ВИЛИСОВ Валерий Яковлевич, д-р техн. наук, д-р эконом. наук, профессор кафедры прикладной математики, информатики и вычислительной техники
141005, Московская обл., г. Мытищи, ул. 1-я Институтская, 1
РИНЦ ID: 521423; Scopus AuthorID: 57205441277; ResearcherID: P-1650-2019
Valeriy Ya. VILISOV, Dr. Sci. (Eng.), Dr. Sci. (Econom.), Professor of Department of Applied Mathematics, Informatics and Computer Technology
1st Institutskaya St., 1, Moscow Region, Mytishchi, 141005
ID RSCI: 521423; Scopus AuthorID: 57205441277; ResearcherID: P-1650-2019
ХАБИБУЛИН Ренат Шамильевич, канд. техн. наук, доцент, начальник учебно-научного комплекса автоматизированных систем и информационных технологий
129366, г. Москва, ул. Бориса Галушкина, 4
РИНЦ ID: 637284; Scopus Author ID: 6506192400; ResearcherID: A-4261-2016
Renat Sh. KHABIBULIN, Cand. Sci. (Eng.), Docent, Head of Educational and Scientific Complex of Automated Systems and Information Technologies
Borisa Galushkina St., 4, Moscow, 129366
ID RSCI: 637284; Scopus Author ID: 6506192400; ResearcherID: A-4261-2016
Введение. Такое определение как «ранг пожара» используется в практике управления реагированием и ликвидации пожаров достаточно давно и имеет несколько смыслов, основные из которых два: укрупненно показать степень сложности пожара; исходя из ранга пожара, выделить адекватное количество различных видов ресурсов для успешной его ликвидации. Цепочка элементов: пожар – степень сложности – необходимые ресурсы, пока не воплощена в эффективные методики и нормативные документы, что придает актуальность данному направлению исследований.
Цели и задачи. Целью работы является разработка технологии построения моделей рангов пожаров на основе использования кластерного анализа. В числе задач — разведочный анализ данных и построение стохастической модели рангов пожаров.
Методы. В исследовании использованы методы математической статистики и машинного обучения без учителя в варианте кластерного анализа.
Результаты и обсуждение. Показана возможность определения сетки рангов пожара и соответствующего количества выделяемой автотехники на основе обработки методами кластерного анализа выборки ретроспективных данных о пожарах. Показано, что полученные результаты очень близки к нормам выделения автотехники на пожары в г. Москве. Выдвинута концепция стохастических рангов пожаров как более информативной модели для распределения ресурсов.
Выводы. Представленные результаты решения задачи выявления сетки рангов пожаров по выборке ретроспективных данных позволяют не только определять количество ресурсов, необходимых для ликвидации того или иного пожара на объектах ТЭК, но и дают возможность строить адаптивные стохастические модели рангов пожаров, адекватные региону, отрасли и иным подмножествам объектов пожара.
Introduction. Such a definition as “fire rank” is used in the practice of fire respond and elimination management for quite a long time and has several meanings, the main of which are two: to show in detail the degree of complexity of the fire based on the fire rank, to allocate an adequate number of different types of resources for its successful elimination. The chain of elements: fire — degree of complexity — necessary resources, has not yet been embodied in effective methods and regulatory documents, which gives relevance to this area of research.
Goals and objectives. The purpose of the paper is to build a technology for constructing models of fire ranks based on the use of cluster analysis. The tasks include exploratory data analysis and construction of a stochastic model of fire ranks.
Methods. The study used methods of mathematical statistics and unsupervised machine learning in the variant of cluster analysis.
Results and discussion. The possibility of determining a grid of fire ranks and the corresponding number of allocated vehicles based on processing by cluster analysis methods of a selection of retrospective data is shown. It is shown that the obtained results are very close to the norms of allocation of vehicles for fires in Moscow. The concept of stochastic fire ranks as a more informative model for resource allocation is put forward.
Conclusions. The presented results of solving the problem of identifying a grid of fire ranks using a selection of retrospective data make it possible not only to determine the amount of resources required to eliminate a particular fire, but also make it possible to build adaptive stochastic models of fire ranks that are adequate to the region, industry and other subsets of fire objects.
The authors declare that there are no conflicts of interest present.