сценарии развития аварий на опасном объекте и др.

ЭС представлена в виде компьютерной программы, которая и проводит консультацию.

На рис. 1 показан фрагмент байесовского логического вывода, в котором свидетельства (вопросы уточняющего характера) — е-г а исходы (факторы риска) — Су. Величина апостериорной вероятности по этапу жизненного цикла проекта р(с) находится как произведение вероятностей исходов, если эти факторы статистически независимы.

Рассмотрим, как в ЭС представлены результаты консультации. Цель консультации — определение апостериорных вероятностей возможных исходов. Список исходов с указанием текущих значений вероятностей показан в левой части верхней половины окна программы. Ширину этой области можно увеличить или уменьшить, передвинув разделитель, отделяющий ее от области обработанных свидетельств.

Для более удобного представления результатов их можно упорядочить либо по названиям исходов (в алфавитном порядке), либо по значениям текущих вероятностей. Вероятности исходов могут быть выражены в процентах. Здесь же можно сделать выбор относительно классификации результатов на существенные и несущественные (выделение цветом).

Имеется возможность следить за вероятностью конкретного исхода, если выделить его в списке, — теперь он всегда будет виден в окне (при этом результаты должны быть упорядочены в алфавитном порядке). Если же результаты упо-

рядочены по вероятностям, то можно выбрать нижнюю строку списка, чтобы в поле зрения всегда был наименее вероятный исход (фактор риска ИП).

После того, как будет обработано последнее значимое свидетельство, ЭС подведет итог, и вероятности исходов в списке результатов примут окончательные значения. Теперь вы можете сделать вывод о возможности наступления интересующего вас исхода или просто прочесть название наиболее вероятного из возможных исходов. Кроме того, экспертная система выдает результаты консультации в виде столбчатой диаграммы, что позволяет наглядно показать ключевые факторы риска \а) > р1кр).

В случае с ООЭ необходимо узнать какова вероятность возникновения и наступления того или иного исхода при изучении влияния того или иного фактора риска на опасный объект. Кроме того, для выяснения вероятностей наступления того или иного исхода, в данном случае фактора риска, мы можем оценить влияние этих факторов в разных условиях. Для этого пользователи могут провести консультации с ЭС и на основе полученных результатов оценить ключевые факторы риска, после чего сделать предварительные выводы о безопасности объекта энергетики. Применение ЭС автоматизирует и укорачивает процесс выявления влияния факторов риска на ООЭ и производит их ранжирование соответ-

Фрагмент базы знаний ЭС. (априорные вероятности исходов и их условные вероятности в зависимости от гипотез (свидетельств))

Рис. 1. Фрагмент байесовского логического вывода для ЭС

ственно их вероятности и важности по величине предполагаемых потерь от их реализации. При этом выявляются ключевые факторы риска.

Наибольшую сложность при разработке ЭС вызвало создание базы знаний (БЗ) ЭС на основе классификатора факторов риска объекта и присвоение факторам риска величин априорных вероятностей и условных вероятностей в зависимости от степени уверенности в том или ином утверждении. При этом надо отметить следующее обстоятельство. Условные вероятности наступления того или иного элементарного события (фактора риска инновационного проекта), задаваемые как величины Ру,Рп служат основанием для проведения расчета апостериорной вероятности наступления нежелательного события согласно теореме Байеса.

Ниже приведено описание базы знаний опасностей и факторов риска ООЭ. Для подтверждения обоснованности предложенной базы знаний было проведено тестирование ЭС на нескольких опасных объектах, из чего было сделано заключение о возможности применения БЗ в оценке других опасных объектов энергетики. Конечно, БЗ не лишена определенных недостатков и, безусловно, следует проводить работу по ее улучшению по мере использования для большого числа опасных объектов, что даст необходимые статистические данные. Но и в первоначально созданном виде БЗ и использование ее для определения вероятностей факторов риска и сценариев происшествий является мощным средством, качественной и необходимой предпосылкой создания информационно-управленческой системе безопасности опасных объектов энергетики.

Описание базы знаний опасностей объекта энергетики

База знаний представляет собой текстовый файл, включающий три блока.

Первый блок содержит описание БЗ, имя автора, комментарий и т. п. (можно в несколько строк, общая длина которых не должна превышать 10000 символов; данная секция заканчивается после первой пустой строки).

Второй блок содержит ряд уточняющих вопросов (свидетельств), расположенных в следующем виде:

свидетельство № 0 (любой текст (не более 1000 символов), заканчивающийся переносом строки);

свидетельство № 1; свидетельство № 2;

свидетельство № n (после последнего свидетельства следует одна пустая строка, и второй блок заканчивается).

Вопросник с уточняющими вопросами был составлен на основе базового перечня опасностей, опасных ситуаций и событий по ГОСТ Р 51344— 99, который содержит исчерпывающие данные по различным видам опасностей.

Третий блок содержит правила вывода, расположенные в следующем порядке: исход № 0, />[, /, Ру<РП]\ исход № 1 ,/>[,/, ^-^п]; исход № 2, Р [Л, Ру,Рп]\

исход /, Ру, Рп ].

Смысл первых двух блоков БЗ факторов риска вполне понятен. Третий блок требует более подробного рассмотрения. В нем перечисляются правила вывода: каждое задается в отдельной строке; перечисление заканчивается с концом файла. В начале описания правила вывода задается исход, вероятность которого меняется в соответствии с данным правилом. Это текст, включающий любые символы, кроме запятых. После запятой указывается априорная вероятность данного исхода Р = Р{Нк), т. е. вероятность исхода в случае отсутствия дополнительной информации. После этого через запятую идет ряд повторяющихся полей из трех элементов. Первый элемент / — это номер соответствующего вопроса (свидетельства). Следующие два элемента

Ру = р{^А\н | и Рп=Р{^А\н | — условные вероятности получения ответа «Да» на этот вопрос, если возможный исход соответственно верен или неверен.

Или, если сформулировать по-другому: факторы риска (исходы) проявляются, приводя к неблагоприятным последствиям с вероятностью Р=Р{Нк). Предлагается система вопросов (свидетельств), при ответе на которые пользователи отвечают «Да» для проявляющихся факторов

риска с условной вероятностью Ру = Р^\н |>

а для факторов риска которые не приводят к не-

благоприятным последствиям с условной вероятностью Рп = РНеобходимо определить,

какова вероятность того, что фактор риска с учетом ответа на вопросы проявится и приведет к неблагоприятным последствиям для инновационного проекта. Событие Л заключается в том, что случайно выбранный фактор риска проекта, срабатывая, приводит к неблагоприятным последствиям, и пусть нх — событие, состоящее в том, что пользователь ответит на вопрос(сви-детельство) «да» при условии что событиеЛ произойдет; а событие н2 противоположно событию нх и состоит в том, что пользователь ответит «да», если событие Л не произойдет. Можно записать, что

р{н1) = \-р{нх).

(1)

Для получения достоверных величин априорных вероятностей необходимо провести статистическое исследование или провести качественный анализ с привлечением экспертов, чтобы установить обоснованные значения для этих вероятностей.

Значения Ру = р{а\н^ыРп = р{а\н^, подставленные в формулу Байеса, позволяют вычислить апостериорную вероятность исхода, т. е. вероятность, скорректированную в соответствии с ответом пользователя на данный вопрос:

рЫлУ

р{нк)р[а\

I //,

^Р{Н,)Р(А\

I н,

(2)

РК)=

р{нх)р(а\

I //,

/=1 4

(3)

Преобразуя его, имеем при Нх

ртр{А\Н])

ЛЧА)- г . х ^Нд Р(А\н

р{нх)р(а\

Ш,

р(нх)р(а\я \ + р(н2)р(а\

(4)

ш-,

или, если записать р(н2) = 1 — р{нх), то уравнение приобретает вид

р(в1)р(а\

111,

■ (5)

где — апостериорная вероятность со-

бытия(гипотезы) проявления фактора риска при условии, что событие а произошло; р{нк) — априорная вероятность при отсутствии дополнительной информации.

Для частного случая нх формулу Байеса можно записать в следующем виде:

Получена вероятность гипотезы нх

при условии, что дан ответ «да» и событие Л произошло. Таким же образом можно получить вероятность события Н2|(.

Вероятность осуществления некой гипотезы н при наличии определенных подтверждающих свидетельств события а вычисляется на основе априорной вероятности этой гипотезы без подтверждающих свидетельств и вероятностей осуществления свидетельств при условиях, что гипотеза верна или неверна по отношению к событию а.

Желательно не указывать р и рп равными друг другу, так как это означает, "что данное свидетельство не влияет на вероятность исхода.

Создание БЗ и присвоение априорных вероятностей решается достаточно просто в случае небольшого количества исходов. Однако если возможных исходов достаточно много, то значительно более простым решением является присвоение вероятности рп каждого свидетельства значения 0,5. Это означает, что если гипотеза о наступлении данного исхода неверна, то ответ на вопрос, соответствующий свидетельству, не определен. Конечно, этот упрощенный метод дает менее четкие результаты, зато экономит время при создании базы знаний. В этом случае однозначные ответы уже не приводят к абсолютно четким результатам.

Если не все возможные исходы известны эксперту, в случаях, когда нельзя сразу перечислить

все факторы, которые могут вызвать риск аварии, базу знаний следует создавать по другому принципу. В этом случае априорные вероятности исходов находят путем статистических исследований или указывают их примерные значения, кажущиеся правдоподобными эксперту, т. к. вычислить их — невозможно.

На рис. 2 показана блок-схема алгоритма определения апостериорных вероятностей в ЭС.

Если переходить к адаптации предложенных алгоритмов для обеспечения процессов оценки безопасности опасных объектов в энергетике, необходимо учитывать следующее. При состав-

лении базы знаний используются представления разработчика о том или ином опасном объекте, технологических процессах, происходящих на нем, физико-химических свойствах опасных веществ и др. При этом анализируются сведения об имевших место авариях, путях их протекания на аналогичных реальных промышленных объектах. Вся эта информация носит ярко выраженный характер знаний. Таким образом, логично было предложить применять базы знаний для объединения имеющихся сведений и разработки системы поддержки принятия решений. База знаний содержит описание предметной области

Рис. 2. Блок-схема алгоритма определения апостериорных вероятностей в ЭС

и представляет концептуальный уровень информации в системе, необходимый для интеграции источников данных и организации содержательного поиска в них. Модели представления знаний можно классифицировать следующим образом [1]: 1) продукционные модели; 2) семантические сети; 3) фреймы; 4) формальные логические модели.

Анализ предметной области и существующих моделей представления знаний показал, что для решения поставленных задач хорошо подходит продукционная модель. Основой для построения базы знаний станут разработанные «деревья событий» для анализа возможных путей развития аварий на различных промышленных объектах. Для разработки прототипа базы знаний (и дальнейшей реализации в экспертной системе) были взяты одни из наиболее часто встречающихся промышленные объектов: городские ТЭЦ. Проанализированы нормативные до-

кументы, паспорта безопасности аналогичных объектов. Согласно этому в работе [2] были выделены атрибуты опасного объекта, которые они могут принимать (табл. 1), а также сценарии развития аварии (табл. 2).

Состав и структура модели представления данных. Модель содержит одну сущность — «Опасный объект в энергетике». Обобщение атрибутов. Исходные атрибуты, отражающие информацию о вызове, обобщены в повторяющийся агрегат «Опасный объект» с атрибутами «Тип объекта», «Признаки опасности», «Границы объекта», «Общие сведения», «Конструктивные особенности», «Район размещения». Отдельными экземплярами сущностей и типов сущностей являются «Площадка главного корпуса ЭЦ (ГРЭС)», « Котельная», « Цех (участок, площадка) организации», «Участоктрубопроводов теплосети».

По сравнению с БЗ, представленными в [3, 1] создаваемая модель представления знаний

Таблица 1

Информационное обеспечение функции 1 БД «Ведение учета опасных объектов» в терминологии моделирования БД

Экземпляр сущности Атрибут Описание атрибута

1. Площадка главного корпуса ЭЦ (ГРЭС). 2. Котельная. 3. Цех (участок, площадка) организации. 4. Участок трубопроводов теплосети Тип объекта 3.1 — объект с опасными веществами в количестве, равном или превышающем предельное количество согласно ФЗ-116; 3.2 — объект с опасными веществами в количестве, меньшем предельного количества согласно ФЗ-116; 3.3 — не относящийся к объектам типа 3.1 и 3.2, но обладающий признаками опасности 2.1—2.5

Признаки внутренней опасности 2.1 — получаются, используются, перерабатываются, образуются, хранятся, транспортируются, уничтожаются опасные вещества; 2.2 — используется оборудование, работающее под избыточным давлением более 0,07 МПа или при температуре нагрева воды более 115 °С; 2.3 — стационарно установленные грузоподъемные механизмы, эскалаторы, канатные дороги, фуникулеры; 2.4 — получаются расплавы и сплавы черных и цветных металлов; 2.5 — ведутся горные работы, работы по обогащению полезных ископаемых и работы в подземных условиях

Границы объекта Границы опасной зоны

Общие сведения Наименование, год ввода в эксплуатацию, ландшафт, географические координаты

Конструктивные особенности Конструкция стен, перекрытий, отдельных опор, фундаментов

Район размещения Сейсмоданные, метеоданные, население

Внешние воздействия Пожары, землетрясения, затопления

Таблица 2

Фрагмент перечня сценариев развития аварии на ООЭ со сравнением методических концепций оценки вероятностей неблагоприятных событий

Особенности методики оценки вероятности аварии

Номер сценария Аспект сравнения методик Существующая методика Предложенная автором методика оценки вероятности по этапам развития аварии и стратификации причин ее возникновения для каждого этапа

оценки вероятности Особенности методики в указанном аспекте Сущность способа оценки вероятности

1 Принятые в сценарии этапы развития аварии Частичная разгерметизация (утечка газа в месте фланцевого соединения) газопровода в помещении ГРП —» мгновенное взрывное воспламенение газа в помещении —» воздействие ударной волны 1 этап: частичная разгерметизация (утечка газа в месте фланцевого соединения) газопровода в помещении ГРП —» 2 этап: мгновенное взрывное воспламенение газа в помещении —» 3 этап: воздействие ударной волны —» 4 этап: последствия для сооружений и человека Отдельный расчет вероятностей с детальным факторным анализом причин для каждого этапа с ранжированием причин по величине их проявления на опасном объекте. Задается априорная вероятность каждой причины и условная вероятность гипотез с учетом дополнительных свидетельств того, произойдет неблагоприятное событие или нет, согласно байесовскому подходу. Изменение априорных вероятностей происходит после изучения свидетельств, т. е. получения дополнительных данных об объекте путем ответа ЛПР на ряд вопросов. Это дает более достоверные данные, т. к. они актуальны именно для данного уникального изучаемого объекта, а не для абстрактного

Вероятность реализации 9,8-10"8 год"1 (статистика) Расчетная величина вероятности в виде аддитивной свертки показателей Общая вероятность неблагоприятного события: число от 0 до1 (экспертиза + расчет по формулам Байеса)

Принятая модель расчета Взрыв TBC, взрыв парогазовых сред, а также твердых и жидких нестабильных соединений Взрыв TBC, взрыв парогазовых сред, а также твердых и жидких нестабильных соединений Модель расчета служит основой для создания программного модуля расчета опасностей и угроз, а также последствий аварии

2 Принятые в сценарии этапы развития аварии Полная разгерметизация (прорыв) трубопровода при перекачке серной кислоты —» пролив жидкого продукта на подстилающую поверхность —» испарение пролива, образование вторичного облака —» распространение аммиачного облака по территории —» токсическое воздействие Четко выделяются этапы развития аварии, как и в первом сценарии Отдельный расчет вероятностей с детальным факторным анализом причин для каждого этапа и ранжированием причин по величине их проявления на опасном объекте (см. первый сценарий)

Вероятность реализации 2,5- 1(Г8 год"1 Расчетная величина вероятности в виде аддитивной свертки показателей Общая вероятность неблагоприятного события: число от 0 до1 (экспертиза + расчет по формулам Байеса)

Модель расчета Заражение СДЯВ при аварии на химически опасных объектах Заражение СДЯВ при аварии на химически опасных объектах Модель расчета служит основой для создания программного модуля расчета опасностей и угроз, а также последствий аварии

Я) <

■Е X

О

—I

Л> X X S ■Е Л> п 7\ S л>

го

Л>

Ьа О

О п -ч

Г) ^

Я) <

7\ Я)

о тз

Я)

W

о го Я) X S Л>

14)

о

претерпела значительные изменения. В предложенном варианте заключения правил — это не только факторы опасности (риска) с апостериорными вероятностями их проявления в зависимости от реальной обстановки на объекте, но и сценарии развития возможных аварий на промышленных объектах с указанием вероятности их реализации и названием методики дальнейших расчетов параметров поражающих факторов. Это существенно улучшает модель, позволяя прогнозировать развитие аварии по ряду сценариев, а само исходное событие — зарождение и течение аварии — стратифицировать по элементам опасного объекта и по этапам развития аварии. Достоверность модели повышается, так как становится возможным охватить множество факторов риска, рассматривая опасный объект как многоуровневую структуру элементов. Каждый из этих элементов также подлежит дальнейшей декомпозиции. Это согласуется с основным философским принципом конкретности истины, заключающимся в последовательном и планомерном детализированном изучении явлений окружающего мира.

Определенную трудность представляет установление самой вероятности возникновения исходных (инициирующих) событий, которые приводят к аварии. Существует несколько подходов к ее разрешению. В работе [1] вероятность возникновения аварии предлагается определять на основании имеющихся статистических данных об отказах оборудования и частоте возникновения аварийных ситуаций при его эксплуатации совместно с применением метода экспертного оценивания по аналогичным объектам. В работе описан способ определения априорной частоты (не вероятности) неблагоприятных событий. Приводим его здесь в авторской редакции: «Допустим, известно, что по статистике частота (вероятность) разгерметизации резервуара — МО 5 год-1. Чтобы значение более соответствовало данному опасному объекту, проводится экспертная оценка следующим образом. Составляется опросный лист для работников предприятия. Листы раздаются начальникам, мастерам, рабочим. При этом экспертами уже присвоены числовые значения (вес) каждому пункту. Учитывается также процент износа агрегатов, соблюдение графика техобслуживания, ремонта оборудования». Вызывает сомнение, что указан-

ные лица смогут оперировать величинами частоты неблагоприятного события, которое может произойти один раз в десять или в сто тысяч лет. Такое событие воспринимается как совершенно невозможное, и объяснить персоналу, что надо готовиться к его наступлению, также затруднительно. Этим объясняется поразительное фатальное бездействие по отношению к таким событиям.

Кроме того, даже у специалистов есть непонимание того, что частота не тождественна понятию вероятность. Рассмотрим эти понятия. По определению частота проявления того или иного неблагоприятного события рассчитывается статистически на основе анализа прошлых событий. Экспертная же оценка вероятности проявления события производится до наступления происшествия или аварии. В этом принципиальная разница между частотой и вероятностью. Из основ теории вероятности известно, что вероятность —это число, показывающее степень возможности наступления неблагоприятного события, которое измеряется в пределах от нуля до единицы.

Исходя из этого и будем исследовать способы получения априорных вероятностей. Допущение большинства авторов об известности и неизменности частот или вероятностей исходных событий применительно к конкретному уникальному опасному объекту исследования безопасности, да еще с достаточно большой точностью, более чем спорно.

В качестве научного предположения (гипотезы) автор предлагает экспертный способ назначения точечных или интервальных вероятностей (не частот) с последующей корректировкой в рамках байесовского подхода и адаптацию этих способов для теории безопасности. Обоснование правомерности такого способа — одна из задач исследования, и это трудная задача.

В работе [3] обосновывается лингвистическое представление вероятностей неблагоприятных событий с последующим переводом в численный формат, а также представление вероятностей в виде треугольных чисел на основе теории нечетких множеств. Темой для дальнейших исследований должно стать решение проблемы оценки достоверных априорных и условных вероятностей того, что та или иная внутренняя или внешняя причина (фактор риска) является определяющей по влиянию на опасный объект.

Программное обеспечение экспертной системы

Экспертные системы в зависимости от назначения подразделяются на несколько видов. Для случая идентификации факторов риска и оценки апостериорных вероятностей риска рекомендуется создать собственную идентификационно-диагностическую экспертную систему с машиной логического вывода вероятностного типа (байесовская система) и базу знаний по оценке безопасности объектов энергетики, реализуемую в виде компьютерной программы.

Было принято решение о разработке специализированного для данной ЭС программного обеспечения. В нашем случае привлекался сторонний специалист для создания оболочки специализированной ЭС в области оценки риска. Взаимодействие с программистом — это тема отдельного исследования в области управления групповой работой.

Апробация и проверка на адекватность модели представления знаний по идентификации опасных объектов в энергетике

Проверить предложенную и построенную модель представления данных на адекватность, т. е. соответствие реальным процессам, которые происходят на опасном объекте, можно, проведя вычислительный эксперимент в программе, разработанной на основе модели, и сравнивая полученные результаты с результатами и последствиями аварии на аналогичном объекте в ретроспективном плане. Если аналогичный объект не найти (а как правило, аварии на сложных опасных объектах происходят довольно редко, но с тяжелыми последствиями), то соответствие модели проверяют другими способами. Результаты критически интерпретируют и ана-

лизируют на предмет соответствия элементарному здравому смыслу. Если после устранения явных и легко обнаружимых логических ошибок модели результаты противоречат здравому смыслу, то надо вернуться к предыдущим этапам построения модели.

Разработаны модели представления знаний для поддержки принятия решений при создании автоматизированной информационно-управленческой системы безопасности объектов энергетики (АИУСБОЭ). Они являются одной из составляющих теоретических моделей для прогнозирования опасностей, снижения риска и уменьшения последствий аварий на атомных электростанциях, гидроэлектростанциях, предприятиях топливно-энергетического комплекса и отличаются тем, что основаны на применении продукционных правил вывода для данной предметной области с машиной логического вывода вероятностного типа (байесовская система). Такие модели составляют основу для разработки соответствующего алгоритмического обеспечения поддержки принятия решений на этапах выявления опасностей и определения возможных сценариев развития аварий на опасных объектах энергетики.

Разработан исследовательский прототип экспертной системы поддержки принятия решений на этапе идентификации опасностей опасного объекта, позволяющий проводить вычислительные эксперименты по реализации сценариев развития аварии на опасных объектах. Прототип создан на основе разработанной модели представления базы знаний об источниках опасностей, угрозах, возможных сценариях развития аварий и реализован в специализированной оболочке на базе программной платформы «ДЕЛ ЬФИ-6».

СПИСОК ЛИТЕРАТУРЫ

1. Юсупова, Н.И. Модели представления знаний для идентификации опасностей промышленного объекта [Текст] / Н.И. Юсупова, Г.Р. Шаха-метова, K.P. Еникееева // Вестник УГАТУ,— N°1 (28).- С. 91-100.

2. Туманов, А.Ю. Концептуальные модели базы данных опасных опасных объектов, источников опасности и факторов риска информационно-управленческой системы прогнозирования техногенных и природных катастроф в энергетике [Текст] /

А.Ю. Туманов // Высокие интеллектуальные технологии и инновации в национальных исследовательских университетах: Материалы международной конференции (17-18 февраля 2011 года), Т. 3,— СПб., Изд-во Политехи, ун-та, 2011,- С. 139-146.

3. Туманов, А.Ю. Экономика и финансовое обеспечение инновационной деятельности. Количественная оценка риска инновационного проекта [Текст]: учеб. пособие / А.Ю. Туманов. — СПб.: Изд-во Политехи, ун-та, 2008. — 195 с.