УДК 614(075.8)
С.В. Новоселов, С.А. Панихидников
ПРОБЛЕМЫ ПРОГНОЗИРОВАНИЯ КОЛИЧЕСТВА ЧРЕЗВЫЧАЙНЫХ СИТУАЦИЙ СТАТИСТИЧЕСКИМИ МЕТОДАМИ
Раскрыта проблема прогнозирования количества чрезвычайных ситуаций статистическими методами. Статистические методы прогнозирования наиболее хорошо описаны и применимы в практике (но с такими ограничениями как горизонт прогноза и точность). При использовании рядов динамики событий они дают достаточно достоверные результаты на горизонт прогноза 1—2 периода. Предложенный метод прогнозирования при параметре неравномерности количества наступления чрезвычайных ситуаций, обеспечивает пессимистический прогноз, который при принятии программ безопасности жизнедеятельности закладывает «организационный резерв» на возможные «пики» чрезвычайных ситуаций. Проведенный долгосрочный анализ динамики различных типов чрезвычайных ситуаций за 2003—2016 гг. в России, при применении метода выравнивания динамического ряда, позволил разработать ряд альтернативных прогнозов на основе аналитический функций на 2017 г. Проведенное сравнение их с прогнозами Министерства чрезвычайных ситуаций дало определенное совпадение и сходимость параметров в части 3-х месяцев фактической ситуации 2017 г. Оценка результатов прогноза на основе логарифмической и экспоненциальной функции позволяет сделать вывод, что статистические методы «выравнивания» рядов динамики дают точные прогнозы на горизонт прогноза 1—2 периода. Предложенный метод прогнозирования с учетом параметра неравномерности развития процессов рекомендуется к применению при краткосрочном горизонте прогноза.
Ключевые слова: чрезвычайная ситуация, прогноз, динамический ряд, индекс неравномерности, горизонт прогноза, ошибка прогноза.
DOI: 10.25018/0236-1493-2017-10-0-60-71
Введение в проблему
Техногенная деятельность человечества на Земле за последние 150 лет, с момента введения термина «экология» Эрнестом Геккелем в 1866 г. до 2017 г., при росте населения за данный период с 1,2 до 7,5 млрд чел. (в 6,2 раза [16]), приобрела грандиозные масштабы. Согласно данных проф. А.А. Макарова, за период 1860—2016 гг. производство мировых энергоресурсов выросло с 0,29 до 12,5 млрд т.н.э, в год, т.е. в 41,6 раза, что доказывает, как минимум, такой же рост
антропогенной нагрузки (загрязнений) на экосистемы, без учета токсичности. В свою очередь проф. Л.А. Пучков доказал зависимость глобального избыточного энергетического потребления и мировых кризисов [1], где он отметил качество прогнозов английских и американских аналитиков в аспекте глобального движения энергии [2, 3]. Практика доказывает связь роста техногенной деятельности и количества чрезвычайных ситуаций.
В экологии имеется несколько классификаций загрязнений, разработан-
ISSN 0236-1493. Горный информационно-аналитический бюллетень. 2017. № 10. С. 60-71. © С.В. Новоселов, С.А. Панихидников. 2017.
ных экологами: Б. Коммонером (1974), Е.М. Сергеевым, В.Т. Трофимовым (1985), Ф. Рамадом (1981), Н.Ф. Реймерсом (1990), Г.В. Стадницким, А.И. Родионовым (1988) и др. [4], значение которых особенно важно для идентификации источников антропогенного загрязнения экосистем в индустриально-развитых регионах и мегаполисах.
По мнению ряда ученых (Б.С. Маст-рюкова, И.В. Бабайцева, В.И. Каракеяна и др.), в области безопасности в чрезвычайных ситуациях (ЧС) [5, 6, 7], существует ряд глобальных проблем, таких как: потепление климата, терроризм, перманентно возрастающая техногенная деятельностью человечества, негативный характер глобализации и т.п., которые в совокупности могут породить многофакторный кризис цивилизации. Для предупреждения ЧС, необходимо разрабатывать превентивные меры, предвидеть возможные риски и разрабатывать мероприятия по их локализации.
В связи с превентивной разработкой мероприятий по предупреждению ЧС, совершенствование методологии их прогнозирования, а также вопросы государственного регулирования в области защиты населения и территорий в чрезвычайных ситуациях, становятся весьма актуальными для специалистов безопасности жизнедеятельности. Целью статьи является исследование проблем прогнозирования чрезвычайных ситуаций, решение задач выбора и совершенствования методов прогнозирования.
Теория и практика
прогнозирования
чрезвычайных ситуаций
Вопросам прогнозирования посвящены труды ряда российских и зарубежных ученых в области прогностики [8, 9, 10, 11], и др., где в общем случае определяется, что прогноз это научное предвидение о будущем развитии и резуль-
татах каких-либо событий, процессов на основании определенных данных. Относительно данных — информационная база прогноза, можно отметить, что ее достоверность определяется широким диапазоном (достоверность измерений, достоверность принятых методов, профессионализм экспертов, сложность измеряемых процессов, активность помех от внешней среды и т.п.). Поэтому прогнозы дело неблагодарное (если прогноз пессимистичный), не бывают абсолютно точными, потому что абсолютно точно предсказать будущее, да еще на долгосрочный период практически невозможно.
Однако прогнозировать необходимо, и это делается с достаточно приемлемой достоверностью (ошибкой прогноза), т.к. прогнозы необходимы для принятия стратегических решений в различных отраслях. Ошибки при прогнозировании могут быть как при выборе вектора (направления развития) прогноза, так и в количественном выражении (в параметрах), естественно ошибиться в направлении развития процесса — опаснее. Проблема точности времени прогноза, т.е. определения времени наступления (дата, диапазон, период) прогнозируемого события и его доверительного интервала, является еще более актуальной. Следует учитывать также и то, что прогнозы необходимо корректировать, через определенное время или при радикальном изменении ситуации.
Прогнозирование параметров какой-либо рациональной человеческой деятельности (Р() на период (Ц, с достаточной точностью, может производиться по логической модели,(1) согласно [8]. Классически, прогноз наступления события (Р() можно отобразить следующей логической моделью:
Р ~ А, л А2 л А3 л А4 л А5 л АЬ,
I 1 2 3 4 5 Ь'
(1)
где А1 — информационная база прогноза; А2 — модель (описание) объекта про-
гноза; А3 — модель(описание) внешней среды и ее влияние на объект прогнозирования; А4 — получение прогнозной траектории объекта; А5 — принятие решения на основе прогнозной информации; А6 — оценка качества прогноза; — знак «эквивалентость»; л — логический знак «конъюнкция», союз «и».
Прогнозирование количества наступления чрезвычайных ситуаций более сложный процесс, чем прогнозирование каких-либо рациональных процессов человеческой деятельности, и требует некоторого пессимизма и прагматизма от
разработчиков-исследователей, и высшей квалификации экспертов. Для прогнозирования наступления чрезвычайных ситуаций, непредвиденных, внезапных событий таких как: аварии, опасные природные явления, катастрофы, стихийные бедствия, социальные и экономические конфликты, и даже военные угрозы, необходим апостериорный опыт и компетентность в современной ситуации, но важнее умение распознать тенденции развития процесса априори, и возникновения новых негативных фактов, в будущем.
11 12
Рис. 1. Концептуальный подход к определению меры опасности и времени наступления чрезвычайной ситуации (ЧС) на экосистему: — вероятный период наступления ЧС; г±—г2 — мера риска наступления ЧС; 0 — уровень заповедника, курортная зона (девственная территория); 1 — экологически безопасная территория(сельская местность); 2 — нормативно-допустимый уровень техногенного загрязнения (неопасные производства); 3 — предельно-допустимый уровень техногенного загрязнения; 4 — кризисный уровень техногенного загрязнения (индустриально-развитые регионы); 5 — уровень коллапса в региональной системе (необратимые процессы)
Авторы предлагают прогнозировать чрезвычайные ситуации исходя из гипотезы сатурации (лат. saturatio — насыщение, [17]) негативных процессов в какой-либо деятельности (насыщения, накопления) и рисков сопутствующих процессу наступления чрезвычайному событию. Кроме того, необходимо учитывать неопределенность, случайные негативные факторы (риски) и энтропию внешней среды, что отражает авторская концепция, на примере антропогенного воздействия на экосистему, см. рис. 1.
Кроме того, согласно закона № 68-ФЗ [12], предусматривается прогнозирование угрозы возникновения чрезвычайных ситуаций, оценка социально-экономических последствий чрезвычайных ситуаций.
Прогнозирование чрезвычайных ситуаций (ЧС) различных типов имеет свои уровни сложности, например природные и биолого-социальные чрезвычайные ситуации несут большую составляющую неопределенности, чем техногенные чрезвычайные ситуации, которые в основном зависят от состояния техники и человеческого фактора, и поддаются формализованным расчетам.
Прогнозирование техногенных ЧС — опережающее отражение вероятности появления и развития техногенных ЧС и их последствий на основе оценки риска возникновения пожаров, взрывов, аварий, катастроф.
Прогнозирование техногенных ЧС основано на оценке технического состояния оборудования, техники, оценке человеческого фактора и факторов окружающей среды. Ввиду того, что применяемая техника имеет конкретные параметры, срок службы, то с достаточной точностью можно определить надежность ее функционирования в какой либо период эксплуатации. Компетентность и личностные характеристики персонала, также поддаются идентификации, т.е. влияние
данного фактора на риск возникновения ЧС можно определить. Вероятно, что величина риска аварий и катастроф минимальна при использовании надежной техники и высоком профессиональном рейтинге обслуживающего персонала, а при снижении данных показателей величина риска наступлении ЧС растет.
Для более точного прогнозирования величины риска и возможных причин ЧС используют методику прогнозирования, заключающуюся в следующем. Прежде всего, выявляются источники опасности, оборудование, которое может вызвать опасные состояния, и исключают из анализа маловероятные случаи. Обычно, источниками опасности являются источники энергии, процессы и условия эксплуатации оборудования. Процессы и условия, представляющие опасность, следующие: разгон, коррозия, нагрев, охлаждение, давление, влажность, радиация, загрязнения, химическая диссоциация, химическое замещение, механические удары, окисление, утечки, электрический пробой, пожары, взрывы и др.
В принципе, все вышеперечисленные процессы рассчитываются методами математики, статистики, физики, механики и химии, имеющими высокую достоверность, полученных результатов, что в принципе, позволяет всегда решить задачу нахождения предельных состояний и вероятности наступления аварийной ситуации в технологическом объекте в определенном доверительном интервале, т.к. аксиоматически — несмотря на предпринятые защитные меры, остаточный риск всегда сохраняется.
В свою очередь, прогнозирование ЧС экологического характера несет больший элемент сложности чем прогнозирование техногенных ЧС, основанных на расчетах надежности оборудования, срока службы и наступление отказа в технической системе и других рисков. Прогнозирование экологических систем сложно,
как по сути архисложности самих систем, так и процессов, в них происходящих, имеющих неопределенность, нечеткость границ, динамизм и, не возможность производить полные и точные измерения больших экологических систем, как это возможно при исследовании технических процессов.
Положительный момент в том, что чрезвычайные ситуации экологического характера выявляются и прогнозируются при проведении мониторинга окружающей среды государственными
структурами. Для получения исходной информации, необходимой для оценки состояния природной среды, используют различные методики исследований.
С помощью приборов обычно измеряют физические и химические параметры среды: величины и спектр шумов, температуру, характеристики электромагнитных полей, характеристики радиоактивного загрязнения среды, характеристики геофизических явлений, концентрации химических загрязнений воздуха, воды, почвы и др. Для прогно-
Таблица 1
Характеристика модели Аналитическая форма Авторы Источник
Потенциальный территориальный риск Я . . — интегральная вероятность пот(х, у) ^ ^ негативного воздействия на субъект равная 1. Маст-рюков Б.С. 5, С. 130
Коллективный риск = N АЗ, , (2) Я — потенциальный риск в зоне АБ; пот| ^ ^ 1' М — чиленность людей в зоне; А5: — площадь зоны Маст-рюков Б.С. 5, С. 131
Мера опасности (Я — риск) Я = Ш, (3) — частота появления опасности, год-1; У — величина, руб. Бабайцев И.В. 6, С. 7
Риск (статистический) Я = (Ы /Ы ) < Я , (4) \ чс ' о доп' ' Каракеян В.И. 7, С. 25
Модель экономико-статистического прогноза риска аварий (катастроф), частный случай У = А0 + А1 Х1 + А2 Х2, (5) У — прогнозируемое число аварий; Х1 — износ основных фондов за предыдущий год; Х2 — квалификация и ответственность персонала; А0, А1, А2 — расчетные коэффициенты полученные на основе регрессионного анализа Садков В.Г. 13, С. 48
Прогноз числа ЧС на территории статистическими методом (выравнивание динамического ряда) С = (а0 + Ы) , (6) Уча — прогноз числа ЧС на период £ а0 — среднегодовое число ЧС в долгосрочном периоде; Ь — коэффициент получаемый при расчетах; t — номер периода Новоселов С.В., Панихид-ников С.А. статья
Метод прогноза на основе гипотезы сатурации негативных процессов Прогноз основывается на многолетней тенденции формирования ЧС, с учетом точки поворота тенденции на /( — колебание числа ЧС в периоде С = У,п +1, , (7) Новоселов С.В., Панихид-ников С.А. статья
зирования ЧС экологического характера измерения отдельных параметров приборами недостаточно. Поэтому для прогнозирования, уточнения прогнозов широко используются и биоиндикаторы. Предотвратить большинство чрезвычайных ситуаций природного характера практически невозможно. Однако существует ряд опасных природных явлений и процессов, негативному развитию которых, можно воспрепятствовать.
Еще более сложными прогнозами, являются прогнозы социально-политического характера, где из исторического опыта известно, что инициатором чрезвычайной ситуации (война, социальный конфликт и т.п.) являлись случайные рядовые события, которые практически нереально брать за основание прогноза.
Обобщая можно утверждать, что прогнозирование количества чрезвычайных ситуаций является одним из важнейших элементов научной деятельности, совершенствование методов, которого определяется первостепенной задачей ученых в области безопасности жизнедеятельности.
Для прогнозирования чрезвычайных ситуаций приемлемы следующие методы: экстраполяционные и интерполяционные;
экстраполяция по огибающим кривым; регрессии и корреляции; факторные модели; экспертные; логическое моделирование; построение сценария развития. Последний метод сценариев широко используется в настоящее время МЧС России. При контент-анализе публикаций по прогнозированию выделены следующие формальные модели прогнозирования риска аварий и катастроф, см. табл. 1.
На основе официальных данных МЧС РФ [14], проанализируем чрезвычайные ситуации в России за период 2003— 2016 гг., см. рис. 2, табл. 1, табл. 2.
Анализируя долгосрочную динамику различных типов чрезвычайный ситуаций в 2003—2016 гг. (см. рис. 2), можно сделать вывод, что пик ЧС приходится на период 2004—2009 гг. (предполагается сатурация и интеграция спектра негативных факторов). Далее идет спад и поддерживается мощное влияние на риски Единой системы предупреждения и ликвидации чрезвычайных ситуаций в диапазоне 298—432 чрезвычайных ситуаций в год согласно концепции (см. рис. 1). Делать абсолютно точный прогноз на основе трендов по данной статистике, даже на 2017 г. сложно, т.к. рост количества ЧС может достигать в год до
зооо
645Д1п(х) + 2239,8
-500
OOOOOOOVH<H<HVHVH<HVH
оооооооооооооо ммгмгммгмгмгмгмгмгмгмгмгм
.2656,4е-(
Годы
•Количество ЧС Техногенные ЧС Природные ЧС
- Биолого-социальные ЧС
- Линейная (Количество ЧС)
- Экспоненциальная (Количество ЧС)
- Логарифмическая (Количество ЧС)
Рис. 2. Долгосрочная динамика чрезвычайных ситуаций в период 2003—2016 гг.
-75,02ln(x) + 440,7
79e°'069x
■Количество ЧС Техногенные ЧС Природные ЧС
Биолого-социальные ЧС
Линейная (Количество ЧС)
Экспоненциальная (Количество ЧС)
Логарифмическая (Количество ЧС)
2009 2010 2011 2012 2013 2014 2015 2016 Годы
Рис. 3. Среднесрочная динамика чрезвычайный ситуаций в России в 2009—2016 гг.
1000 и более чрезвычайных ситуаций (период 2004-2005 гг.), см. рис. 2. Однако согласно прогноза по линейному, экспоненциальному и логарифмическому трендам получены следующие результаты: линейный тренд показывает отрицательное значение на 2017 г. (прогноз не логичен), экспоненциальный прогноз около 200 ЧС, по логарифмическому прогнозному тренду около 500 ЧС в год, т.е. коридор прогноза от 200 до 500 ЧС значительно широк, что не дает принять обоснованное решение. Рассмотрим прогнозы на основе среднесрочного ряда динамики, в среде Excel, при построении диаграмм, см. рис. 3.
Анализируя графики (рис. 3), видно, что прогноз по линейному тренду на 2017 г. составляет 215 ЧС, согласно прогнозного тренда:
y = - 22,90 х + 444,3 - 215, (8)
По экспоненциальному тренду прогноз составляет порядка 223 ЧС, согласно тренда:
y = 455,7e-006x - 223 (9)
По логарифмической кривой имеем прогноз на 2017 г. порядка 275 ЧС, при тренде:
y = -75,0ln(x) + 440,7 - 275 (10)
Существует сценарный прогноз чрезвычайной обстановки на территории РФ на 2017 г., выполненный Всероссийским центром мониторинга прогнозирования чрезвычайных ситуаций природного и техногенного характера в 2016 г. [15], где спрогнозированы следующие показатели:
1. Прогноз природных чрезвычайных ситуаций. Прогнозируется сохранение положительной динамики снижения количества природных ЧС относительно среднемноголетних значений (217 ЧС). Прогнозируемое количество ЧС не превысит уровень значений последних трех лет (не более 100 ЧС).
2. Прогноз техногенных чрезвычайных ситуаций. В 2017 г. количество техногенных чрезвычайных ситуаций прогнозируется ниже среднемноголетних значений (менее 185 ЧС).
3. Прогноз биолого-социальных чрезвычайных ситуаций. Параметры биолого-социальной обстановки на территории Российской Федерации в 2017 г. прогнозируются выше уровня средне-многолетних значений (более 30 ЧС).
Фактически ситуация по ЧС за 3 месяца 2017 г. следующая:
• техногенные ЧС снизились до 27 против 35 в 2016 г.;
Таблица 2
Структура чрезвычайных ситуаций в РФ
Годы Техногенные ЧС Природные ЧС Биолого-социальные ЧС
2003 518 286 15
2004 863 231 29
2005 2464 198 48
2006 2541 261 44
2007 2248 402 43
2008 1966 152 36
2009 276 133 21
2010 199 95 44
2011 185 65 42
2012 228 148 56
2013 166 116 46
2014 186 44 31
2015 179 15 33
2016 177 54 67
• природные ЧС снизились до 2 против 8 в 2016 г.;
• биолого-социальные ЧС повысились с 7 против 6 в 2016 г.
Это в целом определяет прогноз МЧС соответствующим фактической ситуации.
Кроме того, следует отметить авторские прогнозы по экспоненциальному и логарифмическому тренду при среднесрочной динамике значительно коррелируют с фактической ситуацией в части 3-х месяцев 2017 г. и с прогнозами МЧС.
Всего Тип чрезвычайных ситуаций
техногенные природные биолого-социальные
2003 1161 891 18 0
2004 2459 2459 (детализации нет)
2005 5637 5637 (детализации нет)
2006 6043 6043 (детализации нет)
2007 5199 5199 (детализации нет)
2008 4491 4455 21 5
2009 734 723 11 0
2010 358 641 34 0
2011 753 751 2 0
2012 786 600 185 1
2013 569 563 6 0
2014 567 556 11 0
2015 705 656 49 0
2016 783 705 3 75
Таблица 3
Динамика погибших от различных типов чрезвычайных ситуаций в 2003—2016 гг.
Структура ЧС за период 2003-2016 гг., которая была получена при суммировании различных типов ЧС, в среднем определяется соотношением техногенные : природные : биолого-социальные как 21 : 4 : 1, что определяет приоритет исследований техногенных чрезвычайных ситуаций, см. табл. 2.
Для достоверности исследования ЧС, надо учитывать основную негативную сторону чрезвычайных ситуаций - человеческие жертвы, количество пострадавших и материальный ущерб, нанесенный ЧС. Динамика погибших от различных типов чрезвычайных ситуаций в 2003-2016 гг., отражена в табл. 3.
Анализ выборочных данных определяет очевидность факта превалирования опасности техногенные чрезвычайных ситуаций над природными и биолого-социальными как по числу ситуаций, так и по количеству погибших. Следовательно, вопросы прогнозирования их возникновения и предупреждения, и снижения негативных последствий играют важнейшую стратегическую роль как для МЧС РФ, так и общества.
Метод прогнозирования количества чрезвычайных ситуаций с учетом параметра неравномерности
Предлагается следующий метод прогноза количества чрезвычайных ситуаций с учетом параметра неравномерности возникновения количества ЧС:
1. Определяем прогноз числа ЧС на территории статистическими методом (выравнивание динамического ряда)
Пс = Ос + bt)
(11)
где Учс( — прогноз ЧС на период £ а0 — среднегодовое число фактических ЧС за период; Ь — коэффициент получаемый при расчетах; t — номер прогнозного периода (1—2 года).
2. Определяем меру неравномерности: максимум и минимум прогноза числа ЧС с учетом возможных критериев неравномерности рисков в периоде. Прогноз основывается на многолетней тенденции формирования ЧС, с учетом точки поворота тенденции на величину (параметра неравномерности возникновения числа ЧС).
П* = Y п + It
(12)
Неравномерность числа ЧС /t рассчитывается следующими подходами:
• Абсолютный максимум числа колебаний ЧС (/t ), который прибавляется в конечной точке тенденции (позиция пессимизма) определится:
/t = n — n . , (13)
tраз max m.n' 4 '
nmax — максимальное число чрезвычайных ситуаций в рассматриваемом периоде (ряде динамики); nm.n — минимальное число чрезвычайных ситуаций в рассматриваемом периоде.
Данный показатель характеризуется простотой расчета, и сохраняет старую тенденцию.
• Минимальное число роста количества чрезвычайных ситуаций, принимается как среднее линейное отклонение от среднеарифметического и фактических числа ЧС в дискретных периодах динамического ряда (/1оротк):
Ein, - n\
I = i=1 1 I
tCp.OTK k
(14)
п. — число ЧС в единицу времени (год) в фактическом периоде; п — среднеарифметическое число ЧС в ряде динамики; к — число периодов (год) времени в рассматриваемом ряде динамики.
Используя значение прогноза ЧС по различным функциям см. (8), (9), (10) и среднесрочную динамику чрезвычайных ситуаций в России в 2009—2016 гг., (рис. 3), с учетом максимума и мини-
Таблица 4
Альтернативные авторские прогнозы количества ЧС по РФ на 2017 г.
Название функции прогноза Уравнение прогнозной модели Прогноз по модели на 2017 г., количество ЧС Параметр неравномерности, It Пессимистический прогноз на 2017 г. с учетом неравномерности It (max/min), количество ЧС
Линейная y = -22,90х + 444,3 215 181 91 396 306
Экспоненциальная y = 455,7e-006x 223 404 314
Логарифмическая y = -75,0 ln(x) + + 440,7 275 456 366
мума неравномерности /( наступления количества ЧС, получим следующие альтернативные прогнозы, см. табл. 4.
Как видно из расчетов, прогнозные значения по различным функциям находятся в диапазоне 215—275 ЧС при нисходящей общей тенденции. Однако, при учете параметра неравномерности числа ЧС в периоде, диапазон пессимистичности прогноза увеличился с 306 до 456 ЧС в год согласно концепции сектора неопределенности (см. рис. 1). Фактический динамический ряд ЧС за пред-прогнозный период 2009—2016 гг. был в диапазоне 251—432 ЧС, при этом прогноз МЧС в 2017 г. составляет 432 ЧС, а это максимум 2012 г. В целом прогнозное «блуждание числа ЧС» от 215 до 456 можно назвать диапазоном потенциального риска наступления ЧС, согласно гипотезы сатурации негативных процессов (см. рис. 1).
Заключение
Обобщая результаты по статье можно утверждать, что прогнозирование количества ЧС необходимо для разработки
мероприятий по предупреждению риска их наступления, что может быть решено на основе статистических методов. Статистические методы, при небольшом числе периодов динамического ряда, дают достаточно достоверные результаты на горизонт прогноза 1—2 периода. При учете параметра неравномерности наступления ЧС обеспечивается пессимистический прогноз, который активизирует менеджмент, при принятии программ безопасности жизнедеятельности, на усиление мощности превентивных мероприятий предупреждения ЧС и «закладывает организационный резерв» на возможные «пики» роста числа ЧС. Разработка прогноза требует рассмотрения альтернативных вариантов, что достигается варьированием периодом предпрогнозного динамического ряда, аналитическими моделями и размером дискретных периодов, что определяет разработчик прогноза, неся ответственность за последний. При конкретизации задачи предложенный метод можно адаптировать и детализировать алгоритм для требуемого объекта прогноза.
СПИСОК ЛИТЕРАТУРЫ
1. Пучков Л. А. Природные закономерности мировых кризисов // Горный информационно-аналитический бюллетень. — 2015. — ОВ1. — С. 7—19.
2. Statistical Review of World Energy 2014 The BP Energy Outlook 2035. http://www.bp.com/ en/global/corporate/about-bp/ energy-economics/ energy-outlook/ outlook-to-2035.html
3. EIA project world energy consumption will increase 56% by 2040// US Energy Information Administration. 2013. http://www/eia.gov/todayinenergy/detail.cfm?id=12251 (дата обращения 22.04.2014).
4. Коробкин В. И. Экология. — Ростов-на-Дону: Феникс, 2015. — 601 с.
5. Мастрюков Б.С. Безопасность в чрезвычайных ситуациях. — М.: Академия, 2015. — 320 с.
6. Бабайцев И. В., Мастрюков Б. С., Медведев В. Т. Безопасность жизнедеятельности. — М.: Академия, 2012. — 304 с.
7. Каракеян В.И., Никулина И.М. Безопасность жизнедеятельности. — М.: Юрайт-Издат,
2009. — 370 с.
8. Горелова В.М., Меньшова Е. Н. Основы прогнозирования систем. — М.: Высшая школа, 1985. — 287 с.
9. Тейл Г. Прикладное экономическое прогнозирование. — М.: Прогресс, 1970. — 510 с.
10. Льюис К.Д. Методы прогнозирования экономических показателей. — М.: Финансы и статистика, 1986. — 133 с.
11. Комарек В., Ржига Л. Долгосрочное планирование и прогнозирование. — М.: Экономика, 1973. — 215 с.
12. Закон № 68-ФЗ. О защите населения и территорий от чрезвычайных ситуаций природного и техногенного характера (с изменениями на 23 июня 2016 года).
13. Садков В. Г., Калмыков А. В.Формирование целостной многоуровневой системы прогнозирования и предотвращения чрезвычайной ситуации // Национальные интересы: приоритеты и безопасность. — 2012. — № 30(171). — С. 47—50.
14. Сайт: www.mchs.gov.ru (дата обращения 24.07.2017).
15. Прогноз чрезвычайной обстановки на территории Российской Федерации на 2017 год. МЧС России. Всероссийский центр мониторинга прогнозирования чрезвычайных ситуаций природного и техногенного характера, центр «Антистихия». — М., 2016.
16. MakarovA. Laws of power industry development: elusory essence // Thermal engineering.
2010. Vol. 57. No. 13.
17. Булыко А.Н. Современный словарь иностранных слов. — М., 2004. — С. 618. итш
КОРОТКО ОБ АВТОРАХ
Новоселов Сергей Вениаминович — кандидат экономических наук, доцент, академик, Региональное Сибирское отделение Международной академии наук экологии и безопасности жизнедеятельности (МАНЭБ), e-mail: nowosyolow.sergej@yandex.ru,
Панихидников Сергей Александрович — кандидат военных наук, зав. кафедрой, СПбГУТ им. проф. М.А. Бонч-Бруевича, e-mail: panihidnikov@mail.ru.
ISSN 0236-1493. Gornyy informatsionno-analiticheskiy byulleten'. 2017. No. 10, pp. 60-71.
UDC 614(075.8)
S.V. Novoselov, S.A. Panikhidnikov
PROBLEMS IN PREDICTION OF NUMBER OF EMERGENCIES BY STATISTICAL METHODS
The article deals with the problem of forecasting the number of emergency situations using statistical methods. Of the many statistical methods of forecasting the most, sufficiently described and applicable in practice, but with certain restrictions, such as forecast horizon and accuracy. Statistical methods when using time-series of events that give quite reliable results for a forecast horizon of 1—2 period. The proposed forecasting method when given indices of the uneven number of emergencies, provides a pessimistic forecast, which the adoption of programs of safety provides «institutional reserve» for possible «peaks» of emergencies . Conducted long-term analysis of dynamics of various types of emergency situations for 2003—2016 yy. in Russia, when using the method of alignment of dynamic series has allowed to develop a number of alternative forecasts based on analytical functions for 2017, compared them with the predictions of the Ministry of emergency situations gave a convergence, and the convergence of the parameters in part 3 months of the actual situa-
tion in 2017. Evaluation of the forecast results based on logarithmic and exponential functions, leads to the conclusion that the statistical methods of «alignment» of the series give accurate predictions for a forecast horizon of 1—2 period. In general, the proposed prediction method with the index of the uneven development of the processes recommended for short-term forecast horizon.
Key words: emergency, prediction, time series, index of irregularity, forecast horizon, forecast error.
DOI: 10.25018/0236-1493-2017-10-0-60-71
AUTHORS
Novoselov S.V., Candidate of Economical Sciences,
Assistant Professor, e-mail: nowosyolow.sergej@yandex.ru,
Academician of Siberian Regional branch of MANEB,
650002, Kemerovo, Russia,
PanikhidnikovS.A., Candidate of Military Sciences,
Head of Chair, e-mail: panihidnikov@mail.ru,
The Bonch-Bruevich Saint-Petersburg State University
of Telecommunications, 196626, Saint-Petersburg, Russia.
REFERENCES
1. Puchkov L. A. Gornyy informatsionno-analiticheskiy byulleten'. 2015. Special edition 1, pp. 7—19.
2. Statistical Review of World Energy 2014 The BP Energy Outlook 2035. http://www.bp.com/en/ global/corporate/about-bp/ energy-economics/ energy-outlook/ outlook-to-2035.html
3. EIA project world energy consumption will increase 56% by 2040// US Energy Information Administration. 2013. http://www/eia.gov/todayinenergy/detail.cfm?id=12251 (accessed 22.04.2014).
4. Korobkin V. I. Ekologiya (Ecology), Rostov-na-Donu, Feniks, 2015, 601 p.
5. Mastryukov B. S. Bezopasnost' v chrezvychaynykh situatsiyakh (Safety in emergencies), Moscow, Akademiya, 2015, 320 p.
6. Babaytsev I. V., Mastryukov B. S., Medvedev V. T. Bezopasnost'zhiznedeyatel'nosti (Safety), Moscow, Akademiya, 2012, 304 p.
7. Karakeyan V. I., Nikulina I. M. Bezopasnost' zhiznedeyatel'nosti (Safety), Moscow, Yurayt-Izdat, 2009, 370 p.
8. Gorelova V. M., Men'shova E. N. Osnovy prognozirovaniya sistem (Basis of forecasting systems), Moscow, Vysshaya shkola, 1985, 287 p.
9. Teyl G. Prikladnoe ekonomicheskoe prognozirovanie (Applied economic forecasting), Moscow, Progress, 1970, 510 p.
10. L'yuis K. D. Metody prognozirovaniya ekonomicheskikh pokazateley (Methods of forecasting economic indicators), Moscow, Finansy i statistika, 1986, 133 p.
11. Komarek V., Rzhiga L. Dolgosrochnoe planirovanie i prognozirovanie (Long-term planning and forecasting), Moscow, Ekonomika, 1973, 215 p.
12. Zakon № 68-FZ. O zashchite naseleniya i territoriy ot chrezvychaynykh situatsiy prirodnogo i tekhnogennogo kharaktera (s izmeneniyami na 23 iyunya 2016 goda) (Law No. 68-FZ. On protection of population and territories from emergency situations of natural and technogenic character (as amended on 23 June 2016))
13. Sadkov V. G., Kalmykov A. V. Natsional'nyeinteresy:prioritety ibezopasnost'. 2012, no 30(171), pp. 47—50.
14. www.mchs.gov.ru (accessed 24.07.2017).
15. Prognoz chrezvychaynoy obstanovki na territorii Rossiyskoy Federatsii na 2017 god. MChS Rossii. Vserossiyskiy tsentr monitoringa prognozirovaniya chrezvychaynykh situatsiy prirodnogo i tekhnogennogo kharaktera, tsentr «Antistikhiya» (The forecast of emergency situation in the territory of the Russian Federation in 2017 . MES of Russia. The all-Russian center of monitoring, forecasting of emergency situations of natural and technogenic nature center «Antistikhia»), Moscow, 2016.
16. Makarov A. Laws of power industry development: elusory essence. Thermal engineering. 2010. Vol. 57, no. 13.
17. Bulyko A.N. Sovremennyy slovar' inostrannykh slov (Modern dictionary of foreign words), Moscow, 2004, pp. 618.