Разработка алгоритма выбора ранга пожара и алгоритма прогнозирования площади пожара при тушении пожаров в морских портах Текст научной статьи по специальности «Компьютерные и информационные науки»

Оригинальная статья / Original article

УДК: 004.891, 614.842.8

DOI: 10.21.285/1814-3520-2016-7-109-116

РАЗРАБОТКА АЛГОРИТМА ВЫБОРА РАНГА ПОЖАРА И АЛГОРИТМА ПРОГНОЗИРОВАНИЯ ПЛОЩАДИ ПОЖАРА ПРИ ТУШЕНИИ ПОЖАРОВ В МОРСКИХ ПОРТАХ

© Т.С. Станкевич1, С.Ю. Бутузов2, А.А. Рыженко3

калининградский государственный технический университет, 236022, Россия, г. Калининград, Советский проспект, 1. 2,3Академия Государственной противопожарной службы МЧС России, 129366, Россия, Москва, ул. Бориса Галушкина, 4.

Резюме. Цель. Сформулирована задача управления при тушении пожаров в морских портах при неопределенности, заключающаяся в локализации и ликвидации пожара минимальным нарядом сил и средств в минимальное время. Методы. Для решения поставленной задачи предложено разработать алгоритм выбора ранга пожара на базе NEFCLASS и алгоритм прогнозирования площади пожара на базе ANFIS. Для нейтрализации динамических ошибок при получении некорректного результата классификации или прогноза площади пожара внедрены в алгоритмы блоки устранения динамических ошибок. Результаты. В разработанных алгоритмах предусмотрена возможность применения базовых сетей или сетей с учетом обновленных значений входных данных посредством применения алгоритма реализации нейро-нечетких моделей. Заключение.Алгоритм выбора ранга пожара и алгоритм прогнозирования площади пожара использованы в качестве базовых элементов системы информационно-аналитической поддержки управления при тушении пожаров в морских портах на базе нейро-нечетких сетей.

Ключевые слова: морской порт, тушение пожаров, нейро-нечеткая модель NEFCLASS, нейро-нечеткая модель ANFIS, ранг пожара, прогнозирование площади пожара.

Формат цитирования: Станкевич Т.С., Бутузов С.Ю., Рыженко А.А. Разработка алгоритма выбора ранга пожара и алгоритма прогнозирования площади пожара при тушении пожаров в морских портах // Вестник Иркутского государственного технического университета. 2016. № 7. С. 109-116. DOI: 10.21.285/1814-3520-2016-7-109-116

DEVELOPMENT OF THE ALGORITHMS OF FIRE NUMBER SELECTION AND FIRE AREA FORECASTING UNDER FIRE EXTINGUISHING IN SEAPORTS T.S. Stankevich, S.Y. Butuzov, A.A. Ryzhenko

Kaliningrad State Technical University, 1, Sovetsky pr., Kaliningrad, 236022, Russia. State Fire Academy of EMERCOM of Russia, 4, Boris Galushkin St., Moscow, 129366, Russia.

Abstract. The purpose the paper formulates the task of management in fire extinguishing at sea ports under uncertainty. The task consists in the localization and suppression of fire in the minimum time by the minimum section of firefighters and equipment. Methods. The authors propose to develop a NEFCLASS-based algorithm of fire number selection and an ANFIS-based algorithm of fire area forecasting to solve this task. Blocks of dynamic error elimination are introduced in the algorithms in order to neutralize dynamic errors in obtaining incorrect results of fire classification or fire area forecasting. Results. The developed algorithms provide an opportunity for using basic networks or networks taking into account the updated values of input data through the application of the algorithm of neuro fuzzy model implementation. Conclusion. The algorithm of fire number selection and the algorithm of fire area forecasting are used as key elements of the information analytical control support system when putting out fires in sea ports on the basis of neuro fuzzy models.

Станкевич Татьяна Сергеевна, ведущий специалист отдела проектов и программ, e-mail: nadezdastan39@mail.ru Stankevich Tatiana, Leading specialist of the Department of Projects and Programs, e-mail: nadezdastan39@mail.ru

2Бутузов Станислав Юрьевич, доктор технических наук, доцент, начальник Учебно-научного комплекса автоматизированных систем и информационных технологий, e-mail: butuzov_s_yu@mail.ru Butuzov Stanislav, Doctor of Engineering, Associate Professor, Head of the Educational and Scientific Complex of Automated Systems and Information Technologies, e-mail: butuzov_s_yu@mail.ru

3Рыженко Алексей Алексеевич, кандидат технических наук, доцент кафедры информационных технологий в составе Учебно-научного комплекса автоматизированных систем и информационных технологий, e-mail: litloc@rambler.ru

Ryzhenko Aleksei, Candidate of Engineering, Associate Professor of the Department of Information Technologies as a part of the Educational and Scientific Complex of Automated Systems and Information Technologies, e-mail: litloc@rambler.ru

Keywords: seaport, fire extinguishing, NEFCLASS neuro-fuzzy model, ANFIS neuro-fuzzy model, fire number, forecasting of fire area

For citation: Stankevich T.S., Butuzov S.Y., Ryzhenko A.A. Development of the algorithms of fire number selection and fire area forecasting under fire extinguishing in seaports. Proceedings of Irkutsk State Technical University. 2016, no. 7, pp. 109-116 (in Russian). DOI: 10.21.285/1814-3520-2016-7-109-116

Введение

Согласно Концепции общественной безопасности в Российской Федерации [1] определено, что пожары являются одними из основных источников угроз государственной безопасности. Существенную опастность функционированию транспортной системы страны представляют пожары в морских портах, которые являются особо важными и технически сложными объектами. В настоящее время уровень безопасной эксплуатации объектов инфраструктуры портов оценивается как недостаточный, а в отдельных случаях - как опасный. [2], что определяет необходимость увеличения эффективности управленческих решений при пожаре на территории объектов. Современные технологии позволяют создавать и внедрять программные средства, упрощающие использование информации и принятие эффективных решений руководителем при управлении силами и средствами пожарных подразделений. На основании полученных результатов анализа системы обеспечения пожарной безопасности типового морского порта, представленных в [3], предложено разработать систему информационно-аналитической поддержки управления при тушении пожаров в морских портах на базе нейро-нечетких сетей. В качестве одного из ключевых элементов данной системы предложено разработать алгоритм выбора ранга пожара и алгоритм прогнозирования площади пожара.

Цель работы Цель данной работы состоит в разработке алгоритма выбора ранга пожара и алгоритма прогнозирования площади пожара при его тушении в морских портах для того, чтобы повысить эффективность управления пожарными подразделениями.

Задача управления при тушении пожаров в морских портах при неопределенности

Деятельность лица, принимающего решения (ЛПР), играет ключевую роль в управлении действиями пожарных подразделений при организации тушения в морском порту и представляет собой совокупность решений руководителя в требуемый момент времени, обеспечивающих успешное тушение пожара. Рациональное управление, осуществляемое ЛПР, позволяет направить действия подразделений на реализацию единой строго определенной цели, достигаемой выполнением поставленных руководителем задач. Эффективное управление силами и средствами при тушении в морском порту сокращает время локализации и ликвидации пожара, уменьшает размер материального ущерба и существенно сокращает социальные потери.

Формально задача принятия решений руководителем при тушении пожаров может быть представлена в виде известной из [4] упорядоченной совокупности элементов - кортежа К в виде формулы (1):

к = , (1)

где У - множество учитываемых управляемых факторов; е У - множество действий, подчиненных ресурсов пожарной охраны, участвующих в локализации и ликвидации пожара; 1 - множество учитываемых неуправляемых факторов; В2 е 1 - множество действий, выполняемых ресурсами ЛПР и взаимодействующими видами пожарной охраны; - желаемый исход управляемого процесса; £ - множество возможных состояний управляемого процесса; ж - критерий эффективности управления; т - цель управления.

Любой элемент подмножеств О е У и В2 е 1 может быть определен в

виде набора характеристик Н по формуле [4]:

Н = (Г, О, и, г, г, я), (2)

где О - объект воздействия; и - источник действия; г - время выполнения действия; г - ресурс, привлекаемый при выполнении действия; я - ограничения со стороны других действий.

В соответствии с [4], задача управления при тушении пожаров в морских портах относится к классу задач принятия решений в условиях неопределенности, поскольку является задачей управления сложной системой, для которой невозможно сформулировать явным образом законы функционирования по причине ограниченной исследованности и сложности. Однако в соответствии с [5] установлено, что современные отечественные и зарубежные программные средства в области поддержки управления при тушении пожара не предусматривают оперативную поддержку работы ЛПР в условиях неопределенности информации. Данный вывод позволяет говорить о необходимости существенного изменения подхода к организации тушения пожаров в морских портах в условиях неопределенности информации посредством разработки и применения системы информационно-аналитической поддержки управления на базе нейро-нечетких сетей.

В ходе выполнения анализа управленческой деятельности ЛПР при тушении пожаров в морских портах установлено, что одной из важнейших задач оперативного управления пожарными подразделениями является задача определения оптимального количества ресурсов за счет выбора ранга пожара (РП) в условиях неопределенности информации. При этом под РП понимается условный признак сложности пожара, определяющий необходимый состав привлекаемых к тушению сил и средств.

На основании вышеизложенного сформулирована следующая задача управленческой деятельности ЛПР - локализация и ликвидация пожара минимальным нарядом сил и средств в минимальное

время (3):

I ^

min

(3)

11

j=i

^ min

где Я. - РП, определяющий состав привлекаемых к тушению пожара сил и средств; г. - время тушения пожара в случае привлечения к тушению пожара определенного состава сил и средств, мин.

То есть необходимо определить РП, который удовлетворяет условию (3), причем значение показателя, характеризующего процесс тушения пожара (время тушения пожара), должно удовлетворять условию (3). Для решения поставленной задачи предложено разработать нейро-нечеткую модель выбора РП и нейро-нечеткую модель прогнозирования площади пожара, являющиеся ключевыми элементами системы информационно-аналитической поддержки управления при тушении пожаров в морских портах.

Алгоритм выбора ранга пожара при тушении пожаров в морских портах Алгоритм выбора РП при тушении пожаров в морских портах реализован на базе сети NEFCLASS и наглядно представлен в виде блок-схемы на рис. 1. Данный алгоритм содержит следующие этапы:

1. Ввод входных параметров:

X - ( X\, Xn ) :

.2.

X - площадь пожара в

здании, м ; — - этаж, на котором произошел пожар, этаж; — - предел огнестойкости строительных конструкций, мин; — - количество людей на объекте, чел.

2. Построение сети с использованием алгоритма реализации нейро-нечетких моделей.

3. Применение сети NEFCLASS для классификации РП:

3.1. Активация

a

( p)

нейрона, принадлежащего входному слою сети МЕРСЬАББ, -х при получении входного образца р не изменяет входные значения [6], то есть а[р) = {—,—,—,—}.

i-1

3.2. Активация а(кр) для нейронов правил, принадлежащих к скрытому слою сети, Я еи2 заключается в выполнении операции взятия минимума по формуле [6]:

гл{Ж(х, КЦа?))}, (4)

aR} = min

где Ж(х,Я) - нечеткий вес соединения входного нейрона х с нейроном правила Я.

3.3. Активация а'ср) для нейронов выходного слоя сети с заключается в выполнении операции взятии максимума по

формуле [6]:

( р )

a(p ) = max

RgU-

\a(x Р )}

(5)

4. Блок устранения динамических ошибок: в случае получения отрицательного либо нулевого выходного результата С (РП) выходное значение заменяется минимальным - С = 1; в случае получения выходного результата С > 5 выходное значение заменяется максимальным - С = 5.

5. Вывод результата С - РП.

Рис. 1. Блок-схема выбора ранга пожара при тушении пожаров в морских портах Fig. 1. A block-diagram of fire number selection under fire extinguishing in seaports

Применение рассмотренного выше алгоритма позволяет ЛПР при тушении пожаров в морских портах использовать либо базовую сеть МЕРСЬАББ, либо сформировать сеть с учетом обновленных значений входных данных. Ключевой особенностью данного алгоритма является наличие блока устранения динамических ошибок, который позволяет выполнить нейтрализацию динамических ошибок при получении некор-

ректного результата классификации за счет использования минимального или максимального значения РП.

Алгоритм прогнозирования площади пожара при тушении пожаров

в морских портах Алгоритм прогнозирования площади пожара при тушении пожаров в морских портах реализован на базе сети АШБ и содержит следующие этапы (рис. 2):

Рис. 2. Блок-схема прогнозирования площади пожара при тушении пожаров в морских портах Fig. 2. A block-diagram of fire area forecasting under fire extinguishing in seaports

1. Ввод входных параметров: X = (—,—,...,—): - - площадь помещения, где произошел пожар, м2; — - предел огнестойкости строительных конструкций, мин; — - линейная скорость распространения горения, м/мин; — - время развития

пожара, мин.

2. Построение сети с использованием алгоритма реализации нейро-нечетких моделей.

3. Применение сети АШБ для прогнозирования площади пожара:

3.1. Определение значений функций /лА (—) при конкретных значениях входов

X = (—!, —2,..., —п) х1, *2>->*п, где Д. - нечеткая переменная, ассоциированная с данным узлом.

3.2. Установление степени истинности антецедентов м. каждого у -го правила

базы знаний по формуле [7]:

W - min

( ( ( X). (6)

3.3. Расчет относительной степени

*

выполнения м* у -го нечеткого правила по формуле [7]:

У -IУ j

(9)

4. Блок устранения динамических ошибок. В случае получения отрицательного либо нулевого результата у - прогнозируемой площади пожара:

4.1 Расчет времени свободного развития пожара т0 по формуле [8]:

т0 т1 + т 2,

(10)

где т - время с момента возникновения пожара до сообщения в пожарную охрану, мин; т - время боевого развертывания, мин.

4.2. Определение пути Ь, пройденного огнем за время т, в м по формулам [8]:

Ь = 0,5 • V-т при 0 <т< 10 , (11) Ь = 5• V + V• (т-10) при 10<т<т , (12)

L - 5 • V + V • (т0-10) + 0,5 • V • (т-т0 ) при т0<т< т,

(13)

* W, W* —

m

IW

j-1

(7)

3.4. Расчет вклада ^ каждого нечеткого правила в выход сети у по формуле [7]:

У]

w,

i •

(8)

где ^ - четкое число, задающее заключение каждого у -го правила.

3.5. Определение выходного значения сети у - прогнозируемой площади (м2) пожара по формуле [7]:

где V - линейная скорость распространения горения, м/мин; тг - время с момента

возникновения пожара до его локализации, мин.

4.3. Расчет прогнозируемой площади пожара (м2): если форма пожара может быть аппроксимирована кругом, то используется формула [8]:

y - к •ж • LL,

(14)

если прямоугольником - то формула [8]:

y - n • ah • L ,

(15)

где а - ширина площади пожара (здания,

помещения), м; п - число направлений развития пожара; к - коэффициент, учитывающий величину угла а , в направле-

нии которого происходит распространение пламени.

5. Вывод результата у - прогнозируемой площади пожара, м2.

В ходе использования рассмотренного выше алгоритма предусмотрена возможность применения руководителем базовой сети АШБ или сети АМПБ, построенной с учетом обновленных значений входных данных. Ключевой особенностью алгоритма является наличие блока устранения динамических ошибок, используемого при получении некорректного результата прогнозирования, за счет выполнения аналитического метода прогнозирования площади пожара, подробно изложенного в [8].

1. Концепция общественной безопасности в Российской Федерации [Электронный ресурс]. URL: http://www.consultant.ru/document/cons_doc_LAW_15 4602/ (26.05.2016).

2. О системе обеспечения безопасности судоходства на водном транспорте и роли государственного морского и речного надзора [Электронный ресурс] // Материалы государственной службы по надзору в сфере морского и речного транспорта, 2008. URL: http://council.gov.ru/files/journalsf/item/2009092413381 4.pdf (26.05.2016).

3. Станкевич Т.С., Бутузов С.Ю., Рыженко А.А. Диагностика системы пожарной безопасности Калининградского морского торгового порта [Электронный ресурс] // Технологии техносферной безопасности: интернет-журнал. 2015. № 6 (64). URL: http://ipb.mos.ru/ttb/2015-6/2015-6.html (26.05.2016 г.).

4. Тетерин И.М., Топольский Н.Г., Климовцов В.М., Прус Ю.В. Применение систем поддержки принятия решений руководителями оперативных подразделений при тушении пожаров в крупных городах [Элек-

Заключение

Таким образом, сформулирована задача управления при тушении пожара в морских портах при неопределенности -локализация и ликвидация пожара минимальным нарядом сил и средств в минимальное время. Разработаны алгоритмы элементов процесса принятия решений ЛПР при тушении пожаров в морских портах: алгоритм выбора РП (см. рис. 1) и алгоритм прогнозирования площади пожара (см. рис. 2). Ключевыми отличиями предложенных алгоритмов от существующих являются: возможность построения сети с использованием алгоритма реализации нейро-нечетких моделей; наличие блока устранения динамических ошибок.

кий список

тронный ресурс] // Технологии техносферной безопасности: интернет-журнал. 2008. №4 (20). 21 с. URL: http://agps-2006.narod.ru/ttb/2008-6/09-06-08.ttb.pdf (26.05.2016).

5. Станкевич Т.С. Анализ мирового и отечественного рынка программных средств, предназначенных для руководителя тушения пожара // Безопасность жизнедеятельности. 2014. № 7. С. 42-48.

6. Bogdan Gliwa, Aleksander Byrski. Hybrid neuro-fuzzy classifier based on NEFCLASS model // Jang Computer Science. 2011. V. 12. Pp. 115-135.

7. J.S.R. ANFIS: Adaptive-network-based fuzzy inference systems // IEEE Transactions on Systems, Man and Cybernetics. May / June 1993. V. 23. No 3. Pp. 665-684.

8. Подгрушный А.В., Захаревский Б.Б., Денисов А.Н., Сверчков Ю.М. Методические указания к решению тактических задач по теме «Основы прогнозирования обстановки на пожаре. Локализация и ликвидация пожаров». М.: Академия ГПС МЧС России, 2005. 37 с.

References

1. Kontseptsiya obshchestvennoi bezopasnosti v Rossi-iskoi Federatsii [Public Security concept in the Russian Federation]. Available at: http://www.consul-tant.ru/document/cons_doc_LAW_154602/ (accessed 26 May 2016) (in Russian).

2. O sisteme obespecheniya bezopasnosti sudokhod-stva na vodnom transporte i roli gosudarstvennogo morskogo i rechnogo nadzora [On the system ensuring watercraft and water navigation safety and the role of State Maritime and River Supervision]. Materialy gosu-darstvennoi sluzhby po nadzoru v sfere morskogo i rechnogo transporta, 2008. [Materials of the State Supervision Service in the sphere of sea and river transport]. Available at: http://council.gov.ru/files/jour-nalsf/item/20090924133814.pdf (accessed 26 May

2016) (in Russian).

3. Stankevich T.S., Butuzov S.Yu., Ryzhenko A.A. Di-agnostika sistemy pozharnoi bezopasnosti Kaliningrad-skogo morskogo torgovogo porta [Diagnosis of the fire safety system of Kaliningrad commercial sea port]. Tekhnologii tekhnosfernoi bezopasnosti: internet-zhurnal. 2015, no. 6 (64). [Technospheric Security Technologies]. Available at: http://ipb.mos.ru/ttb/2015-6/2015-6.html (accessed 26 May 2016) (in Russian).

4. Teterin I.M., Topol'skii N.G., Klimovtsov V.M., Prus Yu.V. Primenenie si-stem podderzhki prinyatiya reshenii rukovoditelyami operativnykh podrazdelenii pri tushe-nii pozharov v krupnykh gorodakh [Use of decision support systems for division commanders under fire extinguishing in large cities] Tekhnologii tekhnosfernoi bez-

opasnosti [Technospheric Security Technologies]: In-ternet-zhurnal. 2008, no 4 (20), 21 p. Available at: http://agps-2006.narod.ru/ttb/2008-6/09-06-08.ttb.pdf (accessed: 26 May 2016) (in Russian).

5. Stankevich T.S. Analiz mirovogo i otechestvennogo rynka programmnykh sredstv, prednaznachennykh dlya rukovoditelya tusheniya pozhara [Analysis of the world and national market of software designed for fire extinguishing commanders] Bezopasnost' zhiznedeya-tel'nosti [Life Safety]. 2014, no 7, pp. 42-48 (in Russian).

6. Bogdan Gliwa, Aleksander Byrski. Hybrid neuro-fuzzy classifier based on NEFCLASS model Computer Science. 2011, v. 12, pp. 115-135.

Критерии авторства

Станкевич Т.С., Бутузов С.Ю. и Рыженко А. А. имеют равные авторские права. Ответственность за плагиат несет Станкевич Т.С.

Конфликт интересов

Авторы заявляют об отсутствии конфликта интересов.

Статья поступила 27.05.2016 г.

7. J.S.R. Jang. ANFIS: Adaptive-network-based fuzzy inference systems // IEEE Transactions on Systems, Man and Cybernetics. May / June 1993, v. 23, no 3, pp. 665-684.

8. Podgrushnyi A.V., Zakharevskii B.B., Denisov A.N., Sverchkov Yu.M. Metodicheskie ukazaniya k resheniyu takticheskikh zadach po teme "Osnovy prognozirovani-ya obstanovki na pozhare. Lokalizatsiya i likvidatsiya pozharov". [Instructional guidelines for solving tactical problems on the topic "Fundamentals of fire situation forecasting. Fire localization and extinguishing]. Moscow: Akademiya GPS MChS Rossii Publ., 2005, 37 p. (in Russian).

Authorship criteria

Stankevich T.S., Butuzov S.Y. and Ryzhenko A.A. have equal copyrights. Stankevich T.S. bears the responsibility for avoiding plagiarism.

Conflict of interests

The authors declare that there is no conflict of interests regarding the publication of this article.

The article was received on 27 May 2016