CC BY
34
Безопасность в чрезвычайных ситуациях «Технологии гражданской безопасности», том 18, 2021, № 1 (67) УДК 614.841.315:004.891
Применение современных технологий при оценке соответствия объектов защиты требованиям пожарной безопасности
ISSN 1996-8493
© Технологии гражданской безопасности, 2021
А.Б. Ичмелян, Д.Ю. Григорьев, Д.А. Вечтомов
Аннотация
Рассмотрены современные технологии организации работы по оценке соответствия объектов защиты требованиям пожарной безопасности. Предложена модель нейронной сети для оценки соответствия объекта защиты требованиям пожарной безопасности на основе технологий искусственного интеллекта. Представлены перспективные направления применения предложенной модели.
Ключевые слова: пожарная безопасность; оценка соответствия; объект защиты; искусственный интеллект; нейронная сеть; техническое регулирование.
Modern Technologies use in Assessing the Compliance of Protection Facilities with Fire Safety Requirements
ISSN 1996-8493
© Civil Security Technology, 2021
A. Ichmelyan, D. Grigoriev, D. Vechtomov
Abstract
Modern technologies are considered for the work organization on the assessment of protection objects compliance with the requirements of fire safety. The neural network model is proposed for assessing the compliance of the protection object with the fire safety requirements based on the artificial intelligence technologies. The perspective directions of the proposed model application are presented.
Key words: fire safety; conformity assessment; protection object; artificial intelligence; neural network; technical regulation.
8.02.2021
Интенсивное развитие техники и технологий ведет к росту нормативно-технической базы, регулирующей вопросы обеспечения безопасности личности, имущества, общества и государства в целом. Так, например, для целей обеспечения пожарной безопасности количество требований—частных регуляторов в настоящее время — уже превышает 100 тыс. документов и число их постоянно растет [1]. Все это диктует необходимость разработки новых технологий оценки соответствия объектов защиты требованиям пожарной безопасности, поскольку такой рост нормативной базы превышает возможности человека по ее освоению.
Среди новых технологий организации работы можно отметить разработку правил идентификации объектов технического регулирования, которые позволяют многократно сократить время и объем перерабатываемой нормативной информации за счет адресного нахождения необходимых частных нормативов [1].
Другим направлением оптимизации работы с нормативной базой является разработка экспресс-технологий, которые в научной литературе получили название «экспресс-оценка рисков». В сфере пожарной безопасности такие технологии позволяют сократить объем необходимых действий по оценке риска до 2-3 формул, а для вычисления значений при этом достаточно обычного калькулятора [2].
Одним из современных направлений развития процессов государственного управления является их цифровизация. На межгосударственном уровне подготовлен проект «Цифровое техническое регулирование Евразийского экономического союза», основными целями которого являются: цифровизация процессов формирования обязательных требований к продукции; разработка технических регламентов и перечней стандартов для применения и исполнения требований технических регламентов. Перевод единых обязательных требований и процедур в машинопонимаемый формат позволит взаимоувязать требования технических регламентов с положениями документов, направленных на их реализацию, — стандартов, методик и т. д., и обеспечить таким образом свободный доступ к концентрированной, доступной, полной и достоверной информации [3].
Одним из направлений цифровизации процессов технического регулирования является автоматизация документооборота в области стандартизации, вторым — автоматизация именно процесса разработки требований.
Применение инструментов цифровой обработки большого объема информации в настоящее время невозможно представить без технологий искусственного интеллекта, исследователями проблем которого выделяются два типа решения поставленных задач:
при решении задач первого типа машина идет по жесткому пути решения, который заложен в нее программистом. В этом случае «продолжение процесса всегда однозначно определено, и даже если имеется разветвление, то машина имеет информацию, которая позволяет ей сделать дальнейший шаг» [4];
при решении задач второго типа выбор в узле не является однозначно определенным и задача решается путем полного или частичного перебора вариантов [4].
Однако следует отметить, что главная особенность естественного интеллекта состоит в том, что, в отличие от машины, человек проводит целесообразный перебор, резко сокращая число вариантов за счет априорной оценки многих из них как неперспективных [5].
Требованиям сформулированного критерия в полной мере могут соответствовать технологии нейронных сетей, которые в настоящее время активно развиваются. Сетевая структура позволяет объединить в себе современные достижения в области оценки соответствия. Пример структуры нейронной сети для оценки соответствия объекта защиты требованиям пожарной безопасности представлен на рис. 1.
Для упрощения изображения на рис. 1 показаны связи только одного входного и одного выходного слоев. В качестве входного слоя сети применяется концептуальная модель деятельности по обеспечению пожарной безопасности, разработанная профессором Козлач-ковым В. И. [1]. Данная модель учитывает природу развития пожара.
Для ввода исходной информации в элементы входного слоя необходимы модели «оцифровки» информации об объекте защиты. Технология нейронной сети предполагает ввод двух величин: значение параметра и вес параметра.
Модель оценки значения параметра построена на основе формализованных правил идентификации объектов технического регулирования, подробно описана в работе [6]:
К = т-, (1)
т
где: К. — значение параметра для г-го элемента концептуальной модели деятельности по обеспечению пожарной безопасности (г-го элемента входного слоя);
т. оп—время достижения значением параметра опасных факторов критического значения, с;
т. з — время, в течение которого завершаются необходимые мероприятия для обеспечения безопасности людей на объекте защиты, с.
Для оценки веса значения элемента сети применяется модель оценки угрозы возможного пожара на объекте защиты от вида и массы горючей нагрузки, находящейся на нем (рис. 2) [6]. Представленная на рис. 2 модель, в зависимости от указанных параметров горючей нагрузки, позволяет определить какое количество элементов из блоков входного слоя (концептуальной модели деятельности по обеспечению пожарной безопасности) следует задействовать при разработке и оценке достаточности мер противопожарной защиты. При условии, что горючей нагрузки данного вида достаточно для достижения временем развития пожара момента наступления опасных последствий и необходимости задействования г-го блока концептуальной модели, вес параметра принимается равным 1. В противном случае вес принимается равным 0.
В модели оценки веса, представленной на рис. 2, значения определены для горючей нагрузки, соответствующей хвойным древесным материалам. Веса значений элементов входного слоя, для которых
Безопасность в чрезвычайных ситуациях «Технологии гражданской безопасности», том 18, 2021, № 1 (67) /75
Рис. 1. Структура нейронной сети для оценки соответствия объектов защиты требованиям пожарной безопасности
Рис. 2. Модель оценки веса значения для входного слоя нейронной сети оценки соответствия объекта защиты
требованиям пожарной безопасности
существует угроза, исходя из имеющейся массы горючей нагрузки, принимаются равными 1.
Количество элементов промежуточного слоя выбрано исходя из рекомендаций, приводимых в открытых источниках, а именно:
п = п
пр.с. вв
+ п
(2)
где: ппрс — количество элементов промежуточного слоя, ед.;
п — количество элементов входного слоя, ед.;
Для рассматриваемой сети начальное количество элементов промежуточного слоя составит:
п = 8 + 2 = 10 ед.
ппр.с.
(3)
Таким образом, в результате проведенных исследований сформирована структура нейронной сети для оценки соответствия объекта защиты требованиям пожарной безопасности. Сформулированные положения позволят в дальнейших исследованиях проанализировать эффективность применения
п — количество элементов выходного слоя, ед
технологии оценки соответствия объектов защиты требованиям безопасности с применением нейронной сети.
Отдельный интерес представляет возможность применения описанной технологии для формирования перечней нормативных документов, в результате применения которых обеспечивается соблюдение требований технических регламентов Евразийского экономического союза. Это полностью соответствует целям проекта цифрового технического регулирования, предлагаемого Евразийской экономической
комиссией. В этом случае необходим цифровой «образ» идеального объекта, уровень обеспечения пожарной безопасности которого соответствовал бы требуемому.
В этом случае задача нейронной сети заключается в распознавании «образа» объекта в массиве требований нормативных документов по стандартизации и выборе тех требований документов, которые соответствуют «образу». Данное направление применения сети представляется актуальным и требует дополнительных исследований.
Литература
1. Козлачков В. И. Техническое регулирование в области пожарной безопасности. М.: Академия ГПС МЧС России, 2011.
2. Андреев А. О. Разработка метода оперативной обработки информации при использовании первичных средств пожаротушения: Дисс. на соискание уч. ст. канд. техн. наук. М., 2005.
3. ЕАЭС оцифрует техрегулирование. [Электронный ресурс] // Сайт Евразийской экономической комиссии. URL: http://eec. eaeunion.org/news/eaes-otsifruet-tehregulirovanie/?sphrase_ id=6418 (дата обращения: 2.02.2021).
Сведения об авторах
Ичмелян Артур Борисович: МЧС Республики Абхазии, заместитель начальника Управления государственного пожарного надзора МЧС РА, подполковник. 384900, Сухум, Республика Абхазия, ул. Конфедератов,12. e-mail: [email protected]
Григорьев Денис Юрьевич: Академия ГПС МЧС России,
майор внутренней службы.
129366, Москва, ул. Бориса Галушкина, 4.
e-mail: [email protected]
SPIN-код — 3785-2792.
Вечтомов Денис Анатольевич: к. т. н., Департамент образовательной и научно-технической деятельности МЧС России, ст. инсп., полковник внутренней службы. 121352, Москва, ул. Давыдковская, 7. e-mail: [email protected] SPIN-код — 4999-6183.
4. Трушкина Н. Ю. Отношение теоретических концепций и компьютерных моделей в исследованиях искусственного интеллекта: Автореферат на соискание уч. ст. канд. физ. наук. М.: МГУ им. М. В. Ломоносова, 2008.
5. Поспелов Д. А. Моделирование рассуждений. Опыт анализа мыслительных актов. М.: Радио и связь, 1989.
6. Вечтомов Д. А. Информационно-аналитическая система поддержки принятия управленческих решений в процессе мониторинга требований пожарной безопасности: Дисс. на соискание уч. ст. канд. техн. наук. М.: Академия ГПС МЧС России, 2014.
Information about the authors
Ichmelyan Artur B.: Ministry of Emergency Situations of the Republic of Abkhazia, Deputy Head of the Department of State Fire Supervision of the Ministry of Emergency Situations of the Republic of Armenia (UGPN of the Ministry of Emergencies of the RA), Lieutenant Colonel.
12, Konfederatov st., Sukhum, 384900, Republic of Abkhazia. e-mail: [email protected]
Grigoriev Denis Yu.: State Fire Service Academy EMERCOM
of Russia, Major of Internal Service.
4, st. Boris Galushkin, Moscow, 129366, Russia.
e-mail: [email protected]
SPIN-scientific — 3785-2792.
Vechtomov Denis A.: Candidate of Technical Sciences, Department of Educational, Scientific and Technical Activities of the Russian Emergencies Ministry, Senior Inspector, Colonel of Internal Service.
7, Davydkovskaya st., Moscow, 121352, Russia. e-mail: [email protected] SPIN-scientific — 4999-6183.
Издания ФГБУ ВНИИ ГОЧС (ФЦ)
Авторы, название URL
Государственный доклад «О состоянии защиты населения и территорий Российской Федерации от чрезвычайных ситуаций природного и техногенного характера в 2015 году» https://elibrary.ru/item.asp?id=29106705
Прищепов Д.З. и др. Сборник результатов интеллектуальной деятельности МЧС России http://elibrary.ru/item.asp?id=26516650
Андриченко Л.В. и др. Научно-практический комментарий к Федеральному закону от 21 декабря 1994 г. № 68-ФЗ «О Защите населения и территорий от чрезвычайных ситуаций природного и техногенного характера» http://elibrary.ru/item.asp?id=26340272
Онищук Ю.Ю. и др. Проблемы предупреждения и ликвидации чрезвычайных ситуаций в Арктическом регионе. Безопасный город в Арктике. Международная научно-практическая конференция. Звенигород, 6-8 апреля 2016 г. Материалы конференции http://elibrary.ru/item.asp?id=26496405
