1

На правах рукописи

Озерова Марина Игоревна

МЕТОДЫ И АЛГОРИТМЫ МОНИТОРИНГА

И ПРОГНОЗИРОВАНИЯ РИСКА ПРИРОДНЫХ ПОЖАРОВ

НА ОБЪЕКТАХ ДЕРЕВООБРАБАТЫВАЮЩЕЙ

ПРОМЫШЛЕННОСТИ

Специальность 05.13.01 – Системный анализ, управление и обработка

информации (промышленность)

Автореферат диссертации на соискание ученой степени

кандидата технических наук

Владимир 2013

2

Работа выполнена на кафедре «Информационные системы и про-

граммная инженерия» (ИСПИ) Федерального государственного бюджетно-

го образовательного учреждения высшего профессионального образования

(ФГБОУ ВПО) «Владимирский государственный университет имени

Александра Григорьевича и Николая Григорьевича Столетовых» (ВлГУ)

Научный руководитель доктор технических наук, профессор

Жигалов Илья Евгеньевич,

ВлГУ, заведующий кафедрой «Информаци-

онные системы и программная инженерия»,

г. Владимир

Официальные оппоненты: доктор технических наук, доцент

Андрианов Дмитрий Евгеньевич,

Муромский институт (филиал) ВлГУ, заве-

дующий кафедрой «Информационные сис-

темы», г. Муром Владимирской области

кандидат технических наук, доцент

Курысев Константин Николаевич,

Владимирский юридический институт

ФСИН России, начальник управления под-

готовки кадров высшей квалификации,

г. Владимир

Ведущая организация ФГБОУ ВПО «Ярославский государствен-

ный технический университет», г. Ярославль

Защита состоится 29 мая 2013 г. в 15 ч. 30 мин. на заседании

диссертационного совета Д 212.025.01 при ВлГУ по адресу: г. Владимир,

ул. Горького, д. 87, корп. 1, ауд. 335-1.

С диссертацией можно ознакомиться в научной библиотеке ВлГУ по

адресу: г. Владимир, ул. Горького, д. 87, корп. 1.

Автореферат разослан «25» апреля 2013 г.

Отзывы на автореферат в двух экземплярах, заверенные печатью, просим

направлять по адресу: 600000, г. Владимир, ул. Горького, д. 87, ВлГУ,

ученому секретарю диссертационного совета Д 212.025.01.

Ученый секретарь диссертационного совета

доктор технических наук, доцент Н.Н. Давыдов

3

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы

Интенсивное внедрение информационных технологий в управление

промышленными объектами, необходимость повышения достоверности и

качества исходной информации, лежащей в основе формирования управ-

ленческих воздействий, требуют создания новых методов и алгоритмов

анализа и обработки данных и моделирования процессов управления пред-

приятием.

Создание собственной сырьевой базы на предприятии деревообраба-

тывающей промышленности значительно сокращает сроки изготовления и

снижает себестоимость продукции. Сегодня особенно актуально формиро-

вание механизма управления деревообрабатывающим предприятием, на-

чиная с нулевого цикла и заканчивая сдачей готовой продукции, при объе-

динении разноуровневых циклов производства в единый комплекс; при

этом следует учитывать технологические особенности каждого этапа. При

автоматизации процесса заготовки сырья важно соблюдение требований

по обеспечению надлежащего уровня профилактики и предупреждения

пожароопасных ситуаций на вверенных лесных территориях. Однако су-

ществующие методики оценки риска возникновения природного пожара

из-за большого и разнородного объема информации не приемлемы для

применения на отдельном предприятии. В этой ситуации следует ориенти-

роваться на более простые и экономичные мобильные технологии по про-

гнозированию пожарной опасности предприятия, интеграцию новых мето-

дов обработки информации, позволяющих осуществлять сбор, обработку и

предоставление оперативных данных о состоянии подведомственной тер-

ритории леса, а также формировать управляющие решения, направленные

на обеспечение пожарной безопасности производства.

В область разработки и применения методов системного анализа

сложных прикладных объектов исследования, обработки информации,

включая вопросы совершенствования управления и принятия решений,

большой вклад внесли работы Р.И. Макарова, А.В. Кострова, С.С. Садыко-

ва, Д.Е. Андрианова, Ю.Д. Моторыгина, А. А. Денисова.

Сегодня перспективным является применение интеллектуальных тех-

нологий, методов теории нечетких множеств, которые являются удобным

средством моделирования сложных динамических процессов в условиях

многокритериальности и неопределенности. Процесс развития природного

пожара является труднопрогнозируемым процессом, который зависит от

многих граничных условий и факторов, и в этих условиях целесообразно

использовать нечеткие модели вывода. Вопросы практического примене-

ния нечетких моделей рассматривались в работах Н. Г. Ярушкиной, И. Ба-

тыршина Х. Танаки, К. Сонга, однако подход к прогнозированию природ-

ных пожаров с точки зрения нечетких моделей в них не был рассмотрен.

4

В связи с этим исследование, назначением которого является разра-

ботка математической модели и комплекса программ мониторинга и про-

гнозирования рисков возникновения природных пожаров на основе иерар-

хического нечеткого вывода, является актуальным.

Объектом исследования диссертационной работы является инфор-

мационная система управления предприятием, работающая в условиях не-

однородности и низкой доступности информации.

Предмет исследования – методы и решения, направленные на со-

вершенствование системы управления.

Целью работы является повышение эффективности прогнозирования

пожарной опасности и результатов управленческих решений, направлен-

ных на предупреждение опасных ситуаций на предприятии деревообраба-

тывающей промышленности.

Для достижения поставленной цели были решены следующие основ-

ные задачи:

1. Исследованы данные, влияющие на возникновение пожарной опасно-

сти; проанализированы существующие методы мониторинга и про-

гнозирования природных пожаров, существующие математические

модели оценки пожарной опасности.

2. Разработана структура информационной системы предприятия дере-

вообрабатывающей промышленности.

3. Разработана человеко-машинная процедура принятия решений по

оценке риска природного пожара на территории предприятия дерево-

обрабатывающей промышленности.

4. Разработана методика оценки риска природного пожара на террито-

рии предприятия деревообрабатывающей промышленности с исполь-

зованием теории нечетких множеств, обеспечивающая необходимую

степень достоверности получаемых результатов.

Разработана объектно-ориентированная архитектура программного

комплекса, реализующего алгоритмы определения риска возникновения

природных пожаров.

Научная новизна

Предложены новые математические модели для расчета основных

факторов, влияющих на риск возникновения природного пожара, позво-

ляющие повысить точность прогнозирования риска возникновения пожара.

1. Разработана система экспертных оценок для описания факторов, оп-

ределяющих риск возникновения природного пожара.

2. Построена математическая модель прогнозирования природных по-

жаров на основе иерархического нечеткого вывода по Сугено с нечет-

ко заданными факторами, позволяющая проводить оценку риска воз-

никновения природных пожаров на объектах деревообрабатывающей

5

промышленности с учетом многофакторности и неопределенности ус-

ловий протекания процесса природного пожара.

3. Разработаны алгоритмы оценки риска природных пожаров с исполь-

зованием аппарата иерархического нечеткого вывода, позволяющие

осуществлять прогнозирование пожара на основе нечетко заданных

исходных данных.

Методы исследования

В работе использованы: системный анализ, теория систем, теория не-

четких множеств, классификации, эксперимента и методы математическо-

го моделирования.

На защиту выносятся

1. Алгоритм определения риска возникновения природных пожаров,

использующий в качестве исходных данных лингвистические переменные.

2. Математические модели факторов возникновения природных пожа-

ров, повышающие точность прогнозирования.

3. Методика организации лесопожарного мониторинга на предпри-

ятии деревообрабатывающей промышленности.

Практическая значимость работы. Разработанные методы монито-

ринга и прогнозирования риска природных пожаров позволили повысить

достоверность получаемых расчетных величин опасности природного по-

жарного риска. Они учитывают индивидуальные особенности объекта, не-

определенность факторов пожарного риска и позволяют в процессе расче-

та увеличивать количество учитываемых факторов.

Результаты расчетов используются в качестве количественного пока-

зателя пожарной опасности объектов, необходимого для принятия реше-

ний, направленных на снижение уровня пожарного риска объектов дерево-

обрабатывающей промышленности.

Результаты исследований используются в практической работе ГУ

МЧС России по Владимирской области при оценке фактической степени

природной пожарной опасности промышленных предприятий, располо-

женных на подведомственных территориях. Разработанный алгоритм ус-

пешно применяется при проведении аудита пожарной безопасности объек-

тов деревообрабатывающей промышленности организациями Новтехсто-

рой и «СТРОЙ - КОМПЛЕКС» г. Боровичи Новгородской области.

Апробация работы. Основные результаты диссертации докладыва-

лись и обсуждались на следующих конференциях: ЯГПУ (Ярославль);

СГТУ (Самара); Международной научно-практической конференции «Со-

временные направления теоретических и прикладных исследований»

(Одесса); Международной научно-практической конференции «Информа-

ционные технологии в науки и образовании» (Шахты-2012); международ-

ной научно-практической конференции «Электронная Казань 2013».

6

Публикации. По теме диссертации опубликовано 14 научных работ, в

том числе 5 в изданиях из перечня ВАК, получено 2 свидетельства о реги-

страции программных продуктов.

Структура и объем работы. Диссертация состоит из введения, четы-

рех глав, заключения, списка литературы и приложения. Объем работы со-

ставляет 150 страницы, в том числе 131 страница основного текста, 10

страниц список литературы, 42 рисунка и 12 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении определены цель и задачи диссертационной работы,

показана её актуальность и практическая значимость, определена новизна

и обоснована достоверность полученных результатов, представлены

основные положения, выносимые на защиту.

В главе 1 «Современное состояние мониторинга и прогнозирования

природных пожаров» приведен обзор текущего состояния проблемы. Вы-

полнен анализ существующих подходов к решению задач мониторинга

природных пожаров. В ходе анализа выявлены недостатки современных

систем дистанционного мониторинга природных пожаров и сформулиро-

ваны основные требования к информационному обеспечению системы

принятия решения по оценке риска природных пожаров.

Рассмотрены три основные системы дистанционного мониторинга

лесных пожаров: ИСДМ-Рослесхоз, разработанная Институтом космиче-

ских исследований РАН, SFMS (ScanEx Fire Monitoring Service), разрабо-

танная российской компанией ИТЦ СКАНЭКС, FIRMS The Fire

Information for Resource Management System (FIRMS) разработанная в Уни-

верситете штата Мэриленд и поддерживаемая Национальным агентством

США по аэронавтике и исследованию космического пространства (NASA).

Анализ основных методов прогнозирования и мониторинга показал,

что все три системы основываются преимущественно на одинаковых ис-

ходных данных — снимках сенсоров MODIS спутников Terra и Aqua

(США). Поэтому, несмотря на различия в алгоритмах обработки информа-

ции, они выдают в целом сопоставимые результаты. Фактическое различие

состоит в том, что данные ИСДМ-Рослесхоз не являются общедоступны-

ми, система разработана на платформе ArcGIS и предлагает для работы с

оперативными базами данных технологии на базе ArcGIS, ArcMap 9.х и

выше, а также облегченной версии ГИС на базе MapObject 2.x, что значи-

тельно сужает круг пользователей. Данные системы SFMS и FIRMS нахо-

дятся в открытом доступе. Все существующие системы дистанционного

мониторинга не могут прогнозировать торфяные пожары, т.к. данный вид

пожаров трудно идентифицировать по данным космического мониторинга.

Проведенный анализ математических моделей и методов выявил на-

личие общих недостатков практически у всех рассматриваемых моделей.

Существующие методики оценки риска возникновения природного пожара

7

позволяют определить площадь и периметр зоны возможных пожаров в

регионе (области, районе). Исходными данными являются значение лесо-

пожарного коэффициента и время развития пожара. Значение лесопожар-

ного коэффициента зависит от природных условий и времени года. В главе

сделан вывод о необходимости новых подходов к определению факторов,

влияющих на природный пожар, разработки новых алгоритмов, методов и

программного обеспечения, учитывающих всю шкалу переменных, опре-

деляющих опасность природных пожаров.

Во второй главе «Разработка архитектуры информационной системы

мониторинга и прогнозирования природных пожаров» проведен отбор,

систематизация и оценка объема информации, которая может использо-

ваться в разрабатываемой информационной системе. Обосновано струк-

турно-функциональное устройство системы. Сформулированы основные

подходы к построению структуры представления данных, а также разрабо-

тана структурно-функциональная схема прогнозирования пожарной опас-

ности. Выполнен анализ исходных данных, влияющих на процесс приня-

тия решения по обеспечению пожарной безопасности.

Система мониторинга и прогнозирования природных пожаров должна

решать следующие задачи: сбор оперативных данных от систем, осущест-

вляющих космический мониторинг; сбор оперативных данных от органов

субъектов Российской Федерации в области лесных отношений и предпри-

ятий, работающих в э той области; формирование базы данных предпри-

ятия; анализ вероятностных критериев возникновения природных пожаров

для принятия решения по прогнозу развития природного пожара; обеспе-

чение мониторинга торфяников, находящихся на вверенной территории;

отображение результатов мониторинга в картографическом виде. Для ре-

шения поставленных задач предложена концептуальная схема информаци-

онной системы рисунок 1.

Предлагается инфологическая структура системы поддержки приня-

тия решения по прогнозированию риска лесного пожара, изображенная на

рисунке 2.

Для реализации задачи по прогнозированию риска природного пожара

необходимо спрогнозировать природный процесс, разработать модель раз-

вития и разработать методы управления.

Рассмотрена вероятность возникновения риска природного пожара,

как совокупность рисков факторов, определяющих лесной пожар.

Для определения основных факторов, влияющих на риск возникнове-

ния пожара, были проанализированы данные по пожарам за июль и август

2010 года. Данный период был выбран для анализа, т.к. в данный период

все возможные причины возникновения лесных пожаров были активны. На

основании анализа данных прошлых лет и физической модели процесса

8

возгорания были выделены четыре фактора и определены переменные,

влияющие на данные факторы.

Рисунок 1-Концептуальная схема информационной системы.

Рисунок 2-Инфологическая структура системы поддержки принятия реше-

ния по прогнозированию риска природного пожара.

На основании проведенного анализа были сформулированы 4 основ-

ных фактора, влияющих на риск возникновения пожара: антропогенный

Р(А), по метеоусловиям Р(С), по характеристике лесонасаждений Р(Л) и

9

риск торфяного пожара Р(Т), и выделены переменные, влияющие на каж-

дый фактор. Риск торфяного пожара был рассмотрен, как природный и

наиболее трудно прогнозируемый. Построены математические модели

представления факторов риска природного пожара.

Риск от изменения среднесуточной температуры Р(С)

Риск от антропогенной нагрузки Р(А)

Риск от торфяного пожара Р(Т)

Риск зависимости от типа лесопосадки Р(Л)

Риск возникновения природного пожара Р

Р=Р(А)× Р(Т)×Р(С)×Р(Л).

И соответственно:

о

.

Для статистического исследования согласованности показателей по-

жарной опасности был применен корреляционно-регрессионный анализ,

учитывающий межфакторные связи: прямое влияние фактора на вероят-

ность риска возникновения пожара, влияние всех факторов на риск воз-

никновения пожара. С использованием статистического пакета Statgraphics

Plus были построены следующие регрессионные модели зависимости по-

казателей пожарной опасности:

У(А) = 2,04+0,664Х₈ R²=82,16% F=115%

У(С)= -7,24073+0,287Х₁+2,56115Х₃ R²=65,007% F=22,29%

У(Т) =-0,199+0,3994Х₆+0,0029Х₁₅ R²=99,81% F=66,24%

У(Л) =-0,0032-0,0244Х₇ +0,0187Х₁₂ R²=63% F=20,44%.

Таким образом, все построенные регрессионные модели являются

адекватными и достаточно точно учитывают зависимости между показате-

лями пожарной безопасности.

10

В третьей главе «Разработка подсистемы поддержки принятия реше-

ния по прогнозированию риска возникновения пожара с использованием

теории нечетких множеств» разработана нечеткая модель системы под-

держки принятия решения по прогнозированию риска пожарной опасно-

сти. Выполнен обзор теоретических основ теории нечетких множеств, раз-

работаны модели в программе fuzzy logic. Для моделирования сложных

систем принятия решения по определению уровня риска природного по-

жара, когда описание системы представляет собой большую совокупность

переменных различной природы, удобно использовать модель нечеткого

вывода.

Отличительными особенностями прогнозирования природных пожа-

ров являются: нестационарность, большое число переменных и исключи-

тельная сложность и нелинейность связей между ними, динамически изме-

няющиеся условия прогнозирования. В этих условиях целесообразно ис-

пользовать нечеткие модели, которые позволяют использовать всю полно-

ту знаний о процессе природных пожаров.

При определении факторов риск природных пожаров мы сталкива-

емся с недостаточно корректными и точными численными определениями.

Это связано с тем, что очень трудно представить в точном численном вы-

ражении «антропогенную» нагрузку, изменение погоды, в т.ч. грозовой

фактор), а также со сложностью сбора факторов для прогноза развития

торфяных пожаров (например, активизация биосреды) аналитическими ме-

тодами. В диссертации разработана матрица экспертных оценок данных

факторов и сформирована база правил.

Исходными данными для проведения экспериментов и апробации ка-

чества работы нечетких моделей были данные по природным пожарам

2010 г. бассейна реки Клязьма. В качестве традиционной методики оценки

пожарного риска выбрана методика расчета величины пожарного риска,

введенная в действие приказом МЧС России от 25.10.04 г. № 484 «Об ут-

верждении типового паспорта безопасности территории субъектов Россий-

ской Федерации и муниципальных образований».

Предлагаемый в работе метод оценки вероятности возникновения по-

жарного риска имеет характер нечеткой системы, а сам процесс вычисле-

ния состоит из основных этапов формирования поверхности нечеткого от-

клика.

Такой подход позволяет автоматически определять состояние пожар-

ной опасности на арендуемой территории леса предприятия в зависимости

от погодных условий, антропогенной нагрузки, показателей пожарной

опасности территории (лесного массива), показателя торфяников (при на-

личии их вблизи контролируемой территории) и, обобщая информацию,

делать вывод об уровне риска пожарной опасности.

11

Построение нечеткой многосвязной модели прогноза риска пожарной

опасности сводится к определению функций принадлежности механизма

нечеткого вывода, алгоритма вычисления входа и исходной структуры.

Основным элементом структуры нечеткой модели являются продукцион-

ные правила.

В качестве входных переменных системы нечеткого вывода были рас-

смотрены факторы, влияющие на риск возникновения природного пожара:

Р=Р(А) х Р(С) х Р(Т) х Р(Л), где Р=Y=f(X)= f( i)

Каждый фактор У(Рi) определяется своими входными переменными хJ. Пе-

ременные были определены в качестве исходных на основании экспертных

оценок и анализа большого объема технологической информации. Все пе-

ременные Х1…Х16 заданы лингвистическими термами, разработаны типо-

вые шаблоны правил. Условия правил определяют уровень пожарной

опасности и как следствие - указание, какое действие должно осуществ-

ляться в результате выполнения правила.

Для каждой переменной задается диапазон или несколько диапазонов,

соответствующих различным степеням пожарной опасности. Каждый диа-

пазон задается в виде интервала.

В целях упрощения изложения обозначим входные переменные

; выходные - у(Р).

При моделировании процесса прогнозирования риска пожарной опас-

ности использованы 2 алгоритма нечёткого вывода: Mamdani и Sugeno.

Для модели Mamdani использованы продукционные правила:

если есть Х и есть Х

есть Х и есть Х

то . Для модели TS (Takagi – Sugeno):

если есть Х и есть Х

есть Х то

,

где i- номер правила; п - число правил; l - номер входной переменной, m –

количество входных переменных

- вектор коэффициен-

тов.

Принадлежность правилам определяется по формуле

Прогноз – это приближенная оценка будущих изменений, хода собы-

тий, поведения на основе модели динамики в прошлом и настоящем:

0 ≤ Ji ≤ 0,2 .

Моделирование процесса прогнозирования риска возникновения при-

родного пожара выполнено в среде MATLAB с пакетом расширения Fuzzy

Logic Toolbox.

Предполагается, что при каждом типе риска Р эластичность перехода

риска из одного состояния в другое по факторам постоянна. Границы по-

добластей с постоянными эластичностями возникновения риска природно-

12

го пожара нечеткие, что обусловлено плавным переходом одного типа

риска в другой (был возможным - стал вероятным).

Рисунок 3 - Графики функций принадлежности

Построены поверхности отклика системы, полученные в результате

обучения по алгоритмам Сугэно и Мамдани (рисунок 4).

Рисунок 4 - Модели нечеткого вывода Сугэно и Мамдани

При сравнении результатов вывода по Мамдани и Сугэно, которые в

достаточной степени отвечают требованиям поставленной задачи, погреш-

ность аппроксимации с применением алгоритма Сугэно несколько меньше,

чем с применением алгоритма Мамдани, а реализация алгоритма Сугэно

проще, т.к. время расчета меньше. Фрагмент результатов расчетов приве-

ден в таблице 1, а на рисунке 5 представлены графики сравнения результа-

тов вывода.

Программная реализация нейро-нечеткой сети получена в MATLAB

Fuzzy Logic Toolbox с использованием программной m-функции anfis на

основе настроенной вручную (рисунок 6) системы нечеткого вывода. В не-

четкой модели определения вероятности риска природного пожара пере-

менные Х1-Х16 и У1, У2, У3 функциями принадлежности термов «Низ-

13

кий», «Допустимый» и « Опасный», а также пятью коэффициентами, за-

ключенными в каждого из четырех правил базы знаний верхнего уровня

иерархии. Таким образом, общее число настраиваемых параметров состав-

ляет 4*18+5*4=92.

Рисунок 5 - График сравнения результатов.

В таблице 1представлен фрагмент выборки результатов тестирования

полученной модели по данным за июль - август 2010 г.

Таблица 1

Риск в системе нечет-

кого вывода (Mamdani)

Риск в системе нечет-

кого вывода (Sugeno)

Фактический Р Риск

природного пожара

0,875 0,784 0,782

0,945 0,992 1

0,972 0,989 0,987

0,953 0,983 1

0,943 0,925 0,935

0,99 0,82 0,889

0,822 0,751 0,752

Перед обучением гибридной сети были заданы следующие параметры

обучения:

- метод обучения гибридной сети – обратного распространения

(backpropo) или гибридный (hybrid), представляющий собой комбинацию

метода наименьших квадратов и метода убывания обратного градиента;

- уровень ошибки обучения (Error Tolerance) –0;

- количество циклов обучения (Epochs) – 40.

Следует отметить, что семантика правил нечетких систем полностью

отвечает логическим и математическим закономерностям, определяющим

вероятности возникновения природных рисков.

0

0,2

0,4

0,6

0,8

1

1,2

1 2 3 4 5 6 7 8 9 10 11

Mamdani

Sugeno

Фактический Р

14

Рисунок 6 - Нейроно-нечеткая сеть вероятности риска возникновения

природного пожара Р.

Блок-схема организующего алгоритма нечеткого вывода представлена

на рисунке 7. Обучение нечетких моделей осуществлено с помощью раз-

работанных алгоритмов определения констант и коэффициентов линейных

уравнений с параметрами функций принадлежности, количества правил

при задании исходных данных, последовательности работы алгоритмов и

условий их завершения, т.е. создания организующего алгоритма

В блоке 1 задаются перечисленные выше исходные данные. Блок 2

формирует первый путь расчета (F =1), реализующий в блоках 3, 4

идентификацию вектора коэффициентов и параметров. Если выполняются

условия адекватности в блоке 4, то обучение завершается. В противном

случае происходит переход к следующему алгоритму идентификации.

Предложенный алгоритм модуля предназначен для определения веро-

ятности возникновения природных пожаров на арендуемой территории. В

качестве входящих данных использована статистика лесных пожаров по

конкретному экологическому району, что позволяет получать данные при-

вязанные к местным условиям. В результате получается файл данных, со-

держащий информацию о вероятности возникновения лесных пожаров по

контролируемой территории. Данная информация затем может быть ви-

зуализирована в географической информационной системе, например, в

ГИС

15

В четвертой главе «Про-

граммный комплекс по прогнози-

рованию и мониторингу пожар-

ной опасности» представлена

программная реализация разрабо-

танного метода прогнозирования

пожарной опасности на участке

по заготовки сырья на арендуе-

мом лесном выделе деревообра-

батывающего предприятия. Про-

граммный комплекс представляет

собой web-ориентированную ГИС

мониторинга природного пожара

с применением GPS технологий.

Разработана методика сравнения

графических данных для данной

телекоммуникационной системы.

На рисунке 8 представлена

концептуальная схема ГИС пред-

приятия, разработанная в соот-

ветствии с предложенным мето-

дом прогнозирования пожарной

опасности.

В ГИС предприятия поступа-

ет информация от системы кос-

мического мониторинга лесных

пожаров SFMS (ScanEx Fire

Monitoring Service) и показания

температурных датчиков, распо-

ложенных в торфяных болотах

природного выдела (это могут

быть датчики, установленные на

территории природного выдела). Эта информация будет служить исход-

ными данными для выработки прогноза риска возникновения природного

пожара на контролируемой территории. Затем происходит обработка ис-

ходной информации, и после этого результаты прогнозирования в виде от-

чета направляется пользователю. В качестве каналов связи могут служить

локальные вычислительные сети и каналы Всемирной сети Интернет. Ло-

гическая структура ГИС представлена на рисунке 9. В качестве платформы

для разработки системы были выбраны свободная реализация Java

Platform, Standard Edition Open JDK и Java Platform, Enterprise Edition (Java

EE). Для создания веб-сайта использованы технологии Java Servlet,

Рисунок 7- Блок – схема органи-

зующего алгоритма

16

JavaServer Pages, мобильные MIDlet приложения на платформе Java

Platform Micro Edition. Для хранения данных в системе использована реля-

ционная система управления базами данных MySQL.

Рисунок 8- Общая схема ГИС

Рисунок 9 - Логическая структура

В системе предусмотрены следующие модули, разделение на которые

произведено по функциональному признаку:

модуль мониторинга предназначен для отслеживания местоположе-

ния датчиков пожаров на торфяниках. На карту выводятся слой с отметка-

ми датчиков и слой с контурами лесных массивов, населенных пунктов.

Модуль мониторинга предназначен для отслеживания местоположений

датчиков пожаров на торфяниках;

17

модуль прогнозирования предназначен для вывода статистической

информации входных переменных. На данный модуль возлагаются функ-

ции сбора данных об антропогенной нагрузке, характеристике природного

участка и оперативных данных, поступающих от персонала, а также сбора

и первичной переработки данных от датчиков, расположенных по террито-

рии природного участка и метеоданных данные о термоточках от SFMS.

Полученные данные направляются в СУБД системы предприятия;

модуль управления лесными ресурсами предназначен для управле-

ния сведениями о лесных ресурсах и их типах, определения координат

точки регистрации датчиков и объектов предприятия, их привязки к бли-

жайшему населенному пункту; определения административной принад-

лежности участка леса; анализа графической информации, формирования

документов. В качестве источника картографических данных был выбран сервис

Open Street Map, который создает и предоставляет свободные географиче-

ские данные. Данный сервис позволяет свободно использовать географи-

ческие данные даже в коммерческих целях.

Основная подсистема и подсистема GPS мониторинга обслуживаются

отдельными физическими серверами, которые взаимодействуют с общим

сервером баз данных. Клиентская часть основной подсистемы представле-

на рядом персональных компьютеров, клиентская часть подсистемы GPS

мониторинга мобильными устройствами.

В заключении приведены основные результаты работы.

В данной работе была решена научно-практическая задача анализа и

автоматизации процесса обеспечения пожарной безопасности производст-

ва строительных конструкций на деревообрабатывающем предприятии в

условиях недостаточности и низкой доступности информации вследствие

неразвитости информационно-технической базы.

1. Предложен алгоритм прогнозирования риска природных пожаров на

предприятии деревообрабатывающей промышленности для принятия

решения по обеспечению пожарного аудита, соблюдения уровня по-

жарного риска объектов деревообрабатывающей промышленности.

2. Построены новые математические модели факторов, определяющих

риск возникновения природного пожара, с учетом многокритериаль-

ности данного процесса.

3. Разработана система экспертных оценок, описывающих факторы, оп-

ределяющие риск возникновения природного пожара.

4. Разработаны типовые шаблоны продукционных правил, определяю-

щих уровень пожарной опасности на деревообрабатывающем пред-

приятии.

5. Проанализированы существующие схемы нечеткого вывода. По ре-

зультатам проведенного анализа за основу иерархического нечеткого

18

вывода был взят алгоритм Сугено, который обеспечивает следующие

преимущества: выходное множество в этой схеме является нечетким

множеством первого порядка, каждое правило учитывается только

один раз. Использование алгоритма нечеткого вывода по Сугено по-

зволяет избежать накопления нечеткости и снизить арифметическую

погрешность вычислений при выполнении иерархического нечеткого

вывода.

6. На основе созданной модели построена веб-ориентированная ГИС

мониторинга и прогнозирования пожарной опасности. Разработанная

система внедрена на предприятиях «Новтехсторой» и «СТРОЙ -

КОМПЛЕКС» г. Боровичи Новгородской области. Применение разра-

ботанной методики позволило сократить затраты на проведение работ

по пожарному аудиту предприятия.

19

Публикации по теме диссертации

В изданиях из перечня ВАК

1. Озерова М.И. Формирование профессиональных компетенций при

изучении геометро-графических дисциплин /И.Е. Жигалов // Извес-

тия Самарского научного центра Российской академии наук, т. 14, №

1(2), Самара, 2012, с. 702-705 (лично автором 80%).

2. Озерова М.И. Проектирование автоматизированной системы оценки

рисков возникновения природных пожаров/ Жигалов И.Е// Научно-

технический вестник Поволжья, №6 – Казань, 2012, с. 234 -238 (лич-

но автором 80%).

3. Озерова М.И. Анализ производительности телекоммуникационных

систем методами имитационного моделирования /Жигалов И.Е.,

Шевченко Д.В. // Проектирование и технология электронных

средств, №3, 2012, с.48-51. (лично автором 70%)

4. Озерова М.И. Алгоритмы анализа графических данных для телеком-

муникационной информационной системы /Жигалов И.Е// Вестник

Череповецкого государственного университета, № 1 (45), т.1, 2013, с.

8-12 (лично автором 80%).

5. Озерова М.И. Математические методы и алгоритмы сравнения изо-

бражений при автоматической оценке графических данных в теле-

коммуникационной системе/ И.Е.Жигалов, Шевченко Д.В., Овдина

А.С..// Известия Самарского научного центра Российской академии

наук, т.15, № 1(2), Самара, 2013, с. (лично автором 80%).

Монографии

6. Озерова М.И. Разработка системы управления сетевым мультиме-

дийным контентом "Информационные технологии: приоритетные

направления развития" /Жигалов И.Е. Новиков И.А Новосибирск:

ООО агентство «СИБПРИНТ», 2013, с. 8-36 (лично автором 70%).

7. Озерова М.И. Интеграция СПО в учебный процесс, Lambert Academ-

ic Publishing, 2012, 66 с. (лично автором 100%).

20

В прочих изданиях

8. Озерова М.И. Анализ последствий природных пожаров как инстру-

мент прогнозирования пожароопасных ситуаций// Машиностроение

и БЖД, №2(9), 2011, с. 17 (лично автором 100%).

9. Озерова М.И. Технология дистанционного обучения графическим

дисциплинам / Жигалов И Е // Материалы IV ВНТК Дополнительное

профессиональное образование в условиях модернизации. Яро-

славль-2012, с. 251-254 (лично автором 80%).

10. Озерова М.И. Актуальность разработки механизмов управления веб-

проектами с задачами высокой нагрузки/ Жигалов И.Е., Новиков

И.А.// Сборник научных трудов SWorld. «Современные направления

теоретических и прикладных исследований 2012». Вып.1., т.9. –

Одесса: Куприенко, 2012, с. 71-74 (лично автором 80%).

11. Озерова М.И. Модуль анализа графических данных для телекомму-

никационной обучающей системы // Жигалов И.Е. Сборник научных

трудов SWorld. «Перспективные инновации в науке, образовании,

производстве и транспорте ‘2012». – Вып.2., т. 9. – Одесса: Куприен-

ко, 2012, с.15-17 (лично автором 80%).

12. Ozerova M. I. Development of the management telecommunication sys-

tems mechanism with problem of the high loading // Zhigalov I.E.,

Novikov I.A. Scientific enquiry in the contemporary world: theoretical

basiсs and innovative approach. FL, USA, L&L Publishing, vol. 4,

"Technical Sciences", 2012, p. 20-23 (лично автором 90%).

13. Озерова М.И. /Анализ существующих методов прогнозирования

лесной пожарной опасности для телекоммуникационной системы

дистанционного мониторинга/ Монахова Г.Е. Овдина А.С. // Новый

университет, серия Технические науки, № 4(10), 2012, с.55-58 (лично

автором 80%).

14. Озерова М.И. Необходимость разработки телекоммуникационной

системы экологического мониторинга/ Монахова Г.Е., Овдина

А.С.//Отраслевые аспекты технических наук: ИНГН, 2012, №12(24),

с. 52-55 (лично автором 90%).

15. Озерова М.И. Автоматическая оценка уровня знаний учащихся ме-

тодом сравнения графических образов/ Жигалов И.Е., Шевченко

Д.В.// Ученые записки института социальных и гуманитарных зна-

ний, вып. №1(11), Казань: ЮНИВЕРСУМ, 2013, с. 65-68 (лично ав-

тором 80%).

21

Свидетельства о государственной регистрации

16. Озерова М.И., Будникова А.А. Свидетельство о государственной ре-

гистрации программы для ЭВМ №2013610460 «Модуль анализа гра-

фических данных для телекоммуникационной системы», зарегистри-

ровано 9. 01.2013.

17. Озерова М.И., Богатова Е.В. Свидетельство о государственной реги-

страции программы для ЭВМ № 2013612393 «Интерактивное графи-

ческое приложение для телекоммуникационной системы с использо-

ванием OpenGL», зарегистрировано 26.02.2013.

22

Подписано в печать 25.04.13.

Формат 60×84/16. Усл. печ. л. 1,16. Тираж 100 экз.

Заказ

Издательство

Владимирского государственного университета

имени Александра Григорьевича и Николая Григорьевича Столетовых.

600000, Владимир, ул. Горького, 87.