СТАНКЕВИЧ Татьяна Сергеевна, канд. техн. наук, доцент кафедры техносферной безопасности, Калининградский государственный технический университет (КГТУ); магистрант, Национальный исследовательский университет «Высшая школа экономики» (НИУ ВШЭ). РИНЦ ID: 717673; ResearcherID: O-7418-2017; Scopus Author ID: 57214781783
236022, г. Калининград, Советский пр-т, 1101000, г. Москва, Мясницкая ул., 20
Tatiana S. STANKEVICH, Candidate of Technical Sciences, Associate Professor of the Technosphere Safety Department, Kaliningrad State Technical University (KSTU); Master’s Degree Student, National Research University Higher School of Economics. ID RISC: 717673; ResearcherID: O-7418-2017; Scopus Author ID: 57214781783
Sovetskiy Avenue, 1, Kaliningrad, 236022Myasnitskaya St., 20, Moscow, 101000
ДАЛНЕР Далибор, PhD, инженер, кафедра безопасности труда и процессов. Scopus Author ID: 57194767595
708 00, г. Острава-Поруба, 17 Листопаду, 2172/15
Dalibor BALNER, Ph.D., Engineer, Faculty of Safety Engineering, Department of Security Services. Scopus Author ID: 57194767595
17.Listopadu 2172/15, Ostrava-Poruba, 708 00
ТРЧКА Мартин, PhD, инженер, кафедра безопасности труда и процессов. Scopus Author ID: 56330779100
708 00, г. Острава-Поруба, 17 Листопаду, 2172/15
Martin TRCKA, Ph.D., Engineer, Faculty of Safety Engineering, Department of Fire Protection. Scopus Author ID: 56330779100
17.Listopadu 2172/15, Ostrava-Poruba, 708 00
ТОМИТЧЕК Адам, PhD, инженер, кафедра безопасности труда и процессов. Scopus Author ID: 56331461400
708 00, г. Острава-Поруба, 17 Листопаду, 2172/15
Adam THOMITZEK, Ph.D., Engineer, Department of Fire Protection. Scopus Author ID: 56331461400
17.Listopadu 2172/15, Ostrava-Poruba, 708 00
Введение. Резервуары и резервуарные парки широко распространены во многих субъектах Российской Федерации и являются одним из важнейших элементов технологической схемы добычи, подготовки, транспортировки и переработки нефти и нефтепродуктов. Проблема обеспечения пожарной безопасности резервуарных парков, соответствующих, согласно риск-ориентированной модели безопасности, наиболее высоким уровням риска, является актуальной как на российском, так и на мировом уровнях. В связи с развитием в течение последних десятилетий информационных и коммуникационных технологий и их внедрением в процессы функционирования и управления различными объектами появились передовые методы прогнозирования возникновения и развития чрезвычайных ситуаций на объектах, оптимизации управленческих решений при локализации и ликвидации чрезвычайных ситуаций, в том числе и пожаров.
Цели и задачи. В работе авторы представляют разработанную ими модель оперативного прогнозирования теплового потока на основе искусственных нейронных сетей для повышения безопасности персонала пожарной охраны при тушении пожара на наземном вертикальном стальном резервуаре с защитной стенкой. В исследовании особое внимание авторы уделяют выявлению зависимости теплового потока от ветровой нагрузки. Методы. Для достижения указанной цели авторами организована и проведена серия экспериментов, осуществлен сбор экспериментальных данных о тепловом потоке и сформированы обучающие и тестовые выборки. Результаты. Посредством построения искусственных нейронных сетей ANFIS выполнено определение зависимостей теплового потока от факторов внешней среды. Произведено сравнение различных типов функций принадлежности, методов оптимизации и методов генерирования системы и установлено, что для сетей ANFIS, выполняющих прогнозирование теплового потока без учета и с учетом ветровой нагрузки, оптимальным является применение метода субкластеризации и гибридного метода оптимизации, что обеспечивает самые низкие значения ошибки на выборках.
Обсуждение. Результаты анализа показывают, что скорость ветра и расположение резервуара могут привести к повышению температуры воздуха, стенки резервуара и бензина. Поэтому, несмотря на сложность анализа, регистрация всех этих факторов позволяет прогнозировать безопасное для пожаротушения расстояние от горящего резервуара.
Выводы. Научное исследование позволило разработать модель оперативного прогнозирования теплового потока на основе использования элементов искусственного интеллекта (сетей ANFIS). Полученные в ходе работы результаты позволяют повысить эффективность оперативного прогнозирования динамики развития пожаров в резервуарах и резервуарных парках и оптимизацию процессов принятия управленческих решений ответственными лицами.
Introduction. Tanks and tank farms are widespread in many constituent entities of the Russian Federation and are among the most important elements of the model for the production, treatment, transportation and processing of oil and oil products. It is relevant both at the Russian and global levels to ensure that fire safety is arranged for tank farms to reduce highest risk levels according to the risk-based safety model. In the context of information and communication technology (ICT) developments and introduction of ICT into the operation and management of various facilities, over the past decades advanced methods have emerged for predicting the occurrence and development of emergency situations at facilities and enhancing management decisions on containment and elimination of emergency situations including fires.
Goals and objectives. In this paper, the authors present a model that they developed to promptly forecast heat flows using artificial neural networks. The forecast model will improve the safety of fire brigade personnel responsible for extinguishing fires inside ground-based vertical steel tanks having protective walls. In the research, the authors place special emphasis on identifying dependence between the heat flow and the wind load. Methods. To achieve this goal, the authors arranged and conducted a series of experiments, collected experimental data on heat flows, and created training and test samples.
Results. Dependences between heat flows and environmental factors were identified by constructing adaptive neuro-fuzzy inference systems or adaptive network-based fuzzy inference systems (ANFIS). Various types of membership functions, optimisation and system generation methods were compared and it was found out that for ANFISs, prediction of heat flows with regard to and disregarding wind loads were optimal, if subcluster and hybrid optimisation methods were used, as they had lowest error values for samples.
Discussion. The analysis shows that wind speed and tank location can rise temperatures of the air, tank wall and petrol. Therefore, despite the complexity of the analysis, the regard for all these factors makes it possible to identify a safe distance between a burning tank and firefighters.
Conclusions. The research made it possible to develop a model for prompt heat flow forecasting with the help of artificial intelligence elements (ANFIS). The results obtained in the course of the work make it possible to increase the efficiency of prompt forecasting of the dynamic behaviour of fire inside tanks and tank farms and optimize managerial decision-making by responsible persons.
The authors declare that there are no conflicts of interest present.