CC BY
11
Необходимо учесть, что сконцентрированная в одном месте, в большом объеме и с максимальной детализацией информация переходит в разряд стратегического ресурса со всеми вытекающими отсюда последствиями. Мониторинг, информационная поддержка оперативного управления, динамический анализ и т.п. вопросы решаются при этом в рамках естественного функционирования хранилища и, что немаловажно, не затрагивая деятельности рабочих баз данных и локальных информационных систем. Авторами предлагается использовать базовую концепцию технологии формирования корпоративных хранилищ на основе СУБД Cache. В ее основу заложен механизм последовательной унификации процесса накопления и использования данных. Ключевым же элементом является отказ от методов насильственной модернизации сложившегося информационного пространства.
СУБД Cache сочетает в себе уникальную комбинацию технологий: представление данных в БД осуществляет в виде, максимально приближенном к реальному; модель данных нетребовательна к ресурсам системы; максимально оптимизированный SQL для работы с другими базами данных и приложениями; работает в несколько раз быстрее большинства реляционных СУБД.
Список литературы
1. Осуга С., "Обработка знаний", М. "Мир", 1989.
2. Хаббард Дж., Автоматизированное проектирование баз данных.- М.: "Мир", 1984.
ОПЫТ ПРОГНОЗИРОВАНИЯ ЧС И ОПТИМИЗАЦИИ ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА С ТОЧКИ ЗРЕНИЯ ВЗРЫВОБЕЗОПАСНОСТИ
Дудак С.А., 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 нормальности 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 встроенными переменными и команды. Все правила построения программы на языке HTML распространяются на данный язык.
Ниже представлена часть исполняемой программы:_
Файли riapciHr Створення тексту программи Повщомлення
л, що дор1внюе 22,413 мЗ/кмоль;—>
Double_on;
Н адлишковий_тискй=0;
тискй=0; 1_т и с к_вибу х уй=0; Стехюметрична_концентрац1я_ГГЙ=0; Khtt=0;
Густина_газуй=0.;
_об'емЙ = 0; Теплота_згорянняй=0;
повггряй=0; Густина_повп"ряй=0;
_температурай=0; Молярна масай=0;
_об'емй = 22.413 ;<!--- Шъ - м Розрахункова_температураЙ = 0; Внутршн1й_рад1ус_тру£юпровад1вй=0: Внутршн1й_рэд1ус_трубопровашв1Й=0; В н уг рший_ р ад i у струбопро в сд i в2 Й=0; Д о в жинатру б о провод i в 1 tt=0; Довжина_трубопровод1в2Й=0; Гуетина_газа_при_розраханков1й_температур1Й=0; Об'ем_апарагай = 0J 0б'ем_газу._що_Бий111ов_з_апаратай=0; ;_у_пристрий=0; ;_назовн1_пристроюй=0: Об'ем газу, що вийшов з трубопровашй=0; псй=0; пНй=0; nxtt=0; n0tt=0j 0б'емй=0;
_з_врахуваням_тискуй=0; ГГЙ=0;
о_знах ош-п" ь ся_в_тея н о лог i чно м ¡^а п а р ат i_ i_rp убопр о в од ах=0; Коеф1шенг_урахавання_вентиляцйй=1; Крашсть_повгтряобмнуй=0;
Тривал1сть_погтрапляння_ГГ_та_1н_до_об'ему_прим1щенняЙ=0;
*|_газу,_що_може_нашйти_до_прим1щення_за_рахунок_роботи_компресора_за_час_до_перекриття_засувок. = 0: 1_г а з у ,_щ о_може_ н ад i йт и_^о_прим1щення_за_рахунок_роботи_компресора_за_часо_ перек р итт я_засуеок = 0; Час_^о_перекриття_засувокй = 0; Потужн1сть_насосуй = 0; Гусгина_газуй = 0: Температура_повггря=0:
а_газу,_що_може_над|йт и_^а.о_при м i щен н я_ при_ро з герм етиза ц п_т ех н о л опчно го_бл о к у = 0;
э_г а з у ,_щ о_бзд е_аку м у л ь о вана_в_ п р и м1щ е нн^о_ м о м еит у_в и б ух у = 0; Z#=0;
Температура_повг"ря_у_прим1щенМ = 0:
</var>
///ttinclude <varformodeling.inc> ttinclude <StiingList.inc>
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 литературы
1. НАПБ Б.03.002.-2007 Норми визначення категорш примщень, будинкiв та зовшшшх 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 iMk^rn^re моделювання до щентифшаци об'еклв шдвищено! небезпеки/ Зб. Наук. Пр. УЦЗ Укра1ни «Проблеми надзвичайних ситуацш». Вип.. 7 -Харкiв: 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/
УЧЁТ ЗАТУХАНИЯ РАДИОВОЛН В ЗАДАЧАХ ПРОГНОЗИРОВАНИЯ ДАЛЬНОСТИ РАДИОСВЯЗИ ПОЖАРНО-
СПАСАТЕЛЬНОЙ СЛУЖБЫ
Закора А.В., к.т.н., доцент, Селеенко Е.Е., Фещенко А.Б., к.т.н., доцент, Национальный университет гражданской защиты, г.Харьков
Одной из важных задач, решаемых в процессе организации радиосвязи в системе оповещения пожарно-спасательной службы Министерства чрезвычайных ситуаций (МЧС), является определение потенциальной дальности радиосвязи на ультракоротких волнах (УКВ) между подразделениями спасателей в тех или иных условиях. Решение данной задачи требует учета множества факторов, влияющих на дальность распространения УКВ, таких как влияние рельефа местности и кривизны земной поверхности, затухание радиоволн в процессе распространения и поглощения в атмосфере и др.
В наше время известно множество отечественных и зарубежных исследований и методик, позволяющих решить задачу прогнозирования потерь на трассе распространения радиоволн (РРВ) с той или иной степенью достоверности. Однако наибольший, по-видимому, интерес в данной области представляют соответствующие наработки авторитетного международного органа- Международного союза электросвязи (МСЭ).
Применительно к диапазонам, используемым МЧС Украины для организации радиосвязи спасателей, представляет интерес Рекомендация ITU-R P.1546 "Метод прогнозирований передач для наземных служб в диапазоне частот 30 МГц - 3000 МГц" (далее - Рекомендация) [1].
Рекомендация обеспечивает учёт энергетических параметров и характеристик приемо-передающих устройств и позволяет прогнозировать величину напряжённости электромагнитного поля (ЭМП), создаваемой
