Алгоритмы кластер-идентификации чрезвычайных ситуаций при управлении процессами обеспечения техногенной и пожарной безопасности

Рассматривается задача кластер-идентификации чрезвычайных ситуаций при управлении процессами обеспечения техногенной и пожарной безопасности. Отнесение ситуации к классу проводится путем его сравнения с типичными элементами разных классов и выбора ближайшего. Для этого вводится мера близости классов, которая зависит от того в каком виде задаются признаки ситуаций. В том случае, когда эти признаки выражаются детерминированными величинами, в качестве меры близости ситуаций используется квадрат евклидового расстояния между векторами значений признаков (чем меньше расстояние тем ближе ситуации). Соответствующее определение признаков типичной ситуации среднее арифметическое значение признаков по выборке, представляющей класс ситуации. Когда признаки задаются вероятностными величинами, мерой близости служит обобщенная по признакам вероятность идентификации угрожающей, критической и катастрофической ситуаций. В случае, когда признаки ситуации задаются на понятийных шкалах для решения задачи предложено использовать аппарат семантических сетей, а под процессом идентификации ситуаций понимать многошаговый процесс, включающий: а) концептуализацию задачи; б) генерацию вариантов решения; в) оценку и ранжирование вариантов решений; г) выбор предпочтительного варианта решения. Такое понимание процесса идентификации ситуаций наиболее полно отражает структуру интеллектуальной деятельности человека и позволяет перейти к формализации указанных операций на основе использования аппарата семантических сетей.

1. Аверкин А.Н., Батыршин И.З. и др. Нечеткие множества в моделях управления и искусственного интеллекта. Под ред. Д.А. Поспелова. М.: Наука. 1986:312.

2. Архипова Н.И., Кульба В. В. Управление в чрезвычайных ситуациях. М.: РГГУ. 2008:480.

3. Классификация и кластер. Под ред. Дж. Вэн Райзина. М.: Мир. 1980:390.

4. Мандель И.Д. Кластерный анализ. М.: Финансы и статистика. 1988:176.

5. Кочедыков С.С., Ноев А.Н., Орлова Д.Е. Детерминированные методы диагностирования кризисных ситуаций в АСУ критического назначения. Вестник Воронежского ин-та ФСИН России. 2017;1:86-89.

6. Орлова Д.Е., Падалко А.В. Использование аппарата семантических сетей для интеллектуальной поддержки принятия решений. Вестник Воронежского ин-та высоких технологий. 2021;1(36):61-66.

7. Орлова Д.Е., Фурсов И.В. Вероятностно-статистический алгоритм идентификации чрезвычайных ситуаций. Вестник Воронежского ин-та высоких технологий. 2021;2(37):56-64.

8. Хайдуков Д.С. Применение кластерного анализа в государственном управлении. Философия математики: актуальные проблемы. М.: МАКС-Пресс. 2009:287.

9. Эддоус М., Стэнсфилд Р. Методы принятия решений. Пер. с англ. М.: Аудит. 1997:590.

10. Габричидзе Т.Г., Фомин П.М., Янников И.М. Создание территориальной комплексной многоступенчатой системы мониторинга и прогнозирования чрезвычайных ситуаций природного, техногенного и биологосоциального характера на территории Самарской области. Вестник Самарского государственного аэрокосмического университета им. Академика С.П. Королева. 2008;2(15):272-280.