Помощь в написании студенческих работ
Антистрессовый сервис

Методы и алгоритмы мониторинга и прогнозирования риска природных пожаров на объектах деревообрабатывающей промышленности

Диссертация: Методы и алгоритмы мониторинга и прогнозирования риска природных пожаров на объектах деревообрабатывающей промышленности
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Создание собственной сырьевой базы на предприятии деревообрабатывающей промышленности значительно сокращает сроки изготовления и снижает себестоимость продукции. Сегодня особенно актуально формирование механизма управления, деревообрабатывающим предприятием начиная с пулевого цикла и до сдачи готовой продукции, но при объединении разпоуров-неевых циклов производства в единый комплекс, следует… Читать ещё >

Методы и алгоритмы мониторинга и прогнозирования риска природных пожаров на объектах деревообрабатывающей промышленности (реферат, курсовая, диплом, контрольная)

Содержание

  • ГЛАВА 1. СОВРЕМЕННОЕ СОСТОЯНИЕ МОНИТОРИНГА И ПРОГНОЗИРОВАНИЯ ПРИРОДНЫХ ПОЖАРОВ
    • 1. Анализ существующих методов и алгоритмов мониторинга и прогнозирования природных пожаров
    • 1. Определение и назначение системы дистанционного мониторинга природных пожаров
    • 2. Существующие технологии мониторинга природных пожаров
    • 3. Существующие систем дистанционного мониторинга природных пожаров
    • 2. Анализ существующих методов прогнозирования природных пожаров
    • 1. Обзор существующих методов и моделей прогнозирования пожаров
    • 2. Анализ существующих зарубежных методов прогнозирования
    • 3. Анализ Российских методов прогнозирования
  • Выводы по главе 1
  • ГЛАВА 2. РАЗРАБОТКА АРХИТЕКТУРЫ ИНФОРМАЦИОННОЙ СИСТЕМЫ МОНИТОРИНГА И ПРОГНОЗИРОВАНИЯ ПОЖАРНОЙ ОПАСНОСТИ ДЕРЕВООБРАБАТЫВАЮЩЕГО ПРЕДПРИЯТИЯ
    • 1. Основные требования к информационной системе прогнозирования пожарной опасности деревообрабатывающего предприятия
    • 1. Структура ИС деревообрабатывающего предприятия
    • 2. ГИС мониторинга и прогнозирования вероятности риска природной пожарной опасности
    • 3. Система управления данными деревообрабатывающего предприятия
    • 4. Структура модуль прогнозирования вероятности риска природного пожара
    • 5. Структура модуля мониторинга торфяных пожаров
    • 2. Анализ исходных данных, влияющих на уровень риска возникновения пожарной опасности
    • 1. Метеорологические условия
    • 2. Причины торфяных пожаров
    • 3. Лесорастительные факторы
    • 4. Антропогенная нагрузка
    • 3. Разработка математических моделей факторов риска возникновения природных пожаров
    • 1. Фактор пожарной опасности Р (С)
    • 2. Фактор пожароопасного состояния торфяных болот Р (Т)
    • 3. Фактор антропогенной нагрузки Р (А)
    • 4. Риск фактора Р (Л) зависимости характеристик лесного покрова
    • 5. Определение адекватности математических моделей факторов риска
  • Выводы по главе 2
  • ГЛАВА 3. ПОСТРОЕНИЕ МОДЕЛИ ПРОГНОЗИРОВАНИЯ РИСКА ВОЗНИКНОВЕНИЯ ПОЖАРНОЙ ОПАСНОСТИ С ИСПОЛЬЗОВАНИЕМ ТЕОРИИ НЕЧЕТКИХ МНОЖЕСТВ
    • 1. Обоснование выбора теории нечетких множеств, для прогнозирования вероятности возникновения пожарной опасности
    • 2. Теоретические понятия теории нечетких множеств
    • 1. Понятие нечеткое множество
    • 2. Понятие лингвистической переменной
    • 3. Система нечеткого логического вывода
    • 3. Разработка нечеткой модели системы принятия решения по прогнозирования пожарной опасности
    • 4. Моделирование системы по прогнозированию рисков в среде MATLAB Fuzzy Logic Toolbox
  • Выводы по главе 3
  • ГЛАВА 4. ПРОГРАММНЫЙ КОМПЛЕКС ПО ПРОГНОЗИРОВАНИЮ И МОНИТОРИНГУ ПОЖАРНОЙ ОПАСНОСТИ
    • 1. ГИС мониторинга и прогнозирования пожарной опасности деревообрабатывающего предприятия
    • 2. Модуль мониторинга торфяников
    • 3. Модуль прогнозирования
    • 4. Модуль управления лесными ресурсами
  • Выводы по главе 4

Актуальность работы.

Интенсивное внедрение информационных технологий в управление промышленными объектами, необходимость повышения достоверности и качества исходной информации, лежащих в основе формирования управленческих воздействий, требует создание новых методов и алгоритмов анализа и обработки данных и моделирования процессов управления предприятием, работающих в условиях недостаточности и низкой доступности информации вследствие неразвитости информационно-технической базы.

Создание собственной сырьевой базы на предприятии деревообрабатывающей промышленности значительно сокращает сроки изготовления и снижает себестоимость продукции. Сегодня особенно актуально формирование механизма управления, деревообрабатывающим предприятием начиная с пулевого цикла и до сдачи готовой продукции, но при объединении разпоуров-неевых циклов производства в единый комплекс, следует учитывать технологические особенности каждого. Предприятие обязано обеспечить пожарную безопасность на всех уровнях производства. При автоматизации процесса заготовки сырья, важно соблюдение требовании по обеспечению надлежащего уровня по профилактике и предупреждению пожароопасных ситуаций на вверенных лесных территориях. Однако существующие методики оценки риска возникновения пожарной опасности, из-за большого и разнородного объема информации, не приемлемы для применения па отдельном предприятии. В этом случае, следует ориентироваться на более простые, экономичные мобильные технологии по прогнозированию пожарной опасности предприятия, интеграцию новых методов обработки информации, позволяющих осуществлять сбор, обработку и предоставление оперативных данных о состоянии подведомственной территории леса, а так же формировать управляющие решения, направленные на обеспечение пожарной безопасности производства. В область разработки и применения методов системного анализа сложпых прикладных объектов исследования, обработки информации включая вопросы совершенствования управления и принятия решении, большой вклад внесли работы Р. И. Макарова, A.B. Кострова, С. С. Садыкова, Д. Е. Андрианова, Ю.Д., Моторыгииа, А. А. Денисова.

Сегодня перспективным является применение интеллектуальных технологий, методы теории нечетких множеств являются удобным средством моделирования, сложных динамических процессов в условиях многокрите-риальности и неопределенности. Процесс развития пожарной опасности является труднопрогнозируемым процессом, который зависит от многих граничных условий и факторов, и в этих условиях целесообразно использовать нечеткие модели вывода. Вопросы практического применения нечетких моделей рассматривались в работах Н. Г. Ярушкиной, И. Батыршина X. Танаки, К. Сонга, однако подход к прогнозированию природных пожаров с точки зрения нечетких моделей не был рассмотрен.

В связи с этим, исследование, назначением которого является разработка математической модели и комплекса программ мониторинга и прогнозирования рисков возникновения природных пожаров на основе иерархического нечеткого вывода, является актуальным.

Объектом исследования диссертационной работы является информационная система управления предприятием, работающая в условиях неоднородности бизнеса.

Предмет исследования — методы и решения направленные на совершенствование системы управления пожарной безопасностью деревообрабатывающего предприятия.

Целыо работы является повышение эффективности прогнозирования пожарной опасности и результатов управленческих решений, направленных на предупреждение опасных ситуаций на деревообрабатывающем предприятии.

Для достижения поставленной цели были решены следующие основные задачи:

1. Исследованы данные, влияющие на возникновение пожарной опасностипроанализированы существующие методы мониторинга и прогнозирования природных пожаров, существующие математические модели оценки пожарной опасности.

2. Разработана структура информационной системЕЛ предприятия деревообрабатывающей промышленности.

3. Разработана человеко-машинная процедура принятия решений по оценке риска природного пожара на территории предприятия деревообраба-тываЕощей промыЕиленности.

4. Разработана методика оценки риска природного пожара на территории предприятия деревообрабатЕлваЕогцей промышлеЕшости с использоваЕЕН-ем теории нечетких мЕЕОжеств, обеспечиваЕощая необходимую степень достоверности получаемых результатов.

5. Предложена методика оргаЕШзации пожарной безопасности и мониторинга торфяников на предприятии деревообрабатывающей промЕЛшлеЕЕНОсти.

Научная новизна.

1. ПредложеЕЕЫ новые математические модели для расчета основных факторов, влияеощих на риск возникновеЕЕия природного пожара, позволяео-щие повысить точность пропЕозирования риска возееикновсееия пожара.

2. РазработаЕЕа методика оценки прЕЕродного пожарного риск с исполь-зоваЕЕЕЕем теории нечетких МЕЕОжеств, обеспечиваЕогцую необходимуЕо степень достоверЕЕости получаемых результатов.

3. РазработаЕЕЕЛ алгоритмы оценки риска природных пожаров с ееспользо-ванием аппарата иерархического нечеткого вывода, позволяющие осуществлять прогнозирование пожара на основе ЕЕечетко заданных исходееых даЕЕНых.

Методы исследования. В работе использованы: системный анализ, теория систем, теория нечетких МЕЕОжеств, классификации, эксперимента и методы математического моделироваЕЕия,.

На защиту выносятся.

1. Алгоритм определения риска возникновения природных пожаров, использующий в качестве исходных данных лингвистические переменные.

2. Математические модели факторов возникновения природных пожаров, повышающие точность прогнозирования.

3. Методика оценки природного пожарного риск с использованием теории нечетких множеств.

Практическая значимость работы. Разработанные методы мониторинга и прогнозирования риска природных пожаров позволили повысить достоверность получаемых расчетных величин опасности природного пожарного риска. Они учитывают индивидуальные особенности объекта, неопределенность факторов пожарного риска и позволяют в процессе расчета увеличивать количество учитываемых факторов. Результаты расчетов используются в качестве количественного показателя пожарной опасности объектов необходимого для принятия решении, направленных на снижение уровня пожарного риска объектов деревообрабатывающей промышленности. Результаты исследований используются в практической работе ГУ МЧС России по Владимирской области при оценке фактической степени природной пожарной опасности промышленных предприятий, расположенных на подведомственных территориях. Разработанный метод успешно применяется при проведении аудита пожарной безопасности объектов деревообрабатывающей промышленности организациями Новтехсторой и «СТРОЙ — КОМПЛЕКС» г. Боровичи Новгородской области.

Апробация работы. Основные результаты диссертации докладывались и обсуждались на следующих конференциях: ЯГПУ (Ярославль) — СГТУ (Самара) — международной научно-практической конференции «Современные направления теоретических и прикладных исследований» (Одесса) — Международная научно-практическая конференция «Информационные технологии в науки и образовании» (Шахты-2012) — международной научно-практической конференции «Электронная Казань 2013» .

Публикации. По теме диссертации опубликовано 14 научных работ, в том числе 5 в изданиях из перечня ВАК, получено 2 свидетельства о регистрации программных продуктов.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы и приложения. Объем работы составляет 150 страниц, в том числе 131 страниц основного текста 10 страниц список литературы, 42 рисунка и 12 таблиц.

Выводы по главе 4.

Разработана ГИС, которая представлена аппаратно-программным комплексом, с применение GPS технологий, что позволяет получать актуальную информацию о пожарной опасности с датчиков оборудования. Такой подход уменьшает время реагирования на локализацию пожара, особенно торфяных очагов возгорания.

ЗАКЛЮЧЕНИЕ

.

В данной работе была решена научно-практическая задача анализа и автоматизации процесса обеспечения пожарной безопасности производства строительных конструкций на деревообрабатывающем предприятии в условиях недостаточности и низкой доступности информации вследствие неразвитости информационно-технической базы.

1. Предложен алгоритм прогнозирования риска природных пожаров на предприятии деревообрабатывающей промышленности для принятия решения по обеспечению пожарного аудита, соблюдения уровня пожарного риска объектов деревообрабатывающей промышленности.

2. Построены новые математические модели факторов, определяющих риск возникновения природного пожара, с учетом многокритериальности данного процесса.

3. Разработана система экспертных оценок, описывающих факторы, определяющие риск возникновения природного пожара.

4. Разработаны типовые шаблоны продукционных правил, определяющих уровень пожарной опасности на деревообрабатывающем предприятии.

5. Проанализированы существующие схемы нечеткого вывода. По результатам проведенного анализа за основу иерархического нечеткого вывода был взят алгоритм Сугено, который обеспечивает следующие преимущества: выходное множество в этой схеме является нечетким множеством первого порядка, каждое правило учитывается только один раз. Использование алгоритма нечеткого вывода по Сугено позволяет избежать накопления нечеткости и снизить арифметическую погрешность вычислений при выполнении иерархического нечеткого вывода.

6. На основе созданной модели построена веб-ориентированная ГИС мониторинга и прогнозирования пожарной опасности. Разработанная система внедрена на предприятиях «Новтехсторой» и «СТРОЙ — КОМПЛЕКС» г. Боро-вичи Новгородской области. Применение разработанной методики позволило сократить затраты на проведение работ по пожарному аудиту предприятия.

Показать весь текст

Список литературы

  1. И. Н. ГИС состояния лесного фонда Иркутской области // VII научное совещание по прикладной географии: тез. науч. конф. Иркутск: изд-во Института географии СО РАН, 2001. — С. 191−193.
  2. А.К. Система математических моделей леса // Планирование и прогнозирование природно-экономических систем. Новосибирск: Наука, изд. — 2009. — С. 46−57.
  3. А.И., Черкаишн А. К. Модель пространственной и возрастной структуры леса // Модели управления природными ресурсами. М.: Наука, 2005.-С. 231−243.
  4. Н.М., Дульзон A.A., Потапкин В. И. Доля наземных разрядов в грозах при различных синоптических условиях // Тр. Зап.-Сиб. РНИГМИ, изд. 1998, переизд. 2008. С. 89−94.
  5. Дистанционное зондирование в лесном хозяйстве / Дашолис Е. П., Жирин В. М., Сухих В. И., Эльман Р. И. М.: Агропромиздат, 1989. — 223 с.
  6. Мониторинг и прогнозирование лесных пожаров. Общие требования: ГОСТ Р 22.1.09−99.
  7. , Е. А. Спутник руководителя тушения лесных пожаров. М.: ВНИИЛМ, 2006. — 96 с.
  8. С. А., Егоров В. А. и др. Исследование возможности оценки состояния поврежденных пожарами лесов по данным многоспектральных спутниковых измерений // Современные проблемы дистанционного зондирования Земли из космоса. 2010. — Т. 7. -№ 3.
  9. В. В. Центральная база авиационной охраны лесов. Пушкино: Copyright, 2005
  10. Р. В. Коршунов Н. А. Метеообеспечение в ИСДМ-Рослесхоз: Проблемы и перспективы // Пожаровзрывобезопасность. 2010. -№ 1. — С. 34−37.
  11. , В. В. Спутниковый мониторинг лесных пожаров в России. Итоги. Проблемы. Перспективы: Аналитический обзор. Новосибирск: СО РАН. ИОА. ГПНТБ, 2010. — 135 с.
  12. Р.В., Коршунов H.A. Космический мониторинг лесных пожаров// Авиапанорама. 2008. — № 2. С. 14−17.
  13. Космические системы дистанционного зондирования Земли / Гар-бук СВ., Гершензон В. Е. М.: Издательство АиБ, 1997. — С. 296.
  14. Г. В., Барановский Н. В. Прогноз возникновения лесных пожаров и их экологических последствий. Новосибирск: Изд-во СО РАН, 2009.-301 с.
  15. А. И., Коровин Т. Н., Лупян Е. А. Использование спутниковых данных в системе дистанционного мониторинга лесных пожаров МИР РФ // Современные проблемы дистанционного зондирования земли из космоса: сб. науч. статей. М., 2005. С. 20−29.
  16. Н. В. Концептуальная база российской системы прогноза лесной пожарной опасности // Безопасность в техносфере. —2010. — № 6. -С. 34.
  17. Г. Е. Овдина A.C. Озерова М. И. Анализ существующих методов прогнозирования лесной пожарной опасности для телекоммуникационной системы дистанционного мониторинга // Новый Университет. -2012.-№ 4(10).-С. 55−58.
  18. А. М. Общие математические модели лесных и торфяных пожаров и их приложения // Успехи механики. -2002. -Т. 1. -№ 4. -С. 41−89.
  19. A.M. Математическое моделирование лесных пожаров и новые способы борьбы с ними. Новосибирск: Наука СО, 1992. — 404 с.
  20. A.M., Голованов А. Н., Суков Я. В. Экспериментальное определение теплофизических, термокинетических и фильтрационных характеристик торфа // ИФЖ. 2006. — Т. 79.-№ 3.-С. 131−135.
  21. А. С, Коровин Г.Н., Титов СП. и др. Экологические проблемы поглощения углекислого газа посредством лесовосстановления и лесоразведения в России: Аналитический обзор. -М.: Центр экологической политики, 1995.- 156 с.
  22. A.M., Голованов А.К, Катаева Л. Ю., Повода E.JI. Задача о сушке слоя лесных горючих материалов // ИФЖ. -2001. Т. 74. -№ 4. -С.58−64.
  23. Е.Л. Физико-математическое моделирование сушки и зажигания слоя лесных горючих материалов. Диссертация на соискание ученой степени кандидата физико-математических наук. Томск: ТГУ, 2002. — 108 с.
  24. Deeming J.E., Lancaster G.W., Fosberg М.А. The National Fire-Danger Rating System. N.Y. London — Toronto- USDA: Forest Service, 1972. — 165 p.
  25. A.M., Барановский H.B. Сравнительный анализ простых моделей сушки слоя ЛГМ, включая данные экспериментов и натурных наблюдений //Инженерно-физический журнал. -2003. Т. 76. -№ 5. — С. 166−169.
  26. В. А. Математическое моделирование возникновения верховых и массовых лесных пожаров : автореф. канд. физ.-мат. наук: 01.02.05 / Перминова В. А. Томск, 2010. — 39 с.
  27. В. С. Контроль и прогнозирование параметров крупных лесных пожаров как динамических процессов на поверхности земли : автореф. канд. техн. наук: 05.11.13 / Коморовский Витольд Станиславович Красноярск, 2010. 24 с.
  28. Н.В. Математическое моделирование наиболее вероятных сценариев и условий возникновения лесных пожаров : дис.. канд. тех. наук / Барановский Николай Викторович. Томск, 2007. — 153 с.
  29. Canadian Forest Fire Danger Rating System User’s Guide
  30. Deeming I.E., Lancaster I.W., Fosberg M.A., Furman R.W., Schroeder M.T. The National Fire-Danger Rating System. USDA Forest Service Research PaperRM-84 February, 1972.-165 p.
  31. David L. Martell A. Markov Chain Model of Day to Day Changes in the Canadian Forest Fire Weather Index. // Wildland Fire 9(4), 1999. p. 265−273.
  32. Sol B. Risque numerique meteorologique d’incendies dc foret en Re-gionMediterraneemie: depouillement du test de lete 1988 et propositionsd’amelio-rations.// Note de Travails SMIR/SE, № 1, France, 1989.
  33. Bovio G, Quaglino A, Nosenzo A. Individuazione di un Indice di previ-sione peril Pericolo di Incendi Boschivi.// Monti e Boschi, Anno XXXV (4), 1984
  34. Reyfsnyder WE Systems for evaluating and predicting the effect of weather andclmate on wildland fires. // World Meteorological Organisation, Special Environmental Report .№ 11, WMO № 496,1978.34 P-
  35. ICONA. Experimentation de un nuevo sistema para determinacion del-peligro dc incendios forestales derivado de los combustibles: instrucciones decal-culo. // Instituto Nacional para la Conservacion de la Naturaleza, Madrid.
  36. И.П. Сезонные изменения влажности хвои, листьев и веточеку основных древесных пород тайги. // Вопросы лесной пирологии. ИлиДСО АН СССР, Красноярск, 1970. С. 155−185.
  37. В.Г., Гриценко М. В., Шатулина Т. А. Использование температуры точки росы при расчете показателя горимости леса // Метеорология и гидрология. 1968.
  38. В. Г. Горимость леса и методы ее определения. -М.- Д.: Гослесбумиздат, 1949. 76 с.
  39. В.Г., Гриценко М. В., Шатулина Т. А. Использование температуры точки росы при расчете показателя горимости леса // Метеорология и гидрология, 1968.
  40. А. В., Софронов М. А. Классификация растительных горючих материалов // Лесоведение. 1996. — № 3. — С. 3814.
  41. Н.В., Кузнецов Г. В. Конкретизация неустановленных причин в детерминированно-вероятностной модели прогноза лесной пожарной опасности // Пожаровзрьтвобезопасность. 2011. — Т. 20, — № 6. — С. 24−27.
  42. D. Xavier Viegas, G. Bovio, A. Ferreira, A. Nosenzo and B. Sol. Comparative Study of Various Methods of Fire Danger Evaluation in Southern Europe //International Journal of Wildland Fire, 2000, Vol. 9, N A, P. 235−246
  43. H.B., Кузнегрв Г. В. Конкретизация неустановленных причин в детерминированно-вероятностной модели прогноза лесной пожарной опасности // Пожаровзрьтвобезопасность. 2011. — Т. 20. — № 6. — С. 24−27.
  44. Ball G.L., Guertin D.P. Improved fire growth modeling // International Journal of Wildland Fire. 1992. — № 2(2). — P. 47−54.
  45. C.B., Подгруишый A.B. Управление лесными пожарами // Пожаровзрывобезопасность. 2006. — Т. 15. — № 4. — С. 74−80.
  46. Chandler С. Fire in Forestry, Vol. 1: Forest Fire Behavior and Effects / Chandler C., Cheney P., Thomas P., Trabaud L., Williams D. // John Wiley & Sons, New York, NY. 1983. 450 p.
  47. Д.Е., Еремеев C.B., Садыков С. С. Теоретические основы описания и анализа плоских пространственно-распределенных объектов в ГИС. Владимир: Изд-во Владим. гос. ун-та, 2007. — 110 с.
  48. М.И. Проектирование автоматизированной системы оценки рисков возникновения природных пожаров / Жигалов И. Е // Научно-технический вестник Поволжья. 2012. — № 6. — С. 234−238.
  49. И. Е. Озерова А. С. ГИС технологий в анализе последствий природных пожаров : сборник научных трудов SWorld // Современные направления теоретических и прикладных исследований '2012 вып.1. т 5. -Одесса: КУПРИЕНКО, 2012. 93 с.
  50. Сбор данных от удаленных измерительных станций и оперативное отображение информации на основе технологии ГИС / А. В. Краснобородько, В. В. Зайцев // Известия высших учебных заведений: Геодезия и аэрофотосъемка. 2002. — Спец. вып. — С. 97−103.
  51. А.В. Исследование и разработка структур баз геоданных информационно-телекоммуникационных систем : автореф. канд. техн. наук: 25.00.35/ Краснобородко Александр Владиславович. -М., 2007. -24 с.
  52. , Е.А. Спутник руководителя тушения лесных пожаров. М.: ВНИИЛМ, 2006. — 96 с.
  53. О.И. Объективные модели и субъективные решения. М.: Наука, 1987.- 143 с
  54. Ипшаков 10.3. Исследование и анализ экологического воздействия пожаров на окружающую среду // Наука-производству: научно-технический журнал. М., 2006. — № 4(90). — С. 68−69.
  55. , Г. Н. Основные направления развития и совершенствования системы оценки и прогноза пожарной опасности / Г. Н. Коровин, В. Д. Покрывайло, З. М. Гришман, В. М. Латыпин, И. Ф. Самусенко // Лесные пожары и борьба с ними Л.: ЛенНИИЛХ, 1986, — С. 18−31.
  56. , С. М. Определение природной пожарной опасности в лесу: методические рекомендации / С. М. Вонский и др. // ЛенНИИЛХ. 1975. — 40 с.
  57. , Г. А. Детальная оценка пожарной опасности в лесах / Г. А. Доррер, П. А. Егармин // Лесные и степные пожары: возникновение, распространение, тушение и экологические последствия: мат. межд. научн. конф. Иркутск, 2005. — С.55−56.
  58. М.И. Анализ последствий природных пожаров, как инструмент прогнозирования пожароопасных ситуаций // Машиностроение и БЖД 2011. — № 2(9). — С. 17.
  59. .В., Цветков P.E. Информационная система имитационного моделирования торфяных пожаров// Программные продукты и системы. -2007.-№ 3.-С. 100−101.
  60. И. С. Природа леса и лесные пожары. Архангельск, 1947. -60 С.
  61. A.B., Софронов М. А. Классификация и картографирование растительных горючих материалов // Новосибирск: Изд-во СО РАН, 2002.-314 с.
  62. Н.В. Концептуальная база российской системы прогноза лесной пожарной опасности // Безопасность в техносфере. -2010. -№ 6. С. 3412.
  63. Андреев Ю, А., Ларченко Г. Ф. Социально-психологические аспекты рекреационных посещений леса и возникновение пожаров // Лесные пожары и борьба с ними. -М.: ВНИИЛМ, 1987. С. 251−263
  64. А.Ж., Рунгуле Р. Х., Эмсис И. В. Отдых на природе как природоохранная проблема. Рига: Зинатне, 1982. — 144 С.
  65. Г. П. Изучение связи посещаемости лесов и возникновения пожаров // Лесоведение. 1984. — № 1. — С. 59−63.
  66. Ю.А., Ермакова КВ., Негина C.B., Амельчугов С. П. Влияние уровня урбанизации территории и погодных условий на частоту пожаров : материалы 5-й междунар. конф. Томск: Изд-во Том. ун-та, 2003. — С. 4244.
  67. Н.Г. Природные и антропогенные факторы возникновения лесных пожаров в Воронежской области / Овчинникова Т. В. // Вестник Воронежского государственного университета. 2007. — Т. 2.
  68. Ю.А. Влияние антропогенных и природных факторов на возникновение пожаров в лссах и населенных пунктах : дис.. канд. технич. наук: 05.26.03 / Андреев Юрий Александрович. М., 2003. — 332 с.
  69. Метод оценки пожарной опасности в лесах по условиям погоды с учетом поясов атмосферной засушливости и сезонов года. РИЦ ДВ УГМС. Хабаровск, 2000. — 46 с.
  70. Н.В. Анализ угроз кризисных ситуаций в госуправлении 22.07.2011. http://wvvw.neolant.ru/press-center/aboutus/ncws.
  71. Методологические основы прогнозирования динамики чрезвычайных лесопожарных ситуаций. / Подрезов Ю. В., Шахраманьян М. А. М., ВНИИ ГОЧС, 2001.
  72. И. Модель прогнозирования временных рядов по выборке максимального подобия // http://www.mbureau.ru/
  73. Armstrong J.S. Forecasting for Marketing // Quantitative Methods in Marketing. London: International Thompson Business Press, 1999. P. 92 119.
  74. , А. В. Информационный менеджмент. Оценка эффективности информационной системы: / А. В. Костров, Д. А. Матвеев. Владимир: ВлГУ, 2004.-С. 116.
  75. Н. Г., Афанасьева Т. В., Перфильева И. Г. Интеллектуальный анализ временных рядов // Ульяновск: УлГТУ, 2010. 320 с.
  76. Zadehu L. A, Yager R.R. Uncertainty in Knowledge Base. Berlin: Springer-Verlag, 1991.
  77. , А. В. Основы информационного менеджмента. M.: Финансы и статистика, 2001−2004. — 336 с.
  78. Асаи К, Ватада Д., Иваи С. и др. Прикладные нечеткие системы. -М.: Мир, 1993.-352 с.
  79. Я.З. Основы теории обучающихся систем. М.: Наука. 1970.-252 с.
  80. Loia V., Sessa S., Staiano A., Taglioferri R. Merging fuzzy logic, neural networks andgenetic computation in the. design of a decision support system // Int. J. Intelk Syst, 2000.-V. 15:-P: 575−594.
  81. Д. А. Логико-лингвистические методы в системах управления. -М.: Энергоатомиздаг, 1981. 190 с.
  82. Xie S.-M., Tao J., Chai T.-Y. Intelligent method for BOF endpoint phos-phorusestimation // Contr. Theory-and Appl, 2003. V. 20, № 4r- P. 555−559r
  83. Ю.И. Нечеткие системы управления. // Техническая кибернетика. 1990. -№ 5. — С. 196−206.
  84. В.А. Нейронные сети: обучение, организация и применение. Кн. 4. М.: ИПРЖР. 2001. — 256 с.
  85. В.В., Борисов В. В. Искусственные нейронные сети. Теория ипрактика М.: Горячая линия — Телеком. 2002. — 382 с.
  86. Д., Пилгшский М., РутковскийЛ. Нейронные сети, генетические алгоритмы и нечеткие системы. М.: Горячая линия Телеком. 2004.-452 с.
  87. С. Нейронные сети: полный курс, 2-е издание. М.: Вильяме. 2006.-1104 с.
  88. Модели принятия решений наоснове лингвистической перемен-ной/А.Н. Борисов, А. В. Алексеев, О. А. Крумбсрг и др. Рига. :3инатне. 1982.-256с,
  89. Сох I J., Lewis R. W., Rasing R.S. and etc. Application of neural computingin basic oxygen steelmaking // J. of Materials Processing Techn., 2002.V.120, №l-3.-p.310−315.
  90. Rumelhart D-E., Hinton G., Williams R. Learning representation by backpropagation errors//Nature, 1986. № 323. — P. 533−536.
  91. Tsinas L., Dachwold B. A combined neural and genetic learning algorithm// Proc. IEEE Int. Conf. on Neural Networks, 1994. V.l. — P. 770−774.
  92. А.Е., Семухгш М. В. Модели и алгоритмы принятия решений в нечетких условиях : монография. — Тюмень: Издательство Тюменского государственного университета, 2000. 352с.
  93. Zadeh L.A. Fuzzy sets. Information and Control. 1965. — Vol. 8. -№ 3.-P. 338−353.
  94. Л. Понятие лингвистической переменной и его применение к принятию приближенных решений : пер. с англ. М.: Мир, 1976. — 165 с.
  95. Н.Г. Основы теории нечетких и гибридных систем. М.: Финансы и статистика, 2004. — 320 с. с ил.
  96. H. Н. Исследование и разработка нечеткой модели и комплекса программ экологической экспертизы горнодобывающего производства : дис. канд. технич. наук.: 05.13.18. Ульяновск, 2008.
  97. Ю.И., Иванченко КС, Кудинов И.Ю. Формирование и обновление данных для обучения нечётких моделей // Энергетика и энергоэффективные технологии: сб. докл. Междунар. науч.-техн. конф. В 2 ч. -Липецк: ЛГТУ, 2007. ч 1. — С. 242−249.
  98. А. Нечеткое моделирование в среде MATLAB и FuzzyТЕСН. СПб.: БХВ-Петербург, 2003.
  99. В., Королев С. Matlab как система программирования научно-технических расчетов. М.: Мир. 2002.
  100. А. Основы компьютерной математики с использованием системы MATLAB. M.: Лекс-Книга, 2005.
  101. Озерова М. И Анализ производительности телекоммуникационных систем методами имитационного моделирования / Жигалов И. Е., Шевченко Д. В. // Проектирование и технология электронных средств. -2012. -№ 3. С. 48−51.
  102. , А. В. Системный анализ и принятие решений. -Владимир: ВлГТУ, 1995. 68 с.
  103. GlassFish Server Open Source Edition Yeaeo. iiiue .ano.n. // GlassFish- Open Source Application ServerJava.net: web-naeo. http://glassfish.iava.net (29.05.2012).
  104. RU:Caaeaaiay no. aieoa Yeaeo.iiiue .ano.n. // OpenStreetMap Wiki: [web-naeo]http://wiki.0penstreetmap.0rg/vviki/RU:Caaeaaiav no. aieoa (30.05.2012).
  105. Wannatrak. Travel overtly! (Beta-version) Yeaeo. iiiue .ano.n. // Wan-natrak. Travel overtly! (Beta-version): [web-naeo] http://www.wannatrak.com (25.03.2012).
  106. Area of Intersection of Polygons Электронный ресурс. // Norman Hardy: [web-сайт]. http://cap-lore.com/MathPhys/IP (29.03.2012).
  107. М.И. Интеграция СПО в учебный процесс. Lambert Academic Publishing, 2012, 66 с.
  108. М.И. Автоматическая оценка уровня знаний учащихся методом сравнения графических образов/ Жигалов И. Е., Шевченко Д. В. // Ученые записки института социальных и гуманитарных знаний. Вып. № 1(11) — Казань: ЮНИВЕРСУМ, 2013. С. 65−68.
  109. М. И. Алгоритмы анализа графических данных для телекоммуникационной информационной системы / Жигалов И. Е // Вестник Череповецкого государственного университета.-2013.-№ 1(45).-Т. 1.-С. 8−12.
  110. Open Layers: Free Maps for the Web Yeaeo. iiiue .ano.n. // OpenLay-ers: Home: [web-naeo]. http://openlavers.orgf28.05.2012)
  111. Основные сравнительные характеристики систем ИСДМ Рослесхоз и система SFMS космоснимки
  112. Системы предоставляющие дан- нные космического мониторинга Спутники По каналам спутниковой съемки Территория зоны мониторинга Формат архивных данных Предоставляемые данные ГИС решения для предприятий на основе сервиса мониторинга пожаров
  113. Существующие математические модели прогнозирования природных пожаров
  114. Методы расчета индексов пожарной опасности Математическая модель Учитывающиеся факторы Неучитываю щиеся факторы
  115. Концептуальная схема ГИС деревообрабатывающего предприятияГ1. Сведения о лесных пожарахпо данным космического мониторинга
  116. Изображения полученньи из основных данных зондирования Земли
  117. Метеорологическая информация1. WEB-ИСДМ Рослесхоз1. Удаленный сервер SFMS
  118. Картографический сервис OperiStreetMap Клиентская подсистема Веб приложение Java ЕЕ1. Внешний сервер1. Клиентский сервер
  119. GPSGLONAS с приемником и GPRS передатчик, температурные датчики,
  120. Система управлени- данными1. Внешний сервер1. Клиентский сервер
  121. Информации поступающая с сервера клиента Информация поступающая с сервера системы дистанционного мониторинга
  122. Вид информации Частота поступления Характеристика
  123. Метеорологическая информация: фактические метеорологические показатели по метеостанциям- 3 часа отчетпрогнозные метеорологические показатели- сутки отчетгрозовой активности в районе участка отчет
  124. Информация от исполнительных органов в области лесных отношенийадминистративная принадлежность участка леса- площадь регистрации 1 Оперативные данные
  125. Лесорастительные характеристики: Класс пожароопасности лесного фонда по шкале Мелехова- засоренность территории мусором- наличие водных преград- Оперативные данные
  126. Характеристики торфяников: типа залегания торфа на участке- влажности торфа на участке- Оперативные данные
  127. Цифровая карта местности 1 Геопривязанный растр, доступ к данным через интерфейс
  128. Пиротехнические характеристики участка сутки доступ к данным через интерфейс
  129. Оперативная информация Оперативные данные
  130. Антропогенные характеристики пожароопасность сезона- близость населенных пунктов- Оперативные данные
  131. Схема архитектуры баз данных1. Клиентские приложения
  132. Инфологическая структура модуля принятия решения по прогнозированию риска пожара
  133. Определение степени воздействия факторов на общий риск возникновения пожара
  134. Уровень воздействия антропогенной нагрузки Высокая Средний Средний Умеренно-высокий Высокий Высокий
  135. Умеренно-высокая Ниже среднего Средний Средний Умеренно-высокий Высокий
  136. Средняя Ниже среднего Ниже среднего Средний Средний Умеренно-высокий
  137. Ниже среднего Низкий Ниже среднего Ниже среднего Средний Средний
  138. Низкая Низкий Низкий Ниже среднего Ниже среднего Средний
  139. Эффект фактора риска Низкая Ниже среднего Средняя Умеренно-высокая Высокая
  140. Возможность реализации фактора риска от среднего до высокого
  141. Уровень воздействия метеоусловий Высокая Средний Средний Умеренно-высокий Высокий Высокий
  142. Умеренно-высокая Ниже среднего Средний Средний Умеренно-высокий Высокий
  143. Средняя Ниже среднего Ниже среднего Средний Средний Умеренно-высокий
  144. Ниже среднего Низкий Ниже среднего Ниже среднего Средний Средний
  145. Низкая Низкий Низкий Ниже среднего Ниже среднего Средний
  146. Эффект фактора риска Низкая Ниже среднего Средняя Умеренно-высокая Высокая
  147. Возможность реализации фактора риска от среднего до высокого
  148. Уровень воздействия растительного покрова Высокая Средний Средний Умеренно-высокий Высокий Высокий
  149. Умеренно-высокая Ниже среднего Средний Средний Умеренно-высокий Высокий
  150. Средняя Ниже среднего Ниже среднего Средний Средний Умеренно-высокий
  151. Ниже среднего Низкий Ниже среднего Ниже среднего Средний Средний
  152. Низкая Низкий Низкий Ниже среднего Ниже среднего Средний
  153. Эффект фактора риска Низкая Ниже среднего Средняя Умеренно-высокая Высокая
  154. Возможность реализации фактора риска от среднего до высокого
  155. Уровень воздействия торфяных пожаров Высокая Средний Средний Умеренно-высокий Высокий Высокий
  156. Умеренно-высокая Ниже среднего Средний Средний Умеренно-высокий Высокий
  157. Средняя Ниже среднего Ниже среднего Средний Средний Умеренно-высокий
  158. Ниже среднего Низкий Ниже среднего Ниже среднего Средний Средний
  159. Низкая Низкий Низкий Ниже среднего Ниже среднего Средний
  160. Эффект фактора риска Низкая Ниже среднего Средняя Умеренно-высокая Высокая
  161. Д 5.TS. Л V я2×3×4×5 жб x70L.0E.2DLD 27 20 20,70 I? 00 0,00 0,60 0,54 0,0002.0Е.20LO 25 DO L5,90 Li 00 0,00 0,60 0,54 0,00
  162. D4.DE.20LD 35 LD LS, 2D Z, 00 0,00 0,60 0,54 0, DO
  163. Об.DE.20 ID 32 LD LB, ЕО 1, 00 0, DO 0,60 0,54 0, DO
  164. DE.2DLD 32 ED 22, ВО 00 0,00 0,60 0,54 0,00
  165. D5.DE.2DLD 30 LS, 40 L, 00 0,00 0,60 0,54 0, DO1.DE.2DLD SI 60 LB, 00 L, DO 0,00 0,60 0,54 0, DO1.DE.2DLD 3L 00 LB, 3D L" 00 0,00 0,60 0.54 0,00
  166. Блок-схема организующего алгоритма
  167. Jb’l.rt" l"'l .11 I (IS П, i b-g Ijot DCU3. LI 4 ' >j1. H4. Sfew**""!!1 T1.<1 НТ11Чj.-i-cVAh HMC.--S- /¦iBjirlWilli1. MlVATT
Заполнить форму текущей работой

Сессия? Спокойно!