Автореферат (1172867), страница 3

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

Текст из файла (страница 3)

Алгоритм расчета критерия оперативной готовности представлен на рисунке 4.Сбор данных по пожарам в субъектах РФ: Количество пожаров,дата пожаров, время занятости пожарных подразделенийОценка времени занятости подразделений в сутки на протяжении годаПостроение временного рядаАнализ временного ряда SSА методомРасчет коэффициента оперативной готовностиВывод коэффициента оперативной готовностиРисунок 4 – Алгоритм расчета критерия оперативной готовностиКритерий технической готовности является комплексной характеристикой безотказности и ремонтопригодности технических средств подразделенийМЧС России Алгоритм расчета критерия технической готовности представленна рисунке 5.11НАЧАЛОнетN ПА ; n j ; k j ; m j ; t ТОj ; t Рj ; t П.П.jнетХолодныйда==1,3KKПпку1,3КУнетнетУмеренно-теплыйУмеренныйдаТеплыйвлажныйда== 1,2KKПпку1,2КУ==1,1KKПпку1,1КУдаKKПпку== 0,90,9КУАнализ временного ряда SSA методомK ТГ min ; K ТГ maxКОНЕЦРисунок 5 – Алгоритм расчета критерия технической готовности:ПКУ – природно-климатические условияТак как существующая схема иерархии по принятию решений при переоснащении парка пожарных автомобилей в пожарно-спасательных подразделениях МЧС России включает в себя несколько уровней, то для реализации принятой концепции необходимы большие финансовые и временные затраты.Временные значения критериев представляют информацию, выступающуюв качестве основы для реализации выбора с возможностью влияния на результаты путем реализации управляющих воздействий, а именно изменением количественного состава парка основных пожарных автомобилей.12Для реализации поэтапного оснащения парка основных пожарных автомобилей разработана информационно-аналитическая модель принятия решений, представляющая собой программный комплекс, реализующий поэтапнуюоценку результатов выбора наилучшего варианта переоснащения с отображением совокупности информации и ее аналитической обработки.Структура аналитической обработки информации с помощью программного комплекса «Информационно-аналитическая модель» представлена на рисунке 6.

Обработка информации включает четыре основных этапа:1. Построение и статистическая обработка вариационного показателя занятости основных пожарных автомобилей в пожарно-спасательном подразделении. Для реализации данного этапа производится сбор данных из базы данныхс информацией о показателях оперативного реагирования на вызовы в конкретных субъектах Российской Федерации и о технических показателях.2.

Расчет временных рядов значений критериев оперативной и техническойготовности с учетом количественного состава парка основных пожарных автомобилей. Временные ряды формируются за каждые дежурные сутки (микропериод анализа) в течение одного года (макропериод анализа). Временные рядыотображаются в виде диаграммы зависимости значений критериев оперативнойи технической готовности в течение макропериода.3.

Построение интервальных значений критериев оперативной и технической готовности для каждого субъекта РФ на основе анализа временных рядовс использованием метода интервальных значений. Интервальные значения критериев оцениваются с использованием методов теории принятия решенийв условиях риска и неопределенности. Рассматриваются два вида интервалов:максимин – интервал значений критерия, включающий в себя максимальноезначение критерия среди минимальных его значений» и минимакс – интервалзначений критерия, включающий в себя минимальное значение критерия средимаксимальных его значений.4. Визуализации полученных данных для субъектов РФ с возможностьюанализа реализации управляющих воздействий. Для каждого субъекта Российской Федерации отображается совокупность интервалов критериев оперативной и технической готовности за макропериод анализа с возможностью оценкиуправляющих воздействий, включающих в себя изменение количественного состава парка основных пожарных автомобилей.Информационно-аналитическая модель используется при решении двухвзаимосвязанных задач управления:1 – выявление и расстановка предпочтений по переоснащению паркаосновных пожарных автомобилей пожарно-спасательных подразделений на основе ретроспективного анализа оперативной и технической готовности паркаосновных пожарных автомобилей;2 – оценка реализации поэтапного переоснащения парка основныхпожарных автомобилей в субъектах РФ, наиболее предпочтительных с точкизрения переоснащения (см.

рисунок 6).13БД2Вариант распределенияколичественного составапарка основных пожарных автомобилейБД1Вариационный показательS=f(N,τ)Временной ряд значений критерияоперативной готовностиВременной ряд значений критериятехнической готовностиАнализ технической готовности123Анализ оперативной готовностиАнализ результатов решения4Рисунок 6 – Блок-схема информационно-аналитической модели поддержки управленияпереоснащением парка основных пожарных автомобилей территориальныхпожарно-спасательных подразделенийВ главе 3 «Исследование информационно-аналитической моделипринятия решений по переоснащению парка основных пожарныхавтомобилей» осуществляется анализ возможности использования метода интервальных значений для расчета показателей оперативной и технической готовности парка пожарных автомобилей в информационно-аналитической модели.Для оценки параметров технической и оперативной готовности с точкизрения функционального анализа необходимо рассмотреть свойства параметразанятости основной пожарной техники при обслуживании вызовов за микропериод наблюдения – дежурные сутки.

Содержание параметра S определяется совокупностью следующих факторов:– количество пожаров за микропериод наблюдения (количество вызововв сутки) – случайная величина;– количество привлекаемой основной пожарной техники – случайнаявеличина;– время занятости каждой единицы пожарной техники при тушениипожара (обслуживании вызова) – случайная величина.Формальное представление вариационного параметра S как случайнойвеличины позволит воспользоваться рядом ее полезных свойств.

случайных величин. Для научного обоснования выбора метода интервального анализа параметра S и внедрения в информационно-аналитическую модель принятия решений по переоснащению, необходимо:– выяснить закон распределения случайной величины S;– вычислить точечную оценку параметра распределения случайнойвеличины S;14– определить подход к внедрению параметра S в методику принятия решений с учетом риска и неопределенности.В исследованиях научной школы Н.Н. Брушлинского отмечается, чтовремя обслуживания вызова, как и время занятости пожарных подразделений,является случайной величиной, подчиняющейся закону распределения Эрланга.Таким образом, рассматривая функцию распределения F(S*) = Р{S<S*} и вероятность события, состоящего в том, что занятость при тушении пожара будетменьше фиксированного значения S*, будет анализироваться функцияF(S) = 1 – e–µS, где µ – параметр распределения.Например, вероятность занятости основных пожарных автомобилейв Чеченской Республике за дежурные сутки находится в интервалеот [100;1000] минут:P {100 ≤ S < 1000} = e 100  397 −e 1000  397 = 0, 78 − 0, 08 = 0, 7.(3)Концепция управления, основанная на теории принятия решений в условиях риска и неопределенности, подразумевает, что вероятность принадлежности величины анализируемому интервалу одинакова для всех альтернативуправленческих решений.

Поэтому для случайной величины, подчиняющейсязакону распределения Эрланга, используется оценка вероятности по левому(минимальный) или правому (максимальный) краю значений в зависимостиот расположения асимптот. В случае анализа вариационного показателя Sпо аналогии с работами профессора Н.Н. Брушлинского выбирается правый(максимальный) край значений. Вероятность события, состоящего в том, чторасчетное значение S превысит заданное значение S*, будет определенопо закону Эрланга Ф(S) = Р{S > S*} = ε и рассчитана как вероятность рискапо формуле S− Sср1=> S = Sср ln   , мин.(4)sНа примере субъектов 7 субъектов СКФО РФ результаты анализа вариационного показателя представлены в таблице 1.ε=eРезультаты вариационного анализа субъектов СКФО РФСубъект 1Субъект 2Субъект 3Субъект 4Субъект 5Субъект 6Субъект 7Наименование субъектаε=0,017453593593132716338601828ε=0,026331503503112713877311553ε=0,0548483853385386310625601189Таблица 1ε=0,13726296296663816430914Среднее1618129429288355187397При анализе показателей величины Kо.г и значений R1, R2 и R3 можноопределить, что полученные значения распределения рисков и значения коэффициента оперативной готовности территорий субъектов Северо-Кавказского15федерального округа РФ (СКФО) дают разный результат по ранжированию.Составным значением коэффициента оперативной готовности является случайная величина S – она наиболее сопоставима со значением распределения рискаR2.

Для СКФО РФ гистограмма значением коэффициента представленана рисунке 7.8Баллы рейтинга, ед.765432101234 4 Субъект5 5 Субъект6 6 Субъект7 7Субъект1 Субъект2 Субъект3 СубъектСубъекты СКФО РФРисунок 7 – Значения распределения риска R2 () и случайной величины S ()Из гистограммы можно определить, что значения совпадают только частично, так как значения рисков в регионах позволяют оценить только пожарную безопасность территорий субъектов СКФО РФ, а случайная величина S –оперативную готовность подразделений пожарной охраны.

Поэтому именноизучение и расчет коэффициента оперативной готовности приводит к реальному показателю обеспеченности техникой.Таким образом, осуществление применения левосторонних или правосторонних оценок вариационного показателя в информационно-аналитической модели поддержки принятия решений является проблематичным, так как отсутствует возможность представления данных на плоскости декартовой системыкоординат в виде анализируемых динамично меняющихся областей показателей. Поэтому для анализа параметров коэффициентов оперативной и технической готовности возникает необходимость использования специальных процедур интервального анализа данных, реализованных, например, в специализированном методе SSA.В вероятностном понимании компонента информационно-аналитическоймодели – время занятости основной техники при ликвидации пожаров – подчиняется закону распределения Эрланга.

Это значит, что при интервальном анализе значений коэффициентов оперативной и технической готовности, как этопредусматривает информационно-аналитическая модель, невозможно использовать известные процедуры, основанные на нормальности исследуемой случайной величины. Поэтому метод SSA является обоснованным с точки зрениятеории вероятностей и математической статистики.16В главе 4 «Применение информационно-аналитической моделипринятия решений по ранжированию территориальных подразделенийв порядке предпочтительности для переоснащения парка основнымипожарными автомобилями на примере СКФО России» описаны этапы применения математического SSA метода, а также предложен механизм принятиярешений по переоснащению парка основных пожарных автомобилей территориальных подразделений пожарной охраны на примере информационноаналитической поддержки принятия решений по ранжированию территориальных подразделений в субъектах СКФО РФ.Метод SSA подразумевает способ преобразования одномерного рядав многомерный и представляет собой свертку временного ряда в ковариационную матрицу, содержащую фрагменты временного ряда, полученные с некоторым сдвигом.Суть используемого метода главных компонент сводится к уменьшениюразмерности статистических данных или данных наблюдения с обеспечениемсохранности закономерностей изменения данных.

Характеристики

Список файлов диссертации