Содержание к диссертации
Введение
1 Анализ системы обеспечения пожарной безопасности морского порта 5
1.1 Анализ статистики пожаров на территории морских портов 9
1.2 Анализ системы управления морского порта 13
1.3 Анализ системы обеспечения пожарной безопасности морского порта 16
1.4 Обоснование необходимости применения системы информационно аналитической поддержки управления при тушении пожаров в морских портах на базе нечетких нейронных сетей 26
1.5 Выводы по первой главе 39
2 Разработка логико-нейро-нечеткой модели управления процессом тушения пожаров в морских портах 41
2.1 Задача управления процессом тушения пожаров в морских портах при неопределенности 41
2.2 Алгоритм определения параметров элементов логико-нейро-нечеткой модели управления процессом тушения пожаров в морских портах 44
2.3 Логико-нейро-нечеткая модель управления процессом тушения
пожаров в морских портах 54
2.4 Выводы по второй главе 78
3 Компьютерное моделирование для решения задачи поддержки управления при тушении пожаров в морских портах 80
3.1 Моделирование процесса реализации нейро-нечеткой моделей логико нейро-нечеткой модели управления процессом тушения пожаров в морских портах 80
3.2 Моделирование процесса прогнозирования площади пожара при тушении пожаров в морских портах 96
3.3 моделирование процесса выбора ранга пожара при тушении пожаров в морских портах 101
3.4 Моделирование процесса оценки успешности реализации плана мероприятий при тушении пожаров в морских портах 105
3.5 Моделирование процесса выбора оптимального плана мероприятий при тушении пожаров в морских портах 110
3.6 Выводы по третьей главе 115
4 Разработка системы информационно-аналитической поддержки управления при тушении пожаров в морских портах 117
4.1 Разработка структурной схемы и элементов информационно аналитической поддержки управления при тушении пожаров в морских портах 117
4.2 Разработка программного обеспечения системы информационно аналитической поддержки управления при тушении пожаров в морских портах 127
4.3 Оценка эффективности системы информационно-аналитической поддержки управления при тушении пожаров в морских портах 133
4.4 Оценка влияния системы информационно-аналитической поддержки управления на эффективность системы обеспечения пожарной безопасности морского порта 145
4.5 Выводы по четвертой главе 153
Заключение 154
Список литературы
- Анализ системы обеспечения пожарной безопасности морского порта
- Алгоритм определения параметров элементов логико-нейро-нечеткой модели управления процессом тушения пожаров в морских портах
- Моделирование процесса прогнозирования площади пожара при тушении пожаров в морских портах
- Разработка программного обеспечения системы информационно аналитической поддержки управления при тушении пожаров в морских портах
Введение к работе
Актуальность работы. Пожары являются одним из основных источников угроз государственной безопасности. В ходе анализа статистических данных по обстановке с пожарами и оперативной деятельности Федеральной противопожарной службы МЧС России выявлено, что наблюдается снижение количества пожаров на один миллион человек (на 36,5% от 1650,1 ед. в 2003 г. до 1048,6 ед. в 2014 г.) и сокращение количества погибших и пострадавших при пожарах людей на один миллион человек (на 37,6% с 113,0 чел в 2003 г. до 70,5 чел в 2014 г. и на 20,5% с 96,2 чел в 2003 г. до 76,5 чел в 2014 г.), при этом существенно возрос размер прямого материального ущерба от одного пожара (в 3 раза от 40880,8 руб. в 2003 г. до 120995,2 руб. в 2014 г.). То есть в настоящее время задача обеспечения пожарной безопасности посредством сосредоточения усилий на предупреждении, ликвидации и минимизации последствий пожаров и совершенствовании государственного управления остается актуальной.
Особую опасность для экономики, внешней торговли и населения представляют пожары на территориях особо важных и технически сложных объектов, например, в морских портах. В настоящее время уровень безопасной эксплуатации объектов инфраструктуры портов оценивается как недостаточный, а в отдельных случаях – как опасный. На основании результатов анализа статистических данных о пожарах установлено, что за период с 2010 по 2014 гг. произошло более 120 пожаров на объектах морского транспорта. В ходе анализа статистических данных выявлен рост количества пожаров на объектах морского транспорта (на 31,3% от 22 ед. в 2010 г. до 32 ед. в 2014 г.). Также установлено, что значения материального ущерба от одного пожара на объектах морского транспорта значительно превышают значения материального ущерба на объектах транспорта (более чем в 4 раза).
Решение задачи обеспечения пожарной безопасности морских портов возможно
путем совершенствования форм и методов поддержки управления
функционированием управляемых объектов с использованием современных методов
и подходов на основе информационных технологий. Дальнейший анализ
функциональных возможностей отечественных и зарубежных программных средств
выявил практическую невозможность использования функций готовых
программных решений для оперативной поддержки работы лица, принимающего
решения (ЛПР) в условиях неопределенности информации. Так же анализ наиболее
распространенных систем и методов, используемых в качестве средств уменьшения
степени неопределенности при выборе вариантов решений, выявил
предпочтительность применения нейро-нечетких сетей для решения поставленных задач, что позволяет определить необходимость модификации существующего подхода организации тушения пожаров в морских портах.
С учетом выявленных противоречий определены объект, предмет и цель научного исследования.
Объектом исследования является процесс принятия управленческих решений при тушении пожаров в морских портах.
Предмет исследования - модели и алгоритмы информационно-аналитической поддержки управления при тушении пожаров в морских портах на базе нейро-нечетких сетей.
Цель исследования заключается в разработке моделей и алгоритмов информационно-аналитической поддержки управления при тушении пожаров в морских портах на базе нейро-нечетких сетей для повышения эффективности действий пожарных подразделений.
В основу методологической базы исследования положены труды Новикова Д.А., Васильева В.И., Бомаса В.В., Ямалова И.У., Юсуповой Н.И., Черняховской Л.Р., Топольского Н.Г., Тетерина И.М., Пруса Ю.В., Климовцова В.М., Григорьева А.Н., Сатина А.П., Тараканова Д.В., Семенова А.О. и ряда других авторов.
Задачи исследования, обеспечивающие достижение цели диссертации:
анализ проблем управления процессом тушения пожаров в морских портах;
разработка моделей и алгоритмов информационно-аналитической поддержки управления при тушении пожаров в морских портах на базе нейро-нечетких сетей;
разработка системы информационно-аналитической поддержки управления при тушении пожаров в морских портах на базе нейро-нечетких сетей;
оценка эффективности внедрения системы информационно-аналитической поддержки управления при тушении пожаров в морских портах на базе нейро-нечетких сетей в систему обеспечения пожарной безопасности морского порта с учетом воздействия на объект организационно-управленческого фактора.
Методы исследования. Для решения поставленных задач использовались методы системного анализа, теории принятия решений, теории нейронных сетей, статистического анализа, анализа иерархий и др.
Научная новизна результатов диссертационного исследования заключается в разработке моделей и алгоритмов информационно-аналитической поддержки управления при тушении пожаров в морских портах на базе нейро-нечетких сетей:
-
Разработана логико-нейро-нечеткая модель управления процессом тушения пожаров в морских портах, включающая в качестве элементов модель прогнозирования площади пожара, модель выбора ранга пожара, модель оценки достаточности ресурсов, модель выбора ресурсов, модель выбора оптимального плана мероприятий, модель оценки успешности реализации плана и модель реализации нейро-нечетких моделей. Ключевыми особенностями логико-нейро-нечеткой модели управления является применение комбинированных функций принадлежности (колокообразных с порогами), наилучшим образом аппроксимирующих значения входных параметров, и внедрение блока устранения динамических ошибок.
-
Разработана система информационно-аналитической поддержки управления тушением пожаров в морских портах на базе нейро-нечетких сетей, обеспечивающая повышение эффективности управленческих решений руководителя в условиях неопределенности информации.
Теоретическая значимость научных результатов обоснована тем, что полученные модели и алгоритмы информационно-аналитической поддержки управления процессом тушения пожаров развивают теоретико-методологическую
базу оперативного прогнозирования параметров развития пожара и принятия управленческих решений при неопределенности информации.
Практическая значимость результатов исследования заключается в возможности использования разработанных моделей и алгоритмов в процессе разработки документов предварительного планирования ведения организации тактики тушения пожара в морском порту, в процессе координации действий пожарных подразделений при тушении пожара в морском порту.
Достоверность полученных научных результатов, выносимых на защиту,
обеспечивается четким планированием процесса исследования, выбором методов
исследования, соответствующих цели и задачам работы, корректным
использованием исходных данных, применением апробированного математического аппарата, согласованностью полученных результатов с известными результатами работ других исследователей.
Личное участие автора в получении научных результатов. В публикациях автором изложены результаты, связанные с анализом предметной области, разработкой моделей и алгоритмов информационно-аналитической поддержки управления при тушении пожаров в морских портах на базе нейро-нечетких сетей, основными компонентами системы информационно-аналитической поддержки управления при тушении пожаров в морских портах, теоретическими обобщениями и прикладными расчетами.
Внедрение полученных научных результатов. Результаты исследования внедрены в процесс подготовки спасателей ООО «Спасатель» и в процесс подготовки пожарных ПСЧ-17 по охране Светлогорского муниципального района. Реализация результатов исследования подтверждена соответствующими актами внедрения. Работа поддержана грантом Фонда содействия развитию малых форм предприятий в научно-технической сфере в рамках выполнения проектов № 17114 «Разработка нечеткого классификатора определения ранга пожара на особо важных и технически сложных объектах».
Апробация работы. Основные положения исследования докладывались и
обсуждались: на II международной научно-технической конференции
«Пожаротушение: проблемы, технологии, инновации» (2013 г., г. Москва); на II международном морском форуме «Балтийский морской форум» (2014 г., г. Светлогорск); на региональном конкурсе научных работ молодых ученых и специалистов Калининградской области в 2014 году (III место в номинации «Технические науки»); на III международном морском форуме «Балтийский морской форум» (2015 г., г. Светлогорск); на международной научно-практической конференции «Научные исследования и образовательные практики в XXI веке: состояние и перспективы развития» (2015 г., г. Смоленск); на международной научно-практической конференции «Инновационные процессы в научной среде» (2015 г., г. Пермь).
Публикации. Основные научные результаты отражены в 12 публикациях, в том числе 6 – в рецензируемых изданиях, включенных в перечень ВАК, 6 тезисов докладов – в сборниках научных трудов и материалах международных и всероссийских конференций. Получены 2 свидетельства о государственной регистрации программ для ЭВМ.
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы и четырех приложений. Содержит 172 страницы текста, 45 рисунков и 22 таблицы. Библиографический список включает 104 наименования.
Анализ системы обеспечения пожарной безопасности морского порта
В ходе проведения анализа организационной структуры порта установлено, что КМТП имеет линейно-функциональную организационную структуру с линейно вертикальным управлением, состоящую из линейных и функциональных подразделений. Линейные подразделения порта осуществляют основную деятельность объекта, принимая управленческие решения: стратегические – после утверждения Советом директоров; тактические – самостоятельно. Функциональные подразделения КМТП осуществляют деятельность объекта по различным направлениям в рамках функциональных специализаций и предоставляют информацию линейным подразделениям порта для формирования и реализации стратегических и тактических управленческих решений. Сравнение организационной структуры КМТП с организационными формами крупнейших морских портов позволило выявить: линейно-функциональная организационная структура является типовой для морских портов. Система управления КМТП имеет стандартную для морского порта трехуровневую структуру: первый уровень – руководство; второй уровень – структурные подразделения по направлениям деятельности; третий уровень – внутриструктурные подразделения. Элементы организационной структуры КМТП являются типовыми и входят в состав организационной структуры любого российского морского порта.
Таким образом, на основании результатов анализа системы управления порта установлено, что организационная структура объекта является трехуровневой линейно-функциональной с линейно-вертикальным управлением и состоит из линейных и функциональных подразделений. Данный тип организационной структуры морского порта обладает сложной иерархической подчиненностью, что усложняет управление при обеспечении ПБ объекта между звеньями и в целом организацией.
Осуществление мероприятий по обеспечению ПБ морского порта представляет собой сложный непрерывный процесс и осуществляется посредством создания системы обеспечения пожарной безопасности (СОПБ) объекта, приспособленной к данному предприятию с учетом особенностей функционирования и расположения предприятия и других факторов. СОПБ КМТП является одной из ключевых в системе обеспечения комплексной безопасности объекта и объединяет систему предотвращения пожара, систему противопожарной защиты и комплекс организационно-технических мероприятий по обеспечению ПБ [22].
Для оценки эффективности СОПБ КМТП использована методика оценки состояния ПБ на предприятии, основанная на методе анализа иерархий (МАИ) и изложенная в [23]. Выбор МАИ обусловлен возможностью нахождения с достаточным качеством параметров значимости факторов при анализе разнообразных систем. Согласно [23] для оценивания состояния ПБ порта рациональный состав специалистов определен в количестве восьми человек. В соответствии с [24] сформулированы критерии и показатели оценки уровня обеспечения ПБ объекта путем системного анализа и синтеза: – управленческая деятельность по вопросам обеспечения ПБ; – проверка состояния конструктивной защиты зданий (сооружений); – требования к системам противопожарной защиты; – требования ПБ к системе водоснабжения и огнетушителям; – требования ПБ к содержанию территории; – организационные мероприятия по ПБ и определяющие порядок их исполнения руководящие, отчетные документы и информационные материалы; – подготовка персонала в области ПБ; – пути эвакуации; – требования к объемно-планировочным решениям; – наличие системы автоматической пожарной сигнализации; – соответствие системы автоматической пожарной сигнализации требованиям ПБ; – наличие системы автоматического пожаротушения; – соответствие системы автоматического пожаротушения требованиям ПБ; – наличие системы оповещения и управления эвакуацией в случае пожара; – соответствие системы оповещения и управления эвакуацией в случае пожара требованиям ПБ; – наличие системы вентиляции и кондиционирования воздуха; – соответствие системы вентиляции и кондиционирования воздуха в случае пожара требованиям ПБ; – наличие системы дымоудаления; – соответствие системы дымоудаления в случае пожара требованиям ПБ; – заключение договора на обслуживание систем противопожарной защиты; – наличие наружного пожарного водопровода; – соответствие установленного наружного пожарного водопровода требованиям ПБ; – наличие внутреннего пожарного водопровода; – соответствие установленного внутреннего пожарного водопровода требованиям ПБ; – наличие огнетушителей и их содержание в соответствии с требованиями ПБ; – наличие подъездов и проездов к объектам защиты; – соответствие подъездов и проездов к объектам защиты требованиям ПБ; – соответствие содержания территории требованиям ПБ; – наличие приказов, определяющих ответственность в области ПБ; – наличие требований по пожарной безопасности по приказу в содержании должностной инструкции; – наличие планов ПБ на год, на весенне-летний, на осенне-зимний периоды; – наличие инструкций по мерам ПБ для пожароопасных помещений; – наличие табличек с номером телефона вызова пожарной охраны; – наличие отчетов с результатами определения категории пожарной, взрывопожарной опасности, класса зоны по ФЗ-№ 123 [25]; – наличие табличек на дверях производственных и складских помещений с нанесением на них данных категории пожарной, взрывопожарной опасности, класса зоны по ФЗ-№ 123 [25]; – наличие документации, оформленной в структурных единицах; – наличие утвержденного перечня документации, оформляемой в подразделении по ПБ, образцов и форм ведения; – наличие утвержденного перечня обучаемых по программе пожарно-технического минимума; – наличие плана подготовки персонала обучаемого по пожарно-технического минимуму; – наличие журналов регистрации инструктажей по ПБ; – наличие утвержденных программ для проведения вводного, первичного на рабочем месте инструктажей по ПБ; – наличие отчетных документов по проведению целевого, внепланового инструктажей; – наличие утвержденных документов, подтверждающих проведение занятий по безопасной эвакуации персонала в случае пожара не менее двух раз в год; – алгоритмы работы дежурно диспетчерских служб по слаженным действиям в случае пожара; – наличие планов (схем эвакуации) при пожаре; – наличие инструкций по действиям персонала в случае пожара; – наличие достаточного количества путей эвакуации при пожаре с этажей здания; – соответствие ширины и высоты прохода на путях эвакуации; – наличие знаков ПБ на путях эвакуации; – наличие планов обследования путей эвакуации на предмет наличия горючих отделочных материалов на их покрытиях; – соответствие требованиям ПБ к противопожарным разрывам между зданиями; – соответствие требованиям ПБ к противопожарным отсекам; – соответствие требованиям ПБ к конструктивным элементам зданий по их функциональному назначению; – соответствие требованиям ПБ к установкам перегородок с требуемым пределом огнестойкости для разделения помещений с различными классами функциональной пожарной опасности; – соответствие требованиям ПБ к установкам перегородок с требуемым пределом огнестойкости для разделения помещений с различными категориями по пожарной, взрывопожарной опасности; – соответствие требованиям ПБ к установкам перегородок с требуемым пределом огнестойкости для разделения длинных коридоров; – план проведения мероприятий по огнезащитной обработке горючих материалов, воздуховодов. В соответствии с выбранными критериями и показателями построена иерархия для оценки уровня ПБ порта (рисунок 1.8).
Алгоритм определения параметров элементов логико-нейро-нечеткой модели управления процессом тушения пожаров в морских портах
На 4-ом этапе на основании результатов оценки компетентности специалистов, выявленных ММАИ, осуществлено удаление трех специалистов, обладающих низкими уровнями компетентности ( , , ). Осуществлено окончательное формирование группы специалистов (количество специалистов составило одиннадцать человек, что больше требуемого минимального значения) и общей матрицы значимости параметров. Полученные мнения специалистов обработаны с использованием формул (2.8) – (2.9) и определены коэффициенты для каждого параметра. В ходе расчета выполнено ранжирование параметров в зависимости от значений коэффициентов На основании полученных результатов определены входные параметры модели выбора РП: – площадь пожара в здании, м2; – этаж, на котором произошел пожар, этаж; – предел огнестойкости строительных конструкций, мин; – количество людей на объекте, чел.
Идентификация параметров модели прогнозирования площади пожара. На 1-ом этапе осуществлена оценка набора параметров (табл. 2.1), используемых руководителем, ранжирование параметров по приоритету и формирование общей матрицы значимости параметров. На 2-ом этапе выполнен расчет дисперсионного коэффициента конкордации и установлено, что коэффициент конкордации близок к 1. То есть суждения четырнадцати специалистов являются согласованными. На 3-ем этапе использованы полученные для модели выбора РП значения оценки компетентности специалистов ММАИ [67]. На 4-ом этапе на основании результатов оценки компетентности специалистов, выявленных ММАИ, осуществлено формирование общей матрицы значимости параметров. Полученные мнения специалистов обработаны с использованием формул (2.8) – (2.9), определены коэффициенты для каждого параметра и выполнено ранжирование параметров в зависимости от значений коэффициентов . На основании полученных результатов определены входные параметры модели прогнозирования площади пожара: – площадь помещения, где произошел пожар, м2; – предел огнестойкости строительных конструкций, мин; – линейная скорость распространения горения, м/мин; – время развития пожара, мин.
Идентификации параметров модели выбора оптимального плана мероприятий. На 1-ом этапе осуществлена оценка набора параметров (табл. 2.1), используемых руководителем, ранжирование параметров по приоритету и формирование общей матрицы значимости параметров. На 2-ом этапе выполнен расчет дисперсионного коэффициента конкордации и установлено, что коэффициент конкордации близок к 1. То есть суждения четырнадцати специалистов являются согласованными. На 3-ем этапе использованы полученные для модели выбора РП значения оценки компетентности специалистов ММАИ [67]. На 4-ом этапе на основании результатов оценки компетентности специалистов, выявленных ММАИ, осуществлено формирование общей матрицы значимости параметров. Полученные мнения специалистов обработаны с использованием формул (2.8) – (2.9), определены коэффициенты для каждого параметра и выполнено ранжирование параметров в зависимости от значений коэффициентов . На основании полученных результатов определены входные параметры модели выбора оптимального плана мероприятий: – площадь помещения, где произошел пожар, м2; – предел огнестойкости строительных конструкций, мин; – линейная скорость распространения горения, м/мин; – время развития пожара, мин; – РП; – площадь пожара, м2.
Идентификации параметров модели оценки успешности реализации плана. На 1-ом этапе осуществлена оценка набора параметров (табл. 2.1), используемых руководителем, ранжирование параметров по приоритету и формирование общей матрицы значимости параметров. На 2-ом этапе выполнен расчет дисперсионного коэффициента конкордации и установлено, что коэффициент конкордации близок к 1. То есть суждения четырнадцати специалистов являются согласованными. На 3-ем этапе использованы полученные для модели выбора РП значения оценки компетентности специалистов ММАИ [67]. На 4-ом этапе на основании результатов оценки компетентности специалистов, выявленных ММАИ, осуществлено формирование общей матрицы значимости параметров. Полученные мнения специалистов обработаны с использованием формул (2.8) – (2.9), определены коэффициенты для каждого параметра и выполнено ранжирование параметров в зависимости от значений коэффициентов . На основании полученных результатов определены входные параметры модели оценки успешности реализации плана: – РП; – площадь пожара, м2; – время тушения пожара, мин; – количество погибших, чел; – количество пострадавших, чел; – фактический расход огнетушащих веществ, л/с. Таким образом, для идентификации параметров элементов ЛННМ управления процессом тушения пожаров в морских портах разработан алгоритм определения параметров моделей. С использованием алгоритма определения параметров моделей выполнена идентификация параметров модели прогнозирования площади пожара, модели выбора РП, модели выбора оптимального плана мероприятий и модели оценки успешности реализации плана.
Моделирование процесса прогнозирования площади пожара при тушении пожаров в морских портах
В ходе определения параметров элементов ЛННМ управления процессом тушения пожаров в морских портах выполнена оценка достаточности [66] параметров моделей, определенных во второй главе работы. Для этого оценивались временные затраты на сбор и обработку параметров и определялось изменение точности вычислений: времени принятия решения специалистом при учете предложенных параметров - , с; времени принятия решения специалистом при учете совокупности параметров - , с; погрешности принятия решения специалистом при учете предложенных параметров - , %; погрешности принятия решения специалистом при учете совокупности параметров - , %.
На основании полученных результатов установлено, что при расчетах с использованием предложенных параметров в сравнении с общим набором: среднее время определения РП сокращается приблизительно на 50%, а средняя погрешность принятия решения возрастает на 8%; среднее время прогнозирования площади пожара сокращается приблизительно на 40%, а средняя погрешность принятия решения возрастает на 15 %.
То есть применение данных параметров позволяет достигнуть значительного снижения времени формирования решения ЛПР при приемлемом снижении точности решения задачи (средняя погрешность принятия решения не превышает 15 %).
На основании выше изложенного построены элементы ЛННМ управления процессом тушения пожаров в морских портах: - модель выбора РП, использующая базовую сеть NEFCLASS: имеет 4 входа ( - площадь пожара в здании, м2; - этаж, на котором произошел пожар, этаж; - предел огнестойкости строительных конструкций, мин; - количество людей на объекте, чел) и один выход (РП); тип ФП входных параметров -колокообразные функции; база правил сформирована посредством алгоритма горной кластеризации; настройка модели: гибридный метод оптимизации; требуемая точность обучения - 0; количество итераций обучения - 400; - модель прогнозирования площади пожара, использующая базовую сеть ANFIS: имеет 4 входа ( - площадь помещения, где произошел пожар, м2; 82 предел огнестойкости строительных конструкций, мин; - линейная скорость распространения горения, м/мин; - время развития пожара, мин) и один выход (площадь пожара, м2); тип ФП входных параметров - колокообразные функции; база правил сформирована путем применения алгоритма горной кластеризации; настройка модели: гибридный метод оптимизации; требуемая точность обучения - 0; количество итераций обучения - 400; - модель выбора оптимального плана мероприятий, использующая базовую сеть NEFCLASS: имеет один вход ( - площадь помещения, где произошел пожар, м2; - предел огнестойкости строительных конструкций, мин; - линейная скорость распространения горения, м/мин; - время развития пожара, мин; - РП; - площадь пожара, м2) и один выход (оптимальный план мероприятий); тип ФП входных параметров - колокообразные функции; база правил сформирована путем применения алгоритма горной кластеризации; настройка модели: гибридный метод оптимизации; требуемая точность обучения - 0; количество итераций обучения - 400; - модель оценки успешности реализации плана, использующая базовую сеть NEFCLASS: имеет 6 входов ( - РП; - площадь пожара, м2; - время тушения пожара, мин; - количество погибших, чел; - количество пострадавших, чел; - фактический расход огнетушащих веществ, л/с) и один выход (оценка успешности реализации плана); тип ФП входных параметров колокообразные функции; база правил сформирована посредством алгоритма горной кластеризации; настройка модели: гибридный метод оптимизации; требуемая точность обучения - 0; количество итераций обучения - 400. Для построения модели выбора РП на базе сети NEFCLASS посредством алгоритма реализации нейро-нечетких моделей использованы в качестве входных данных: сведения о рассматриваемой ситуации (площадь пожара в здании, м2; этаж, где произошел пожар, этаж; предел огнестойкости строительных конструкций, мин; количество людей на объекте, чел); сведения о РП, соответствующем рассматриваемой ситуации; , - положительные коэффициенты кластеризации; – пороговое значение для кластеризации. В ходе выполнения данного алгоритма построены ФП параметров модели и экстрагирована база правил из данных.
Для построения модели прогнозирования площади пожара на базе сети ANFIS посредством алгоритма реализации нейро-нечетких моделей использованы в качестве входных данных: сведения о рассматриваемой ситуации (площадь помещения, где произошел пожар, м2; предел огнестойкости строительных конструкций, мин; линейная скорость распространения горения, м/мин; время развития пожара, мин); сведения о площади пожара, соответствующей рассматриваемой ситуации, м2); , – положительные коэффициенты кластеризации; – пороговое значение для кластеризации. При выполнении данного алгоритма произведено построение ФП параметров и формирование базы правил модели.
Для построения модели оценки успешности реализации плана на базе сети NEFCLASS посредством алгоритма реализации нейро-нечетких моделей использованы в качестве входных данных: сведения о рассматриваемой ситуации (РП; площадь пожара, м2; время тушения пожара, мин; количество погибших, чел; количество пострадавших, чел; фактический расход огнетушащих веществ, л/с); сведения об оценке успешности реализации плана; , – положительные коэффициенты кластеризации; – пороговое значение для кластеризации. В ходе выполнения данного алгоритма построены ФП параметров модели и экстрагирована база правил из данных.
Для построения модели выбора оптимального плана мероприятий на базе сети NEFCLASS посредством алгоритма реализации нейро-нечетких моделей использованы в качестве входных данных: сведения о рассматриваемой ситуации ( – площадь помещения, где произошел пожар, м2; – предел огнестойкости строительных конструкций, мин; – линейная скорость распространения горения, м/мин; – время развития пожара, мин; – РП; – площадь пожара, м2); сведения об оптимальном плане мероприятий, соответствующем рассматриваемой ситуации; , – положительные коэффициенты кластеризации; – пороговое значение для кластеризации. При выполнении данного алгоритма произведено формирование базы правил модели и построение ФП параметров.
Полученные параметры функций принадлежности моделей представленны в виде матриц (3.1) – (3.4), где , , – функции параметра «Площадь пожара в здании»; , , – функции параметра «Предел огнестойкости строительных конструкций»; , , – функции параметра «Этаж, где произошел пожар»; , , – функции параметра «Количество людей на объекте»; , , – функции параметра «Линейная скорость распространения горения»; , , – функции параметра «Время развития пожара»; , , – функции параметра «Ранг пожара»; , , – функции параметра «Время тушения пожара»; , , – функции параметра «Количество погибших»; , , – функции параметра «Количество пострадавших»; , , – функции параметра «Фактический расход огнетушащих веществ»; , , – функции параметра «Площадь пожара в помещении, где произошел пожар». Характеристика ФП параметров модели прогнозирования площади пожара представлена в виде матрицы (3.1), характеристика ФП параметров модели оценки успешности реализации плана – в виде матрицы (3.2), характеристика ФП параметров модели выбора оптимального плана мероприятий – в виде матрицы (3.3), характеристика ФП параметров модели выбора ранга пожара представлена в виде матрицы (3.4).
Разработка программного обеспечения системы информационно аналитической поддержки управления при тушении пожаров в морских портах
Очередной задачей, решаемой согласно плану исследования, является проектирование и практическая реализация программного обеспечения СИАПУ с учетом требований унификации.
Необходимость в унификации программного обеспечения системы обусловлена потребностью в предоставлении ЛПР широкого набора информационных и аналитических ресурсов для решения управленческих задач.
Для учета особенностей, связанных со спецификой тушения пожаров в морских портах и практическими аспектами применения СИАПУ, важным элементом задачи разработки унифицированного программного обеспечения системы является выбор эффективной среды программирования. В результате выполненного в исследовании сравнительного анализа известных современных сред программирования [89 – 97] выбран пакет прикладных программ Matlab, как более полно соответствующий требованиям, предъявляемым к СИАПУ. Данный пакет обладает следующими достоинствами: возможностью решения разнообразных видов инженерных и математических задач; наличием пакета программ Fuzzy Logic, позволяющего строить и обучать ИНС, в том числе и ННС; обеспечением совместимости с основными компонентами других программных сред компании Microsoft и с различными средами разработки программного обеспечения; кроссплатформенностью; простотой разработки приложений; высокой скоростью выполнения вычислений.
При создании графического интерфейса пользователя СИАПУ лучшие результаты удалось получить при использовании интегрированной среды разработки программного обеспечения для Microsoft Windows на императивном, структурированном, объектно-ориентированном языке программирования Delphi. Поскольку необходимые программные заготовки и программный код содержатся непосредственно в данной среде программирования, это позволило существенно упростить процесс создания графического интерфейса и снизило вероятность случайных программных ошибок [98].
В соответствии с [99] определены ключевые принципы унифицированного подхода к разработке программного обеспечения системы для поддержки ЛПР при тушении пожаров в морских портах: каркасный подход к разработке архитектуры программного обеспечения системы; совокупность принципов проектирования программного обеспечения системы (принцип дружелюбности к ЛПР; принцип свободы от субъективизма разработчиков; принцип множественности методов); шаблон правил качественного кодирования. Реализация унифицированного подхода требует построения архитектуры программного обеспечения системы на основе каркасного подхода. Каркасный подход включает создание каркаса программного обеспечения системы, реализующего базовые функции, и множества дополнительных модулей, реализующих вспомогательные функции. В соответствии с требованием [99] программного обеспечения СИАПУ целесообразно реализовывать в трехуровневой архитектуре: верхний уровень – это программное обеспечение, в котором отображаются все формы пользовательского интерфейса (главная и дочерние формы) и происходит отправка введенных в формы пользователями данных; промежуточный уровень – это программное обеспечение, обеспечивающее обработку введенной пользователем информации, и решение управленческих задач; нижний уровень – это программное обеспечение, осуществляющее хранение всей информации в единой базе данных и базе правил системы.
При проектировании и практической реализации программного обеспечения СИАПУ реализована совокупность принципов проектирования программного обеспечения системы. Для выполнения принципа дружелюбности к ЛПР в СИАПУ построен пользовательский интерфейс с учетом требований эргономики аппаратного и программного обеспечения в сфере взаимодействия «человек-система» согласно стандартам качества ISO 9126 [100]: удобство интерфейса; простота изучения и простота использования интерфейса; эффективность по времени отклика системы; эффективность времени поиска решения; эффективность использования ресурсов; переносимость; масштабируемость; интегрируемость; надежность.
Разработанный с учетом выше изложенных требований пользовательский интерфейс осуществляет взаимодействие между пользователем, элементами СИАПУ через диалоговые окна при решении управленческих задач, в процессе приобретения знаний и объяснения результатов работы. Главное диалоговое окно пользовательского интерфейса «Система информационно-аналитической поддержки управления при тушении пожаров в морских портах» представлено на рисунке 4.10. Основной функцией главного диалогового окна является возможность вызывать все остальные формы.
Диалоговое окно «Прогноз развития пожара» (рис. 4.11) предназначено для прогнозирования площади пожара и выбора РП. В ходе работы с диалоговым окном «Прогноз развития пожара» пользователь может загрузить подготовленную базу данных по результатам прогнозирования площади пожара и выбора РП. В процессе работы пользователь, задав объект в диалоговом окне, получит данные об объемно-планировочных решениях зданий; данные о характеристиках строительных конструкций зданий; данные о коммуникациях зданий; данные о системах противопожарной защиты зданий; данные о ресурсах пожарной охраны порта; данные об имеющихся силах и средствах пожарной охраны города; нормативно-правовые акты в области пожаротушения.
Для выполнения принципа свободы от субъективизма разработчиков в СИАПУ предусмотрена возможность настройки базы знаний пользователем в интерфейсе системы без необходимости изменения исходных текстов программного обеспечения. Это обеспечивает широкую адаптивность системы для подстройки ее под нужды и потребности ЛПР. Для настройки базы знаний в интерфейсе системы пользователь использует кнопку «Настройка» на диалоговом окне «Прогноз развития пожара», позволяющую добавлять, удалять и корректировать базу правил системы и осуществлять настройку сетей.
Для выполнения принципа множественности методов в СИАПУ предусмотрено наличие различных методов принятия управленческих решений и возможность выбора между ними с предоставлением поясняющей информации пользователю. В системе предусмотрено, что при прогнозировании площади пожара ЛПР может выбрать алгоритм прогнозирования площади пожара на базе сети ANFIS, на базе методики [78] или самостоятельно задать значение.