Известия Саратовского университета. Новая серия.

Серия Математика. Механика. Информатика

ISSN 1816-9791 (Print)
ISSN 2541-9005 (Online)


Для цитирования:

Сорокин А. А., Мальцева Н. С., Кутузов Д. В., Осовский А. В. Обработка информации для системы поддержки принятия решений при противопожарном мониторинге лесных массивов // Известия Саратовского университета. Новая серия. Серия : Математика. Механика. Информатика. 2023. Т. 23, вып. 1. С. 126-138. DOI: 10.18500/1816-9791-2023-23-1-126-138, EDN: PCOXKQ

Статья опубликована на условиях лицензии Creative Commons Attribution 4.0 International (CC-BY 4.0).
Опубликована онлайн: 
01.03.2023
Полный текст:
(downloads: 929)
Язык публикации: 
русский
Рубрика: 
Тип статьи: 
Научная статья
УДК: 
005
EDN: 
PCOXKQ

Обработка информации для системы поддержки принятия решений при противопожарном мониторинге лесных массивов

Авторы: 
Сорокин Александр Александрович, Астраханский государственный технический университет
Мальцева Наталия Сергеевна, Астраханский государственный технический университет
Кутузов Денис Валерьевич, Астраханский государственный технический университет
Осовский Алексей Викторович, Астраханский государственный технический университет
Аннотация: 

Целью настоящего исследования стало формирование положений для получения интегральной оценки, характеризующей рейтинг участков лесного массива по уровню пожароопасности. Получение подобной оценки производится на основании агрегирования множества параметров, характеризующих климатические условия, и факторов, учитывающих антропогенное влияние на заданном участке лесного массива. Учитывая разнородность подобных параметров, для их агрегирования использованы методы нечеткого логического вывода и теории нечетких множеств. Сам комплекс для определения оценки лесного массива реализован в виде иерархической системы нечеткого вывода. Исследование процесса функционирования сформированного комплекса показало, что его выходная закономерность имеет преимущественно ступенчатый характер. Подобный результат позволяет проводить классификацию анализируемых участков лесного массива на группы состояния. Дальнейшее исследование сформированных классов состояний методами кластерного анализа позволяет выявлять участки с близкими характеристиками. Использование результатов классификации позволяет провести ранжирование участков лесного массива по очередности оказания управляющих воздействий в виде профилактических или подготовительных мероприятий по снижению пожароопасности или увеличению оперативности реагирования на возгорание. Полученные результаты ориентированы на их использование в системах поддержки принятия решений по управлению лесными массивами и другими видами прилегающих к ним территорий и социально-экономических образований.

Список источников: 
  1. Кухар И. В., Бердникова Л. Н., Орловский С. Н., Мартыновская С. Н., Коршун В. Н., Карнаухов А. И. Влияние вредных и опасных факторов лесных пожаров на окружающую среду // Хвойные бореальной зоны. 2019. Т. 37, № 5. С. 307–312. EDN: VKCKGD
  2. Соколов М. М. Стратегии России по введению трансграничного углеродного регулирования в ЕС // Геоэкономика энергетики. 2021. Т. 15, № 3. С. 84–97. https://doi.org/10.48137/2687-0703_2021_15_3_84
  3. Минаков Е. И., Калистратов Д. С., Мирчук С. Г. Модель информационно-измерительной системы видеомониторинга лесных пожаров // Известия Тульского государственного университета. Технические науки. 2017. № 11–2. С. 194–200. EDN: YSJJAO
  4. Губенко И. М., Рубинштейн К. Г. Сравнительный анализ методов расчета индексов пожарной опасности // Труды гидрометеорологического научно-исследовательского центра Российской Федерации. 2012. Вып. 347. С. 207–222. EDN: PTTLPP
  5. Wotton M. B. Interpreting and using outputs from the Canadian Forest Fire Danger Rating System in research applications // Environmental and Ecological Statistics. 2009. Vol. 16, iss. 2. P. 107–131. https://doi.org/10.1007/s10651-007-0084-2
  6. Sharples J. J., McRae R. H. D., Weber R. O., Gill A. M. A simple index for assessing fire danger rating // Environmental Modelling & Software. 2009. Vol. 24, iss. 6. P. 764–774. https://doi.org/10.1016/j.envsoft.2008.11.004
  7. Van Wagner C. E. Development and structure of the Canadian Forest Fire Weather Index System. Ottawa : Canadian Forestry Service, Headquarters, 1987. 35 p. (Forestry Technical Report, vol. 35). URL: https://cfs.nrcan.gc.ca/publications?id=19927 (дата обращения: 20.03.2022).
  8. Галушкин А. И. Нейронные сети: основы теории. Москва : Горячая Линия-Телеком, 2010. 496 с.
  9. Пегат А. Нечеткое моделирование и управление. Москва : БИНОМ. Лаборатория знаний, 2017. 800 с.
  10.  Штовба С. Д. Проектирование нечетких систем средствами MATLAB. Москва : Горячая Линия-Телеком, 2007. 288 с.
  11. Lee K. H. First Course on Fuzzy Theory and Applications. Berlin ; Heidelberg : Springer, 2005. 335 p. https://doi.org/10.1007/3-540-32366-X
  12. Сорокин А. А. Усовершенствование информационно-аналитических комплексов на основе иерархических систем нечеткого логического вывода // Управление большими системами. 2020. Вып. 88. С. 99–123. https://doi.org/10.25728/ubs.2020.88.5
  13. Yager R. R., Filev D. P. Approximate clustering via the mountain method // IEEE Transactions on Systems, Man, and Cybernetics. 1994. Vol. 24, iss. 8. P. 1279–1284. https://doi.org/10.1109/21.299710
  14. Леонтьев В. К. О мерах сходства и расстояниях между объектами // Журнал вычислительной математики и математической физики. 2009. Т. 49, № 11. С. 2041–2058.
Поступила в редакцию: 
23.03.2022
Принята к публикации: 
01.06.2022
Опубликована: 
01.03.2023