moitvivt Моделирование, оптимизация и информационные технологии Modeling, Optimization and Information Technology 2310-6018 Издательство 10.26102/2310-6018/2026.60.9.015 2472 Математическое и алгоритмическое обеспечение обработки информации и принятия решений при функционировании трехуровневой миварной экспертной системы обнаружения пожаров Mathematical and algorithmic support for information processing and decision-making in the operation of a three-level mivar expert system for fire detection 0009-0007-7669-5004 Доу Линхань Dou Linghan d923952505@gmail.com aff-1 Московский государственный технический университет имени Н.Э. Баумана Bauman Moscow State Technical University 01 01 2026 1 1 10.26102/2310-6018/2026.60.9.015 Copyright © Авторы, 2026 2026 This work is licensed under a Creative Commons Attribution 4.0 International License

С развитием трехуровневой миварной экспертной системы (МЭС) обнаружения пожаров возникает необходимость в математическом и алгоритмическом обеспечении. Ранее предложенные модель и метод задали логическую структуру МЭС и метод обработки информации. В статье предложено математическое и алгоритмическое обеспечение обработки информации и принятия решений при функционировании трехуровневой миварной экспертной системы обнаружения пожаров. Предложенное обеспечение включает: формализованное описание рабочего цикла МЭС; информационное обеспечение формирования входной информации МЭС на основе согласования данных визуального, инфракрасного, температурного, газового и акустического каналов; алгоритмическое обеспечение рабочей памяти и логического вывода МЭС. Для реализации указанного обеспечения использованы асинхронное согласование сенсорных потоков, INT8-квантизация весов FNN и индексированный доступ к DOM-дереву. На синтетической тестовой выборке из 5000 записей конфигурация FNN INT8 + МЭС достигла Accuracy 94,88 %, F1 94,87 % и FPR 5,00 %, а медианная задержка актуализации 52 параметров снизилась с 3,202 до 0,039 мс. Научная новизна работы заключается в разработке математического и алгоритмического обеспечения обработки информации и принятия решений при функционировании трехуровневой миварной экспертной системы обнаружения пожаров, включающего формализованное описание рабочего цикла МЭС, информационное обеспечение формирования входной информации МЭС и алгоритмическое обеспечение рабочей памяти и логического вывода.

With the development of a three-level mivar expert system (MES) for fire detection, the need for mathematical and algorithmic support arises. The previously proposed model and method defined the logical structure of the MES and the method of information processing. The article proposes mathematical and algorithmic support for information processing and decision-making in the operation of a three-level mivar expert system for fire detection. The proposed support includes: a formalized description of the MES operating cycle; information support for forming MES input information based on the coordination of data from visual, infrared, temperature, gas and acoustic channels; as well as algorithmic support for MES working memory and logical inference. The implementation uses asynchronous sensor-stream alignment, INT8 weight quantization of the FNN, and indexed access to the DOM tree. On a synthetic test set of 5,000 records, the FNN INT8 + MES configuration achieved 94.88 % accuracy, an F1-score of 94.87 %, and an FPR of 5.00 %; the median update latency for 52 parameters decreased from 3.202 to 0.039 ms. The scientific novelty of the work lies in the development of mathematical and algorithmic support for information processing and decision-making in the operation of a three-level mivar expert system for fire detection, including a formalized description of the MES operating cycle, information support for forming MES input information, and algorithmic support for working memory and logical inference.

 миварная экспертная система миварная база знаний входная информация рабочая память логический вывод обнаружение пожаров математическое и алгоритмическое обеспечение mivar expert system mivar knowledge base input information working memory logical inference fire detection mathematical and algorithmic support Исследование выполнено без спонсорской поддержки. The study was performed without external funding. References Деяб О.А., Черников Д.Ю., Селиванов А.С. Интеграция систем глубокого обучения и беспроводных сенсорных сетей для точного обнаружения пожара в помещении. Журнал Сибирского федерального университета. Техника и технологии. 2024;17(1):124–135. (На англ.). Канащенков А.И., Тихонов А.И., Новиков С.В., Кулакова Д.С. Применение радиоэлектронных систем для дистанционного мониторинга сельского хозяйства с целью обнаружения и обеспечения тушения пожаров. Московский экономический журнал. 2016;1(4):10. URL: https://qje.su/ru/nauka/publications/article/6a9c154632807fdbab868031/primenenie-radioelektronnyh-sistem-dlya-distancionnogo-monitoringa-sel-skogo-hozyaystva-s-cel-yu-obnaruzheniya-i-obespecheniya-tusheniya-pozharov/view Катаев М.Ю., Карташов Е.Ю. Метод компьютерного зрения для обнаружения лесных пожаров по RGB-изображениям, получаемым с помощью беспилотного моторного планёра. Светотехника. 2021;(2):15–20. Бокадаров С.А., Гудков М.А., Щербаченко Д.Г. Применение ГИС-технологий в целях оперативного обнаружения лесных пожаров и слежения за лесопожарной обстановкой. Современные технологии обеспечения гражданской обороны и ликвидации последствий чрезвычайных ситуаций. 2015;(1-2):164–167. Астратов О.С., Смирнов В.М., Филатов В.Н., Митько А.В. Система видеомониторинга для обнаружения лесного пожара в районе промышленного предприятия. Деловой журнал Neftegaz.RU. 2020;(2):58–61. Abdusalomov A.B., Islam B.M.S., Nasimov R., Mukhiddinov M., Whangbo T.K. An improved forest fire detection method based on the Detectron2 model and a deep learning approach. Sensors. 2023;23(3):1512. https://doi.org/10.3390/s23031512 Yar H., Khan Z.A., Rida I., Ullah W., Kim M.J., Baik S.W. An efficient deep learning architecture for effective fire detection in smart surveillance. Image and Vision Computing. 2024;145(1):104989. https://doi.org/10.1016/j.imavis.2024.104989 Ahn Y., Choi H., Kim B.S. Development of early fire detection model for buildings using computer vision-based CCTV. Journal of Building Engineering. 2022;65:105647. https://doi.org/10.1016/j.jobe.2022.105647 Yang S., Huang Q., Yu M. Advancements in remote sensing for active fire detection: a review of datasets and methods. The Science of The Total Environment. 2024;943(11):173273. https://doi.org/10.1016/j.scitotenv.2024.173273 Pincott J., Tien P.W., Wei Sh., Calautit J.K.S. Indoor fire detection utilizing computer vision-based strategies. Journal of Building Engineering. 2022;61(5):105154. https://doi.org/10.1016/j.jobe.2022.105154 Talaat F.M., ZainEldin H. An improved fire detection approach based on YOLO-v8 for smart cities. Neural Computing and Applications. 2023;35(28):20939–20954. https://doi.org/10.1007/s00521-023-08809-1 Zhao H., Jin J., Liu Y., Guo Y., Shen Y. FSDF: a high-performance fire detection framework. Expert Systems with Applications. 2023;238(41):121665. https://doi.org/10.1016/j.eswa.2023.121665 Мащенко Е.И., Карпов Д.К., Варламов О.О., Адамова Л.Е., Баленко Е.Г. Создание миварной экспертной системы для понимания образов и принятия решений при обнаружении падений людей. Проблемы искусственного интеллекта. 2024;(4):88–100. https://doi.org/10.24412/2413-7383-2024-4-88-100 Варламов О.О. Применение миварных технологий логического искусственного интеллекта для создания умных производственных систем. Информационные и математические технологии в науке и управлении. 2025;(2):32–46. https://doi.org/10.25729/ESI.2025.38.2.003 Турчанинов Д.В., Варламов О.О. Миварная экспертная система для мониторинга безопасности в мегалаборатории. Системы управления и информационные технологии. 2025;(2-1):60–69. Гун Ш. Миварная система принятия решений для распределения и перевозки грузов командой складских роботов. Системы управления и информационные технологии. 2025;(2):23–29. Гун Ш. Миварная система принятия решений по оптимизационному распределению грузов для групп складских роботов. Моделирование, оптимизация и информационные технологии. 2025;13(3). https://doi.org/10.26102/2310-6018/2025.50.3.047 Аладин Д.В. Метод автоматической генерации миварных баз знаний для решения управленческих задач в пространстве состояний. Проблемы искусственного интеллекта. 2025;(3):88–99. https://doi.org/10.24412/2413-7383-2025-3-38-88-99 Аладин Д.В. Модель миварной базы знаний для решения управленческих задач в пространстве состояний. Нейрокомпьютеры: разработка, применение. 2025;27(4):66–71. https://doi.org/10.18127/j19998554-202504-06 Доу Л. Метод обработки информации и изменения пороговых параметров правил в миварной экспертной системе с использованием больших языковых моделей. Проблемы искусственного интеллекта. 2025;(4):194–205. https://doi.org/10.24412/2413-7383-2025-4-39-194-205 Доу Л. Модель принятия решений для обнаружения пожаров на основе распознавания образов и миварной экспертной системы. Системы управления и информационные технологии. 2025;(3):59–65. Доу Л. Математическое и алгоритмическое обеспечение для автоматического обновления правил в миварной экспертной системе с использованием больших языковых моделей. Моделирование, оптимизация и информационные технологии. 2026;14(5). https://doi.org/10.26102/2310-6018/2026.56.5.013

The authors declare that there are no conflicts of interest present.