CC BY
32
При возникновении чрезвычайной ситуации органы управления приводятся в готовность. Приведение в готовность начинается с оповещения и сбора руководящего состава.
При возникновении чрезвычайной ситуации на ЦНиИ дежурный диспетчер предприятия при получении данных об аварии:
- приводит в готовность и ставит задачи силам постоянной готовности объекта (аварийно-восстановительное звено);
- оценивает сложившуюся обстановку;
- оповещает руководителей подразделений цехов и помещений завода, которые попадают в зону химического заражения согласно объектовой системе оповещения с использованием средств телефонной, мобильной и громкоговорящей связи с привлечением звена связи;
- оповещает руководителей предприятий, организаций и учреждений, находящиеся вблизи особо опасного объекта и попадающие в зону взрыва, с помощью телефонной и мобильной связи;
- оповещает оперативного дежурного Управления гражданской защиты. Оперативный дежурный по получении сообщений о возникновении чрезвычайной ситуации докладывает начальнику Управления гражданской защиты и председателю КЧС ПБ;
- сбор руководящего состава производится служебным транспортом, а в исключительных случаях осуществляется транспортом ОВД района и городских районов.
Список использованной литературы
1. Федеральный закон от 22.07.2008 № 123 -ФЗ Технический регламент о требованиях пожарной безопасности.
2. ГОСТ Р 12.3.047-98 ССБТ Пожарная опасность технологических процессов.
3. Бондарь В. А., Зоря Е. И, Цагарели Д. В. Операции с нефтепродуктами. Автозаправочные станции.- М.: ООО «Паритет граф», 2008. - 338 с.
ОПЫТ ПРОГНОЗИРОВАНИЯ ЧС И ОПТИМИЗАЦИИ ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА С ТОЧКИ ЗРЕНИЯ ВЗРЫВОБЕЗОПАСНОСТИ
С. А. Дудак
Национальный университет гражданской защиты Украины, г. Харьков
Многомерная регрессия, в том числе с использованием непараметрических оценок плотности распределения — основной на настоящий момент статистический аппарат прогнозирования. Нереалистическое предположение о нормальности погрешностей измерений и отклонений от линии (поверхности) регрессии использовать не обязательно; однако для отказа от предположения нор-
мальности необходимо опереться на иной математический аппарат, основанный на многомерной Центральной Предельной Теореме теории вероятностей, технологии линеаризации и наследования сходимости. Он позволяет проводить точечное и интервальное оценивание параметров, проверять значимость их отличия от 0 в непараметрической постановке, строить доверительные границы для прогноза.
Весьма важна проблема проверки адекватности модели, а также проблема отбора факторов. Априорный список факторов, оказывающих влияние на отклик, обычно весьма обширен, желательно его сократить, и крупное направление современных исследований посвящено методам отбора «информативного множества признаков». Однако эта проблема пока еще окончательно не решена. Проявляются необычные эффекты. Так, установлено, что обычно используемые оценки степени полинома имеют в асимптотике геометрическое распределение. Перспективны непараметрические методы оценивания плотности вероятности и их применения для восстановления регрессионной зависимости произвольного вида. Наиболее общие результаты в этой области получены с помощью подходов статистики нечисловых данных.
Для установления возможности применения асимптотических результатов при конечных (т. н. «малых») объемах выборок полезны компьютерные статистические технологии. Они позволяют также строить различные имитационные модели. Системы прогнозирования с интенсивным использованием компьютеров объединяют различные методы прогнозирования в рамках единого автоматизированного рабочего места прогнозиста.
Прогнозирование на основе данных, имеющих нечисловую природу, в частности, прогнозирование качественных признаков основано на результатах статистики нечисловых данных. Весьма перспективными для прогнозирования представляются регрессионный анализ на основе интервальных данных, включающий, в частности, определение и расчет нотны и рационального объема выборки, а также регрессионный анализ нечетких данных. Общая постановка регрессионного анализа в рамках статистики нечисловых данных и ее частные случаи — дисперсионный анализ и дискриминантный анализ полезна при программной реализации современных статистических методов прогнозирования.
Современные компьютерные технологии прогнозирования основаны на интерактивных статистических методах прогнозирования с использованием баз эконометрических данных, имитационных (в том числе на основе применения метода статистических испытаний) и динамических моделей, сочетающих экспертные, математико-статистические и моделирующие блоки.
В настоящее время интенсивно развивается моделирование для решения задач в различных прикладных сферах деятельности: электронике, механике, строительстве, экономике и т. д. Специфической чертой моделирования для задач, связанных с чрезвычайными ситуациями (ЧС), является случайный характер условий возникновения и протекания всего процесса ЧС. По этой причине должно быть уделено особое внимание моделированию случайных явлений и методам статистического анализа результатов.
Концепция моделирования, предлагаемая в данном случае, состоит в отказе от привычной последовательности этапов моделирования, описанных в [1,2]. В данной работе освещается направление, осуществляемое исходя из другого подхода (в принципе, не нового, хотя, возможно, недостаточно описанного). Подход состоит в концентрации внимания не на целях моделирования, а на предметной области. Предметная область изучается с точки зрения, более или менее полного (в зависимости от сил и средств) математического описания объектов этой области с точки зрения самых общих целей. В дальнейшем создаются имитационные модели, библиотеки подпрограмм, библиотеки объектов, и, если возможно, специализированные языки программирования. Работа по созданию библиотек и совершенствование языков может быть фоновой (и по мнению, по крайней мере одного автора, должна быть фоновой).
Для решения поставленной задачи предпринята попытка создания специального языка моделирования. Данный язык был применен при создании программного комплекса «Категория». Используемый язык является HTML-подобным. Имеет теги со встроеными переменными и команды. Все правила построения программы на языке HTML распространяются на данный язык.
Ниже представлена часть исполняемой программы:
Р Файли Паранг Створення тексту программи Повщомлеиня
aseVLatego гуиадание
<var>
Double_on;
Надлишковий_тиск#=0;
Початковнй_тнскЙ=0;
Максима льннй_тнск_вибухуй=0;
Стежометрична_комцентрац1я_ГГЙ=С!;
KhtJ=0;
Гусгина_газуй=0; В1льний_об'ем# = 0; Т еплота_згорянняй=0; Т еплоемн1сть_повгтря#=0; Густина_повпря#=0; Початкова_температурай=0; Молярна_масай=0;
Мольний_об'емй = 22.413 j<!— J No ■ мольний об'ем. що дорвнюе 22.413 мЗ/кмоль;—>
Розранункова_температурай = 0;
Внутр1шн1й_рад1ус_трубопров(вдвй=0;
В нутршн1й_рад1ус_трубопров(вдв1 й=0;
Внутршн1й_рад1ус_трубопровод1в2й=0;
Довжина_трубопровошв1 й=0;
Довжина_трубопровад1в2Й=0;
Густина_газу_при_розрахунковй_температур1й=0;
Об'ем_апаратаЙ = 0J
0б'ем_газу,_що_вийшов_з_апаратай=0;
Т нск_у_прнстрГ|й=0;
Т нск._назовн1_пристроюй=0;
0б'ем_газу,_що_вийшов_з_трубопровошвй=0;
псй=0;
пНй=0;
nxtt=0j
n0tt=0;
0б'емй=0;
0б'ем_з_врахуваням_тискуй=0; Маса_ГГ#=0;
Маса_що_знанадтъся_в^ехнолопчному_апаратП^рубопровадан=0; КоеФЫент_урахування_вентнляц|1Й=1; Кратмгсть_повпряобм1нуй=0;
Тривал1сть_потрапляння_ГГ_та_1н^ао_об'ему_прнм11денняЙ=0;
0б'ем_газу._що_може_наа1йти^ш_примщення_за_рахунок_роботи_компресора_за_час_ло_перекриггя_засувок = 0-Маса_газу,_що_може_нашйгило_примщення_за_рахунок_роботи_компресора_за_час_ло_перекриття_засувок = 0; Час_до_перекриття_засувои.Й = 0; Пагужн1сть_масосуЙ = 0; Густина_газуй = 0; Т емпература_повгтря=0;
Маса_газу,_що_може_над1йтнло_примщення_при_розгерметнзаци_текнолопчного_блоку = 0;
Маса_газу,_що_буде_акумульована_в_примщенн1_до_моменту_вибуху = 0;
Ztt=0;
Температура_повп"ря_у_примще1-нЙ = 0;
</vai>
///ttinclude <varformodeling.inc> itinclude <SlringList.inc>
!vj
Рис. 1. Программа «Категория». Ввод данных для расчета
Данный подход, с реализованными программными средствами, позволяет эффективно решать некоторые задачи оптимизации. Эти задачи хоть и относятся к некоторому относительно узкому кругу, заранее точно не определены и гибко могут изменяться в рамках предложенных языковых средств.
Список использованной литературы
1. НАПБ Б.03.002.-2007 Норми визначення категорш примщень, будинюв та зовнiшнiх установок за вибухопожежною та пожежною небезпекою.
2. http://rubin01.ru/faq/raschet-kategorii.html
3. http://www.stopfire.ru/content/343/2124
4. Тесленко О. О., Михайлюк О. П., Олейник В. В. Досвщ застосування iмiтацiйного моделювання до щентифшаци об'еклв тдвищено! небезпеки/ Зб. Наук. Пр. УЦЗ Украши «Проблеми надзвичайних ситуацш». Вип. 7 - Харюв: УЦЗУ, 2008, - С.139-14.
5. Тесленко А. А., Михайлюк А. П., Олейник В. В. К вопросу использования имитационного моделирования при прогнозировании последствий выброса опасных химических веществ при авариях на промышленных объектах./ Зб. Наук. Пр. УЦЗ Украши «Проблеми надзвичайних ситуацш». Вип.. 8, - Харюв: УЦЗУ, 2008, - С.194-198.
6. http://www.emergencemodeling.narod.ru/
ЭКРАНИРУЮЩИЕ ПОКРЫТИЯ ДЛЯ ДЫМОВЫХ ПОЖАРНЫХ ИЗВЕЩАТЕЛЕЙ
А. В. Коцуба
ГУО «Институт переподготовки и повышения квалификации» МЧС Республики Беларусь Республика Беларусь, пос. Светлая Роща,
А. Т. Волочко, д. т. н.
Государственное научное учреждение «Физико-технический институт»
НАН Беларуси, Республика Беларусь, г. Минск
Внедрение новых телекоммуникационных технологий, вынужденное размещение мощных электроустановок вблизи деловых и жилых центров приводит к электромагнитной «зашумленности» окружающей нас среды. Не стоит забывать про природные источники помех. На Земле одновременно образуются до 2000 гроз, вызывая 100 разрядов молний ежесекундно. В среднем в Европе число грозовых дней в году составляет от 15 до 35, а число ударов молний, приходящихся на 1 квадратный километр площади, за год равно от 1 (в северных районах) до 5 (в южных).
Таким образом, в качестве электромагнитной помехи (далее - ЭМП) может фигурировать практически любое электромагнитное явление в широчайшем диапазоне частот, амплитуд и длительности представленных в таблице 1 [1,2].
Нами были выбраны дымовые пожарные извещатели, которые в большинстве применяются в шлейфах пожарной сигнализации. Для защиты их от мощного электромагнитного излучения и повышения конкурентоспособности необходимо применять металлизированную пластмассу.
Металлические покрытия на изделия из пластмасс можно нанести самыми разнообразными методами, но наибольшее развитие и применение получили
