Диссертация (1172865), страница 16

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 16)

Целью разработки метода количественной обработкии моделирования результатов мониторинга пожара является цифровая обработкаданных и восполнение отсутствующих фрагментов данных в системе мониторинга с использованием результатов математического моделирования.Важной особенностью разработанного метода является возможность моделирования значений косвенных параметров мониторинга по значениям основныхпараметров, что имеет особое значение для практики применения результатов мониторинга при управлении.

Здесь под прямым параметром мониторинга будемпонимать параметр, оценка которого производится непосредственно с использованием средств мониторинга, тогда как косвенным параметром будем считать параметр мониторинга, значения которого получены с использованием значений основного параметра расчетным путем.2.4.1.

Структура метода оценки результатов мониторинга пожараМетод представляет собой процедуру цифровой обработки результатов мониторинга, производимых в режиме реального времени, и предназначен для реализации в виде программы для ЭВМ. Цифровая обработка данных базируется наметодологии статистического анализа результатов измерений с помощью регрессионной модели. В этом случае результаты цифровой обработки результатов мониторинга представляют собой случайные величины, принадлежащие фиксированному интервалу значений с заранее заданной вероятностью. Практика цифровой обработки данных показала, что приемлемые по размеру интервалы значенийпараметров мониторинга получают при доверительной вероятности 0,95 и в исключительных случаях при вероятности 0,99 [119].98Тогда каждый оцениваемый параметр будет характеризоваться кортежем:<p(inf), p*, p(sup)>,где(2.21)p(inf) – оценка снизу для контролируемого параметра (infimum); p* – сред-нее значение контролируемого параметра; p(sup) – оценка сверху для параметрамониторинга пожара (supremum)Система мониторингаи моделирования динамикипожараСтатистические оценки интенсивности динамики пожараZ(∙)(inf)T(∙)(inf)Ω(∙)(inf)Z(∙)(sup)Z(∙)*T*(∙)Ω*(∙)T(∙)(sup)Ω(∙)(sup)Статистические оценки параметров динамики пожараРисунок 2.13 – Структура количественной оценки результатов мониторингаВ такой постановке задачи с учетом специфики прогнозирования параметров мониторинга пожара метод включает в себя анализ статистических оценокинтенсивности динамики пожара и непосредственно параметров мониторинга.Общая структура метода количественной обработки и моделирования результатовмониторинга динамики пожара представлена на рисунке 2.13.2.4.2.

Содержание метода оценки результатов мониторинга пожараВ соответствии с разработанной моделью мониторинга динамики пожара наоснове теории клеточных автоматов функция динамики отдельно взятого параметра мониторинга имеет вид функции экспоненциального роста с насыщениемp  p0  p * 1  exp(Z  )  .(2.22)99В качестве основного параметра мониторинга будет использован параметртемпературы газовой среды в зоне контроля системы.

С помощью формулы (2.6)зависимость динамики температуры можно представить следующим образомTT0 exp  Z   .T0 T01  exp  Z    T* T *(2.23)Учитывая, что при значениях Т*, близких к Т0, то есть на начальном этаперазвития пожара, знаменатель дроби близок 1. Тогда можно принять, что динамика температуры в зоне контроля будет представлена функциейT  T0 exp  Z    .(2.24)Далее в каждый дискретный момент времени τ значение определяется интенсивность Z(τ) по формулеT Z    ln   . T0 (2.25)Зная значения Z(τ), можно определить динамику других параметров мониторинга, например, видимости в зонах контроля системы мониторинга0.1  exp   Z   (2.26)Рассмотрим совокупность зон контроля температуры газовой среды в помещении при пожаре. Структура взаимодействия зон контроля и соответствующая им модель клеточных автоматов представлены на рисунке 2.14.

Результатымониторинга температуры для зон контроля N1 и N3 представлены в таблице 2.2.Результаты мониторинга для зоны контроля N2 отсутствуют ввиду потери связи сосредством мониторинга. Необходимо по результатам динамики температуры оценить динамику видимости в зонах контроля и восстановить недостающие результаты мониторинга в зоне контроля N2 путем математического моделирования.N1N2N3Рисунок 2.14 – Модель клеточных автоматов системы мониторинга100Таблица 2.2 – Исходные данные для моделированияτT1Z1Т3Z3τTZ1Т3Z31200,002200480651,179260,26260250,223210,049540751,322260,262120300,405220,095600851,447270,300180300,405220,0956601001,609280,336240300,405230,1407201101,705300,405300400,693230,1407801301,872300,405360500,916250,2238401401,946320,470420551,012250,2239001502,015320,470В таблице 2.2 для удобства обработки данных представлены абсолютныезначения температуры в дискретные моменты времени τ и значения интенсивности динамики пожара Z(τ), рассчитанная по формуле (2.25).Статистическая обработка результатов мониторингаДля статистической обработки результатов мониторинга воспользуемся методом линейной регрессионной статистики.

Для этого в качестве изучаемой величины примем интенсивность динамики параметров мониторинга Z.По данным таблицы 2.2. можно определить значения коэффициента Пирсона, стандартной ошибки результатов обработки данных (таблица 2.3).Таблица 2.3 – Регрессионная статистикаПоказателиR-квадратСтандартная ошибкаКоличество наблюденийZ10,9970,0717Z30,9950,0217Высокие значения коэффициента Пирсона говорят о хорошей сходимостирезультатов цифровой обработки данных по линейной регрессии и наблюденийинтенсивности динамики параметров мониторинга Z(τ). Расчет линейной регрессии для параметра Z(τ) представлены в таблице 2.4.101Таблица 2.4 – Коэффициенты линейной регрессии параметра ZZiZ1Z3Z2Коэффициенты0,002350,000540,00145Ст. ошибкаt-стат3 ∙10-59∙10-6-77,559,1-infimum99,0 %0,002260,000510,00139supremum99,0 %0,002440,000560,0015В таблице 2.4 значения параметра Z2(τ) определены с использованием системы уравнений параметров мониторинга для рассматриваемой совокупностизон контроля Z1(τ) и Z3(τ).

Результирующие функции представлены в таблице 2.5.Таблица 2.5 – Функции параметров мониторингаЗона контроля N3моделированиеЗона контроля N2мониторингЗона контроля N1мониторингNТемпература – прямой параметрмониторингаВидимость – косвенный параметрмониторингаТ1(sup)  T0 exp  0,00244  1  sup  01  exp  0,00244   Т1(inf)  T0 exp  0,00226  1  inf  01  exp  0,00226   Т1*  T0 exp  0,00235  1* Т3 (sup)  T0 exp  0,00056  3  sup  01  exp  0,00056   Т3 (inf)  T0 exp  0,00051 3  inf  01  exp  0,00051   Т3*  T0 exp  0,00054  3 * Т 2 (sup)  T0 exp  0,0015   2  sup  01  exp  0,00056   Т 2 (inf)  T0 exp  0,0014  2  inf  01  exp  0,00051   Т 2 *  T0 exp  0,00145  2 * 01  exp  0,00235   01  exp  0,00054   01  exp  0,00054   При расчете принято, что начальная температура в зонах контроля системымониторинга – T0= 20 °C, а минимальная видимость в зонах контроля Ω0 = 5 м.102Результаты применения разработанного метода мониторинга динамики по-Ω, мT, oCZ, 1/сжара по температуре газовой среды представлены на рисунке 2.15.Время, τ, сВремя, τ, сВремя, τ, сΩ, мT, oCZ, 1/сПараметры для зоны контроля N1Время, τ, сВремя, τ, сВремя, τ, сВремя, τ, сΩ, мT, oCZ, 1/сПараметры для зоны контроля N2Время, τ, сВремя, τ, сПараметры для зоны контроля N3Рисунок 2.15 – Результаты апробации метода прогнозирования динамики пожарапо мониторингу температуры103Анализ средних значений параметров мониторинга динамики пожара пред-T, oCставлен на рисунках 2.16 и 2.17.Время, τ, сΩ, мРисунок 2.16 – Динамика температуры для совокупности зон контроляВремя, τ, сРисунок 2.17 – Динамика видимости для совокупности зон контроляАнализ результатов позволяет сделать вывод о том, что разработанный метод моделирования параметров мониторинга пожара индуцирует значения косвенных параметров мониторинга, для контроля которых в системе мониторингаотсутствуют средства измерения, а также восстанавливает недостающие данные всистеме мониторинга благодаря применению многокритериальной модели мониторинга, в случае их потери по техническим причинам.1042.5.

Модель оценки состояний пожара по результатам мониторингаВ качестве теоретической основы для разработки модели состояний пожараиспользована теория клеточных автоматов. Тогда каждая зона контроля системы содним средством измерения состояния пожара в здании представляется в видеячейки клеточного автомата. При формировании записи уравнений, описывающихдинамику параметра p, структуру взаимодействия клеток автомата в модели удобно представить в виде ориентированного графа состояний и переходов.Решение задачи, состоящей в определении значения состояния пожарав рамках данной теории возможно на основе анализа функций принадлежности.2.5.1.

Характеристики

Список файлов диссертации