ПРОГНОЗИРОВАНИЕ, ОСНОВАННОЕ НА МОЛЕКУЛЯРНЫХ ДЕСКРИПТОРАХ И ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЯХ, КАК СПОСОБ ИСКЛЮЧЕНИЯ ОБРАЗОВАНИЯ ГОРЮЧЕЙ СРЕДЫ Текст научной статьи по специальности «Прочие технологии»

Королёв Д. С., Калач А. В.

ПРОГНОЗИРОВАНИЕ, ОСНОВАННОЕ НА МОЛЕКУЛЯРНЫХ ДЕСКРИПТОРАХ И ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЯХ, КАК СПОСОБ ИСКЛЮЧЕНИЯ ОБРАЗОВАНИЯ ГОРЮЧЕЙ СРЕДЫ

Использование способов, направленных на предотвращение возникновения пожара, зачастую затрудняется отсутствием сведений о физико-химических свойствах вещества. Для решения данной проблемы предложен способ прогнозирования, основанный на использовании молекулярных дескрипторов и искусственных нейронных сетей. Метод позволяет спрогнозировать, в частности, нижний концентрационный предел распространения пламени со средней абсолютной погрешностью не более 2,9 г/м3 и средней относительной погрешностью 6,6 %, и обеспечить оптимизацию по разработке систем предотвращения пожаров.

Ключевые слова: прогнозирование, дескрипторы, нейронные сети, нижний концентрационный предел распространения пламени.

Эффективная работоспособность систем предотвращения пожаров может быть достигнута путём использования одного или нескольких способов, представленных в ст. 49, 50 Федерального закона от 22.07.2008 г. № 123 «Технический регламент о требованиях пожарной безопасности». В числе таких способов является поддержание безопасной концентрации в среде окислителя и горючих веществ или понижение концентрации окислителя в горючей среде в защищаемом объёме.

Стоит отметить, что нижний и верхний концентрационные пределы распространения пламени - важнейшие показатели, определяющие пожаровзрывоопасность смесей горючих веществ с окислителем. Значения концентрационных пределов распространения пламени необходимо включать в стандарты или технические условия на газы, легковоспламеняющиеся индивидуальные жидкости, твёрдые вещества, способные образовывать взрывоопасные смеси [1].

Наличие достоверных данных об областях концентрационных пределов позволяет определять категории помещений по взрыво-пожарной и пожарной опасности в соответствии с требованиями норм технологического проектирования, при расчёте взрывобезопас-ных концентраций газов, паров и пылей внутри

технологического оборудования и трубопроводов и т. д. [1]. Отсутствие сведений о веществе становится существенным препятствием для использования данных способов.

С каждым годом количество органических соединений увеличивается на 250-300 тыс., а экспериментальное определение пожароопасных свойств веществ, как правило, осложняется рядом факторов [2]:

- токсичность, агрессивность, нестойкость вещества;

- большие финансовые и временные затраты;

- сложность процесса;

- отсутствие современной технической

базы;

- наличие примесей в исследуемом веществе;

- отсутствие возможности создания вещества с необходимыми свойствами.

В настоящей работе в качестве объектов исследования выбран класс антрахиноно-вых красителей, которые представляют собой различные производственные антрахинона. Синтетические красители применяются практически во всех отраслях промышленности. Их используют при окрашивании природных и синтетических волокон, бумаги, дерева, кожи и других материалов. Мировое производство синтетических красителей составляет порядка миллиона тонн в год [3].

Кроме того, с появлением на рынке новых соединений остаётся актуальной проблема разработки мероприятий, направленных на обеспечение пожарной безопасности объектов защиты, а отсутствие сведений о пожароопасных свойствах органических соединений делает это невозможным. Именно поэтому разработка универсального метода прогнозирования пожароопасных свойств веществ позволит решить сложившуюся проблему.

Одним из перспективных способов прогнозирования пожароопасных свойств веществ является метод, основанный на использовании молекулярных дескрипторов и искусственных

о о

2-Аминоантрахинон 1,2-Диаминоантрахинон

о НГЫ-СН2-СН-СН2-С! о

он

о НЫ -СН2-СН-СН2-С!

Ализарин

Активный синий П Антрахинон

Рисунок 1. Структурные формулы соединений

Нейропакет КДС 1.0

Обучен* нв^юсети Путь к датын дпя обучешя

1 N Значение ошибки обучения Обзор

1 II Обучить сеть

Пропйзцкбме Путь к датыи прогноза

Обзор

Результат прогноза

Прогноз

о

о оН

ЫН

оН

о

оН

о

нейронных сетей, который хорошо себя зарекомендовал в работах [4-6].

В качестве примера рассмотрим процесс прогнозирования нижнего концентрационного предела распространения пламени (НКПРП) антрахинона и красителей на его основе. Некоторые структурные формулы соединений, используемые в исследованиях, представлены на рисунке 1.

Прогнозирование НКПРП будем осуществлять при помощи разработанного ав-

Рисунок 2. Главное окно программы «Нейропакет КДС 1.0»

торами программного продукта «Нейропакет КДС 1.0», главное окно которого представлено на рисунке 2.

Данная программа реализует совместную работу искусственных нейронных сетей и молекулярных дескрипторов, что позволяет в короткие сроки без проведения сложных экспериментов спрогнозировать пожароопасные

Таблица 1

Дескрипторы исследуемых красителей на основе антрахинона

Дескриптор Активный синий П 1,2 Диамино-антрахинон 2 Амино-антрахинон Ализарин Антрахинон

Число атомов 28 18 17 18 16

Число атомов С 20 14 14 14 14

Относительное число атомов С 0,7143 0,7778 0,825 0,7778 0,87

Число атомов Н 4 0 2 4 2

Относительное число атомов Н 0,1 0 0,1176 0,222 0,12

Число атомов О 2 2 1 20 18

Относительное число атомов О 0,07 0,111 0,05 6 4

Число атомов N 2 2 19 0,3 0,222

Относительное число атомов N 0,07 0,111 5 2 2

Число атомов Б 30 20 0,26 0,1 0,1111

Относительное число атомов Б 16 6 2 12 12

Число атомов Р 0,5333 0,3 0,1 0,6 0,6667

Относительное число атомов Р 2 2 12 3 3

Число атомов 01 0,06667 0,1 0,6316 0,1167 0,18

Относительное число атомов 01 12 0 3 2 2

Число атомов Вг 0,4 0 0,1765 0,1111 0,125

Относительное число атомов Вг 3 12 2 232,155 200,15

Число атомов I 0,1 0,6 0,11 12,8 12,5

Нижний концентрационный предел распространения пламени 130 61 50 40 30

Рисунок 3. Смоделированная искусственная нейронная сеть

свойства веществ как уже имеющихся, так и еще не синтезированных.

Среди возможностей программы «КДС 1.0» можно отметить следующие:

1) загрузка и просмотр баз данных, содержащих структуры химических соединений и их свойства;

2) осуществление корреляции вводимых данных;

3) статистическая оценка полученных моделей;

4) использование полученных нейросете-вых моделей для прогнозирования свойств веществ без проведения сложного эксперимента.

Из-за отсутствия возможности привести все дескрипторы исследуемых веществ, в таблице 1 представлена часть расчётных

молекулярных дескрипторов, которые использовались при обработке искусственными нейронными сетями.

На рисунке 3 представлена смоделированная искусственная нейронная сеть, а в таблице 2 - полученные результаты прогнозирования НКПРП объектов исследования.

В результате анализа молекулярных структур красителей и их пожароопасных свойств можно сделать вывод, что НКПРП для антрахинона, как правило, меньше, чем для его производных, что объясняется влиянием заместителей, присутствующих в структуре молекул. Таким образом, прогнозирование пожароопасных свойств антрахинона и красителей на его основе, в частности НКПРП, на основе молекулярных дескрипторов

Таблица 2

Спрогнозированные результаты НКПРП исследуемых красителей

Вещество Нижний концентрационный предел распространения пламени, г/м3 Абсолютная погрешность, г/м3 Относительная

Справочное значение Прогнозируемое значение погрешность, %

Антрахинон 30 33 3 10

Ализарин 40 45 5 12

Хинизарин 47 51 4 8,5

2-Аминоантрахинон 50 48 2 4

Пурпурин 84 87 3 3,5

Активный синий П 130 127 3 2,3

1,2 - Диаминоантрахинон 61 59 2 3,2

Дисперсный оранжевый 25 29 4 16

Дисперсный синий К 50 52 2 4

Дисперсный розовый Ж 50 49 1 2

Средняя относительная погрешность, % 6,6

и искусственных нейронных сетей даёт удовлетворительные результаты. Использование предложенного метода прогнозирования пожароопасных свойств вещества позволило без проведения сложного эксперимента спрогнозировать нижний концентрационный предел распространения пламени антрахинона, а средняя относительная погрешность составила 6,6 %, что является хорошим показателем. Данный способ является универсальным,

и поэтому применим для прогнозирования и других пожароопасных свойств рассмотренных органических соединений.

Предложенный способ прогнозирования, основанный на использовании молекулярных дескрипторов и искусственных нейронных сетей, выступает одним из способов исключения образования горючей среды в помещении, так как позволяет прогнозировать свойства веществ ещё не синтезированных.

ЛИТЕРАТУРА

1. ГОСТ 12.1.044-89*. Система стандартов безопасности труда. Пожаровзрывоопасность веществ и материалов. Номенклатура показателей и методы их определения.

2. Пустовалова Л. М. Органическая химия. - Ростов н/Д: Феникс, 2003. - 320 с.

3. Karthik Ya., Meyyanathan S. N, Nageswara R. R. Methods for the analysis of azo dyes employed in food industry // Food Chemistry, 2016. Vol. 192, pp. 813-824.

4. Королёв Д. С., Калач А. В., Каргашилов Д. В., Сорокина Ю. Н. Прогнозирование основных показателей пожаро-взрывобезопасности органических соединений с помощью де-

скрипторов и искусственных нейронных сетей, используемых в расчёте пожарного риска // Пожаровзрывобезопасность. -2015. - № 9. - С. 32-38. 001: 10.18322/РУВ.2015.24.09.32-38

5. Королёв Д. С., Калач А. В., Рудаков О. Б. Прогнозирование пожароопасных свойств веществ // Безопасность в техносфере. - 2015. - № 5. - С. 3-6. 001: 10.12737/16957

6. Калач А. В., Карташова Т. В., Сорокина Ю. Н, Об-лиенко М. В. Особенности прогнозирования пожароопасных свойств органических веществ с применением дескрипторов // Вестник Воронежского института ГПС МЧС России. - 2012. -№ 1. - С. 20-22.

Korolev D., Kalach A.

FORECASTING BASED ON MOLECULAR DESCRIPTORS AND ARTIFICIAL NEURAL NETWORKS AS A WAY OF PREVENTING FORMATION OF COMBUSTIBLE ENVIRONMENT

ABSTRACT

Purpose. The article deals with the problem of the impossibility to use certain methods to prevent fire outbreak related to the lack of information on physicochemical properties of potentially hazardous substances. This article presents a method to predict fire hazard properties of substances based on molecular descriptors and artificial neural networks.

Methods. The process of forecasting flame spread low concentration limit (FSLCL) of anthraquinone and anthraquinone-based dyes has been considered in the article. FSLCL forecasting was carried out by means of "Neuropackage KDS 1.0" software developed by the authors.

Findings. Prediction of anthraquinone and anthraquinone-based dyes fire hazard properties, in particular FSLCL, on the basis of molecular descriptors and artificial neural networks produces satisfactory results. Application of the proposed method to forecast fire hazard properties of the substance has made it

possible to predict anthraquinone FSLCL without carrying out a complex experiment, and the average relative error was 6,6 %, which is a good indicator.

Research application field. Having reliable data about the fields of concentration limits one can define the categories of premises concerning explosion and fire hazard in accordance with the requirements of the technological designing standards, while calculating explosion-proof gases, vapors and dusts concentration inside processing equipment and piping, etc.

Conclusions. The proposed forecasting method gives complete information on physicochemical properties of substances, which allows applying full-scale methods to prevent a fire outbreak.

Key words: forecasting, descriptors, neural networks, flame spread lower concentration limit, fire hazard properties of substances.

REFERENCES

1. State standard 12.1.044-89*. System of occupational safety standards. Fire and explosion hazard of substances and materials. Nomenclature of indices and methods of their definition (in Russ.).

2. Pustovalova L.M. Organicheskaia khimiia [Organic chemistry]. Rostov on Don, Feniks Publ., 2003. 320 p.

3. Karthik Ya., Meyyanathan S.N., Nageswara R.R. Methods for the analysis of azo dyes employed in food industry. Food Chemistry, 2016, vol. 192, pp. 813-824.

4. Korolev D.S., Kalach A.V., Kargashilov D.V., Sorokina Yu.N. Forecast of major indicators of fire and inflammation organic

compounds using descriptors and artificial neural networks used in the evaluation of fire risk. Pozharovzryvobezopasnost, 2015, no. 9, pp. 32-38. DOI: 10.18322/PVB.2015.24.09.32-38

5. Korolev D. S., Kalach A. V., Rudakov O. B. Forecasting flammable properties of substances. Safety in Technosphere, 2015, no. 5, pp. 3-6. DOI: 10.12737/16957 (in Russ.).

6. Kalach A.V., Kartashova T.V., Sorokina Yu.N., Oblienko M.V. Features of prediction of fire hazardous properties of organic substances using descriptors. Vestnik Voronezhskogo instituta GPSMChSRossii, 2012, no. 1, pp. 20-22.

Voronezh State Fire Institute of EMERCOM of Russia, DENiS KOROLEV , „ .

Voronezh, Russia

Andrei Kawch Doctor of Chemical Sciences, Professor

Voronezh State Fire Institute of EMERCOM of Russia, Voronezh, Russia