ПРИМЕНЕНИЕ НЕЙРОСЕТЕВОГО МОДЕЛИРОВАНИЯ В УПРАВЛЕНИИ ПРОЦЕССАМИ ЛИКВИДАЦИИ ЧРЕЗВЫЧАЙНЫХ СИТУАЦИЙ НА ТЕРРИТОРИИ УЧРЕЖДЕНИЙ УГОЛОВНО-ИСПОЛНИТЕЛЬНОЙ СИСТЕМЫ Текст научной статьи по специальности «Компьютерные и информационные науки»

Применение нейросетевого моделирования в управлении процессами ликвидации чрезвычайных ситуаций на территории учреждений уголовно-исполнительной системы

Е.Г. Царъкова

Федеральное казенное учреждение «Научно-исследовательский институт Федеральной службы исполнения наказаний», НИЦ-1, Москва

Аннотация: В работе рассматривается применение искусственной нейронной сети для моделирования системы управления тушением крупных пожаров в учреждениях уголовно-исполнительной системы, рассматриваемой в качестве системы массового обслуживания, для расчета параметров которой может быть использована обученная нейронная сеть, позволяющая оперативно оценивать эффективность системы в быстро меняющихся условиях.

Ключевые слова: ликвидация чрезвычайной ситуации, пожарная безопасность, система массового обслуживания, искусственная нейронная сеть.

Крупные пожары на территории учреждений уголовно-исполнительной системы (УИС) могут не только приводить к возникновению угроз жизни и здоровью людей, но и служить причиной нарушения нормального функционирования учреждения. Для создания эффективных систем пожарной безопасности все чаще прибегают к построению и использованию математических прогнозных моделей, в том числе с использованием искусственных нейронных сетей (ИНС). Важнейшим преимуществом ИНС является возможность их применения для установления зависимостей между переменными при отсутствии какой-либо информации о форме данных зависимостей. При этом практически значимым направлением применения ИНС является возможность их использования в моделировании процессов, в том числе, в случае, когда функциональная зависимость установлена, например, когда процесс описывается с помощью дифференциальных уравнений. За счет выбора соответствующей архитектуры ИНС возможно получение решения соответствующих дифференциальных уравнений с точностью, сопоставимой с результатами их решения классическими методами, но со значительно большей скоростью вычислений.

и

Рассмотрим построение нейросетевой модели управления ликвидацией крупных пожаров на территории учреждений УИС. В работе [1] представлена схема управления подразделениями при тушении пожара в форме размеченного графа взаимодействия между узлами управления. Для управления силами при ликвидации чрезвычайных ситуаций (ЧС) необходима оперативная обработка большого потока информации (сообщений, донесений, распоряжений). В данном контексте рассматриваемая система управления тушением пожара является системой массового обслуживания. Управление подразделениями при ликвидации крупного пожара осуществляется с участием руководителя тушением пожара, начальника оперативного штаба (заместителя руководителя тушением пожара), начальника тыла, начальников боевых участков, начальника газодымозащитной службы, центра управления силами, представителя администрации объекта [2]. Рассмотрим случай, когда связь между участниками при ликвидации чрезвычайной ситуации обеспечивается посредством радиообмена в основном канале [3]. В рассмотренном в [1] случае процесс радиообмена представлен замкнутой системой массового обслуживания с сорока девятью состояниями, которая описывается системой обыкновенных дифференциальных уравнений вида (1).

-Р

= " (Я12 + Я9 + Я16 + Л24 + Лз0 + Лз4 + ^138 + Я44 ) Р1 + Я1Р9 + Я61Р16 + Я241Р24 +

+Я301Р30 + Я341Р34 + Я381Р38 + Я441Р44 ;

-Р

= Я2Р ~ (Я21 + Л>3 + Л>4 + Л>5 + Л>6 + Л>7 + Л>8 ) Р2 + Я22Р12 + Я82^18 + Л>62Р26 +

+ Я322Р32 + Я402 Р40 + Я462 Р46 ;

-Р -Р -Р

—3- = А Р -А Р ' --1 = А Р -Я Р ' = Я Р -1 Р •

^ Я3Р 2 Я316 Р3> Я4Р 2 Я 430 Р4' Я5 Р2 Я59 Р5'

Ш Ш -1

-Р ШР ШР

= Я Р-Я Р • -7- = Я Р-Я Р • —8 = Я Р-Я Р •

Я6Р 2 Я624Р 6 5 ^ Я71 2 Я1738Р 7 5 Р 2 ^1844Р 8 5

Ш Ш Ш

(1)

и

-Р

= \ 9 р р5 -(Л, ! 0 ! +Л,! 2 + 3 + Л9и + Я,, 5 ) Рд + ^09 Р20 +

+Л79 Р27 + ^369 Р36 + Л479

47 5

-Р -Р -Р

—^ = Л Р _Л Р ; ГШ. = Л Р _Д Р ; = Я р _Л р

^ УН> 1 01 9 Д 0 1 6Р 1 0 5 Д 11 Р 9 Л 1 34Р 1 15 ^ Д 1 2Р9 Л 22Р 1 2

— —г —

-Р -Р -Р

= Л Р_Д Р ; = л р_Д р ; -Р1 = Л Р_Д Р

Л 1 3Р 9 Д 324 1 3' Л 1 4р 9 Л 438Р 1 4' ^ Л 1 5р 9 Л 544р 1 5

— —г —

-Ре

Л

Л 1 6Р +Л 1 6 Р3 +Л 01 6Р10 (Л1 6 1 +Л 6 1 7 +Л 61 8 +Л 61 9 +Л 620 +Л 621 + Л 622 + Л 623 ) Р 6 +

+Д5 1 6 Р25 + Д 1 16 1 +Д5 16 Р35 +^391 6 Р39 + Л45 1 6 Р45

с1Р -Р -Р

-1- = Д Р _Д Р ; —^ = Д р _Д р ; —р9 = Д Р _Д Р

Л617 р16 17 ? ЛЧ618р 16 Л82 р18 5 ^ Л619р 16 ЛI9341 19

— —г —

-р -Р -Р

ир0, = Д р _Д р ; -р21 = Д р _Д р ; —р22 = Л р _ Д р

Л620р16 Л ¿09р 20 ' 7> Л4621р 16 Л124±21? 7> Л622р 16 "2238р 2

-г

-г

-г

22 '

—Р23

-г

Л1623Р16 Д344Р23 '

-Р^

24

-г

Д24р + Л624Р6 + Д324р3 + Д124Р21 (Л241 + Д425 + Д426 + Д427 + Д428 + Д429 ) Р24 +

+Л4224Р42 + Л4824Р48 ;

-Р -Р -Р

= Л р _Л р ; ——26 =Л р Р ; —р27 =Л р р ;

^^2425р 24 Л516р 2^ Л426р 24 ^^262р 26 э ^^2427р 24 Л1279р 27 5

— —г —

-р -Р

-р228- = Л Р _Л Р ;-р29 = Л Р _Л Р ;

Л ¿428р 24 Л ¿838р 2^ ^^2429р 29 ^^2944р 29 '

— —г

—Р30

йг

Д30Р1 + Л430Р4 + Л730Р17 (Л301 + ^3031 + Д032 + ^3033 ) Р30 + ^3730Р37 '

-Р -Р -Р

—3я = Л Р _Л Р ; —32 =Л р _Л р ; —^3 =л Р _д Р

^'3031р 30 ^3032р 30 ^322р 32 ? ^ ^3033р 30 ^1•33341 33

— —г —г

-Р34

-гг

Д34р +^1134Р11 +Д934Р19 + Д334Р33 (Л341 +^3435 +^3436 + Д437 ) Р34 ;

-Р -Р -Р

-р5 = Л Р _Л Р ; 36 = Л Р _Л Р ; 37 = Д Р _Л Р

^3435р 34 ^^3516р3^ ^^3436р 34 Л369-1 3^ ^^3437р 34 ^^3730р 37

— аг —г

38

-г

Д38 Р1 + Д38 Р7 + Д438 Р14 + Д238 Р22 + ^2838 Р28

и

(3381 + ^3829 + ^3840 + ^3841 + ^3842 + ^3843 ) ^38 + 34938P449

dP dP dP

—39 = 3 p -3 p ; dp40 =5 p p ; dpiL =5 p -Я P '

j8391 38 J916p 39 ' 3L3840p 38 34021 40 ' 38 3419p 41 '

dt dt dt

dP dP

dp42 = 3 p p ; = 3 p p ;

313842p 38 34224p 42 ' /L3843p 38 34344p 43 '

dt dt

dp

T- = Л44P1 + ^844P8 + ^1544p5 + 32344P23 + ^2944P29 + 34344p -dt

- (3441 + 34445 + 34446 + 34447 + 34448 + 34449 ) P44 '

dP dP dP

dp45 = 3 p p ' dp46 = 3 p p ' = 3 p p '

Л4445p 44 34516p 45 ' ^ л4446p 44 л462p 46 5 л4447p 44 л479p 47 '

dt dt dt

ИР 49

= 3 p p 'YP = 1

Л4449p 44 л4938p 49 ' / . p i 1 • dt i=i

Решение данной системы для неустановившихся режимов требует

значительного количества вычислений [4]. В условиях быстро меняющейся

оперативной обстановки на месте пожара, при рассмотрении процесса

управления тушением пожара в качестве динамического процесса могут быть

получены оценки вероятности нахождения узла управления «начальник

штаба» в состояниях «свободен для получения сообщения по радиосигналу»

(Pm/, free) и «абонент занят» (Pnsh Ьи2у). Варьирование параметров системы (1)

позволяет сформировать набор данных для дальнейшего обучения нейронной сети и получения прогнозных значений PmA free и Pmh buzy при произвольных

параметрах системы. Пусть входом является значение , выходами -вероятности нахождения начальника штаба в состояниях «занят» и «свободен». На основе сгенерированных данных осуществлено обучение ИНС с одним скрытым слоем [5, 6]. Согласно полученным результатам, обучение ИНС выполнено с высокой степенью точности [7]. Результаты вычисления величин PraA free, Pmh busy с использованием ИНС приведены в

таблице 1.

Таблица № 1

Результаты вычисления значений вероятностей с помощью нейронной сети

10 11 12 13 14 15 16 17 18 19 20 21

РтН /гвв 0,185 0,179 0,174 0,169 0,163 0,157 0,151 0,146 0,141 0,139 0,138 0,138

Р тк Ьшу 0,728 0,732 0,736 0,740 0,744 0,749 0,753 0,757 0,761 0,763 0,763 0,764

В таблице 2 приведены значения величин РжА /гее, Ршк Ьшу, полученные с использованием обученной ИНС.

Таблица № 2

Результаты вычисления значений вероятностей с помощью нейронной сети

^12 10 11 12 13 14 15 16 17 18 19 20 21

Ржк /гвв 0,185 0,179 0,174 0,169 0,163 0,157 0,151 0,146 0,141 0,139 0,138 0,138

Р тк Ьшу 0,728 0,732 0,736 0,740 0,744 0,749 0,753 0,757 0,761 0,763 0,763 0,764

Таким образом, ИНС является эффективным и точным инструментом исследования процессов управления ликвидацией чрезвычайных ситуаций. Предложенный подход позволяет определять состояние системы в целом, оценивать работу участников процесса ликвидации чрезвычайной ситуации для оперативной выработки предложений по оптимизации структуры и характеристик средств информационного обмена между субъектами управления [8-10]. Нейросетевое моделирование процессов ликвидации пожаров обеспечивает значительную гибкость при изменении структур оперативного реагирования, увеличении или уменьшении узлов управления и взаимосвязей между ними.

Литература

1. Гадышев В.А., Пелех М.Т. Моделирование процессов управления тушением крупного пожара с помощью теории массового обслуживания // Вестник Санкт-Петербургского университета Государственной противопожарной службы МЧС России, 2009. №1. С.93-102.

2. Калач А.В., Вытовтов А.В., Брюхов Е.Н. Моделирование пожароопасных ситуаций в дошкольных учреждениях// Сибирский пожарно-спасательный вестник, 2021. № 4(23). С.41-48.

3. Анфилатов В.С., Авраменко В.С., Пантюхин О.И. Теоретические основы автоматизации управления войсками и связью: учебное пособие. СПб.: ВАС, 2015. 304 с.

4. Дали Ф.А. Методологические аспекты обследования объектов защиты на соответствие требованиям пожарной безопасности в проблемно-ориентированных системах управления // Инженерный вестник Дона, 2021. №7. URL: ivdon.ru/ru/magazine/archive/n7y2021/7114.

5. Саламатин А.А. Алгоритм поддержки принятия решений в задачах выбора элементов системы безопасности объектов недвижимости // Инженерный вестник Дона, 2021. №5. URL: ivdon.ru/ru/magazine/archive/n5y2021/6999.

6. Dubrovin A.S., Ogorodnikova O.V., Tsarkova E.G. Analysis and visualization in graph database management systems // Journal of Physics: Conference Series: Current Problems. Voronezh, 2021. P.012059. URL: iopscience.iop.org/article/10.1088/1742-6596/1902/1/012059/pdf.

7. Болодурина И.П., Огурцова Т.А., Арапова О.С., Иванова Ю.П. Теория оптимального управления. Оренбург: Оренбургский государственный университет, 2016. 147 с.

8. Царькова Е.Г. Интеллектуальные системы поддержки принятия решений как инструмент совершенствования инженерно-технического обеспечения деятельности уголовно-исполнительной системы // Пенитенциарное право: юридическая теория и правоприменительная практика, 2022, № 1(31). С. 139-147.

9. Косоруков А.А. Технологии искусственного интеллекта в современном государственном управлении // Социодинамика, 2019, № 5. С. 43-58.

10. Tsarkova E. Technical Diagnostics of Equipment Using Data Mining Technologies // Lecture Notes in Networks and Systems. 2022. Vol. 402 LNNS. pp. 1613-1622.

References

1. Gadyshev V.A., Pelekh M.T. Vestnik Sankt-Peterburgskogo universiteta Gosudarstvennoj protivopozharnoj sluzhby MCHS Rossii, 2009. №1.

2. Kalach A.V., Vytovtov A.V., Bryuhov E.N. Sibirskij pozharno-spasatel'nyj vestnik, 2021. № 4(23).

3. Anfilatov V.S., Avramenko V.S., Pantyuhin O.I. Teoreticheskie osnovy avtomatizacii upravleniya vojskami i svyaz'yu: uchebnoe posobie [Theoretical foundations of automation of command and control of troops and communications: textbook]. SPb.: VAS, 2015. 304 p.

4. Dali F.A. Inzhenernyj vestnik Dona, 2021, №7 URL: ivdon.ru/ru/magazine/archive/n7y2021/7114.

5. Salamatin A.A. Inzhenernyj vestnik Dona, 2021, №5 URL: ivdon.ru/ru/magazine/archive/n5y2021/6999.

6. Dubrovin A.S., Ogorodnikova O.V. Tsarkova E.G. Journal of Physics: Conference Series: Current Problems. Voronezh, 2021. P.012059. URL: iopscience.iop.org/article/10.1088/1742-6596/1902/1/012059/pdf.

7. Bolodurina I.P., Ogurcova T.A., Arapova O.S., Ivanova YU.P. Teoriya optimal'nogo upravleniya [Theory of optimal control]. Orenburg: Orenburgskij gosudarstvennyj universitet, 2016. 147 p.

8. Car'kova E.G. Penitenciarnoe pravo: yuridicheskaya teoriya i pravoprimenitel'naya praktika, 2022. № 1(31).

9. Kosorukov A.A. Sociodinamika, 2019. № 5.pp. 43-58.

M Инженерный вестник Дона, №6 (2022) ivdon.ru/ru/magazine/arcliive/n6y2022/7706

10. Tsarkova E. Lecture Notes in Networks and Systems, 2022. Vol. 402 LNNS. pp. 1613-1622.