CC BY
29
риска в чрезвычайных ситуациях и на пожаре//Пожарная безопасность: проблемы и перспективы: материалы III Всерос. науч.-практ. конф. с межд. уч., 20 сентября 2012. Воронеж, 2012. - С. 367-370.
11. Ситников И.В., Головинский П.А., Однолько А.А. Интегральная модель динамики пожара при неустановившемся режиме горения толуола// Пожаровзрывобезопасность. 2014. - Т. 23. - № 2. - С. 34-42.
12. Калач А.В, Чудаков А.А, Мальцев А.С., Афанасьева Е.В. Метод восстановления рельефа местности на основе картографических данных для моделирования движения поверхностных вод // Проблемы безопасности и чрезвычайных ситуаций. - 2014.- № 5. - С. 59-64.
ВОПРОСЫ СОПРЯЖЕНИЯ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ С ПРОГРАММНЫМИ ПРОДУКТАМИ
На сегодняшний день одним их актуальных вопросов является вопрос разработки и обоснования способа прогнозирования пожароопасных свойств еще не изученных веществ, который не требует проведение сложного эксперимента и тем самым позволит выбрать те соединения, которые (согласно прогнозу) удовлетворяют поставленным требованиям [1, 2].
В одной из работ [3] предлагается осуществлять прогнозирование с использованием дескрипторов и нейронных сетей.
Программный продукт, совмещает модульный с иконным представлением интерфейс разработки нейронной сети, с реализацией усовершенствованных процедур обучения. При этом объектно-ориентированный дизайн разбивает нейронную сеть на нейронные компоненты.
Такая структура обеспечивает возможность моделирования любой нейронной сети (рис. 1).
Одной из проблем, с которой можно столкнуться при использовании
Д.С. Королев, преподаватель Д.К. Усачев, начальник кабинета Воронежский институт ГПС МЧС России, г. Воронеж
Рис. 1. Наглядное изображение нейронных связей в модели
компьютерных продуктов, является не возможность обработки предложенных исходных данных.
Для упрощения использования и ускорения процесса прогнозирования была разработана программа Convert 1.0. Данная программа представляет собой упрощенный и оптимальный конвектор исходных данных.
Главное окно программы представлено на рисунке 2.
Рис. 2 Главное окно программы
Программа обеспечивает выполнение следующих функций: распознавание предложенного исходного файла, его конвертацию в формат txt, xls и обработку полученных данных.
Работа системы была протестирована на демо-версии Nero Solution 4. На рисунке 3 представлены исходные данные.
Рис. 3. Исходные данные по дескрипторам
В колонах и строках содержится информация о веществе, в виде дексрипторов. Понятие о дескрипторах представлялось в работе [1].
Без обработки в Convert 1.0, Nero Solution 4 выдавала ошибку, представленную на рисунке 4.
■ЩТ NeuralExpert - Step 3 Л
2 Which columns would you like to use as inputs?
Input File Selection
3 Tag Input Columns - v bi4ü±
4 Tag Symbolic Inputs 5 Select All | UnselectAII |
-
Help Cancel | < Back ||: Neiit > :|
1
Рис. 4. Ошибка восприятия данных
Анализируя рисунки 3 и 4 можно сделать вывод о том, что испытуемая программа не корректно воспринимает предложенную информацию, тогда как, обработав данные в Convert 1.0, получаем следующее рисунки 5 и 6.
2i.<mю O.BBOOO 1.00000 0.13000 7.00000 6.00000 0.B6000 l.OOOOO
3.00000 О.ВЗООО 1.00ИЮ 0.17000 5.00000 4.00000 o.soooo l.OOOOO
35.00000 0.86000 1.00000 0.14000 6.00000 5.00000 О.ВЗООО 1.00000
39.00000 O.BBOOO 1.00000 0.13000 ".00000 6.00000 0.B 6000 1.00000
49.00000 O.BBOOO 1.00000 0.13000 ".00000 6.00000 О.ВбООО 1.00000
51.00000 O.B9000 1.00000 0.1 woo S.00000 7.00000 O.BBOOO 1.00000
25.00000 О.ВбООО 1.000M 0.14000 6.00000 5.00000 0.S3000 1.00000
46.00000 O.BBOOO 1.00000 0.13000 ".00000 6.00000 О.ВбООО 1.00000
"1.00000 0.91000 1.00M0 C.09000 10.00000 9.00000 0.90000 1.00000
SS.00000 0.92000 1.00000 o.osooo 11.00000 10.00000 0.91000 1.00000
1.00000 0.83000 1.00000 С .17000 5.00000 +.00000 o.soooo 1.00000
S1.00000 0.92000 1.00000 o.osooo 12.00000 11.00000 0.92000 1.00000
lOS.OOOOO 0.92000 1.00000 O.OSOM 12.00000 11.00000 0.92000 1.00000
+9.00000 0.90000 1.00000 0.10000 9.00000 S.00000 0.B9000 1.00000
6S.OOOOO 0.90000 1.00000 o.ioom 9.00000 S.00000 0.S9000 1.00000
68.00000 0.90000 1.00000 0.10000 9.00000 S.00000 0.B9000 1.00000
Рис. 5. Обработанные данные в программе Convert 1.0
Neural Expert -
1 Which columns would you like to use as inputs?
Problem Type
06,00000 0 1,00000 02.7700t
0 13.00000 00,20000 0 2.1S00C
00.83000 0 76.05000 0 0.8700C
0 1,00000 0 12,68000 0 2.9100C
Selection 00,17000 0 363.93000 0 1.2000C
0 5,00000 0 505.30000 00.5800t
04.00000 0 32.00000 0O.18OOC
00,80000 0 4,99000 0 5.6700t
Tag Input
Columns
4 Select All I Unselect All 1
Help I Cance I < Back I Finish I
Рис. 6 Исходные данные
Таким образом, работа программы Convert 1.0 показала свою эффективность в экспериментальных условиях в обработке и предоставлении данных для программных продуктов, специализирующихся на прогнозировании свойств веществ и не только.
Список использованной литературы
1. Королев Д.С. Прогнозирование пожароопасных свойств веществ и материалов с использованием дескрипторов / Д.С. Королев // Вестник Воронежского института ГПС МЧС России. - 2014. - №1(10). - С. 7-10
2. Калач А.В., Карташова Т.В., Сорокина Ю.Н., Облиенко М.В. Прогнозирование пожароопасных свойств органических соединений с применением дескрипторов // Пожарная безопасность. - 2013. - № 1. - С. 70-74.
3. Королев Д.С. Прогнозирование пожароопасных свойств веществ и
материалов с использованием дескрипторов и нейронных сетей // Вестник Белгородского гос. технол. университета им. Шухова.
ИГРОВОЕ МОДЕЛИРОВАНИЕ РАСПРЕДЕЛЕНИЯ СРЕДСТВ ФИНАНСИРОВАНИЯ СРЕДИ ПРЕДПРИЯТИЙ ПО ПОВЫШЕНИЮ УРОВНЯ ПОЖАРНОЙ БЕЗОПАСНОСТИ
А.В. Кузовлев, старший преподаватель Воронежский институт ГПС МЧС России, г. Воронеж
Для формирования оптимальной стратегии повышения уровня пожарной безопасности предприятий нужна информация о затратах, которые они будут нести при сохранении существующего уровня и при его повышении. Такую информацию можно получить только от самих объектов. Возникает проблема достоверности представляемой информации, т.к. велик соблазн с целью получения дополнительных ресурсов произвольно увеличить собственные затраты. В целях предотвращения такой ситуации для распределения ресурсов необходимо использовать неманипулируемые механизмы, к которым относится в частности механизм обратных приоритетов.
Распределение ресурсов среди предприятий осуществляется поэтапно. Они делают заявку на необходимые им финансовые ресурсы для повышения уровня пожарной безопасности (^¡). Идея принципа обратных приоритетов [1] заключается в следующем: приоритет предприятия обратно пропорционален его заявке на объем финансирования.
Согласно [3], в равновесной ситуации по Нэшу, заявки предприятий будут удовлетворять следующему соотношению:
4- = я, ¡=1,...,п,
№
7=1У
где Я - объем ресурса, подлежащего распределению; Ау - приоритет, назначаемый у уровню безопасности.
Для наглядности рассмотрим функционирование механизма обратных приоритетов на примере активной системы состоящей из центра -администрации области и двух активных элементов - подчиненные подразделения. Центр хочет повысить уровень пожарной безопасности элементов, элементы подают сведения о своих затратах (табл. 1).
Таблица 1
Оценка Предприятие
1 2
1 5 1
2 8 12
