На правах рекламы:
ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Авторитетность издания

ВАК - К1
RSCI, ядро РИНЦ

Добавить в закладки

Следующий номер на сайте

2
Ожидается:
16 Июня 2024

Построение региональной информационной системы раннего предупреждения торфяных пожаров

Статья опубликована в выпуске журнала № 2 за 2005 год.
Аннотация:
Abstract:
Авторы: Ветров А.Н. (vetrov_48@mail.ru) - Тверской государственный технический университет (профессор), Тверь, Россия, кандидат технических наук
Ключевое слово:
Ключевое слово:
Количество просмотров: 13033
Версия для печати
Выпуск в формате PDF (1.97Мб)

Размер шрифта:       Шрифт:

Задача прогнозирования и предупреждения торфяных пожаров в [1] представлена в виде задачи ситуационного управления динамической системой в условиях неопределенности. Ее решение построено на основе имитационного моделирования процессов возникновения и развития торфяных пожаров. Рассмотренные модели включаются в контур управления пожарной безопасностью для имитации реальных процессов, определения возможных ситуаций и вероятности их возникновения на основе сценарного подхода.

Одним из постулатов ситуационного управления [2] является конечность числа различных дискретных одношаговых управлений.

Это означает, что с каждым допустимым управлением можно связать некую обобщенную ситуацию, которая ему соответствует. Обобщенная ситуация является результатом преобразования текущих ситуаций. Текущая ситуация определяется параметрами (атрибутами), характеризующими состояние объекта.

С точки зрения управления пожарной безопасностью понятие обобщенной ситуации естественным образом связывается с понятием степень пожарной опасности. Под степенью пожарной опасности будем понимать вероятность возникновения пожара (возгорания) на определенной территории. Чем выше вероятность возгорания, тем выше степень пожарной опасности. Множество обобщенных ситуаций {Sk} определяется множеством возможных управлений {Uk}, соответствующих определенным степеням опасности.

Задача прогнозирования заключается в оценке возможности для объекта оказаться в одной из возможных ситуаций. Пусть исследуемый объект имеет атрибуты A1, A2, …, An и может находиться в одном из классов K1, K2, …, Km. Считаются заданными функциональные соответствия между классами K1, K2, …, Km, атрибутами A1, A2, …, An, а также между самими классами и атрибутами.

В результате проводимых экспериментов получается дополнительная информация относительно атрибутов A1, A2, …, An. Задача прогнозирования ситуации состоит в отнесении состояния объекта к одному из классов K1, K2, …, Km.

Таким образом, для решения задачи прогнозирования необходимо сначала определить набор атрибутов (признаков) A1, A2, …, An, характеризующих объект, а затем разбить множество возможных ситуаций на классы K1, K2, …, Km.

Для прогнозирования развития текущей ситуации во времени используется методология когнитивного моделирования, основанная на построении модели ситуации, отражающей законы ее развития. В качестве модели используется так называемая когнитивная карта ситуации в виде ориентированного графа, в котором вершины графа – это концепты, определяющие предметную область, а дуги – причинно-следственные связи между факторами.

Для построения когнитивной карты выполняются следующие действия:

·                                 содержательное описание причинно-следственных связей;

·                                 топологическое описание причинно-следственных связей;

Подпись:  
Рис. 1. Пример построения когнитивной карты про-цесса возгорания
Содержательное описание ситуации основывается на субъективных знаниях о законах ее развития. Для описания ситуации возможного возгорания торфа на определенной террито- рии используем закономерности, рассмотренные в [3].

На основании содержательного описания причинно-следственных связей строится топологическая модель ситуации (рис. 1).

Анализ когнитивной карты и построение логической модели поведения. В прогнозировании не только используются непосредственно численные оценки поведения исследуемых объектов на перспективу, но и определяется возможность или невозможность той или иной ситуации. К последним относятся прогнозы, полученные с помощью алгебры логики, основными элементами которой являются высказывания. Описаниями исследуемой системы или объекта могуг быть высказывания, из анализа которых следует предсказать возможное состояние системы. Над высказываниями могут быть выполнены основные логические операции: умножение (конъюнкция), сложение (дизъюнкция), отрицание, импликация (следование), эквивалентность. Высказывания подчиняются основным правилам булевой алгебры. Если для некоторой функции, объединяющей высказывания, заданы значения ее истинности при всех комбинациях входящих в нее высказываний, то считается, что задана булева функция.

Рассмотрим непосредственную задачу прогнозирования с точки зрения оценки вероятности для исследуемого объекта или процесса оказаться в одной из возможных ситуаций или для каких-либо показателей этого процесса оказаться в одном из возможных диапазонов.

Пусть исследуемый процесс описывается признаками А1 А2, ..., Аn и может находиться в одном из классов K1 К2,..., Кm. Считаются заданными функциональные соответствия между классами K1, ..., Кm, признаками А1, A2, …, An, а также между самими классами и признаками:

                                         (1)

                            (2)

            (3)

                         (4)

В результате проводимых экспериментов получается дополнительная информация относительно признаков А1, ..., Аn для соответствующих классов, выражающаяся в виде соответствующих булевых функций G(Al, ..., Аn). Задача прогнозирования состоит в установлении интервала К1 ..., Кn, к которому будет отнесен последний процесс. Непосредственно задача сводится к определению такой функциональной зависимости F(К1, ..., Кn), которая соответствовала бы булеву уравнению

.                   (5)

Сопряженная задача к (5) заключается в определении неизвестной функции для совокупности признаков Gl(A1, ..., An) при условии, что существует информация относительно диапазонов изменения исследуемого процесса F1(K1, ..., Кm), что определяется булевым уравнением

.                (6)

Если в (5) и (6) F(K1, ..., Km) = (K1, ..., Km), тогда G(A1, ..., An) = Gl(A1, ..., An). Получается, что G(A1, ..., An) = F(К1, ..., Кn), то есть посылки G(A1, ..., An) или (K1, ..., Кm) и следствия F(К1, ..., Кn) или Gl(A1, ..., An) эквивалентны. Возможна также задача определения множества посылок G(A1, ..., An), из которых можно сделать определенные выводы F(К1, ..., Кn) относительно диапазонов К1, ..., Кn при условии известных соотношений (1) – (4). Из (6) функция Gl(A1, ..., An) может быть записана как

,                     (7)

что эквивалентно соотношению

.                      (8)

Если правомерно соотношение F(К1,...,Кn)→ ®G(A1, ..., An), то получаем F(К1, ..., Кn) = = G(A1, ..., An).

Методы решения первой и второй задач основываются на построении сокращенного базиса bc[А1, ..., Аn; К1, ..., Кm], определяемого следующим образом. Соотношения (1)–(4) накладывают определенные ограничения на возможные комбинации значений истинности элементов А1, ..., Аn; К1, ..., Кm, так что не все столбцы полного базиса b[А1, ..., Аn; К1, ..., Кm] совместны с этими соотношениями. Если отбросить столбцы базиса b[А1, ..., Аn; К1, ..., Кm], противоречащие хотя бы одному соотношению из (1)–(4), то оставшиеся столбцы по определению образуют сокращенный в соответствии с данными связями базис. Сокращенный базис устанавливает соответствие между колонками базиса b[А1, ..., Аn; К1, ..., Кm] и базиса b[А1, ..., Аn; К1, ..., Кm]n и определяет тем самым возможные преобразования (1)–(4) к такому виду, для которого рассматриваемые задачи решаются в рамках уравнений (5) и (8) либо (6) и (8).

Изложенный подход, основанный на применении алгебры логики, дает возможность строить информационно-логические описания объектов и явлений, характеризующихся большим числом признаков, и устанавливать основные закономерности их развития.

Построение вероятностной модели поведения объекта. Основная задача на этом этапе заключается в переходе от модели логической связи между факторами к вероятностной. Решение этой задачи обеспечивается последовательным применением правила Байеса:

,

где P(H│E1, E2, … En) – условная вероятность утверждения H при E1,E2, …, En, то есть вероятность того, что утверждение Н истинно, если истинны утверждения E1,E2, …, En. В общем случае определить условную вероятность довольно трудно. Однако в данном случае можно считать (и это действительно так), что утверждения E статистически независимы и

.

Кроме того, можно считать статистически независимыми и высказывания E при условии H:

.

Для описания возможного поведения системы и изменения ситуации применяется сценарный подход. Под сценарием будем понимать последовательность взаимосвязанных событий, имеющую место при определенных условиях. Между событиями существуют причинно-следственные связи, которые приводят к изменению параметров, а следовательно, и к изменению текущей ситуации. Эти изменения в конечном счете могут привести к изменению обобщенной ситуации и к необходимости использовать управляющие воздействия для ее корректировки. Синтез сценария осуществляется с использованием базы знаний (БЗ), содержащей описание элементов сценария и связей между ними. Время полагается дискретным, длительность события задается указанием его начала и конца. Количественные характеристики объектов, фактов и других элементов сценария вычисляются с помощью процедур, хранящихся в БЗ. Результатом синтеза является множество возможных сценариев, качество и достоверность которых зависят от набора исходной информации.

В процессе синтеза сценария значения атрибутов объектов могут изменяться с течением времени. Зависимости атрибутов объектов от времени моделируются специальными процедурами, задающими темпы изменения характеристик на основании известных законов или гипотез, а также на основе эмпирических зависимостей.

События – основная информационная единица сценария, предназначенная для активизации действующих лиц (субъектов), запуска, запрещения и разрешения появления других событий, изменения значений характеристик объектов, а также для задания этих характеристик. Событие может иметь определенную длительность во времени и вызываться одним из следующих способов: а) другим событием (действием факторов или субъектов); б) достижением заданного состояния объекта или субъекта; в) при выполнении некоторого условия; г) случайным образом. Возможны также произвольные сочетания перечисленных способов. Описываемое событие наступит в том случае, если значения всех условий будут истинными.

Механизм взаимодействия знаний, хранящихся в БЗ, определяется на основе причинно-следственных связей и математических зависимостей между элементами сценария.

В качестве основы построения рассматривается ситуационный подход к моделированию и управлению пожарной безопасностью торфяного месторождения.

Принципы построения региональной информационной системы определяются на основе интеграции средств и методов мониторинга пожарной безопасности, математического моделирования физических процессов объекта, широкого использования экспертных знаний, а также использования технологий геоинформационных систем (Гис) для графического представления составных частей объекта.

Подпись:  
Рис. 2. Архитектура интеллектуальной информационной системы пожарной безопасности
Поддержка процессов принятия решений на основе информации о состоянии природной среды требует непрерывного слежения за состоянием среды и выявления аномалий – мониторинга, являющегося информационной основой управления. Объектовое управление может осуществляться только при наличии опережающей информации, позволяющей прогнозировать развитие ситуаций, принимать плановые решения и оценивать их по критериям стоимости, времени, эффективности и риска. Практически необходимо создавать открытую следящую систему, управляющую пожарной безопасностью в зависимости от условий среды. Например, одним из индикаторов пожароопасности является влажность торфа в его поверхностном слое. Критическое значение этого параметра указывает на необходимость проведения тех или иных превентивных мероприятий, направленных на снижение вероятности возгорания торфа. Задача информационной системы заключается в том, чтобы вовремя сообщить лицу, принимающему решения (ЛПР), о надвигающейся опасности и указать, при каком значении контролируемого параметра какие мероприятия целесообразно проводить, чтобы не выполнять лишних мероприятий и в то же время уменьшить возможный ущерб.

Процесс принятия решений должен включать в себя сбор и комплексирование информации о природном объекте и среде управления; обработку и хранение этой информации с приемлемыми степенями агрегации; автоматическую или человеко-машинную оценку состояний объекта и среды управления с прогнозированием возможной смены состояний; определение целей и критериев эффективности (безопасность людей, имущества, эффективность и др.); автоматический и/или человеко-машинный поиск решений по управлению, инициируемый оценками состояний объекта и среды управления или неблагоприятными прогнозами тенденций развития контролируемых процессов; автоматическую и/или человеко-машинную оптимизацию найденных и рекомендуемых человеку, коллективу людей решений; человеко-машинное принятие решений с возможностями вызова для анализа как данных, лежащих в основе поиска рекомендуемых решений, так и используемой логики и математических методов, на которых базировался поиск предлагаемых решений, согласование и утверждение мероприятий; реализация решений – приведение объекта в целевое состояние; оценка результатов (корректировка целей, способов и путей достижения целей).

Особенностью всех систем, связанных с управлением природными объектами, является необходимость привязки всей хранимой в них информации к определенной территории. Это достигается путем использования ГИС. Основная специфика ГИС состоит в способах кодирования, ввода, хранения, обработки и вывода картографической информации.

Рассмотрим неформализованную модель процесса компьютерной подготовки решений на основе использования информации о состоянии природной среды. На рисунке 2 показана архитектура информационной системы, предназначенной для этой цели.

В результате наблюдений за торфяным месторождением выявляются значения параметров, определяющие состояние объекта, а также текущие значения гидрометеорологических параметров, составляется прогноз их изменений на интервале упреждения и определяется вероятность этих изменений.

Затем проводится математическое моделирование изменений состояния объекта на перспективу с использованием математических моделей, приведенных в [3]. Цель моделирования заключается в том, чтобы дать прогноз изменения степени пожароопасности по территориям, определить вероятность возгораний и пожара. Если текущее значение параметров объекта превышает некоторую критическую величину и имеется неблагоприятный прогноз, то на объект выдается предупреждение, после которого необходимо осуществлять управляющие воздействия, направленные на предотвращение пожара. Перечень таких воздействий, которые выполняются на объектах в зависимости от складывающейся ситуации, составляется на основе правил продукций, хранящихся в БЗ. Таким образом, зная значения гидрометеорологических параметров, в том числе их прогностические значения, их вероятность, тенденции изменения состояния объекта и критерии выработки решений, можно получить перечень мероприятий (рекомендаций) для выполнения на каждом объекте.

При ограничении времени и материальных ресурсов, которые могут быть выделены на решение задачи предотвращения пожаров, важнейшим вопросом является обоснование приоритетности рекомендуемых мер.

В зависимости от того, в каком состоянии находится природный объект, меняются и задачи информационной системы.

В нормальном состоянии интенсивность мониторинга снижается, и он направляется на выборочный контроль параметров состояния объекта и обнаружение отдельных возгораний.

В пожароопасном состоянии интенсивность мониторинга увеличивается. В его задачу входит поиск наиболее вероятных участков возгорания. В этом режиме первоочередная задача – выявление возможных воздействий среды на объект путем имитационного моделирования и выдача рекомендаций ЛПР, направленных на уменьшение или предотвращение этих воздействий.

В состоянии пожара система мониторинга выявляет наиболее вероятные направления распространения возникших пожаров, прогнозирует их интенсивность и скорость распространения, определяет зоны задымления и возможного ущерба.

Громадный объем информации о состоянии торфяных месторождений в масштабах региона требует больших вычислительных ресурсов для ее обработки, развитой системы непрерывного мониторинга для своевременной и достоверной оценки пожарной опасности торфяных месторождений и штабелей торфа, применения аэрокосмических методов исследования окружающей среды.

Список литературы

1. Ветров А.Н. Архитектура информационной системы управления пожарной безопасностью на базе технологий географических информационных систем // Программные продукты и системы. – 2004. -№3.

2. Поспелов Д.А. Ситуационное управление: теория и практика. – М.: Наука, 1986.

3. Миронов В.А., Палюх Б.В., Ветров А.Н. Основы построения интеллектуальных информационных систем для прогнозирования, предупреждения и ликвидации торфяных пожаров: Монография. – Тверь: ТГТУ, 2004.


Постоянный адрес статьи:
http://swsys.ru/index.php?page=article&id=531
Версия для печати
Выпуск в формате PDF (1.97Мб)
Статья опубликована в выпуске журнала № 2 за 2005 год.

Возможно, Вас заинтересуют следующие статьи схожих тематик: