Концептуальный проект интеллектуальной детерминированно-вероятностной прогностической системы оценки лесной пожарной опасности

Размещено на http://www.allbest.ru

КОНЦЕПТУАЛЬНЫЙ ПРОЕКТ ИНТЕЛЛЕКТУАЛЬНОЙ ДЕТЕРМИНИРОВАННО-ВЕРОЯТНОСТНОЙ ПРОГНОСТИЧЕСКОЙ СИСТЕМЫ ОЦЕНКИ ЛЕСНОЙ ПОЖАРНОЙ ОПАСНОСТИ

Н.В. Барановский (firedanger@narod.ru)

Национальный исследовательский

Томский политехнический университет,

Томск

Представлен концептуальный проект интеллектуальной прогностической системы оценки лесной пожарной опасности на основе детерминированно-вероятностного подхода. Учитывается вероятность возникновения лесных пожаров от антропогенной нагрузки и грозовой активности. В системе предлагается вычислять итоговую вероятность с учетом статистических, экспериментальных данных и результатов численного моделирования процессов зажигания лесных горючих материалов. Для сопряжения различных подсистем предлагается использовать технологии нейровычислений.

Введение

Возможны чрезвычайные ситуации, когда необходимо принимать решения в сжатые сроки (от нескольких десятков минут до нескольких дней). Это тот временной интервал, когда трудно или невозможно осуществить оперативную консультацию со специалистами. В этом случае необходимую поддержку в принятии решения в условиях ограниченных ресурсов (прежде всего временных ограничений) могут оказать компьютерные системы [Геловани и др., 2001]. С целью минимизации экологического, экономического ущерба, числа жертв, а также рационального использования средств на охрану лесов от пожаров следует осуществлять прогноз лесной пожарной опасности. Для решения указанных задач в различных странах мира разработаны индексы и системы оценки пожарной опасности в лесах (например, в Канаде, США, Европе) [Кузнецов и др., 2009]. В РФ в качестве ГОСТа [ГОСТ, 1999] применяется критерий Нестерова. Однако он физически не содержателен и не учитывает антропогенной нагрузки и грозовой активности. Цель настоящей работы - создание концептуального проекта отечественной системы прогноза лесной пожарной опасности на базе детерминированно-вероятностного подхода.

1. Технологии искусственного интеллекта

Нейросетевые технологии применяются в области прогноза лесной пожарной опасности. Например, в Испании для области Галиция разработана интеллектуальная система оценки лесопожарного риска и управления пожарными [Alonso-Betanzos et al., 2003]. В качестве входной информации используется температура на день прогноза и предыдущие сутки, влажность воздуха, количество осадков, лесопожарная статистика за предыдущий период. Нейронная сеть обучалась на 125156 примерах и тестировалась на 13906 лесопожарных происшествиях. Другие экспертные системы используют технологии нечетких (мягких) вычислений. Например, в Греции разработана система поддержки принятия решений по оценке лесопожарного риска с интегрированной нечеткой моделью [Iliadis, 2005]. Преимущества нейронных сетей заключаются в их способности самообучаться, то есть создавать обобщения. Под этим термином понимается способность получать обоснованный результат на основании данных, которые не встречались в процессе обучения. Но на практике при автономной работе нейронные сети не могут обеспечить готовые решения. Их необходимо интегрировать в сложные системы, где часть подзадач решается нейронными сетями. Предлагается провести ретроспективный анализ на территории конкретного лесхоза и на основе его разработать обучающий алгоритм. Свободные параметры нейронной сети отвечают за веса вероятностей возникновения лесных пожаров, полученные по численным расчетам или статистическим и экспериментальным данным. На рис. 1 представлен алгоритм получения прогнозной информации и выработки управленческих решений.

2. Модель лесной пожарной опасности

Детерминированные компоненты включают модели зажигания, положенные в основу механизмов возникновения лесных пожаров от грозовой активности и антропогенной нагрузки. Анализ лесопожарных происшествий позволил выделить основные факторы и сформулировать физическую модель лесной пожарной опасности [Гришин, 2002]. При взаимном действии осадков высыхания слоя ЛГМ под действием внешних условий достигается такое состояние слоя, что его влагосодержание становится меньше критического. На высохший слой ЛГМ действуют сухие грозы и антропогенная нагрузка. ЛГМ воспламеняются и возникает очаг низового лесного пожара. Следует внести уточнения в эту, достаточно общую модель, и предложить более подробные механизмы возникновения очагов лесных пожаров. Грозовая активность создает напряженную лесопожарную обстановку в горных и малообжитых регионах. Причиной возгораний являются разряды класса облако-земля.

нейросетевой лесной пожарный интеллектуальный

Рис. 1 Алгоритм получения прогнозной информации и выработки управленческих решений

Разработан обобщенный механизм возникновения очага лесного пожара в результате грозовой активности, который учитывает в совокупности первичные и вторичные источники зажигания и режим тления слоя ЛГМ после удара молнии. Следует привести описание данного механизма. На контролируемой лесопокрытой территории складывается грозовая обстановка. Происходит разряд между облаком и деревом. Электрический ток разряда проходит по стволу дерева, а именно по его насыщенным влагой участкам. Происходит выделение Джоулева тепла в стволе дерева и он воспламеняется с образованием вторичных источников зажигания (нагретых до высоких температур частиц термодеструкции древесины). Такие частицы выпадают на слой напочвенного покрова и могут привести к его воспламенению. Для второго сценария характерно растекание тока в корневой системе дерева и образование искровых разрядов, которые также могут привести к возникновению очага пожара.

Антропогенная нагрузка в настоящее время является основным фактором, приводящим к возникновению лесных пожаров. Заметим, что антропогенные причины достаточно многообразны. Разработан обобщенный механизм возникновения очага лесного пожара в результате антропогенной нагрузки, который имеет детерминированно-вероятностную природу. Первоначально лесопокрытые территории подвергаются пассивному воздействию с точки зрения возникновения пожаров (если речь идет о населенном пункте, то говорят о посещаемости лесной территории жителями). Следующая фаза имеет вероятностный характер и определяет сценарий выбора причины возникновения на первом этапе (умышленный поджог, небрежное обращение с огнем, сельхозпал, железная дорога, ЛЭП, выжигание разлива нефти, автомобильная дорога, падение ступени ракеты, аварии на технологических объектах), а вероятный источник зажигания на втором (нагретая до высоких температур частица, пропитанная горючей жидкостью ткань, разлив горючей жидкости, горючее вещество в твердой фазе, конвективный тепловой поток, лучистый тепловой поток, электрическая искра, массивное нагретое тело). Процесс зажигания ЛГМ конкретным источником с учетом метеорологических условий может быть описан детерминированной математической моделью.

3. Детерминированно-вероятностная методика

Как было указано выше, зарубежные индексы и критерий Нестерова в качестве результата выдают числовое значение в пределах какой-либо шкалы (которая не всегда имеет четкие верхние границы) и не являются физически содержательными. Последнее время автором интенсивно развивается детерминированно-вероятностный подход к прогнозу лесной пожарной опасности. Выходные значения в результате такой оценки являются вероятностью возникновения лесных пожаров, а не абстрактным числовым значением. Факторы антропогенная нагрузки и грозовая активность с точки зрения теории вероятностей могут быть как несовместными, так и совместными событиями. Первый случай соответствует следующему сценарию поведения человека в лесу: с наступлением грозы человек стремиться покинуть лесную территорию или укрыться (то есть антропогенная нагрузка в соответствии с этим сценарием отсутствует в момент грозовой активности). Для учета различных сценариев было разработано три поколения детерминированно-вероятностных критериев оценки лесной пожарной опасности.

Анализ статистики возникновения лесных пожаров в результате антропогенной нагрузки позволил выделить основные причины и создать модель дифференцированной оценки лесной пожарной опасности. Введено дополнительное событие A₁₀, характеризующее неустановленные причины. Считается, что возникновения лесных пожаров по различным причинам есть совместные и независимые события. В этом случае можно записать вероятность возникновения лесных пожаров по антропогенным причинам через противоположное событие. В итоге вероятность возникновения лесных пожаров по совокупности антропогенных причин определится по следующей формуле:

,

где ЛП_i - возникновение лесного пожара по i-ой антропогенной причине, ЛП - возникновение лесных пожаров по всей совокупности антропогенных причин. Вероятность лесного пожара по конкретной антропогенной причине определится по формуле:

,

где P(A) - вероятность антропогенной нагрузки, P(A_j,i/А) - вероятность i-ой антропогенной причины при условии посещения лесной территории в j-ый день недели, P(ЛП/А,A_j,i) - вероятность лесного пожара в j-ый день по i-ой антропогенной причине. Последняя вероятность определяется по формуле:

,

где P(C) - вероятность того, что ЛГМ достаточно сухой, P(З_i/С) - вероятность зажигания ЛГМ в результате действия i-ой причины антропогенной нагрузки при условии, что ЛГМ достаточно сухой.

Модель может быть достаточно просто распространена на общий случай учета грозовой активности - введением события A₁₁ - грозовая активность.

,

где P(M) - вероятность сухих гроз, P(M_k/М) - вероятность наземного грозового разряда на k-ый час суток при условии прохождения грозы, P(ЛП/M,M_k) - вероятность лесного пожара на k-ый час суток при условии прохождения грозы, которая определяется по формуле:

,

где P(C) - вероятность того, что ЛГМ достаточно сухой, P(З_М/С) - вероятность зажигания ЛГМ наземным грозовым разрядом при условии, что ЛГМ достаточно сухой.

Детерминированно-вероятностный подход позволяет учитывать не только статистические данные, но и результаты экспериментов и численных расчетов по зажиганию ЛГМ. Разработаны базовые физико-математические модели зажигания дерева наземным грозовым разрядом и напочвенного покрова горячими частицами. Для оценки лесной пожарной опасности в различных масштабах от минимальной лесотаксационной единицы до глобального разработана модель интегральной оценки вероятности возникновения лесных пожаров на контролируемой лесопокрытой территории.

Заключение

Существующий уровень разработки детерминированно-вероятностного подхода позволяет говорить о возможности создания отечественной системы прогноза лесной пожарной опасности. Разработка новой физически-обоснованной системы прогноза лесной пожарной опасности будет соответствовать задачам Концепции развития лесного хозяйства Российской Федерации на 2003 - 2010 годы в части внедрения достижений науки для обеспечения интенсивного, комплексного использования лесных ресурсов при сохранении экологического потенциала лесов.

Список литературы

[Геловани и др., 2001] Геловани В.А., Башлыков А.А., Бритков В.Б., Вязилов Е.Д. Интеллектуальные системы поддержки принятия решений в нештатных ситуациях с использованием информации о состоянии природной среды. - М.: Едиториал УРСС, 2001.

[ГОСТ, 1999] ГОСТ Р 22.1.09-99 “Мониторинг и прогнозирование лесных пожаров. Общие требования”, 1999.

[Гришин, 2002] Гришин А.М. Моделирование и прогноз катастроф. - Томск: Изд-во Том. ун-та. 2002.

[Кузнецов и др., 2009] Кузнецов Г.В., Барановский Н.В. Прогноз возникновения лесных пожаров и их экологических последствий. - Новосибирск: Изд-во СО РАН, 2009.

[Alonso-Batanzos et al., 2003] Alonso-Betanzos A., Fontenla-Romero O., Guijarro-Berdinas B., Hernandez-Pereira E., Inmaculada Paz Andrade M., Jimenez E., Legido Soto J.L., Carballas T. An intelligent system for forest fire risk prediction and fighting management in Galicia // Expert Systems with Applications. 2003. Vol. 25. № 4.

[Iliadis, 2005] Iliadis L.S. A decision support system applying an integrated fuzzy model for long-term forest fire risk estimation // Environmental Modelling & Software. 2005. Vol. 20. № 5.

Размещено на Allbest.ru