Диссертация (1172889), страница 17
Текст из файла (страница 17)
Впровинции Хайзыонг ситуация за десять лет не претерпела особого изменения.Особо стоит выделить Вингфук провинции, в которым отмечено наибольшееснижение числа пожаров за последние десять лет – 46,74 %. [62].Анализ динамики числа пожаров по районам города Ханоя показал, что вовсех 29 районах города Ханоя, отмечается увеличение числа пожаров. Особо109стоит выделить Центральный район, в котором отмечено наиболее значительноеповышение числа пожаров за последние десять лет – 38,55 %.ДляпостроенияпрогнозаразвитияЧС,вчастностипожаров,использовалась экстраполяция временного ряда.
Временной ряд разлагается накраткосрочную осцилляцию, сезонный эффект и случайный остаток; первые триэлемента проектируются вперед, собирая их вместе сложением или умножением(в зависимости от модели) для формирования прогноза, затем исследуетсяошибки прогноза [19, 48, 53].Таблица 2.40 – Темпы изменения числа пожаров по районам города Ханоя [21]единица: %бТенденция121314-9,10-2,7-0-14,222,2-75,9-0-44,418,18,33-6,1--2016,6614,28-16,6017,1+-257,6-8,3307,6913,331,1+007,14-27,221,4-16,614,2814,9+16,6-20037,5-6028,5712,5-33,31,87+12,511,1-12,533,3-50011,11016,63,6+-11,118,1-22,2109,098,3-33,3257,697,1418,7+Ха Донг22,2-12,5-14,20022,2-8054,54-22,210-19,9-11За Лам30-11,118,1-37,511,125-33,3109,098,3329,7+12Тхас Тат0-50600-250-100502016,6-28,4-13Донг Ань14,2-16,6-20-252028,5-13340-2533,33-83,5-№Район12345678910111Ба Динь11,118,108,3-20-11,1-50502ХоанКиэм30-66,633,3-8058,3-71,412,53Хай БаЧынг9,1-109,1-22,2-12,538,44Донг Да18,10-1023,07-8,335Тау Хо23,07-8,337,6913,336Кау Зьай8,3307,67ХоангМай2008Шон Тай-28,59Лонг Бьен10 110123456789101112131414Мэ Линь-20016,614,2-4016,600-2028,5-4,1-15Ты Лйэм-2028,522,2-12,5-33,3250-33,314,212,53,3+16Тхань Чй-4037,5011,10-12,511,1-28,522,2-12,5-11,6-17Шок Шон20-252016,6-5020-15033,32520-70,1-18Ба Ви-33,32533,3-2028,5-75-33,35014,20-10,6-19Фус Тхо-33,34016,614,2-4000-252016,69,1+20Куог Оай20-252016,6-20-25-33,34016,614,224,1+21Чуонг Ми028,512,5-14,2-16,6-20016,625-33,3-1,5-22ДанФуонг22,210-11,118,1-83,333,3-28,522,218,1-22,2-21,2-23Хоай Дук-252028,512,5-33,333,3-5014,2-16,6258,6+24Тхань Оай28,5-16,614,2-16,625-33,3-2037,511,1-12,517,3+25Ми Дук02511,125-71,4309,09-10-11,11017,6+26Ынг Хоа14,2012,527,2-1016,60-2016,6-9,0948,1+27ТхынгТинь33,3-2016,614,2-40016,6014,2-16,618,3+28Фу Шуен16,6-5033,314,2-4037,5-33,314,2016,6667-24,1-29Мэ Линь-16,614,212,527,2-57,1-16,614,2012,50-9,7-Любойметодпостроениясистематическихфункций дляописаниянаблюдений основывается на критериях наименьших квадратов, в соответствии скоторым все наблюдения имеют равный вес.
Однако недавним точкам следуетпридавать в некотором смысле больший вес, а наблюдения, относящиеся к"далекому прошлому", должны иметь по сравнению с ними меньшую ценность(их следует дисконтировать). Для некоторой степени это учитывается в методескользящих средних с конечной длиной отрезка усреднения, где значения весов,111приписываемых последней группе (2m+1) значений, не зависит от предыдущихзначений. Рассмотрим идею метода выделения "свежих" наблюдений –экспоненциального сглаживания [3].1Пусть задачи ряд весов 1, , 2 , 3 , …, для которых ∑∞=0(1 − ) = , || < 1.Рассматривается процесс () в моменты времени t и (t-1)() = { + (1 − )−1 + ⋯ } = ∑∞=0(1 − ) − ,(2.35)( − 1) = {−1 + (1 − )−2 + ⋯ }.(2.36)Тогда ( − 1) = () + (1 − )( − 1), или() = () + (1 − )[{−1 + (1 − )−2 + ⋯ }] = () + (1 − ),(2.37)где () – исходные значения временного ряда.Если известна, оценку () можно получить из оценки в момент времени( − ) плюс фактически наблюдаемое значение () в момент времени умноженного на .При составлении прогнозов оперируют интервальной оценкой, определяятак называемые доверительные интервалы прогноза [8]:инт = ̅ ±√,(2.38)где – значение - распределения Стьюдента для m степеней свободы и уровнязначимости, - оценка среднего значения, - оценка среднеквадратичногоотклонения, – объем выборки значений ВР.Для построения краткосрочного прогноза была использована модельэкспоненциального сглаживания.
Метод применяется для прогнозированиянестационарных временных рядов, имеющих случайные изменения уровня и угланаклона и известен под названием метода Брауна [2, 11].В качестве основной модели ряда рассматривается его представление в видеполинома невысокой степени, коэффициенты которого медленно меняются современем:() = () + (1 − )( − 1),где – параметр сглаживания.Начальное значение тренда зависит от его типа:(2.39)112–для экспоненциального тренда(2)(0) = (1) ; (0) =–(0)(2.40),для линейного тренда(0) =–(1)()−(1)−1; (0) =(1)− (0)2(2.41),для демпфированного (затухающего) тренда(0) =(1/ ) ∗(()− (1))(−1); (0) =(1)− (0)2(2.42),где – параметр сглаживания демпфированного (затухающего) тренда.Вычислительный процесс устроен как адаптивная процедура, в которойкоэффициенты полинома пересчитываются по старым коэффициентам и новымданным. Процесс вычислений управляется двумя параметрами: порядкомаппроксимирующего полинома и параметром сглаживания.
Чем ближе параметрсглаживания к единице, тем больше влияние последних наблюдений [1, 123].Математическая основа метода – локальная аппроксимация ряда полинома,коэффициенты которого находятся по методу наименьших квадратов сэкспоненциальноубывающимивесами.Наибольшийвесприписываетсяпоследнему наблюдению, скорость убывания весов определяется параметромсглаживания. Подогнанный полином используется далее для прогнозирования[125]. В ходе вычислений строится сглаженный ряд, представляющий собой вкаждый момент времени прогноз по данным до момента − включительно.Выбор параметра сглаживания представляет собой достаточно сложнуюпроблему. Общие соображения таковы: метод хорош для прогнозированиядостаточно гладких рядов.
В этом случае можно выбрать сглаживающуюконстанту путем минимизации ошибки прогноза на один шаг вперед, оцененнойпо последней трети ряда [2]. Для исследования ЧС было проведено краткосрочноепрогнозированиевозникновенияразличныхЧС.Прогнозированиеосуществлялось при помощи пакета Statistica 10.0 [49].Выявленастатистическаясогласованностьмеждуфакторами,характеризующими пожарную обстановку в регионе на основе корреляционногоанализа, ипостроенырегрессионныемодели,учитывающие последствия113возникновенияпожаров:смертность,травматизм,экономическийущерб.Проведена классификация территориальных единиц региона по показателямпожарной обстановки на базе кластерного анализа и предложена оценкатерриториальных единиц региона по риску возникновения пожарной ситуации наоснове дискриминантного анализа.Для статистического исследования согласованности показателей пожарнойбезопасности в регионе был применен корреляционно-регрессионный анализ,учитывающиймеждуфакторныесвязи:прямоевлияниефакторанарезультативный признак (последствия пожаров: смертность, травматизм, ущерб);косвенное влияние фактора через его влияние на другие факторы; влияние всехфакторов на результативный признак.Такимобразом,всепостроенныерегрессионныемоделиявляютсяадекватными и достаточно точно учитывают зависимости между показателямипожарной безопасности.Нарисунках2.13и2.14представленрезультаткраткосрочногопрогнозирования общего количества пожаров по Северу Вьетнама, из котороговидно, что в целом по области прогнозируется повышение количества пожаров.Рисунок 2.13 – Результат краткосрочного прогнозирования общего количества пожаров поСеверу ВьетнамаТаким образом, при выполнении диссертационного исследования проведен114статистический анализ техногенных и биолого-социальных ЧС по СеверуВьетнама, который используется для информационной поддержки принятияуправленческих решений органами ГОЧС и оценки риска возникновения ЧС врегионе.Полученытематическиекартыпорезультатамклассификациитерриториальных единиц региона по основным видам ЧС.
Проведена оценкадинамикивозникновенияпожаровпоСеверуВьетнама,полученыпрогностические оценки, числа пожаров на 2016, 2017, 2018.Количество пожаров, ед.1200y = 3,6856x2 - 21,457x + 792,42R² = 0,86100080060040020002006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 ГодыСевер ВьетнамаПолиномиальная (Север Вьетнама)Рисунок 2.14 – Результат краткосрочного прогнозирования общего количества пожаровна территории Севера Вьетнама до 2018 годаСделан вывод о том, что принятие своевременных и обоснованных решенийна применение сил и средства при возникновении пожаров на территории СевераВьетнама требует внедрения и применения современных информационныхтехнологий.
Сформулировано и обосновано положение о том, что основуинформационной поддержки при принятии управленческих решений должнысоставлять математические методы прогнозирования обстановки и реагированияна ее состояние предложен подход к прогнозированию пожарной обстановки впровинцияхирегионахнаматематического моделирования.основеприменениясовременныхметодов1152.6. Выводы по второй главеИсследована структура управления и система технического обеспеченияпротивопожарной аварийно-спасательной службы Севера Вьетнама. Результатыпоказывают, что их функционирование ориентировано, главным образом, нарешение задач противопожарной аварийно-спасательной службы и недостаточноориентировано на решение задач добровольный пожарный охраны.Анализ использования пожарных автомобилей в крупнейших городахСевера Вьетнама показал большую потребность в основных, специальныхавтомобилях и автолестницах.
В целях использования российского опытапроектирования ПАСС, в рамках исследования модели программного продуктадля проектирования пожарной охраны крупных городов Севера Вьетнама. Наоснове проведения расчетов по определению мест дислокации пожарныхподразделений разработаны рекомендации по совершенствованию системыобеспечения пожарной безопасности.В связи с низкой эффективностью деятельности формирований ДПО,обусловленной слабой подготовкой добровольцев к осуществив функцийпрофилактики и тушения пожаров, почти полным отсутствием пожарной техники,недостаточной мотивации обоснована необходимость совершенствованиядобровольной пожарной охраны.Обоснованы основные параметры системы противопожарной защитыкрупнейших городов Севера Вьетнама и определена их потребность в основных испециальных автомобилях, а также в автолестницах.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
