Модели среднесрочного прогнозирования интегральных пожарных рисков в жилом секторе регионов России Текст научной статьи по специальности «Экономика и бизнес»

Список использованной литературы

1. Пожары и пожарная безопасность в 2007-2012 гг.: Статистические сборники. Под общей редакцией В.И. Климкина. - М.: ВНИИПО.

2. Климкин В.И., Матюшин А.В., Порошин А.А., Лупанов С.А., Бобринев Е.В., Кондашов А.А., Иванова Г.Г. Анализ влияния последствий пожаров на устойчивость социально-экономического развития регионов Российской Федерации // Пожарная безопасность. - 2012. - № 1. - С. 74-84.

3. Шалдина А.В. Моделирование региональной преступности в России. Вестник ЮРГТУ (НПИ). 2012. - № 1. - С. 189-193.

МОДЕЛИ СРЕДНЕСРОЧНОГО ПРОГНОЗИРОВАНИЯ ИНТЕГРАЛЬНЫХ ПОЖАРНЫХ РИСКОВ В ЖИЛОМ СЕКТОРЕ

РЕГИОНОВ РОССИИ

С.Н. Тростянский, профессор, д.т.н., А.М. Гаврилов, начальник института, Воронежский институт ГПС МЧС России, г. Воронеж

Для выработки стратегии управления пожарными рисками в регионах Российской Федерации, с целью их минимизации, актуально исследование возможностей среднесрочного прогнозирования интегральных пожарных рисков на основе эконометрического подхода. Для этого необходима эконометрическая оценка влияния на интегральные пожарные риски региональных социально-экономических факторов и региональных показателей времени оперативного реагирования на пожары подразделений ГПС МЧС России.

Для эконометрического анализа факторов, определяющих уровень пожарных рисков в жилом секторе регионов России, актуально использование анализа панельных статистических данных. Панельные данные это наблюдения одних и тех же экономических единиц, которые осуществляются в последовательные периоды времени. Для определения влияния учитываемых факторов на уровень пожарных рисков в жилом секторе в регионах РФ проведен анализ панельных данных на основе моделей со случайным эффектом. Информационную базу для анализа составили панельные данные по 82 регионам РФ за 2006-2012 гг. Информация по пожарной статистике и показателям времени оперативного реагирования на пожары была получена из данных регистрируемых Государственной противопожарной службой МЧС России, а социальные и экономические показатели для регионов и показатели инфляции были взяты из публикаций Росстата.

Полагая, что риск Я1 столкновения человека за год с пожаром в жилом секторе и риск Я3 гибели человека за год при пожаре в жилом секторе являются линейными функциями от различных факторов, и агрегируя по населению

региона, исследованы линейные регрессионные модели со случайным эффектом для описания пожарных рисков, в зависимости от набора независимых переменных:

Rut=a1R2it+a2Uit+aDit+aJit+aAit+aZit+aGit+aSt+a9Tit+a1(tit+Cu (1) R3it=b1Uit+bDit+bJü+bAü+b5Zit+b6Git+b7Sü+b8Tit+b9tit+Q, (2)

где нижние индексы i и t обозначают регион и год соответственно; зависимая переменная в уравнении (1) R1it - риск столкновения человека за год с пожаром в жилом секторе; зависимая переменная в уравнении (2) R3it - риск гибели человека за год при пожаре в жилом секторе; независимая переменная в уравнении (1) R2it - риск гибели человека во время пожара в жилом секторе; независимые переменные в (1) и (2): Uit - средний материальный ущерб от одного пожара в жилом секторе в тысячах рублей, с учетом инфляции относительно 2006 года; Dit - средние денежные доходы населения в тысячах рублей, с учетом инфляции относительно 2006 года; Jit - коэффициент Джини в регионах (мера неравенства в доходах); Ait - число больных с впервые в жизни установленным диагнозом психотического расстройства, связанного с употреблением алкоголя и синдрома зависимости от алкоголя, взятых под диспансерное наблюдение на 105 человек населения региона (этот показатель может характеризовать уровень злоупотребления алкоголем среди населения соответствующего региона); Zit - процент ветхого и аварийного жилья в регионе; Git - процент городского населения в регионе; Sit - процент студентов образовательных учреждений высшего профессионального образования в населении региона; Tit - средняя температура января в градусах Цельсия в регионе; tit - среднее время по региону (в минутах) прибытия на пожар первых пожарных подразделений; Cj - постоянная, включающая неучтенные факторы.

Результаты регрессионного анализа для количественной зависимости интегральных пожарных рисков от различных социально-экономических факторов корректно согласуются с моделью рационального правонарушителя [1]. Действительно, полученная из регрессионного анализа панельных данных динамика R1 зависимости от факторов: R2, U, D, J корректно согласуется с результатами математического анализа зависимости R1 от соответствующих факторов, полученными из модели рационального нарушителя [1].

На основе анализа регрессионных моделей панельных данных получено, что максимальное влияние на величину интегральных пожарных рисков оказывают следующие факторы: риск R1 увеличивали G; J; A; уменьшали: D; R2; риск R3 увеличивали: G; J; A; t; уменьшал: D.

Рассмотрим возможности эконометрического подхода, с применением моделей со случайным эффектом, для среднесрочного прогнозирования интегральных пожарных рисков в жилом секторе регионов России. Информационную базу для исследования среднесрочных прогностических моделей составили панельные данные по 82 регионам РФ за 2006-2010 гг. и аналогичные данные за 2006-2012 гг. Для прогнозирования интегральных рисков на m лет использовались следующие регрессионные модели:

R1i(t+m) = c1Di(t+m) + c2Ji(t+m) + c3Ai(t+m) + c4Zi(t+m) + c5Gi(t+m) + c6Si(t+m) +

+Сз, (3)

Я31(г+т) = d1Di(t+m)+d2Ji(t+m)+d3Ai(t+m) + d4Zi(t+m)+d5Gi(t+m)+d6Si(t+m) +

+С4. (4)

В уравнениях (3) и (4) коэффициенты с и di находятся на основе ретроспективных панельных данных, а за значения факторов принимаются оцениваемые значения этих факторов на прогнозируемый год.

Из анализа относительных ошибок коэффициентов среднесрочных прогностических моделей и относительных ошибок результатов среднесрочных прогностических моделей для интегральных пожарных рисков в жилом секторе Я1 и Я3 следует, что величина ошибок прогноза позволяет дать значимую информацию в случае резкого изменения экономических условий и связанного с этим существенного изменения интегральных пожарных рисков Я1 и Я3. Таким образом, показана возможность среднесрочного прогнозирования интегральных пожарных рисков в жилом секторе регионов РФ на основе эконометрического подхода, при наличии на прогнозируемый год корректных оценок для значений соответствующих экономических факторов и показателей оперативного реагирования на пожары подразделений ГПС МЧС России.

Список использованной литературы

1. Тростянский С.Н., Зенин Ю.Н. Применение модели рационального правонарушителя к оценке вероятности возникновения пожаров в жилом секторе // Вестник ВИ МВД России. - № 3. - 2014. - С. 58-65.

ОБЕСПЕЧЕНИЕ ПОЖАРНОЙ БЕЗОПАСНОСТИ НА ТЕРРИТОРИИ

ИРКУТСКОЙ ОБЛАСТИ В УСЛОВИЯХ РЕИНЖИНИРИНГА ГОСУДАРСТВЕННОГО ПОЖАРНОГО НАДЗОРА

А.Н. Унжаков, слушатель, Академия ГПС МЧС России, г. Москва А.В. Пешков, начальник отдела, Главное управление МЧС России по Иркутской области,

г. Иркутск

В рамках оптимизации численности персонала МЧС России и сокращение расходования бюджетных средств в настоящее происходит реинжиниринг системы государственного пожарного надзора.

Под реинжинирингом государственного пожарного надзора в настоящей статье понимается изменение организационной структуры управления с последующей оптимизацией численности персонала при сохранении функций и задач системы государственного пожарного надзора (ГПН) МЧС России.

Считаем, что данное определение возможно, так как в работах Майкла Хаммера и Джеймса Чампи [1] в главе «реинжиниринг снова актуален» процесс