BookPDF Available

ІНТЕЛЕКТУАЛЬНІ ТЕХНОЛОГІЇ ОПТИМІЗАЦІЇ СИСТЕМ ПОЖЕЖНОГО МОНІТОРИНГУ Монографія

January 2017

Publisher: К.: Видавничо-поліграфічний центр «Київський університет»
ISBN: 978-966-439-951-4

Authors:

Andriy Musienko

National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute”

Vitaliy Snytyuk

Taras Shevchenko National University of Kyiv

Монографія присвячена проблемі підвищення ефективності процесів прийняття рішень при пожежогасінні об’єктів, на яких може перебувати велика кількість людей та матеріальних цінностей. Одним із способів її ви-рішення є удосконалення систем пожежного моніторингу, направлене на мінімізацію часу виявлення пожежі. Надійне та швидке спрацювання поже-жних сповіщувачів дозволить врятувати людські життя та зменшити матері-альні збитки. Запропоновано проектування пожежної сигналізації здійснювати із урахуванням масштабу можливих негативних наслідків пожежі. Побудовані моделі, які дозволять визначити час спрацювання сповіщувачів для примі-щень із рівномірним, нерівномірним та змінним пожежним навантаженням і джерелами підвищеної небезпеки. Для оптимізації їх розміщення розроб-лено еволюційні методи на основі використання генетичних алгоритмів та еволюційних стратегій. Для фахівців пожежної справи, науковців та осіб, що цікавляться проце-сами прийняття рішень в умовах невизначеності, а також інтелектуальними інформаційними технологіями.

Content uploaded by Vitaliy Snytyuk

Content may be subject to copyright.

О.М. Землянський, А.П. Мусієнко, В.Є. Снитюк

ІНТЕЛЕКТУАЛЬНІ ТЕХНОЛОГІЇ

ОПТИМІЗАЦІЇ СИСТЕМ

ПОЖЕЖНОГО МОНІТОРИНГУ

Монографія

Київ 2017

УДК 004.896+654.924.5

З 53

Землянський О.М., Мусієнко А.П., Снитюк В.Є. Інтелектуальні тех-

нології оптимізації систем пожежного моніторингу. − К.: Видавничо-

поліграфічний центр «Київський університет», 2017. − 143 с.

Монографія присвячена проблемі підвищення ефективності процесів

прийняття рішень при пожежогасінні об’єктів, на яких може перебувати

велика кількість людей та матеріальних цінностей. Одним із способів її ви-

рішення є удосконалення систем пожежного моніторингу, направлене на

мінімізацію часу виявлення пожежі. Надійне та швидке спрацювання поже-

жних сповіщувачів дозволить врятувати людські життя та зменшити матері-

альні збитки.

Запропоновано проектування пожежної сигналізації здійснювати із

урахуванням масштабу можливих негативних наслідків пожежі. Побудовані

моделі, які дозволять визначити час спрацювання сповіщувачів для примі-

щень із рівномірним, нерівномірним та змінним пожежним навантаженням

і джерелами підвищеної небезпеки. Для оптимізації їх розміщення розроб-

лено еволюційні методи на основі використання генетичних алгоритмів та

еволюційних стратегій.

Для фахівців пожежної справи, науковців та осіб, що цікавляться проце-

сами прийняття рішень в умовах невизначеності, а також інтелектуальними

інформаційними технологіями.

Рецензенти:

Зайченко Ю.П., професор кафедри математичних методів системного

аналізу Інституту прикладного системного аналізу Національного технічно-

го університету України «Київський політехнічний інститут імен Ігоря Сі-

корського», доктор технічних наук, професор;

Кравченко Ю.В., завідувач кафедри мережевих та інтернет технологій

Київського національного університету імені Тараса Шевченка, доктор тех-

нічних наук, професор.

Монографія рекомендована до друку вченою радою факультету інфор-

маційних технологій Київського національного університету імені Тараса

Шевченка, протокол № 25 від 27.06.2017 р. та вченою радою Черкаського

інституту пожежної безпеки імені Героїв Чорнобиля Національного універ-

ситету цивільного захисту України, протокол № 9 від 05.05.2017 р.

ISBN 978-966-439-951-4

ЗМІСТ

стор.

1. ПОЖЕЖНИЙ МОНІТОРИНГ БУДІВЕЛЬ ТА СПО-

РУД ЯК ІНФОРМАЦІЙНА ТЕХНОЛОГІЯ І НЕОБ-

ХІДНА УМОВА БЕЗПЕКИ ЛЮДЕЙ ТА ЗБЕРЕЖЕН-

НЯ МАТЕРІАЛЬНИХ ЦІННОСТЕЙ..................................

1.1. Створення системи пожежного моніторингу – інфор-

маційна технологія мінімізації негативних наслідків

можливих пожеж......................................................................

1.2. Ідеї, принципи, моделі, методи та інструментальні

засоби, які використовуються при проектуванні сис-

тем пожежного моніторингу, їх аналіз та порівняльні

характеристики……………………………………………….

1 1.3.

Аспекти структурно-логічного підходу до розробки

систем пожежного моніторингу..………………………….

Резюме…………………………………………………………. 26

СТРУКТУРНІ ЕЛЕМЕНТИ ІНФОРМАЦІЙНОГО

СУПРОВОДУ ПРОЦЕСІВ ІДЕНТИФІКАЦІЇ, ОП-

ТИМІЗАЦІЇ ТА ЕКСПЕРТНОГО АНАЛІЗУ ПРИ РО-

ЗРОБЦІ СИСТЕМ ПОЖЕЖНОГО МОНІТОРИНГУ...

2.1. Принципи і задачі розміщення сповіщувачів пожеж-

ної сигналізації в умовах невизначеності………………...

2.2. Моделі для можливих наслідків пожеж на основі екс-

пертних висновків та нечіткого логічного виведення…

2.3. Ідентифікація рівня пожежної безпеки будівель та

споруд на основі нечітких продукційних правил……...

Резюме………………................................................................. 57

3 МОДЕЛІ ТА ЕВОЛЮЦІЙНІ МЕТОДИ ОПТИМІЗА-

ЦІЇ КІЛЬКОСТІ ПОЖЕЖНИХ СПОВІЩУВАЧІВ ТА

СТРУКТУРИ ЇХ РОЗМІЩЕННЯ …………………………

3.1. Невизначеність і причинно-наслідковий принцип оп-

тимізації систем пожежного моніторингу……………….

3.2. Цільові функції в задачі оптимізації структури систе-

ми пожежного моніторингу…………………………..........

3.2.1. Аспекти формування цільової функції………………. 62

3.2.2. Цільова функція для випадку рівномірного пожежного

навантаження приміщення……………………………………

Інтелектуальні технології оптимізації систем пожежного моніторингу

3.2.3. Цільова функція для випадку рівномірного пожежного

навантаження приміщення та наявності в ньому джерел

підвищеної небезпеки…………………………………………...

3.2.4. Цільова функція для випадку постійного нерівномір-

ного пожежного навантаження приміщення…………………

3.2.5. Цільова функція для випадку змінного пожежного на-

вантаження приміщення………………………………………

3.2.6. Інтегральна цільова функція…………………………... 74

3.3. Передумови та основні елементи застосування еволю-

ційних технологій для оптимізації структури системи

пожежного моніторингу…………………………………….

3.4. Оптимізація структури розміщення сповіщувачів на

основі генетичного алгоритму…………………………….

3.5. Оптимізація структури розміщення сповіщувачів на

основі еволюційних стратегій……………..………………

Резюме…………………………………………………………. 88

4. СТРУКТУРА СИСТЕМИ ПІДТРИМКИ ПРИЙНЯТ-

ТЯ РІШЕНЬ ПРИ СТВОРЕННІ СИСТЕМ ПОЖЕЖ-

НОЇ СИГНАЛІЗАЦІЇ ТА ЕКСПЕРИМЕНТАЛЬНІ

ДОСЛІДЖЕННЯ……………………………………………..

4.1. Принципи формування бази знань та структура сис-

теми підтримки прийняття рішень при проектування

системи пожежного моніторингу…………………………

4.2. Верифікація розроблених моделей та методів оптимі-

зації структури розміщення пожежних сповіщувачів…

4.3. Прогнозування обсягу потенційно можливих збитків

при пожежі в торговому центрі……………………………

105

4.4. Аналіз результатів експериментів та технологія здійс-

нення інформаційно-аналітичного супроводу проце-

сів проектування систем пожежного моніторингу…….

109

Резюме…………………………………………………………. 114

ВИСНОВКИ……..……………………………………………. 116

СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ……………….. 118

ДОДАТКИ………………………………………………….. 134

Пожежний моніторинг будівель та споруд як інформаційна

Розділ 1. ПОЖЕЖНИЙ МОНІТОРИНГ БУДІ-

ВЕЛЬ ТА СПОРУД ЯК ІНФОРМАЦІЙНА ТЕХ-

НОЛОГІЯ І НЕОБХІДНА УМОВА БЕЗПЕКИ

ЛЮДЕЙ ТА ЗБЕРЕЖЕННЯ МАТЕРІАЛЬНИХ

ЦІННОСТЕЙ

За останнє століття людство зробило значний крок у на-

прямку відкриття нових законів, розвитку нових технологій і

впровадження досягнень науково-технічного прогресу у по-

всякденне життя. Інтенсифікація виробництва, автоматизація

значної кількості технологічних процесів є атрибутами сучас-

них наукомістких виробництв. Позитивний ефект вказаних

змін та їх динаміка супроводжуються ростом ризиків безпеч-

ного існування суспільства. Зростають кількість та масштаби

техногенних і екологічних аварій, катастроф, збільшується

кількість загиблих та постраждалих, ростуть обсяги матеріа-

льних збитків, забруднюється навколишнє середовище.

У переважній більшості випадків причиною таких негати-

вних наслідків є пожежі з різних обставин. Швидкість їх роз-

витку, несвоєчасність виявлення та обмеженість у засобах по-

жежогасіння призводять до невиправданих збитків. Забезпе-

чення їх мінімізації, не в останню чергу, покладено на системи

пожежного моніторингу (СПМ). Інформаційні технології, що

лежать в основі розробки, встановлення та функціонування

таких систем, дозволяють виявляти пожежу, розпізнаючи пот-

рібний сигнал; здійснювати адресацію місця виникнення та

розвитку пожежі; передавати дані на центральний пульт та, за

необхідності, включати пристрої автоматичного пожежога-

сіння [4, 5].

Від того, наскільки ефективною є СПМ, залежать масшта-

би негативних наслідків пожеж. У першому розділі розгля-

нуто проблеми розробки та оптимізації СПМ, виконано аналі-

тичний огляд процесів, що супроводжують встановлення та-

Інтелектуальні технології оптимізації систем пожежного моніторингу

ких систем та їх атрибутів, а також наведено структурно-

логічну схему подальшого викладення матеріалу монографії.

1.1. Створення та оптимізація системи пожежного мо-

ніторингу − інформаційна технологія мінімізації

негативних наслідків пожеж

Відомо, що інформаційні технології – сукупність методів

та програмно-апаратних засобів, які оперують даними та

знаннями з метою одержання кінцевого інформаційного про-

дукту у вигляді нових знань [139]. Побудувати сучасну інфор-

маційну технологію означає:

– вивчити досконало предметну область – об’єкт автомати-

зації, розкласти її на окремі складові, які носять самостійний

характер, тобто провести глибокий системний аналіз об’єкту

автоматизації;

– встановити взаємозв’язки між цими складовими частина-

ми;

– описати з використанням математичних чи неформальних

моделей всі ці складові та об’єкт автоматизації;

– вибрати чи розробити математичні методи, за допомогою

яких будуть розв’язуватись задачі в даній технології;

– визначити типи та кількість баз даних та баз знань, які бу-

дуть використовуватись при застосуванні інформаційних

технологій;

– визначити комп’ютерну базу системи;

– розмістити все забезпечення системи у вибраному програ-

мному системному середовищі.

Вищенаведене визначення інформаційної технології не

єдине. Згідно ГОСТу 34.003-90 інформаційна технологія –

прийоми, способи і методи застосування засобів обчислюва-

льної техніки при виконанні функцій збору, зберігання, об-

робки, передачі та використання даних. Узагальнюючи різні

визначення, робимо висновок, що найбільш відповідає змісту

поняття таке: інформаційна технологія – процес, в якому ви-

користовуються сукупність методів та засобів збору, накопи-

чення, обробки та передачі даних (початкової інформації) для

Пожежний моніторинг будівель та споруд як інформаційна

одержання інформації нової якості про стан об’єкта, процесу

чи явища (інформаційного продукту).

Наведемо факти, які свідчать про тенденції виникнення

пожеж та динаміку кількості постраждалих від них. Щорічно

на Землі виникає близько семи мільйонів пожеж. Виходячи з

прогнозів, зроблених на основі пожежної статистики, в світі

протягом кожного з найближчих років може загинути на по-

жежах близько 225 тис. людей, 2 мільйони 250 тис. чоловік

одержати каліцтва і 4,5 мільйони чоловік – важкі опікові трав-

ми. Ретроспективні дані свідчать про ріст кількості загиблих

та травмованих на пожежах, а також про зростання обсягів ма-

теріальних збитків та негативних наслідків техногенного і

екологічного характеру при порівняно постійній середньоріч-

ній кількості пожеж.

Не в останню чергу цей факт обумовлений низькою ефек-

тивністю систем пожежної автоматики і, зокрема, систем ви-

явлення пожеж – систем пожежної сигналізації (СПС). Незва-

жаючи на те, що за рядом кількісних показників щодо таких

систем країни СНД і Україна, зокрема, входять до групи про-

відних країн світу, якісні показники, що відображають рівень

технічних рішень в цій галузі, в країнах СНД на один-два по-

рядки є нижчими, ніж у світі, що є однією із причин існування

стійкої тенденції до зростання масштабів наслідків пожеж.

Системи пожежного моніторингу, як відомо, призначені

для сигналізації про пожежу, а також для включення систем

автоматичного пожежогасіння на деяких об'єктах [17]. В Укра-

їні засобами пожежної автоматики обладнано близько 350 ти-

сяч об'єктів, що складає приблизно 90% від їх необхідної кіль-

кості. Адресні установки сигналізації присутні на 78% об'єктів.

Приблизно 11–12% встановлених систем від їх загальної кіль-

кості є неробочими, тільки 70–75% установок проходять техні-

чне обслуговування. 17,2% установок виробили свій ресурс і

підлягають заміні. На 11,8% об'єктів установки пожежної сиг-

налізації підлягають заміні. Серед об'єктів, на яких відбували-

ся пожежі, в 15–20% випадків сигналізація не спрацювала.

Інтелектуальні технології оптимізації систем пожежного моніторингу

У рік в експлуатацію вводиться 15–18 тисяч систем пожеж-

ної автоматики. Разом з тим, існують регіони, в яких такими

системами обладнано тільки 11–30% об'єктів. Крім того, в екс-

плуатацію вводиться незначна кількість нових високотехноло-

гічних СПМ (до 200 установок в рік).

Аналіз наслідків пожеж та приведеної інформації вказує

на низьку ефективність існуючих СПМ, недоліки їх проекту-

вання, халатне відношення до обслуговування. Разом з тим,

збитки від пожеж у багато разів перевищують потенційні ви-

трати на проектування і впровадження таких систем. У той

же час відомо, що основними напрямками забезпечення поже-

жної безпеки є усунення умов виникнення пожежі та мініміза-

ція її наслідків. Одним із способів розв’язання таких задач є

установка автоматичних засобів попередження про виник-

нення пожежі [3, 50].

Дані статистики виразно свідчать про стан і динаміку СПМ в

Україні. Так, зокрема, в 2007 році відбулося 278 пожеж на об'єк-

тах, обладнаних пожежною автоматикою, збитки від яких скла-

ли 76,7 млн. грн. Було врятовано матеріальних цінностей на су-

му 520,1 млн. грн., що майже в 4,5 рази більше, ніж у поперед-

ньому році. В 47 випадках (17 %) пожежна автоматика не спра-

цювала. Найбільша кількість таких випадків відбулась у Донець-

кій області, де неспрацьовування систем склало 53%, у м. Києві –

50% і у Миколаївській області – 42%. Дуже малу частину систем

автоматичного пожежного захисту складають адресні установки

пожежної сигналізації.

У сучасному світі має місце тенденція до зростання кілько-

сті великих пожеж, аварій та їх негативних наслідків. Вже за-

значено, що за рівнем технічних рішень у сфері СПМ Украї-

на на один-два порядки відстає від розвинених країн світу.

Зокрема, за межею розгляду залишається невирішена пробле-

ма правильного вибору типу сповіщувачів [47]. Крім того, роз-

міщення сигналізації, прокладка ліній зв'язку, установка

приймальних пристроїв вимагає чіткого, правильного вибору

СПМ для того або іншого об'єкту, а невиконання таких вимог

веде до збільшення помилкових спрацьовувань та до збіль-

шення часу виявлення пожежі.

Пожежний моніторинг будівель та споруд як інформаційна

Визначимо аспекти пожежного моніторингу. Зокрема, до

цілей моніторингу належать [22, 36, 40, 53]:

– недопущення загибелі людей і скорочення реальних збит-

ків при виникненні надзвичайних ситуацій за рахунок їх ра-

нішого виявлення та реалізації спланованої протидії;

– оперативне реагування підрозділів Державної служби з

надзвичайних ситуацій України (ДСНС) різного рівня на си-

гнали про надзвичайні ситуації, контроль за діями персоналу;

– посилення відповідальності за забезпечення роботоздат-

ності інженерно-технічних систем протипожежного, екологі-

чного та технічного контролю;

– оптимізація витрат на виїзди підрозділів Державної служ-

би з надзвичайних ситуацій України шляхом застосування те-

хнічних засобів, алгоритмів та організаційних заходів, що до-

зволяють максимально виключити виїзди на хибні виклики;

– напрацювання у посадових осіб більш свідомого та відпо-

відального відношення до виконання правил пожежної та

екологічної безпеки на виробництві та в побуті;

– прогнозування можливості виникнення надзвичайних ситу-

ацій та розробка методик щодо протидії та їх недопущення;

– створення додаткової мережі для управління та сповіщен-

ня ДСНС у випадках виникнення надзвичайних ситуацій.

До об’єктів, на яких найчастіше встановлюють системи

пожежного моніторингу (СПМ), належать [58, 69]:

– промислові підприємства з нормальними умовами вироб-

ничих процесів:

– промислові підприємства з підвищеною ймовірністю ви-

никнення надзвичайних ситуацій (вибухонебезпечні хімічні,

нафтохімічні та екологічно небезпечні виробництва);

– об’єкти енергетики (силові підстанції, адміністративні

будівлі та споруди);

– об’єкти з масовим перебуванням людей (заклади освіти,

охорони здоров’я, культури, соціального захисту населення);

– торговельні комплекси, ринки, магазини, бази, склади тощо;

– житлові об’єкти, гаражі, дачі, котеджі;

– інші важливі об’єкти (водосховища, мости).

Інтелектуальні технології оптимізації систем пожежного моніторингу

У загальному, СПМ працює таким чином (рис. 1.1) [82, 87]:

1. Сигнали про надзвичайну ситуацію з об’єктів, що обла-

днані технічними засобами протипожежного моніторингу,

при її виникненні (задимлення, загорання) надходять на ав-

томатичний пункт контролю, з якого після первинного аналі-

зу та обробки ретранслюються по радіоканалу на міські та ра-

йонні пункти пожежного зв’язку «101».

2. Після обробки тривожна та оперативна інформація по

системі оповіщення ДСНС направляється для реагування від-

повідними підрозділами ДСНС або до інших служб взаємодії.

3. Контрольна інформація дублюються до підрозділів

Державної служби з надзвичайних ситуацій вищого рівня.

4. Інформація про несправності системи, збої, хибні спра-

цювання направляється на сервісний диспетчерський пункт

обслуговуючої організації для реагування – ремонту чи від-

новлення системи.

5. Статистична важлива інформація, що вимагає регіона-

льного управління, надходить до регіонального центру уп-

равління Державної служби з надзвичайних ситуацій.

До СПМ висуваються такі вимоги [89]: раннє виявлення за-

горання; відсутність хибних спрацювань; надійне включення

системи оповіщення при загоранні; ідентифікація місця заго-

рання та самотестування; передача різних типів сигналів по

радіоканалу на пункт пожежної охорони «101» (зокрема,

«Черговий режим», «Увага», «Пожежа», «Несправність», «Три-

вога», «Відключення напруги», «Розрядка акумуляторної ба-

тареї», «Контроль каналу зв’язку тощо»);

Кожен об’єкт, на якому встановлюється СПМ, має певні особ-

ливості, пов’язані з пожежною навантаженістю приміщень,

кількістю працівників чи жителів, архітектурними факторами

тощо. Механістичний підхід до проектування систем пожеж-

ного моніторингу, що базується виключно на врахуванні зна-

чень останніх, є неправильним [101, 102]. Наслідком його за-

стосування є велика кількість жертв та значні матеріальні зби-

тки. Далі розглядається проблема їх мінімізації за рахунок оп-

тимізації структури СПМ.

ОБ

’

ЄКТ

Координаційний центр ОРС ЦЗ

Передавач-

комунікатор

Сповіщувачі

світло-звукові

Безадресні сповіщувачі

Комунікатор

ADSL

Супутниковий

зв’язок

Адресні сповіщувачі

Приймально

-контролоьний пристрій

Бездротові сповіщувачі

Ethernett

GSM/GPRS

Радіоканал

Виклик від

населення

АРМ

Чергового

оператора

АРМ

начальника

КЦ ОРС ЦЗ

Веб-

камера

Вебкамера

Принтер

GSM/GPRS

Радіоканал

GPS

ГЛОНАСС

Рис. 1.1. Функціональна схема системи пожежного моніторингу

Інтелектуальні технології оптимізації систем пожежного моніторингу___________

1.2. Ідеї, принципи, моделі, методи та інструментальні

засоби, які використовуються при проектуванні систем

пожежного моніторингу

Основними напрямами забезпечення пожежної безпеки є

усунення умов виникнення пожежі та мінімізація їх наслідків.

Одним із способів розв’язання таких задач є установка автома-

тичних засобів попередження про виникнення пожежі. Знач-

на кількість наукових досліджень на пожежну тематику відо-

бражає, в основному, особливості фізичних процесів при по-

жежах та лінійну динаміку їх поширення [51].

За кордоном дослідження і розробки у даній галузі ведуть-

ся численними організаціями та установами, зокрема, управ-

лінням по дослідженню в галузі будівництва (BRE, Велико-

британія), Лабораторією будівництва та дослідження пожеж

(BERL, США), Інститутом пожежних досліджень (FRI, Японія)

тощо. Суттєві результати були одержані російськими вченими

Шароваром Ф.І. [105–107], Синиловим В.Г. [87], Наваць-

ким А.А. [69] та іншими в напрямку розробки ефективних

сповіщувачів пожежної сигналізації. Українським вченим

Абрамовим Ю.А. і його науковою школою розроблялись ме-

тоди і засоби виявлення пожеж [2–5]. Відомі також результати

досліджень СПМ на особливо небезпечних та технологічних

об’єктах: атомних електростанціях, літаках, кораблях, підвод-

них човнах тощо [72, 121, 131].

Переважна більшість вказаних досліджень стосувались ли-

ше одного елемента СПМ – сповіщувача і його вдосконален-

ня. За межами розгляду залишились проблеми формування

оптимальної структури системи пожежної сигналізації з «при-

в’язкою» до конкретного об’єкта. Неврахування його особли-

востей, застосування стандартних підходів та нормативних

вимог призводить до збільшення людських жертв, обсягу ма-

теріальних збитків, а також хибних спрацювань. І головною

причиною таких негативних наслідків є збільшення часу ви-

явлення пожежі через неефективність пожежної сигналізації.

Встановлюючи СПМ, дотримуються двох основних поло-

жень [2, 10]. По-перше, сповіщувачі розміщують згідно прямо-

Пожежний моніторинг будівель та споруд як інформаційна

кутної або трикутної схем (рис. 1.2, рис. 1.3) і, по-друге, відс-

тань між сповіщувачами та їх місцерозташування визначають-

ся паспортними характеристиками.

Рис. 1.2. Схема прямокутного розміщення сповіщувачів

а – відстань між датчиків; б – відстань від стіни

Рис. 1.3. Схема трикутного розміщення сповіщувачів

Інтелектуальні технології оптимізації систем пожежного моніторингу

Як правило, сповіщувачі розміщуються на стелі, і очевид-

но, що від масштабу пожежі залежить час спрацьовування

сповіщувача. Тоді, при установці сповіщувачів необхідно вра-

ховувати і пожежне навантаження в приміщенні, під яким ро-

зуміємо тип і стан стін, підлоги, їх покриття, висоту стель,

склад і кількість матеріалів, які знаходяться в приміщенні.

У прямокутних приміщеннях, як правило, пожежні спові-

щувачі (ПС) встановлюють за прямокутною схемою. Якщо ж

форма приміщення не прямокутна, має різні виступи, заглиб-

лення, додаткові кути та «кишені», то у таких приміщеннях

необхідно проводити розрахунок розміщення ПС за іншою

схемою, що враховуватиме особливості кожної ділянки [83, 89].

Такою схемою є трикутне розміщення ПС.

Важливу роль у процесах розробки та впровадження СПМ

відіграє інформаційне забезпечення [67, 80, 84], у тому числі

створення та впровадження інформаційних банків (баз) да-

них, нових інформаційних та комунікаційних технологій, за-

доволення потреб юридичних та фізичних осіб у норматив-

них, методичних та довідкових документах.

Аналіз сучасного стану розробок для систем пожежного

моніторингу дозволяє зробити висновок про те, що

найбільш поширеними на сьогодні є такі системи як

TrueSite [73], PCG-Graphic [125].

TrueSite призначена для управління моніторингом пожеж-

ної ситуації у приміщеннях. До її головних функцій нале-

жать: доступ до графічних планів об’єкту, надання оператору

інструкцій щодо дій у різних надзвичайних ситуаціях, мож-

ливість нарощування системи пожежної сигналізації. Анало-

гічні функції виконує і система PCG-Graphic.

Інформаційні технології є невід’ємною складовою СПМ. В

останні роки запропоновано реалізовувати СПМ із викорис-

танням радіомереж, що складаються із об’єктових сповіщува-

чів, передавачів, приймачів та ретрансляторного обладнання,

яке використовується для передачі інформації від об’єктів на

пункт централізованої пожежної охорони [5, 81, 88].

На ринку систем пожежної безпеки представлені зарубіж-

ні розробки. Зокрема, нове покоління систем серії AlgoRex

Пожежний моніторинг будівель та споруд як інформаційна

CS1140 концерну SIEMENS [7]. Одна станція цієї системи може

підтримувати більше 3000 індивідуально адресованих при-

строїв, до складу якої входять: димові, теплові, комбіновані

сповіщувачі, ручні сповіщувачі, вхідні і вихідні модулі,

лінійні оптичні сповіщувачі, спектральні детектори полум’я

та інші пристрої.

Обладнання систем охоронно-пожежної сигналізації

«SIEMENS» серії SIGMASYS є потужним інструментом для по-

будови сучасних систем пожежної та охоронної сигналізації

для середніх та великих об’єктів. Апаратно станції пожежної

та охоронної сигналізації SIGMASYS не відрізняються одна від

іншої. Відмінність між системами полягає у використанні різ-

них апаратних модулів для кожної із систем і у різному про-

грамному забезпеченні.

Інша система, яка інтегрує охоронну і пожежну сигналіза-

цію, «РУБЕЖ-2А» [6, 78], розроблена компанією «ВТ Центр».

Вона складається з приймально-контрольного приладу, димо-

вих, теплових або комбінованих ПС, виконавчих пристроїв,

адресних міток, розширювачів та сповіщувачів. Система є ад-

ресно опитувальною, рішення про стан «Пожежа» приймає

ПС і передає свій стан на приймально-контрольний прилад,

який здійснює неперервне опитування ПС і модулів у відпові-

дності з певним протоколом обміну інформації. Від димових і

комбінованих ПС прилад одержує не лише інформацію про

справність, про пожежу, але і про рівень запиленості димової

камери, що дозволяє наперед формувати попереджувальні

сигнали про необхідність проведення технічного обслугову-

вання. У світі існує велика кількість протоколів обміну між ПС

і приймально-контрольним приладом, які відрізняються ін-

формативністю та швидкістю передачі даних. У системі

«РУБЕЖ-2А» застосовано власний протокол, який відрізняєть-

ся високою завадозахищеністю, що дозволяє застосовувати

прилади на об’єктах з підвищеним рівнем електромагнітного

імпульсу. Застосування оригінального протоколу дозволяє

виключити застосування низькоякісного обладнання

сторонніх виробників.

Інтелектуальні технології оптимізації систем пожежного моніторингу

З розвитком мікропроцесорної техніки та безпровідних

комунікацій, безпровідні сенсорні мережі стали реальністю в

деяких додатках. Зокрема, на такому базисі розроблено СПМ

для житлових будинків. Для задоволення вимог до життєвого

циклу та адаптованості таких систем спроектовані ключові

технології на різних рівнях сенсорних вузлів, такі як шар інте-

грації даних, мережний шар та шар додатків. Така система ре-

алізована на базі сенсорних плат MicaZ і MTS300CB

фірмою XBow Co [132].

Ще одна розробка [8] – адресно-пожежний прилад «Адмі-

рал» – призначений для раннього виявлення пожежі, сигна-

лізації про пожежу, а також для контролю і управління систе-

мами сповіщення, пожежогасіння, димовидалення та іншими

системами пожежної автоматики. На відміну від інших систем

і приладів, «Адмірал» дозволяє без додаткового обладнання

реалізовувати розгалужений просторово-часовий алгоритм

управління та контролю підсистем пожежної автоматики як

на рівні системи в цілому, так і в межах окремих локальних

ділянок обладнання, підключених до конкретного базового

блоку.

Аналіз представлених на ринку систем свідчить про їх різ-

номанітність, побудову з використанням різних ідей та підхо-

дів. Системи пожежного моніторингу, які створені в останнє

десятиліття, у переважній своїй більшості базуються на без-

провідному способі передачі інформації. Основний напрямок,

у якому відбувається удосконалення СПМ – підвищення на-

дійності передачі даних по каналах зв’язку.

В основі проаналізованих технічних рішень лежить інфор-

маційно-аналітичний супровід процесів проектування, прий-

няття рішень та розробки. Відомо, що виявлення пожежі за-

лежить від кількості сповіщувачів, що встановлені у примі-

щенні. Водночас, значна їх кількість підвищує вартість СПС.

Тому і замовник, і проектна організація зацікавлені у розробці

таких систем, функціонування яких було максимально ефек-

тивним і, одночасно, системи мали мінімальну вартість.

Задачу розміщення сповіщувачів сьогодні розв’язують як

задачу регулярного покриття решітками [10, 83, 94]. Тут варто

Пожежний моніторинг будівель та споруд як інформаційна

зауважити, що решітчаті покриття дають точний розв’язок

задачі лише для нескінченного об’єкта [95]. При побудові та-

ких покрить до уваги береться лише геометрична конфігура-

ція приміщення. Інший підхід полягає у врахуванні елементів

теорії горіння та поширення пожежі [2, 55,56]. Він є трудоміст-

ким і не набув поширення у практиці проектування СПС.

Розглянемо основні елементи методики розміщення спо-

віщувачів [69, 83]. За прямокутною схемою (рис. 1.2) потрібно

здійснювати такі кроки: визначити відстань від сповіщувача

до стіни (

); нанести на план приміщення кутові сповіщувачі;

визначити кількість проміжків між рядами сповіщувачів (

);

визначити кількість проміжків між сповіщувачами в ряду (

);

визначити відстань між сповіщувачами в ряду (

); визначити

відстань між рядами сповіщувачів (

); нанести сповіщувачі

на план приміщення; визначити кількість сповіщувачів у

приміщенні (

); провести додаткові розрахунки. З ураху-

ванням позначень одержимо розрахункові формули:

b htg





де

– висота встановлення сповіщувача,



– половина кута

огляду сповіщувача;

 

де

– довжина приміщення;

 

де

– ширина приміщення;

2 ; 2 ;

( 1)( 1) .

B b

n b m b

A b

N M N



  



   

При проведенні розрахунків результати округлюються до

цілого у більшу сторону.

Для трикутної схеми (рис. 1.3) розрахунки проводяться у

такій послідовності:

Інтелектуальні технології оптимізації систем пожежного моніторингу

1. Розрахувати кількість рядів сповіщувачів

B b





2. Обчислити відстань

3 1

bb np



 

від сповіщувача до стіни

3. Знайти кількість сповіщувачів в ряду



Для одержання оптимального розв’язку задачу розміщен-

ня пожежних сповіщувачів найчастіше розглядають як задачу

геометричного проектування. Формулюється вона таким чи-

ном: знайти покриття області



колами заданого радіуса так,

щоб будь-яка точка цієї області належала б хоча б одному з

кіл, а їх кількість була б мінімальною [10, 83].

Математична постановка задачі:

min,

max min ( , ) ,

( , ) 2 ,

, {1, 2,..., },

i I

i j

i n

t p R

t t r

t I n















 

(1.1)

де

– кількість кіл,

( , )

t p



– відстань між точками

та

( , )

i i i

t x y

– центр

-го кола,

( , )

x y

p p p

– точка з



– радіус

кола. Для розв’язання задач типу (1.1) розроблені відповідні

методи та алгоритми [23, 94, 95, 116].

Особливістю таких задач є їх складність, неєдиність

розв’язку, неможливість визначення оптимального розв’язку із

заданою точністю, складність цільової функції або обмежень

на область пошуку. Виходячи із вказаних аспектів, доцільним

є застосування методів, які найменшим чином залежать від

вказаної вхідної інформації та не базуються на інтегро-дифе-

ренціальних конструкціях. Саме такими методами є предста-

вники еволюційної парадигми. Її загальна схема реалізується

за таким алгоритмом [112, 118, 119, 126, 128]:

Пожежний моніторинг будівель та споруд як інформаційна

Крок 1. Ініціалізація.



Крок 2. Визначення критерію зупинки алгоритму.

Крок 3. Визначення генеральної сукупності розв’язків.

Крок 4. Формування вибіркової сукупності

( ).

P t

Крок 5. Розрахунок міри оптимальності

( )

E t

представни-

ків

( ).

P t

Крок 6. Поки умова зупинки не є істинною, виконати:

Крок 6.1. За значеннями

( )

P t

( )

E t

обчислити представ

ників

( 1).

P t



Крок 6.2. Розрахунок

( 1).

E t



Крок 6.2.

t t

 

Крок 7. Кінець циклу.

Найбільш відомими еволюційними методами є генетичні

алгоритми та еволюційні стратегії. Як для першого, так і для

другого методу має місце загальна схема. Відмінності між ни-

ми полягають у деталях, які у залежності від задачі та вихідної

інформації можуть відігравати значну роль. Зокрема, генети-

чні алгоритми, як правило, базуються на бінарному представ-

ленні потенційних розв’язків, що внаслідок необхідності пере-

творень даних у різні системи числення у вигляді багатьох

змінних та складної цільової функції призводить до тривалого

очікування результату. Крім того, значний обсяг часу займає

процедура реалізації кросоверу [112, 118]. В еволюційних

стратегіях [126, 128], навпаки, потенційні розв’язки мають дій-

снозначне представлення, за рахунок чого обсяг обчислень є

значно меншим. Нові сукупності потенційних розв’язків оде-

ржують з попередніх шляхом додавання до них нормально

розподілених чисел із нульовим середнім. Такий процес по-

роджує дві проблеми. По-перше, незважаючи на ймовірнісну

генерацію розв’язків-нащадків, проблема локальних оптиму-

мів не зникає. По-друге, важливе місце займає кваліфікація

дослідника, оскільки визначення раціональних середньоквад-

ратичних відхилень є нетривіальною задачею. Тому, в еволю-

ційних стратегіях застосовуються додаткові процедури, що

збільшує точність одержуваного розв’язку, але уповільнює час

розв’язання задачі.

Інтелектуальні технології оптимізації систем пожежного моніторингу

За класичною схемою як генетичний алгоритм, так і ево-

люційна стратегія застосовуються для розв’язання оптиміза-

ційних задач у відомій обмеженій області. Водночас існують

ще і задачі математичного програмування, де цільова функція

або обмеження мають певні особливості. Зокрема, це задачі

лінійного, нелінійного, опуклого програмування тощо. Про-

фесор З. Міхалєвіч разом із своїми колегами та учнями розро-

бив ряд технологій, що дозволяють розв’язувати такі задачі на

базі генетичного алгоритму [112, 113, 123, 124]. Він ділить їх на

чотири категорії [124]:

– методи, що базуються на збереженні допустимості

розв’язків;

– методи, використання яких пов’язано із введенням штраф-

них функцій;

– методи, в основі яких лежить чіткий поділ на допустимі та

недопустимі розв’язки;

– інші гібридні методи.

Далі, в книзі [113] класифіковано штрафні функції як ста-

тичні, динамічні та адаптивні, розглянуті особливості їх засто-

сування та напрямки розвитку. Зауважимо, що використання

штрафних функцій у нашому дослідженні є актуальним і об-

ґрунтованим, оскільки неоптимальне розміщення пожежних

сповіщувачів може призвести до негативних наслідків

значного масштабу.

Зазначимо важливу роль експертного аналізу в досягненні

цілі роботи. Вибір експертів, визначення їх компетентності

розглянуті в роботах [66, 90, 108]. Цей процес можливо здійс-

нювати як за повної інформації, так і в умовах невизначеності.

Для обробки експертних суджень доцільним є використання

нечіткої логіки та технологій обробки нечітких експертних

висновків [64, 71, 74, 77, 93, 109]. Їх застосування є успішним

лише в композиції з технологіями експертного аналізу, що до-

зволить об’єктивізувати експертні висновки.

Аналіз відомих методів розв’язання задачі оптимізації роз-

міщення пожежних сповіщувачів свідчить про її зведення до

класичних математичних задач розміщення і покриття. За-

уважимо, що одержані розв’язки не враховують багатьох важ-

Пожежний моніторинг будівель та споруд як інформаційна

ливих факторів, зокрема, кількості потенційних жертв, обсягів

матеріальних збитків, надійності СПС та часу поширення по-

жежі, що значно зменшує ефективність їх реалізації. Крім то-

го, як справедливо відзначає у своїй дисертації О.А. Попов

[141], визначення оптимального розміщення пожежних спо-

віщувачів супроводжується необхідністю композиції застосу-

вання аналітичних методів та експертних висновків. Відповід-

ний процес характеризується невизначеністю, зумовленою

відсутністю в достатньому обсязі початкових даних; наявністю

якісних ознак, для яких потрібно розробляти кількісне пред-

ставлення; відсутністю єдиних показників ефективності та

єдиної цільової функції. Проблема оптимізації структури

СПМ з врахуванням вказаних аспектів у сучасній науковій лі-

тературі майже не відображена, не представлені критерії такої

оптимізації та не визначені конструктивні шляхи її реалізації.

1.3. Аспекти структурно-логічного підходу до розроб-

ки систем пожежного моніторингу

Відомо, що система пожежної сигналізації є складовою ча-

стиною системи пожежного моніторингу. Найважливішою

частиною системи пожежної сигналізації є пожежні сповіщу-

вачі. Функціональність сповіщувачів лежить в основі проекту-

вання СПМ, а їх вартість складає значну частину вартості

СПС. Очевидно, що інфраструктурні елементи СПС і СПМ, їх

номенклатура та вартість визначаються за тими ж принципа-

ми, що і підбір пожежних сповіщувачів. Тому можна ствердь-

жувати, що принципи, моделі і методи, які використовуються

при оптимізації складу та розміщення пожежних сповіщувачів

можуть бути з певними модифікаціями перенесені як на СПС

в цілому, так і на СПМ.

Здійснюючи протипожежний захист будівель та споруд,

виконуючи проектні роботи, важливо враховувати наявність

двох інформаційних систем, які релевантні цим процесам [91].

Перша система – система пожежного моніторингу, результа-

том функціонування якої повинне бути своєчасне та надійне

Інтелектуальні технології оптимізації систем пожежного моніторингу

повідомлення про пожежу у приміщенні. До інформаційних

технологій, які супроводжують процес функціонування СПМ,

належать методи виявлення значущих факторів пожежі, діаг-

ностика та самодіагностика з видачею результатів у залежнос-

ті від значень певних параметрів, надійна передача даних по

каналах зв’язку. Інша система – система підтримки прийняття

рішень (СППР), використовується на етапі проектування СПМ

і є для неї обслуговуючою системою. Саме в ній зосереджено

елементи теорії та практику проектування подібних систем у

вигляді ретроспективної інформації; досвід проектувальників

представлений закінченими рішеннями; дані про елементну

базу, моделі і методи є основною частиною «чорного ящика»,

що безпосередньо використовується при проектуванні. Ре-

зультуючим продуктом роботи СППР є інформація у формі

проекту СПС з графічним відображенням, поясненнями та

пропозицією альтернативних варіантів. Рішення щодо вибору

остаточного проекту належить до компетенції особи, що

приймає рішення (ОПР).

Вище вже було зроблено висновок про те, що розробку

принципів, формалізацію задач та визначення елементів тех-

нології оптимізації структури СПМ необхідно здійснювати,

виходячи з ймовірних негативних наслідків пожежі та експер-

тних висновків. Відповідна проблема є слабко структурова-

ною та важкоформалізованою [35], тому пошук оптимального

проектного рішення СПС як головної складової СПМ раціо-

нально виконувати на основі розробки та використання моде-

лей, які дозволять визначити кількість та структуру розмі-

щення пожежних сповіщувачів. Оскільки процеси розв’язання

таких задач відбуваються в умовах невизначеності, що викли-

кана неоднозначністю параметрів розвитку пожеж, розмитіс-

тю експертних висновків, непрогнозованістю наслідків пожеж,

раціональною є розробка та застосування методів аналізу не-

чітких експертних висновків та еволюційної оптимізації.

Структурно-логічна схема, що містить елементи процесу

розв’язання задачі оптимізації структури системи пожежного

моніторингу, наведена на рис. 1.4.

Пожежний моніторинг будівель та споруд як інформаційна

Аналіз проблеми росту негативних наслідків пожеж та ролі систем

пожежного моніторингу

Аналітичний огляд принципів, моделей, методів та

інструментальних засобів, що застосовуються при проектуванні

пожежної сигналізації. Визначення особливостей їх застосування,

переваг та недоліків.

Структурно

логічна схема дослідження

Формалізація задач розміщення елементів системи пожежного

моніторингу в умовах невизначеності

Методичні аспекти дослідження, вибір технологій розв’язання

задач та здійснення їх взаємного відображення

Моделі для визначення оптимальної кількості пожежних

сповіщувачів

Моделі оптимізації системи пожежного моніторингу

Моделі для визначення кількості потенційних жертв та обсягу

збитків всередині та зовні приміщення, де може відбутися пожежа

з використанням нечітких продукційних правил

Моделі для оптимізації структури системи пожежної сигналізації

при фіксованій кількості пожежних сповіщувачів

Еволюційні методи оптимізації структури системи пожежного

моніторингу

Структура СППР у процесах проектування СПМ

Експериментальна верифікація розроблених моделей та методів

Рис.

1.4. Структурно

логічна схема дослідження

Інтелектуальні технології оптимізації систем пожежного моніторингу

Вище показано, що обсяги негативних наслідків пожеж

зростають. Причинами цього є численні об’єктивні та

суб’єктивні фактори. Аналіз їх результатів засвідчив значну

роль СПМ, насамперед, для мінімізації людських жертв та об-

сягів матеріальних збитків. Згідно логіки дослідження потріб-

но визначити проблеми та задачі, які супроводжують проек-

тування та використання таких систем. Для цього далі розгля-

даються принципи, моделі, методи та інструментальні засоби,

що використовуються при створенні СПМ. Визначення особ-

ливостей застосування інформаційного та технічного забезпе-

чення систем пожежного моніторингу, а особливо їх недоліків,

дозволить зробити певні висновки щодо напрямку вдоскона-

лення процесів їх створення.

Основним таким напрямком є врахування кількості поте-

нційних жертв та обсягу можливих матеріальних збитків. З

іншої сторони обмежуючим фактором є фінансове забезпе-

чення. Значення таких критеріїв є інформативним фактором

при визначенні ефективності створюваної системи пожежного

моніторингу, головною та ресурсоємкою частиною якого є

СПС. Для максимізації критерію ефективності необхідно ви-

конати формалізацію відповідної задачі, яка, очевидно, є сла-

бко структурованою [116], оскільки в ній присутні кількісні та

якісні показники, причому роль останніх є домінуючою. Крім

того, необхідно буде звернути увагу на технології обробки да-

них в умовах невизначеності, оскільки значна кількість інфо-

рмації, що має відношення до пожежної безпеки будівель та

споруд, є розпливчастою та суб’єктивною.

Наведені вище аспекти дозволяють встановити певний на-

бір технологій, що можуть бути розробленими та використа-

ними при оптимізації СПМ. До них належать числення нечіт-

ких експертних висновків та еволюційне моделювання. Опти-

мізацію систем пожежного моніторингу буде запропоновано

Пожежний моніторинг будівель та споруд як інформаційна

здійснювати з використанням розробленої ієрархічної

системи моделей.

На верхньому рівні знаходитимуться моделі, що викорис-

товуватимуться для визначення кількості потенційних жертв

та обсягу матеріальних збитків як всередині приміщення, так і

зовні його. Одержані з використанням таких моделей резуль-

тати є вихідною інформацією для визначення оптимальної

кількості пожежних сповіщувачів з використанням відповід-

них моделей та можливих фінансових ресурсів, що викорис-

товуватимуться для проектування та встановлення системи

пожежного моніторингу.

Кількість пожежних сповіщувачів, у свою чергу, є вихід-

ними даними для розробки моделей, що будуть використову-

ватись для оптимізації структури СПС. Такі моделі є цільови-

ми функціями і вони повинні відображати особливості буді-

вель і споруд, зокрема, наявність джерел підвищеної небезпе-

ки, динаміку пожежного навантаження приміщень тощо.

Оскільки розроблені моделі є поліекстремальними, неди-

ференційованими залежностями, то їх оптимізація здійснюва-

тиметься з використанням еволюційних методів. Зокрема, з

цією метою буде здійснено адаптацію та модифікацію генети-

чних алгоритмів та еволюційних стратегій.

Практична реалізація розроблених моделей та методів ви-

конана в інформаційно-аналітичній системі «Сигнал». Для

цього розроблено структуру такої системи, встановлено особ-

ливості її функціонування. Для підтвердження ефективності

запропонованих технологій виконуватиметься експеримен-

тальна верифікація з аналізом одержаних результатів та їх по-

рівнянням з результатами застосування класичних методів.

Інтелектуальні технології оптимізації систем пожежного моніторингу

Резюме

Розглянуті аспекти розв’язання задачі оптимізації системи

пожежного моніторингу в умовах невизначеності викликані

низькою ймовірністю своєчасного спрацьовування сповіщува-

чів пожежної сигналізації та відповідними наслідками. Залеж-

ність розміщення сповіщувачів від факторів зовнішнього се-

редовища і внутрішніх особливостей об'єктів повинна врахо-

вуватись разом з експертними висновками. Відповідні техно-

логії оптимізації структури розміщення сповіщувачів пожеж-

ної сигналізації необхідно базувати на технологіях «м'яких»

обчислень, оскільки жорстко задані правила їх розміщення

виявляються достатньо часто неефективними.

У першому розділі розглянута проблема розміщення спо-

віщувачів пожежної сигналізації. Вказані особливості і недолі-

ки сучасних методів розміщення таких сповіщувачів, пов'язані

з обмеженістю врахування факторів, які впливають на процес

як їх розміщення, так і використання. Запропоновано компле-

ксний підхід до оптимізації розміщення сповіщувачів, який

базується на врахуванні умов зовнішнього середовища і внут-

рішніх особливостей приміщень, а також експертних виснов-

ків та їх об’єктивізації.

Розглянуто аспекти розв’язання задачі оптимізації системи

пожежного моніторингу в умовах невизначеності, які викли-

кані низькою ймовірністю спрацьовування сповіщувачів по-

жежної сигналізації і відповідними наслідками. Залежність

розміщення сповіщувачів від факторів зовнішнього середо-

вища і внутрішніх особливостей об'єктів повинна враховува-

тись разом з експертними висновками. Відповідні технології

оптимізації структури сповіщувачів пожежогасіння необхідно

базувати на технологіях «м'яких» обчислень, оскільки жорстко

задані правила їх розміщення найчастіше виявляються неефе-

ктивними.

Структурні елементи інформаційного супроводу процесів

Розділ 2. СТРУКТУРНІ ЕЛЕМЕНТИ ІНФОР-

МАЦІЙНОГО СУПРОВОДУ ПРОЦЕСІВ ІДЕН-

ТИФІКАЦІЇ, ОПТИМІЗАЦІЇ ТА ЕКСПЕРТНО-

ГО АНАЛІЗУ ПРИ РОЗРОБЦІ СИСТЕМ ПО-

ЖЕЖНОГО МОНІТОРИНГУ

За межами розгляду науковців залишаються проблеми мі-

німізації наслідків пожеж та вплив на такі процеси систем по-

жежного моніторингу. На сьогодні такий моніторинг здійс-

нюється за допомогою сповіщувачів пожежної сигналізації

різного типу. Їх кількість та структура визначаються за однією

із відомих схем: прямокутною чи трикутною. Водночас не

встановлюється відповідність між можливими масштабами на-

слідків пожеж та «потужністю» систем пожежного моніторин-

гу. Очевидно, що пожежну безпеку приватного будинку і

атомної електростанції повинні забезпечувати системи моні-

торингу різного рівня з різним ступенем резервування. Постає

задача пошуку компромісу між вартістю та ефективністю та-

кої системи і масштабами можливих наслідків.

Очевидно, що ефективність СПС залежить від багатьох

внутрішніх і зовнішніх факторів. Головними з них є особливо-

сті пожежної інфраструктури будівлі чи споруди, її архітекту-

рні особливості, пожежна навантаженість приміщення, рівень

резервування пожежних сповіщувачів.

Особа, що приймає рішення, визначаючи необхідність оп-

тимізації системи пожежного моніторингу, у першу чергу, по-

винна передбачити кількість можливих жертв як всередині

приміщення, так і зовні, обсяги матеріальних збитків та інші

наслідки процесів, зумовлених пожежею. Невизначеність, яка

є атрибутом процесів прийняття рішень при визначенні оп-

тимальної кількості пожежних сповіщувачів та їх розміщення,

частково може бути зменшеною шляхом використання екс-

пертного досвіду, формалізованого у нечітких продукційних

правилах та об’єктивізованого з використанням нечіткого ло-

гічного виведення.

Інтелектуальні технології оптимізації систем пожежного моніторингу

2.1. Причинно-наслідковий принцип і задачі оптимі-

зації системи пожежного моніторингу

Наведемо основні визначення, які будуть зустрічатись.

Споруда – будь-яке приміщення, яке призначене для тех-

нічних цілей і люди в якому знаходяться лише тимчасово.

Будівля є будинком з архітектурними елементами, який

призначений для постійного знаходження там людей з метою

проживання або роботи.

Характерними ознаками будівель і споруд є:

– функціональна спрямованість, яка вже реалізована;

– просторова обмеженість і енергетична, матеріальна та ін-

формаційна взаємодія з навколишнім середовищем.

Система пожежного моніторингу є цілісним складним

комплексом, що реалізує технології дистанційного збору ін-

формації про стан протипожежної охорони та оперативного

сповіщення про будь-які зміни на об’єкті.

Система пожежної сигналізації – це сукупність технічних

засобів, встановлених на об’єкті, що захищається, для вияв-

лення пожежі, обробки, представлення у заданому вигляді

інформації про пожежу, сповіщення про пожежу та видачі

команд на включення автоматичних установок пожежогасіння

та технічних пристроїв.

Пожежний сповіщувач – чутливий елемент СПС, що до-

зволяє виявити факт виникнення пожежі.

Система пожежної сигналізації є основною СПМ, від якої

залежить своєчасність виявлення пожежі та мінімізація нега-

тивних її наслідків. Основним елементом пожежної сигналіза-

ції як за значущістю, так і за вартістю є пожежний сповіщувач.

Тому найважливішою задачею при проектуванні та встанов-

ленні систем пожежного моніторингу є оптимізація структу-

ри системи пожежних сповіщувачів.

Процес розв’язання задачі визначення оптимальної струк-

тури розміщення пожежних сповіщувачів супроводжується

дотриманням деяких принципів. Зокрема, при проектуванні

СПМ необхідно передбачати врахування кількості можливих

Структурні елементи інформаційного супроводу процесів

людських жертв, величину матеріальних збитків, можливі на-

слідки техногенних та екологічних катастроф, що зумовлені

пожежею у будівлі чи споруді. Прогнозування можливих май-

бутніх форс-мажорних обставин і аналіз статистичної інфор-

мації, що містить дані про пожежі, параметри спрацьовування

СПС, жертви та матеріальні збитки, проведені в комплексі, є

необхідною умовою визначення потужності і структури вста-

новлюваної СПМ. Ще одним аспектом комплексного аналізу є

визначення обсягу матеріальних збитків від помилкового

спрацьовування сповіщувачів.

Таким чином, оптимізація СПС на першому етапі

пов’язана із розв’язанням задач ідентифікації залежностей:

( , ),

( ),

in p

K F X N

S F X N

S F K



(2.1)

де

– кількість сповіщувачів у приміщенні,

– внутрішні

фактори будівлі чи споруди,

– множина негативних нас-

лідків, викликаних неспрацюванням або невчасним спрацю-

ванням сповіщувачів,

– структура розміщення сповіщувачів.

У роботі [26] встановлено склад множини

. До неї вхо-

дять характерні особливості будівлі чи споруди:

– дата побудови;

– кількість поверхів;

– їх планування;

– наявність підвалів та горищ;

– структурні особливості приміщення, що мають від-

ношення до особливостей розвитку, гасіння та наслідків по-

жежі;

– відповідність нормативним вимогам матеріалів і

конструкції;

– наявність та стан шляхів евакуації.

Інтелектуальні технології оптимізації систем пожежного моніторингу

Іншу групу факторів складають параметри, що визнача-

ють протипожежний стан об’єкта:

– відстань до найближчої пожежної частини;

– кількість пожежних частин в 20-кілометровій зоні;

– ступінь укомплектованості найближчого пожежного

підрозділу кадрами;

– укомплектованість засобами пожежогасіння;

– наявність і вид протипожежного водопостачання;

– діаметр водопроводу;

– стан найближчих джерел водопостачання;

– тиск у водопроводі;

– наявність первинних засобів гасіння;

– ступінь зручності під’їзду.

Ефективність СПМ визначається також і надійністю по-

жежних сповіщувачів та рівнем їх резервування. Вважатимемо,

що рівень резервування

, у свою чергу, є функцією кількості

і структури розміщення сповіщувачів, тобто

( , ).

P G K S



(2.2)

Тоді необхідно розв’язувати задачу максимізації рівня ре-

зервування при мінімізації кількості сповіщувачів і спрощенні

схеми їх розміщення. Не за залишковим принципом необхід-

но звертати увагу на вартісний критерій

. Має місце ще од-

на двокритеріальна задача:

min, max,

Z P

 

(2.3)

при обмеженнях, що задаються системою вищого ієрархічного

рівня і включають в себе вимоги до максимальної ціни облад-

нання, його номенклатури та характеристик.

Розв’язання задачі (2.3) закінчується побудовою області

компромісу [9, 14, 62, 96], виходячи з якої можна визначити

прийнятний варіант за кількістю і структурою розмі-

щення сповіщувачів.

Структурні елементи інформаційного супроводу процесів

Розв’язання задач (2.1)-(2.3), зокрема, визначення дублю-

ючих паспортні значення характеристик ймовірності прави-

льного спрацювання сповіщувача, раціонально здійснювати,

виходячи з нечітких експертних висновків. Важливо брати до

уваги особливості використання сповіщувачів з урахуванням

висоти їх розміщення, а також визначати прийнятну кількість

сповіщувачів і схему їх розміщення у залежності від передба-

чуваних наслідків пожежі та ймовірності її виникнення.

Таким чином, враховуючи сучасний стан, особливості, пе-

реваги і недоліки функціонуючих СПМ та окремих сповіщу-

вачів, оптимізацію їх структури необхідно виконувати, базую-

чись на двох положеннях:

1. Через значну вартість елементної бази та установки

СПМ, при виборі сповіщувачів, структури їх розміщення і

установки потрібно виходити із необхідності побудови і вико-

ристання деякої подібності області компромісу між вартістю

системи та обсягами можливих збитків на випадок пожежі і

несвоєчасного її виявлення [45].

2. При виборі структури розміщення сповіщувачів орієн-

туватись на їх часові та експлуатаційні параметри, а також ек-

спертні висновки, що містять інтегральний «досвід» експлуа-

тації подібних систем з можливістю врахування особливостей

навколишнього середовища [20].

Традиційно установка СПМ здійснюється відповідно до

певних норм і стандартів. Обмежимось розглядом головної

підсистеми СПМ – пожежними сповіщувачами. Їх розміщення

визначається такими вимогами. Якщо стеля є плоскою, то між

будь-якою горизонтальною проекцією точки приміщення і

горизонтальною проекцією найближчого сповіщувача певно-

го типу відстань не повинна перевищувати 7,5 м для димового

і 5,3 м – для теплового сповіщувачів (рис. 2.1-2.3).

Відомо також, що традиційно застосовуються прямокутна

(рис. 1.2) і трикутна (рис. 1.3) схеми розміщення сповіщувачів.

Трикутна схема є більш економічною і застосовується в при-

міщеннях великої площі.

Інтелектуальні технології оптимізації систем пожежного моніторингу

Розглянемо задачу оптимізації кількості і структури спо-

віщувачів пожежної сигналізації безвідносно до їх типу. Відо-

мо, що тепле повітря і дим при пожежі, що виникла в нижній

частині приміщення, підіймаються вертикально вгору і роз-

повсюджуються під стелею (рис. 2.4).

Сповіщувачі пожежної сигналізації знаходяться на стелі

або біля стелі і, чим довшим буде шлях від місця виникнення

пожежі до горизонтальної проекції сповіщувача, тим більшим

буде час від виникнення пожежі до спрацьовування сповіщу-

вача. В приміщенні можуть бути один або декілька сповіщу-

вачів і вони повинні бути встановлені так, щоб сумарна відс-

тань від передбачуваних місць виникнення пожежі до най-

ближчого сповіщувача була мінімальною.

7,5 5,3

10,5 7,5

Рис. 2.1

Розміщення

димових сповіщувачів

Рис. 2.2. Розміщення

теплових сповіщувачів

11,25

Рис. 2.3. Трикутна схема

розміщення

сповіщувачів

Структурні елементи інформаційного супроводу процесів

Визначення структури і складу СПМ є складною багаток-

ритеріальною задачею, яка в реальних умовах не розв'язуєть-

ся. Здійснимо формалізовану постановку даної задачі. Нехай

– вартість проектування CПМ;

– вартість елементної бази СПМ;

– вартість установки СПМ;

– ймовірність виникнення пожежі на об'єктах подібного

типу (встановлюється за даними статистики);

1 2

1 2 1 2

1 1 1 1 2 2 2 2

{ , ,.., }, { , ,.., }

k k

D d d d D d d d

  – множина факторів,

значення яких збільшують або зменшують ймовірність вини-

кнення пожежі (мають локальний характер);

( ), ( )

L t M t

– кількість можливих жертв і величина матеріа-

льного збитку залежно від часу спрацьовування сигналізації

про пожежу;

( ) { ( ), ( )}

in out

L t L t L t



( ) { ( ), ( )}

in out

M t M t M t

, де

( )

L t

( )

M t

–

кількість людських жертв і величина матеріального збитку

безпосередньо в приміщенні, де відбулася пожежа,

( )

out

L t

( )

out

M t

– людські жертви і матеріальні збитки зовні примі-

щення, зумовлені пожежею та її наслідками;

H V

– висота і об'єм приміщення;

1 2

{ , ,..., }

R r r r

– множина, що містить вимоги норм і стан-

дартів;

1 2

{ , ,..., }

Q q q q

– множина, елементи якої вказують на ная-

вність і розташування систем кондиціонування та фільтрації;

– показник кваліфікації обслуговуючого персоналу;

1 2

{ , ,..., }

B b b b

– множина, елементи якої вказують на ная-

вність і координати основних джерел небезпеки;

O T

– вологість і температура (в деяких випадках є функці-

ями часу);

– рівень надійності системи;

1 2

{ , ,..., }

A a a a

– значення інших параметрів, що здійсню-

ють вплив на СПМ.

Необхідно розв’язати задачі

Інтелектуальні технології оптимізації систем пожежного моніторингу

max, min,

  

(2.4)

де

– ефективність СПМ,



– витрати на її проектування та

установку при обмеженнях

* * *

( , , ),

i i j j l l

         

(2.5)

де



– певна область, в якій лежать значення параметрів СПМ,

причому деякі параметри матимуть точно задані значення

(

i i

  

), значення інших параметрів не перевищують грани-

чних констант (

j j

  

), а значення третіх параметрів не ви-

ходять за межі вказаних областей (

l l

 

). Очевидно, що за-

дачі (2.4) є суперечливими.

Рис. 2.4.

роцесс поширення диму

вогню

Критерій ефективності й витрати на установку, проекту-

вання та елементну базу є залежністю від багатьох факторів,

унаслідок чого (2.4) перепишемо таким чином:

1 2

( ( ), ( ), , , , , , , , , ) max,

E E L t M t P G D D B U O T A  (2.6)

Структурні елементи інформаційного супроводу процесів

( , , , , , , , , ) min,

p l u

Z Z Z H V R Q U A    (2.7)

у свою чергу

1 2

( , , , , , , , , , , , , ).

p p

Z Z P D D H V R Q B U O T G A

 (2.8)

Зробимо деякі спрощуючі припущення:

– вологість і температура в приміщенні є постійними ве-

личинами, висота і об'єм приміщення відомі, тому мінімальна

кількість сповіщувачів

min

N що визначається з урахуванням

параметрів з

і відповідними схемами (рис. 2.1–2.3), відомі;

– у залежності від значення параметрів множини

і пока-

зника

надійність СПМ збільшується або зменшуються;

– ймовірність

виникнення пожежі на об'єктах подібно-

го типу коригується з урахуванням наявності і значень еле-

ментів множини

Таким чином, кількість факторів, які необхідно врахувати,

скорочується. При цьому параметр

розраховуємо як

 де

– загальна кількість типових приміщень,

–

кількість пожеж, що в них відбулись. Якщо на конкретному

об'єкті є додаткові джерела пожежної небезпеки на відміну від

типових об'єктів, то









, в припущенні, що

n o

M M



У разі відсутності таких джерел, що є атрибутами типових

об'єктів, (1 )





 де



– коефіцієнт, який вказує на сту-

пінь небезпеки додаткових можливих джерел пожежі,

(0,1).





Ефективність та витрати на проектування та встановлення

СПС (2.4) залежать від кількості сповіщувачів та структури ро-

зміщення. Розглянемо задачі їх визначення. Якщо

– внут-

рішні фактори будівлі, які впливають на час розвитку та по-

ширення пожежі, 1 2

( , ,..., ),

in n

X X X X



, ,

L M D

– потенційно мо-

жлива кількість людських жертв, обсяг матеріальних збитків

та збитки, які будуть завдані техногенною або екологічною

Інтелектуальні технології оптимізації систем пожежного моніторингу

катастрофою як наслідком пожежі, відповідно, то кількість

сповіщувачів пожежної сигналізації та структура їх розміщен-

ня визначається в результаті ідентифікації залежностей [42]:

( , , , ),

K F X L M D

 (2.9)

( , , , ),

S F X L M D

 (2.10)

де

– кількість сповіщувачів у приміщенні,

– структура

(місце розташування) сповіщувачів. Залежності (2.9) і (2.10) є

деталізованими моделями (2.1). Зауважимо, що їх ідентифіка-

ція є формалізованою задачею, конструктивне розв’язання

якої буде запропоновано далі як певна послідовність проміж-

них процедур.

Припустимо, що у приміщенні необхідно встановити од-

нотипні сповіщувачі. Вважатимемо, що пожежа виявлена, як-

що спрацював хоча б один сповіщувач. Позначимо ймовір-

ність спрацювання сповіщувача, якщо має місце пожежа,

Кількість експертів –

. У першому наближенні припустимо,

що кількість сповіщувачів та схема їх розташування відомі

(

– трикутна схема,

– прямокутна схема,

– кількість

сповіщувачів, відповідно). У найпростішому випадку, коли

відомою є лише точка виникнення пожежі, модель для визна-

чення часу спрацювання пожежного сповіщувача у випадку

виникнення пожежі є сукупністю таких нечітких продукцій-

них правил:

1 1 1

2 2 2

, ;

........................................

...........;

, .

r r r

Якщо х A і у В то t C

  

(2.11)

У моделі (2.11) (

x y

) є координатами точки виникнення

пожежі;

– час виявлення пожежі (спрацювання сповіщувача).

Модель (2.11) формується за висновками одного експерта для

різних точок виникнення пожежі за умови рівномірності по-

Структурні елементи інформаційного супроводу процесів

жежного навантаження приміщення,

, ,

j j j

A B C

є нечіткими

множинами із відповідними функціями належності,

j r

.

Функції належності найчастіше є трикутними симетричними,

трикутними несиметричними, трапецієподібними та гаусів-

ськими [57, 85, 134]. Кожна з них характеризується особливос-

тями свого використання. Якщо експерт абсолютно впевнений

у належності одного значення певній множині, а належність

інших значень лінійно зменшується з віддаленням від значен-

ня, впевненість у належності якого є абсолютною, то оптима-

льним буде вибір симетричної трикутної функції належності

з двома параметрами

1 , ( , ),

( )

0, ( , ).

z c

z c a c a



 

   





  



(2.12)

Якщо ж така впевненість зменшується з різною швидкістю

по мірі віддалення від такого значення у різні сторони, то ра-

ціонально вибрати трикутну несиметричну функцію належ-

ності з трьома параметрами

1 , ( , ),

( ) 1 , [ , ),

0, ( , ) ( , ).

z c z c a c

c z

z z c c b

z c a c b





  







   





    







(2.13)

У випадку, якщо експерт вважає рівноможливим будь-яке

значення з певної множини, або не може вказати на переваги

того чи іншого значення із цієї множини через відсутність до-

Інтелектуальні технології оптимізації систем пожежного моніторингу

даткових даних, використовується трапецієподібна функція

належності

( ), ( , ),

1, ( , ),

( )

(1 ), ( , ),

0, ( , ) ( , ),

z m z m m

z m m

zz m

h z m m

z m m

 







 

   









  



    



(2.14)

де (

, , , ,

m m h

 

) − її параметри.

Якщо експерт вважає, що його впевненість у належності

тих чи інших значень до певної множини можна представити

за нормальним законом розподілу, то функція належності є

гаусівською, тобто

( )

( ) exp( ),

z m





  (2.15)

де



– параметри. Всі наведені функції належності можуть

використовуватись при визначенні часу спрацьовування по-

жежних сповіщувачів. Їх вибір визначається вихідними дани-

ми та суб’єктивними перевагами експертів.

Припустимо, що пожежна навантаженість приміщення

змінюється. Тоді модель (2.11) модифікується і буде такою:

1 1 1 1

2 2 2 2

, , , ;

........................................

...........................;

, ,

r r n r r

Якщо х A і у В і P D то t C

   

(2.16)

де

– рівень пожежного навантаження в околі точки виник-

нення пожежі,

, 1,

D j r

– нечіткі множини з відповідними

функціями належності.

Структурні елементи інформаційного супроводу процесів

Моделі (2.11) і (2.16) мають місце у випадку, коли висновки

про час спрацювання пожежного сповіщувача робить один

експерт. Для об’єктивізації висновків необхідно використати

висновки декількох експертів з певними ваговими коефіцієн-

тами, що вказують на їх компетентність. Відповідна модель

буде такою:

1 1 1 1

2 2 2 2

, ;

........................................

............................;

, ,

i i i i

r r n r r

Якщо х A і у B і P D то t C

   

(2.17)

з ваговим коефіцієнтом

, 1, .

w i m

 Кількість правил в моделі

(2.17) складає

r m



У результаті ідентифікації залежності

( , , )

t G x y P

 з вико-

ристанням моделей (2.11), (2.16) або (2.17) та теореми FAT про

наближення будь-якої неперервної функції нечіткою адитив-

ною системою [120] одержимо поверхню (для моделі (2.11)) або

гіперповерхню (для моделей (2.16) і (2.17)), яка може бути ви-

користаною для визначення середнього прогнозованого часу

від моменту виникнення пожежі до моменту спрацювання

пожежного сповіщувача. Для цього достатньо здійснити дис-

кретизацію горизонтальної проекції приміщення та у кожно-

му вузлі за моделями (2.11), (2.16) або (2.17) розрахувати відпо-

відний час. Матимемо множину





1 2 1 2

( , , ) / ... , ...

i j ij l k

D x y t x x x y y y

      

і результуючий середній час

1 1

l k

a ij

i j

t t

l k  





Інтелектуальні технології оптимізації систем пожежного моніторингу

Очевидно, що крім часу

раціональним є врахування

максимального і мінімального часу спрацювання пожежного

сповіщувача. Їх знаходження вимагає розв’язання задачі по-

шуку

max , min .

ij ij

i j

M t m t

  (2.18)

Розв’язок задач (2.18) дозволить визначити координати то-

чок виникнення пожежі, для яких час спрацювання сповіщу-

вача є найбільшим та найменшим.

Задачі (2.11), (2.16)-(2.18) передують задачам визначення

оптимальної кількості пожежних сповіщувачів та структури їх

розміщення у будівлях та спорудах. Зауважимо, що під понят-

тям «оптимальна кількість сповіщувачів» у даному випадку

будемо розуміти таку їх кількість, яка належить до області

компромісу між витратами на елементну базу, проектування

та встановлення системи пожежного моніторингу і негатив-

ними можливими наслідками пожежі. Очевидно, що витрати

можуть бути розраховані аналітично, можливі наслідки по-

жежі можуть лише прогнозуватись. Базуючись на результатах

розв’язання задач (2.11), (2.16)-(2.18), запишемо відповідні мо-

делі

− для одного експерта:

1 1 1 1

2 2 2 2

, , , ;

........................................

.............................;

, , , ,

r r r v r

Якщо х A і у В і t E то S W

   

(2.19)

де (

x y

) – координати точки виникнення пожежі,

Структурні елементи інформаційного супроводу процесів

t – час від початку пожежі до моменту спрацювання сповіщу-

вача системи пожежного моніторингу,

– відповідні наслідки пожежі,





, ,

v l m d

,

, , ,

l m d

S L S M S D

  

, , , , 1,

j j j j

A B C W j r

– відповідні функції на-

лежності;

− для багатьох експертів (тут для

-го експерта ):

1 1

2 2

1 1

2 2

, , , ;

........................................

.............................;

, , , .

r r

i i i vi

r v r

Якщо х A і у В і t E то S W

   

(2.20)

з ваговим коефіцієнтом

, 1, .

w i m



У моделях (2.19) і (2.20) функції належності нечітких мно-

жин

, , ,

j j j

i i i vi

A B E W

визначаються експертами емпірично або на

основі попарних порівнянь [86]. Формування функцій належ-

ності нечітких множин

та

здійснюється, виходячи із ре-

зультатів ідентифікації часу спрацювання сповіщувача за мо-

делями (2.11), (2.16)–(2.18). Експерт, маючи дані про час спра-

цювання сповіщувача, якщо пожежа виникла в точці з коор-

динатами (

x y

( , , )

t G x y P

, а також, знаючи значення

, ,

t M

і здійснюючи самооцінку своєї компетентності, будує

функції належності

( )



Припускаючи, що сповіщувачі розміщуються рівномірно

(для трикутної та прямокутної схеми це очевидно), та прово-

дячи обчислювальний експеримент, встановлюємо, що час від

початку пожежі до моменту спрацювання сповіщувача зміню-

ється за певним законом (рис. 2.5).

Інтелектуальні технології оптимізації систем пожежного моніторингу

1 2 3

. .

. . .

k n

кількість сповіщувачів

Рис. 2.5. Динаміка часу спрацювання системи

пожежної

сигналізації

Його аналіз показує, що збільшення кількості сповіщува-

чів зменшує час спрацювання, але при малій їх кількості від-

повідна динаміка є значною, а при великій – малою. Оптима-

льна кількість сповіщувачів визначається за значенням приро-

сту часу, а також, виходячи із розв’язків задач (2.19)-(2.20) для

різної кількості сповіщувачів.

Моделі (2.19) і (2.20) дозволяють ідентифікувати залежності

( , , ),

S H x y t







, ,

v l m d

та використати технічні характерис-

тики як вихідні дані для проектування СПМ. Розв’язання за-

дач пошуку

   





( , )

max ( , , ) min ( , , ), , ,

M m

v v x y

x y

S H x y t i S H x y t v l m d

   (2.21)

Структурні елементи інформаційного супроводу процесів

дозволить прогнозувати максимально та мінімально можливі

негативні наслідки пожежі у залежності від точки виникнення

пожежі та часу спрацювання сповіщувача.

Наведені вище моделі не є канонічними, оскільки на прак-

тиці можуть виникати різні ситуації. Водночас, вони незначно

будуть відрізнятись. Відомо, що традиційно нечітке логічне

виведення здійснюють у формі Мамдані, Цукамото, Такажі та

Сугено, Ларсена і у спрощеній формі [31, 93, 117, 122, 130, 133].

Зокрема, нечітке логічне виведення Цукамото раціонально

використовувати, коли функція належності консеквента є мо-

нотонною, що означає впевненість експерта у постійному не-

спаданні або незростанні значень результуючої характерис-

тики. Виведення Такажі та Сугено доцільно використовувати

у випадку адитивності результуючої характеристики. Такий

випадок має місце при оцінюванні збитків від пожежі у різних

приміщеннях. Нечіткий висновок у формі Ларсена викорис-

товують, якщо функція належності вихідних характеристик є

порівняно простою (має просту форму), інакше пошук функ-

ції належності результуючої характеристик значно ускладню-

ється. Спрощений висновок застосовується, якщо експерт

впевнений у чіткому значенні вихідних характеристик.

Використання того чи іншого нечіткого логічного виве-

дення у тій чи іншій формі завжди приводитиме до хоч

близьких, але різних результатів. Тому доцільним є їх зважене

усереднення або експертна оцінка. Якщо прийнято рішення

про усереднення результатів, то найбільш прийнятним є

центроїдний метод. Якщо ж необхідно здійснити експертну

оцінку, то компетентність експертів у детермінованих умовах

визначається одним із методів ранжування [20]. Оцінювання

експертів в умовах невизначеності раціонально виконувати за

методом, наведеним в [90].

Інтелектуальні технології оптимізації систем пожежного моніторингу

2.2. Моделі для визначення можливих наслідків по-

жеж на основі експертних висновків та нечіткого

логічного виведення

Виходячи з нормативних величин або експертних оцінок,

залежно від точки виникнення пожежі в приміщенні, а також

від спрацьовування пожежної сигналізації і часу спрацьову-

вання, різними можуть бути значення

( )

L t

( )

M t

[24, 63].

Нехай мінімальні і максимальні можливі значення кількості

потенційних жертв і масштабів матеріальних збитків відомі

(рис. 2.6) і складають

max

( ) [0, ],

in in

L t L max

( ) [0, ],

out out

L t L

L in

max

L max

Інтенсивність

горіння min

t b) t min

t c)

out

L out

a) t max

out

L max

out

min

t d) t min

t e)

Рис. 2.6. Динаміка процесу горіння і наслідків пожежі

min max

( ) [ , ],

in in in

M t M M

max

( ) [0, ].

out out

M t M (2.22)

Структурні елементи інформаційного супроводу процесів

Залежності

( ), ( ), ( ), ( )

in out in out

L t L t M t M t

можуть бути іденти-

фіковані таким чином. Враховуючи особливості пожежного

навантаження приміщення і те, що сповіщувачі «покривають»

можливе місце загорання нерівномірно, використовуємо

експертні висновки у вигляді нечітких продукційних

правил [21, 62, 81, 113, 114]:

0 1 0 2 0 3 0 4 5 6

& & & & , ( ) ,

Якщо x C y C z C t C G C то L t C

     

(2.23)

де

0 0 0

( , , )

x y z

– координати передбачуваної точки займання во-

гню,

– час від моменту виникнення пожежі до спрацьову-

вання сповіщувача,

– надійність СПМ,

1 2 3 4 5

, , , ,

C C C C C

– нечі-

ткі множини з відповідними функціями належності, які вка-

зують на впевненість експерта у визначенні координат точки

виникнення пожежі, час і надійність СПМ.

Відповідно до теореми FAT [32, 120] адитивною нечіткою

системою (2.10) здійснюється апроксимація будь-якої неперер-

вної функції. Припустимо, що всі функції належності антеце-

дентів в (2.23) є гаусівськими:

( ) exp ,

x a



 



 

 

 

 

де



– параметри. Оскільки кількість потенційних жертв з часом

не може зменшуватись, то функція належності консеквента в

(2.23) має бути монотонно неспадною. Крім того, враховуючи

особливості розвитку пожеж та процесів рятування людей, за-

уважимо, що на початку пожежі кількість жертв збільшується

з незначною динамікою, які і на її фінальній стадії.

Значний ріст кількості жертв найчастіше відбувається в

період інтенсивного горіння. Таким особливостям відповідає

S-подібна функція з параметрами

, що відповідають гра-

ницям інтервалу монотонного росту функції. Якщо необхідно

побудувати поверхню, за допомогою якої здійснюватиметься

прогнозування потенційної кількості жертв у приміщенні, і

для прийняття рішень використовуватимуться висновки лише

одного експерта, то на першому кроці необхідно здійснити

«прив’язку» будівлі та навколишніх об’єктів до системи коор-

динат (рис. 2.7).

Інтелектуальні технології оптимізації систем пожежного моніторингу

Далі потрібно здійснити опитування експерта щодо мож-

ливих точок виникнення пожежі та можливих наслідків по-

жежі й сформувати таблицю із функціями належності, що від-

повідають (2.23) та рис. 2.7

0 0 0 0

(120,8) & (80,4) & (1,1) & (10,10) &

& (0.2, 0.1), ( ) (7,13),

Якщо x f y f z t f

G f то L t g

   

 

0 0 0 0

(130,5) & (60,5) & (0.5,0.3) & (13,4) &

& (0.4, 0.1), ( ) (20,40),

Якщо x f y f z t f

G f то L t g

   

 

0 0 0 0

(155,5) & (85,4) & (0.2,0.1) & (14,3) &

& (0.3,0.2), ( ) (10, 20),

Якщо x f y f z t f

G f то L t g

   

 

0 0 0 0

(170,5) & (65,5) & (0.6,0.2) & (12,4) &

& (0.4, 0.1), ( ) (25,45),

Якщо x f y f z t f

G f то L t g

   

 

0 0 0 0

(190,5) & (90,7) & (0.5,0.2) & (14,5) &

& (0.1,0.1), ( ) (4,12),

Якщо x f y f z t f

G f то L t g

   

 

де

(*,*)

f− гаусівська функція належності,

(*,*)

g− S-подібна

функція належності.

Рис. 2.7. Виробничі споруди

Структурні елементи інформаційного супроводу процесів

Відповідне графічне представлення нечітких продукцій-

них правил у формі (2.23), одержане в системі MATLAB, наве-

дено на рис. 2.8. Для значень 0 0

150, (80,4),

x y f  0

0,5,

z

10,5, 0,5

t G  одержане з використанням логічного виве-

дення Мамдані прогнозоване значення найбільш можливої

кількості жертв пожежі в будівлі

( ) 32.

L t Для інших значень

антецедентів (2.10) графічне представлення нечітких правил

та прогнозовані значення кількості жертв наведені в додатку

А (рис. А.1 та А.2). Крім точкової оцінки кількості можливих

жертв можливо оцінити потенційну їх кількість при виник-

ненні пожежі у будь-якій точці будівлі. Для цього здійснюємо

апроксимацію функції кількості жертв як залежності від точки

виникнення пожежі та здійснюємо її графічну побудову у

двох проекціях (рис. 2.9). Графіки на рис. 2.8 дозволяють зро-

бити висновки про найбільш небезпечні області виникнення

пожежі та відповідну кількість потенційних жертв і, відповід-

но до них, вжити заходи щодо мінімізації часу спрацювання

пожежних сповіщувачів та підвищення надійності їх роботи у

складі системи СПС.

Рис.

. Візуалізація нечітких експертних висновків та

прогнозованого значення

Інтелектуальні технології оптимізації систем пожежного моніторингу

Рис. 2.

. Графічне представлення кількості потенційних жертв

Для об’єктивізації рішення про можливі негативні наслід-

ки пожеж, необхідно використовувати висновки багатьох екс-

пертів, які записують у формі (2.23) з невідомими значеннями

параметрів функцій належності. Як модель, що є формальним

їх представленням, виберемо нечітку нейронну мережу

(ННМ) ANFIS з нечітким висновком Мамдані або Сугено [31,

59, 65, 114, 117, 122, 130]. Для її навчання експертні припущен-

ня запишемо у вигляді таблиці (табл. 2.1).

Таблиця 2.1

Фрагмент даних для навчання нейромережі ANFIS

№

1 120 80 0,5 10 0,1 13

2 115 82 0,9 11 0,2 15

3 124 85 0,5 12 0,3 10

4 125 75 0,8 7 0,2 12

5 115 79 0,7 9 0,1 10

Якщо припустити, що активаційними функціями є гаусів-

ські функції, то для кожної з них визначенню підлягає два па-

раметри



. Навчання мережі ANFIS здійснюється з вико-

ристанням традиційних методів навчання нейромереж, най-

частіше тих, в основі яких лежить алгоритм оберненого по-

Структурні елементи інформаційного супроводу процесів

ширення похибки [60, 98, 104, 127]. Структура мережі ANFIS,

що відповідає умовам задачі, зображена на рис. 2.10.

Рис. 2.10. Нечітка нейромережа ANFIS

На рис. 2.11 зображено 55 значень вихідної характеристи-

ки із табл. 2.1. Аналогічний вигляд має і представлення зна-

чень вихідної характеристики контрольних образів. Встано-

вивши точність навчання нечіткої нейромережі як 0,001, ви-

значаємо, що 10 ітерацій для її досягнення достатньо

(рис. 2.12). Мережа ANFIS є моделлю, що визначає залежність

0 0 0 0

( , , , , )

L H x y z t G

. (2.24)

Рис. 2.11. Розподіл значень вихідної характеристики

навчальних образів

Інтелектуальні технології оптимізації систем пожежного моніторингу

Рис.2.1

. Динаміки похибки навчання

нейромережі

Залежність (2.24) використовується для аналізу ситуацій

типу «Якщо А=а, то В=?», прогнозування та розробки сцена-

ріїв можливих дій у випадку виникнення пожежі.

На рис. 2.13 зображені проекції поверхні, які визначається

виразом (2.24), і є кількістю потенційних жертв, що залежить

від точки виникнення пожежі та значень інших факторів. Зо-

крема, наведено поверхні:

1 0 0 0 0

( , ), 0,5; 12,5; 0,325;

L H x y при z t G   

1 0 0 0 0

( , ), 76,5; 12,5; 0,325;

L H x z при y t G   

1 0 0 0 0

( , ), 0, 5; 0,5; 0,325;

L H x t при y z G   

1 0 0 0 0

( , ), 76,5; 0, 5; 12,5.

L H x G при y z t   

Візуалізація поверхонь дозволяє визначити області, що є

найбільш небезпечними з позицій пожежної безпеки, та роз-

робити рекомендації щодо встановлення додаткових пожеж-

них сповіщувачів, здійснення їх резервування та підвищення

надійності.

Структурні елементи інформаційного супроводу процесів

Рис. 2.13. Поверхні для визначення потенційної кількості

жертв у приміщенні

Нечіткі продукційні правила (2.22), за якими після на-

вчання мережі ANFIS побудовані відповідні поверхні

(рис. 2.13), згідно з правилами логічного висновку Мамдані є

інформаційно-аналітичною основою прогнозування. На

рис. 2.14 показані логічні правила та виконано прогнозування,

зокрема при 0 0 0 0

150, 75, 0,1, 15, 0, 4

x y z t G    

24, 4.

L

Інтелектуальні технології оптимізації систем пожежного моніторингу

Рис. 2.14. Фрагмент системи нечітких правил

Навчена нейромережа може використовуватися для моде-

лювання критичних ситуацій або в режимі реального часу –

для оцінки наслідків пожежі та прийняття рішень. Таким чи-

ном, одержані моделі, що дозволяють оцінити

Структурні елементи інформаційного супроводу процесів

0 0 0 0

( ) ( , , , , ), 1, 4,

LM t Y x y z t G i  (2.25)

де

1 2

3 4

( ) ( ), ( ) ( ),

( ) ( ), ( ) ( ).

in out

LM t L t LM t L t

LM t M t LM t M t

 

(2.26)

Зауважимо, що моделі типу (2.23), які представлені нечіт-

кими логічними правилами з візуалізацією (рис. 2.14), дозво-

ляють в режимі реального часу здійснювати прогнозування

кількості можливих жертв та масштабу матеріальних збитків.

Для цього достатньо задати точку виникнення пожежі та при-

близний час спрацювання сповіщувача.

У виразах (2.6), (2.8), (2.23)-(2.25) присутній параметр

і,

незважаючи на те, що значення

розраховується експертом,

формалізуємо підхід до його визначення. Вважатимемо, що

надійність системи СПМ визначається правильним і своєчас-

ним виявленням пожежі. Знаючи надійність кожного пожеж-

ного сповіщувача (ймовірність правильного спрацювання),

надійність СПМ можна визначити таким чином:

– згенерувати вибірку рівномірно розподілених у приміщенні

потенційних джерел виникнення пожежі;

– для кожного такого джерела визначити, у зоні скількох спо-

віщувачів воно знаходиться;

– розрахувати ймовірність правильного спрацювання спові-

щувачів для кожного потенційного джерела пожежі;

– знайти середню ймовірність правильного спрацювання, яка

і буде надійністю усією СПМ.

Така схема визначення надійності СПМ є недосконалою,

але може використовуватись у першому наближенні для по-

передніх розрахунків. ОПР при необхідності коригує значен-

ня надійності або надійність визначається групою експертів із

заданими значеннями їх компетентності.

Інтелектуальні технології оптимізації систем пожежного моніторингу

2.3. Ідентифікація рівня пожежної безпеки будівель

та споруд на основі нечітких продукційних пра-

вил

Розглянемо один з підходів до оптимізації розміщення

сповіщувачів пожежної сигналізації. Відомі численні дослі-

дження [ 3, 17, 51, 53, 69], результатом яких є рекомендації що-

до кількості сповіщувачів того або іншого типу, які можуть

бути використані в певних приміщеннях, на літаках, підвод-

них човнах тощо. В їх основі лежить визначення ймовірнос-

тей:

– спрацьовування сповіщувача, якщо має місце пожежа;

– не спрацьовування сповіщувача, якщо пожежі немає;

– спрацьовування сповіщувача, якщо пожежі немає;

– не спрацьовування сповіщувача, якщо пожежа є.

Виходячи із значень вказаних ймовірностей, здійснюється

установка додаткових сповіщувачів і таким чином здійснюєть-

ся резервування і збільшується ймовірність правильного

спрацювання пожежної сигналізації. Помітимо, що така прак-

тика має місце на високотехнологічних об'єктах: вже перера-

хованих кораблях, літаках, атомних електростанціях. Разом із

тим, залишається немало підприємств, об'єктів житлового сек-

тора, де сигналізація встановлюється, виходячи із схем

(рис. 1.2 і рис. 1.3). При цьому враховується висота розміщення

сповіщувачів (як правило, вона має інтервальне представлен-

ня), і як наслідок, площа зони, контрольованої сповіщувачем.

Знач-на частина приміщення залишається неконтрольованою,

або сповіщувачі спрацьовують, коли температура горіння до-

сягає своєї максимальної точки.

Таким чином, враховуючи особливості і недоліки розмі-

щення сповіщувачів пожежної сигналізації, розглянемо еле-

менти, що є складовими частинами технології оптимізації

структури системи пожежного моніторингу:

– при установці сповіщувачів пожежної сигналізації орієнту-

ватись на можливі людські жертви (

), величину матеріаль-

них збитків (

), а також можливі наслідки техногенних і еко-

логічних катастроф (

), викликані неспрацюванням як одно-

Структурні елементи інформаційного супроводу процесів

го, так і декількох сповіщувачів. Необхідно також враховувати

збитки від їх помилкового спрацьовування (

);

– для розв’язання задачі оптимізації структури СПС необхід-

но розробити метод визначення коефіцієнта, що вказує на ве-

личину небезпеки пожежі на об'єкті

( , , , );

k F L M D H



– при перевищенні коефіцієнтом

значення деякої величини



розробити технологію, що дозволяє визначити кількість

і структуру розміщення сповіщувачів пожежної сигналізації.

Очевидно, що у такому разі кількість сповіщувачів буде біль-

шою, ніж розглянуто на рис. 1.2 і рис. 1.3;

– при розробці структури розміщення сповіщувачів необхідно

базуватися на їх технічних характеристиках; результатах сте-

ндових випробувань; особливостях приміщень, де будуть

встановлені сповіщувачі; експертних висновках;

– визначення величин

, ,

L M D

повинне базуватись на певній

методиці і очевидно, що для кожного об'єкта і кожного екс-

перта вони будуть різними. Оскільки помилкове спрацювання

сповіщувача призводить до певних матеріальних витрат, то

здійснювати визначення величини

необхідно з урахуван-

ням паспортної величини ймовірності помилкового спрацю-

вання і потенційних збитків від його спрацьовування.

Обчислення коефіцієнта небезпеки пожежі дозволить

мінімізувати потенційні ризики її виникнення та буде

визначальним інформаційним фактором при розміщенні

сповіщувачів.

Таким чином, для визначення оптимальної структури ро-

зміщення сповіщувачів пожежної сигналізації необхідно роз-

в’язати наступні задачі:

1. Здійснити ідентифікацію залежності

( , , , ),

k F L M D H



виходячи з експертних висновків і системи нечітких продук-

ційних правил:

1 2 3 4

, , , , , 1, ,

i i i i i i i i i

Якщо L A і M A і D A і H A тоk A i n

     

(2.27)

де

– нечіткі множини із своїми функціями належності,

1,4,

j

– кількість експертів.

Інтелектуальні технології оптимізації систем пожежного моніторингу

2. Ідентифікувати ймовірність спрацьовування сповіщу-

вача у залежності від відстані до точки виникнення пожежі і

температури горіння:

1 2

, , 1, ,

i i i i i

Якщо d B і T B то p P i n

   

(2.28)

де

– відстань від точки виникнення пожежі до сповіщувача;

– відповідна нечітка множина;

– температура полум'я;

– ймовірність правильного спрацьовування сповіщувача.

3. Виходячи з розв’язків попередніх задач, визначити оп-

тимальну структуру розміщення сповіщувачів, використову-

ючи нечіткі продукційні правила:

, , , , 1, , 1, ,

i i i i i

j j j j j

Якщо S C і p B і k A то Q R i n j m

      (2.29)

де

–

-й варіант структури, запропонований

-м експертом,

– відповідна нечітка множина,

– інтегральний показник,

що вказує на оптимальність розміщення сповіщувачів,

– ві-

дповідна нечітка множина. Розв’язок останньої задачі і є варі-

антом оптимальної структури.

Необхідно відзначити, що в наведених задачах присутня

значна кількість нечітких продукційних правил, що містять

функції належності, запропоновані експертами. Очевидно, що

такі правила нерідко мають суперечливий характер. Їх

об’єктивізація полягає у визначенні параметрів функцій на-

лежності, виходячи із значень, що містяться в навчальних ви-

бірках, і розв’язанні задачі мінімізації сумарної помилки при

рівнокомпетентних висновках або мінімізації зваженої помил-

ки в іншому випадку. Для розв’язання таких задач можливе

використання апарату теорії нечітких нейромереж або ево-

люційного моделювання.

Пожежа, яка виникає, може розвиватись за різними сцена-

ріями та призводити до різних наслідків. Такий висновок ба-

зується на знанні ряду факторів, а саме: у який час виникла

пожежа (

); за який час від початку виникнення пожежа була

Структурні елементи інформаційного супроводу процесів

виявлена (

); через який час з’явилось повідомлення про по-

жежу на пульті пожежної охорони (

); за який час прибув

пожежний розрахунок (

); часу локалізації (

) та ліквідації

пожежі (

Від значень елементів вектора

1 2 6

( , ,..., )

T T T T

 залежать ін-

ші результуючі характеристики пожеж, а саме,

. Їх

знання є важливим фактором формування структури системи

пожежного моніторингу. Очевидно, що її проектування відбу-

вається в умовах невизначеності та вимагає експертних вис-

новків. Такі висновки раціонально відображати у формі нечі-

тких продукційних правил

1 1 2 2 6 6 1 2 3

, , ... , , , ,

i ij i ij i ij i ij i ij i ij

ЯкщоT B і T B і і T B то L A і M A і D A

      (2.30)

де

– кількість експертів,

– кількість варіантів розвитку

пожежі, які прогнозує

-й експерт,

ij ij

l l

B A

– відповідні функції

належності,

1, , 1, .

i m j p

 

Побудова моделей типу (2.27)-(2.30) пов’язана із форму-

ванням відповідних функцій належності, встановленням зна-

чень їх параметрів та визначенням особливостей комп’ютер-

ного моделювання при розв’язанні відповідних задач.

Резюме

У другому розділі встановлено, що при моделюванні і виз-

наченні оптимальної структури систем пожежного моніто-

рингу в основу необхідно покласти нечіткі продукційні

правила як моделі, що найбільш точно відповідають структурі

експертних висновків про розміщення сповіщувачів.

Визначено, що основним аспектом задачі оптимізації сис-

теми пожежного моніторингу, є невизначеність, яка викли-

кана низькою ймовірністю спрацьовування сповіщувачів по-

жежної сигналізації та відповідними наслідками. Запропоно-

вано при визначенні структури системи пожежної сигналізації

Інтелектуальні технології оптимізації систем пожежного моніторингу

поряд із факторами зовнішнього середовища і внутрішніми

особливостями будівель та споруд враховувати і експертні ви-

сновки. Відповідні технології оптимізації структури пожежних

сповіщувачів необхідно базувати на технологіях «м'яких» об-

числень, оскільки жорстко задані правила їх розміщення най-

частіше виявляються неефективними. Відзначено необхід-

ність використання апарату теорії нечітких множин як при-

родного засобу числення суб’єктивних суджень та їх

об’єктивізації.

Виконано формалізовані постановки задач оптимізації

структури системи пожежного моніторингу. Запропоновано

при проектуванні систем пожежного моніторингу враховува-

ти можливу кількість людських жертв при пожежі, обсяги ма-

теріальних збитків та наслідки супутніх екологічних і техно-

генних катастроф і розроблені моделі для їх визначення з ви-

користанням елементів теорії нечітких множин. Розроблено

моделі для визначення часу спрацювання пожежних сповіщу-

вачів як залежностей від точки виникнення пожежі та рівня

пожежного навантаження в її околі, що є необхідною умовою

для встановлення наслідків пожежі. Для об’єктивізації екс-

пертних висновків та визначення параметрів відповідних фу-

нкцій належності розроблено структуру та здійснено нав-

чання нейронечіткої мережі ANFIS. Навчена мережа викорис-

товується для моделювання критичних ситуацій або в режимі

реального часу – для оцінки наслідків пожежі та прийняття

рішень. Запропоновано метод для попередньої оцінки надій-

ності системи пожежних сповіщувачів.

Запропоновані моделі та їх використання для ідентифіка-

ції часу спрацювання системи пожежної сигналізації і наслід-

ків пожеж та визначення компромісної кількості сповіщувачів

є першим етапом розв’язання задачі оптимізації такої системи.

Наступним кроком має стати визначення структури розмі-

щення пожежних сповіщувачів, оскільки розв’язання даної

задачі дозволить підвищити ефективність роботи системи по-

жежної сигналізації та зменшити витрати на її створення.

Моделі та еволюційні методи оптимізації кількості пожежних

Розділ 3. МОДЕЛІ ТА ЕВОЛЮЦІЙНІ МЕТОДИ

ОПТИМІЗАЦІЇ КІЛЬКОСТІ ПОЖЕЖНИХ

СПОВІЩУВАЧІВ ТА СТРУКТУРИ ЇХ РОЗМІ-

ЩЕННЯ

Масштаби негативних наслідків пожеж залежать від часу

виявлення пожежі, який, у свою чергу, визначається спрацю-

ванням системи пожежної сигналізації. Очевидно, що на цей

процес впливають два основні фактори: відстань від місця ви-

никнення пожежі до найближчого сповіщувача та рівень ре-

зервування системи пожежної сигналізації або, іншими сло-

вами, кількість сповіщувачів, у зоні відповідальності яких зна-

ходиться місце виникнення пожежі.

У третьому розділі буде показано, що високонадійні спо-

віщувачі потрібно розміщувати безпосередньо над потенцій-

ним джерелом небезпеки, в іншому випадку необхідно здійс-

нювати резервування. Оскільки найчастіше потенційні точки

виникнення пожежі невідомі, то оптимізація системи пожеж-

ної сигналізації здійснюється, виходячи із середньоочікуваних

значень або прогнозованих величин.

Проектування системи пожежного моніторингу не за нор-

мативними вимогами, а з урахуванням можливих наслідків

пожеж раціонально здійснювати для будівель і споруд, що

мають значну площу. У відповідних приміщеннях найчастіше

працюють люди або зберігаються матеріальні цінності й нега-

тивні наслідки пожеж можуть бути значними. В процесі про-

ектування необхідно враховувати їх розміщення, динаміку в

часі, закони або можливості переміщення.

Цільові функції, які необхідно оптимізувати, враховуючи

параметри характеристики зовнішнього середовища, внутрі-

шні параметри та експертні висновки, є недиференційовани-

ми, поліекстремальними залежностями, вимагають застосу-

вання некласичних технологій дискретної оптимізації, зокре-

ма, еволюційного моделювання.

Інтелектуальні технології оптимізації систем пожежного моніторингу

3.1. Невизначеність і причинно-наслідковий принцип

оптимізації систем пожежного моніторингу

Визначення оптимальної кількості сповіщувачів не є дог-

матичним, строго регламентованим процесом, оскільки зале-

жить від розмірів та типу приміщення, потенційних жертв та

можливих обсягів матеріальних збитків, фінансового стану

власника приміщення та його політики. Разом із тим, визна-

чимо загальні аспекти, які мають місце при проектуванні сис-

тем пожежного моніторингу.

Без обмеження загальності, припустимо, що приміщення

має рівномірне пожежне навантаження. Тоді за існуючими

нормами [80, 82, 83, 87, 89, 102, 107] сповіщувачі встановлюють-

ся відповідно до схеми, наведеної на рис. 1.2. Припустимо, що

приміщення має розміри 55х25 м. Тоді необхідно встановити

10 сповіщувачів, по два в ряд. Приблизно для 18% площі ма-

тиме місце подвійне резервування (зона відповідальності од-

ночасно двох сповіщувачів) і 82% площі відносяться до зони

відповідальності одного сповіщувача. Таким чином, у 82% ви-

падків виникнення пожежі ймовірність спрацьовування спо-

віщувача буде

, а в 18% –

1 (1 )

  . Якщо вважати, що

0,9,

p то 2

1 (1 ) 0,99.

p   Дані свідчать про те, що в пер-

шому випадку сповіщувач не спрацює, ймовірно, в одному

випадку з 10, а в другому – один раз з 100. Такий результат

вказує на те, що подвійне резервування підвищує ефектив-

ність системи на порядок.

Окрім ймовірності спрацьовування сповіщувача важливим

параметром є відстань від місця виникнення пожежі до гори-

зонтальної проекції найближчого сповіщувача. Для 18% площі

така відстань

(2,5 ;7,5 )

м м



, для інших 82% –

(0 ;7,1 )

м м



Середнє значення відстані в першому випадку

5,5

, в

другому –

. Таким чином, робимо висновок про те, що

високонадійні сповіщувачі необхідно розміщувати над джере-

лом небезпеки, якщо це не так, – здійснювати резервування.

Моделі та еволюційні методи оптимізації кількості пожежних

Очевидно, що, якщо ймовірність виникнення пожежі в

приміщеннях аналогічного типу є значно меншою 0,01, при

пожежі виключені людські жертви і можливі невеликі матері-

альні збитки при дефіциті засобів на проектування і установ-

ку системи з резервуванням (> 18%), раціонально обмежитися

нормативними вимогами. Якщо хоча б одна з приведених

умов не виконана, то необхідно здійснювати додаткове резер-

вування, виходячи з прогнозованої кількості жертв і масштабу

матеріальних збитків. Враховуючи обмеженість фінансових

коштів, необхідно розв’язати задачу максимізації критерію

ефективності системи, що зводиться до оптимального розмі-

щення фіксованої кількості сповіщувачів.

Припустимо, що пожежне навантаження приміщення є рі-

вномірним, але існують і джерела підвищеної небезпеки, ймо-

вірність виникнення пожежі в яких є достатньо великою або

досягнення вогнем яких може призвести до техногенних або

екологічних катастроф (рис. 3.5). Припустимо, що, згідно з

нормативами необхідне встановлення

сповіщувачів за

прямокутною схемою. Вартість відповідної елементної бази,

проектування та встановлення складає

min

. Якщо в результаті

пожежі в приміщенні або зовні нього можуть загинути люди,

то на створення СПМ необхідно витратити максимально мо-

жливі фінансові ресурси

max

. Раціонально вважати, що

max min

S S



 

де



– вартість збільшення кількості сповіщувачів, як мінімум,

на одиницю (включаючи вартість проектування і установки).

У такому разі задача оптимізації систем пожежного монітори-

нгу зводиться до оптимізації структури сповіщувачів при фі-

ксованій їх кількості.

Інтелектуальні технології оптимізації систем пожежного моніторингу

3.2. Цільові функції в задачі оптимізації структури сис-

теми пожежного моніторингу

Конструктивно задачі оптимізації структури СПМ поля-

гають в оптимізації певних цільових функцій при заданих об-

меженнях. Формуючи такі цільові функції, необхідно врахо-

вувати ситуації, в яких планується їх використання. У першу

чергу потрібно враховувати особливості приміщень та об’єк-

тивність експертних висновків щодо параметрів пожеж та по-

тенційних їх наслідків.

3.2.1. Аспекти формування цільової функції

Нехай всі сповіщувачі мають однакову ймовірність прави-

льного спрацьовування

. Ефективність функціонування

системи CПМ у першу чергу визначається відстанню від

-го

джерела небезпеки або точки виникнення пожежі до горизон-

тальної проекції сповіщувача або сповіщувачів. Відповідною

складовою критерію ефективності вибирають:

– мінімальний час спрацьовування сповіщувача від моменту

виникнення пожежі;

– середньоочікуваний час спрацьовування сповіщувача при

пожежі в приміщенні;

– максимальний час спрацьовування сповіщувача від моменту

виникнення пожежі.

Швидкість розвитку пожежі та час спрацювання сповіщу-

вачів залежить від пожежного навантаження приміщення,

тобто щільності розміщення та горючості матеріалів і об’єктів,

які впливають на динаміку пожежі.

Можливі такі ситуації:

1. Пожежне навантаження приміщення є рівномірно пос-

тійним у часі.

2. Якийсь час

пожежне навантаження приміщення є по-

стійним, але протягом часу

воно може змінюватись (відоме

співвідношення

Моделі та еволюційні методи оптимізації кількості пожежних

3. Пожежне навантаження приміщення нерівномірне, що

відповідає нерівномірному розподілу джерел небезпеки (ма-

лій, середній або великій їх кількості) та змінній щільності

розміщення матеріалів і об’єктів.

4. Пожежне навантаження приміщення є змінним із відо-

мим або невідомим законом зміни щільності розміщення та

горючості матеріалів у відповідності до місцезнаходження та

часу.

5. Потенційні джерела небезпеки відсутні.

3.2.2. Цільова функція для випадку рівномірного по-

жежного навантаження приміщення

Вважаємо, що на попередньому етапі дослідження визна-

чено кількість пожежних сповіщувачів у приміщенні, виходя-

чи із відношення можливих збитків до витрат на створення

СПМ, де вартість сповіщувачів є основним фактором. Нехай



– горизонтальна проекція приміщення, де досліджується

можливість оптимізації СПС,

















, | 0, , 0,

х у x a y b

    (рис.

3.1). Кількість сповіщувачів, які встановлюються в приміщенні,

є відомою і становить

одиниць. Припустимо, що усі точки

приміщення належать зоні відповідальності хоча б одного

сповіщувача, яка є кругом. Таким чином, горизонтальні прое-

кції зон відповідальності перетинаються, утворюючи області



з різною кратністю відповідальності сповіщувачів,

i k



,

де



– кількість таких областей. Знаючи координати розмі-

щення кожного сповіщувача





, , 1,

j j

x y j N

 і радіус зони від-

повідальності

, можна одержати відповідну схему.

Тоді задача оптимізації системи пожежного моніторингу

формально зводиться до мінімізації функції

Інтелектуальні технології оптимізації систем пожежного моніторингу

( ) ( , ) min,

F W F X Y t





  

 (3.1)

де

– структура системи сповіщувачів, 1 2

( , ,..., ),

X x x x



1 2

( , ,..., ),

Y y y y







i i

x y

– координати сповіщувачів,

– ймо-

вірність спрацьовування сповіщувача або сповіщувачів з ура-

хуванням резервування,

– час (мінімальний, середньоочіку-

ваний, максимальний) від початку пожежі, що виникла в точці

області



, до моменту часу спрацьовування сповіщувача,

1, .

i N

 Розв’язком задачі (3.1) будуть координати розміщення

сповіщувачів у разі відсутності джерел небезпеки в

приміщенні.

Рис. 3.1. Нормативна схема ро

зміщення пожежних

сповіщувачів. Випадок рівномірної пожежної

навантаженості приміщення

Використання цільової функції (3.1) не завжди є адекват-

ним. В ідеальних умовах кожна точка приміщення належить

Моделі та еволюційні методи оптимізації кількості пожежних

до зони відповідальності хоча б одного сповіщувача і тоді ці-

льова функція (3.1) відповідає розв’язуваній задачі. На прак-

тиці така умова, а особливо, якщо здійснюється оптимізація

структури сповіщувачів, виконується не завжди. Для того, щоб

цільова функція не втрачала свій сенс, оскільки тоді знамен-

ник дорівнює нулю, введемо доданок, який змістовно означа-

тиме штрафну частину. Цільова функція набуде такого виду:

1 1

( )

1 1

( ) (( ( )) 0)

1min

1 (1 )

(( ( )) 0) min .

M N

i j

d r

M N

ij ij

i j

F W d r

d r d



 



 



 

   

  



 

   

 

(3.2)

Функція

(*)



є функцією-індикатором, тобто

1, ,

( ) 0, .

якщо умова А виконується

Aв іншому випадку









Перший доданок в (3.2) відповідатиме випадку, коли точка

виникнення пожежі належить зоні відповідальності хоча б од-

ного сповіщувача, другий доданок є «штрафним» і значення

цільової функції збільшуватиметься, якщо ця точка не нале-

жить жодній зоні відповідальності сповіщувача. Водночас мо-

делі (3.1) і (3.2) побудовані для найпростішого випадку, коли

приміщення має постійне рівномірне пожежне навантаження

та відсутні джерела підвищеної пожежної небезпеки.

Інтелектуальні технології оптимізації систем пожежного моніторингу

3.2.3. Цільова функція для випадку рівномірного

пожежного навантаження приміщення та наяв-

ності в ньому джерел підвищеної небезпеки

Далі розглянемо моделі і методи оптимізації структури

СПС для випадку, коли приміщення характеризується нерів-

номірним, змінним пожежним навантаженням або має джере-

ла підвищеної пожежної небезпеки.

За визначенням останні об’єкти характеризуються підви-

щеною ймовірністю виникнення пожежі або досягнення їх

вогнем може призвести до техногенних або екологічних

катастроф [21, 63].

Розглянемо модифіковану задачу, що відповідає випадку

наявності джерел небезпеки. Припустимо, що кожне з

дже-

рел небезпеки характеризується ймовірністю виникнення на

ньому пожежі

, 1,

p j K

, визначуваної експертним шляхом

[52]. Задачу (3.1) перепишемо таким чином:

1 1

( ) ( , )

( ) min,

Kj i j

io c io i

j i c

F W F X Y

p t p





 

  



(3.3)

де

(*)



– функція-індикатор.

Як і у випадку цільової функції (3.2), при побудові функції

(3.3) не зазначені певні аспекти, які є важливими У цьому ви-

падку потрібно враховувати пріоритетність розміщення по-

жежних сповіщувачів ближче до джерел підвищеної небезпе-

ки, водночас намагаючись не залишати без захисту інші ді-

лянки приміщення. Запишемо цільову функцію таким чином:

Моделі та еволюційні методи оптимізації кількості пожежних

( )

1 1

( )

1 1

1 1 1 1

( ( ) 0)

1 (1 )

( ( ) 0) min

1 (1 )

( ( ) 0) min ( ( ) 0) min ,

( ) min

M N

ij ij

d r

i j

K N

kj kj

d r

k j

M N K M

ij ij kj kj

j j

i j k j

d r

d r d

d r d d r d

F W d



 

  

     







 



 

   

    



 

      



 

         

  

 

   

(3.4)

де

, , ,

   

– вагові коефіцієнти відповідних фрагментів цільо-

вої функції. Перший доданок цільової функції (3.4) вказує на

мінімальний час спрацювання сповіщувачів від точки виник-

нення пожежі та на величину, обернену надійності СПС. Дру-

гий доданок є аналогічним першому, але уже для пожежі, що

зумовлена джерелом підвищеної небезпеки. Третій та четвер-

тий доданки (3.4) є штрафними функціями у випадку, якщо

точка виникнення пожежі або джерело підвищеної небезпеки

не знаходиться в зоні відповідальності жодного сповіщувача.

Коефіцієнти

, ,

  

та



, що входять в (3.4), легко знайти,

використовуючи метод аналізу ієрархій Т. Сааті [86].

Розв’язки задач (3.1)–(3.4) визначають структуру розміщен-

ня сповіщувачів СПМ. Одержані координати точок розмі-

щення сповіщувачів

{( , )}

j j N

ddj

x y



дозволяють встановити серед-

ній час, що пройшов від часу виникнення пожежі до часу

спрацьовування сповіщувача, і надійність СПМ. Підставивши

координати точки пожежі 0 0 0

( , , ),

x y z

значення надійності

обчислений час

в (2.19), (2.20), (2.23)-(2.25), одержимо перед-

бачувану кількість жертв і обсяг передбачуваного збитку. За

наявності ресурсної і фінансової баз ОПР може переглянути

одержану структуру СПМ.

Інтелектуальні технології оптимізації систем пожежного моніторингу

3.2.4. Цільова функція для випадку постійного нерів-

номірного пожежного навантаження приміщення

Рис

Структура примі

щення із нерівномірним пожежним

навантаженням та джерелами пожежної небезпеки

До приміщень із постійним нерівномірним навантажен-

ням належать склади із визначеними місцями для зберігання

певних товарів, бібліотеки, житлові приміщення тощо. При-

пустимо, що приміщення 1 2 ...

       

, де



– ділянка

приміщення, що характеризується рівнем пожежного наван-

таження 1

, 1, , .

i n





   

 Очевидно, що ділянки



легко

зобразити графічно, здійснити координатну прив’язку та вва-

жати (рис. 3.2), що

 





1 2 1 2

, | , , ,

i i i i i

х у x а a y b b

   

   

   

. Границі

ділянок



є елементами матриці

i n

.

Важливою, складною, слабко структурованою та важкофо-

рмалізованою є задача визначення рівня пожежного наванта-

ження. Пропонуємо для цього використати такі параметри:

Моделі та еволюційні методи оптимізації кількості пожежних

– тип матеріалу, який визначає пожежне навантаження,

– його об’єм на 1 см2,

– нормальну швидкість горіння,

– швидкість вигорання,

– токсичність продуктів горіння,



– невраховані параметри (повний перелік див. [55]).

Очевидно, що тоді

1 2 3 4 5

( , , , , , ), 1,

i i i i i i i

h Z Z Z Z Z i n

 

  . (3.5)

Зауважимо, що тоді потужність та елементний склад кож-

ного



встановлюється у конкретному випадку. Для подаль-

ших досліджень потрібно було б мати ідентифіковану залеж-

ність (3.5). Але, враховуючи унікальність кожного приміщен-

ня, стверджуємо, що одержання (3.5) в аналітичному вигляді є

надто трудомістким процесом.

Очевидно, що мінімізувати трудомісткість та одночасно

об’єктивізувати обчислення рівня пожежного навантаження

можна, використовуючи нечіткі продукційні правила з нечіт-

ким логічним висновком Мамдані [122]:

1 1 2 2 5 5

& &. ..& & ...,

Якщо z Z z Z z Z то Q



   

, (3.6)

де

є табличними даними,

…– нечіткі множи-

ни з відповідними функціями належності, одержаними на ос-

нові інтервальних табличних даних, реальної ситуації та дос-

віду експертів, Q – нечітка множина, відповідна функція на-

лежності має областю значень відрізок [0,1]. Кількість правил

типу (3.6) визначається, виходячи із кількості експертів та ді-

лянок із різним пожежним навантаженням. Ідентифікація си-

стеми рівнянь типу (3.6) дозволить визначити рівень пожеж-

ного навантаження будь-якої ділянки приміщення.

Вважаючи, що рівень пожежного навантаження



ділян-

ки приміщення



i n

 відомий, переходимо до формуван-

ня цільової функції. Надаючи рівню пожежного навантажен-

ня



змісту вагового коефіцієнта, що визначає важливість на-

Інтелектуальні технології оптимізації систем пожежного моніторингу

дійності СПМ та часу її спрацювання, одержимо таку цільову

функцію:

1 1 1

(( )&( ))

1 1 1

( ( ) 0&( ))

1 (1 )

min ( (( ) & ( )) 0) min ,

( )

ij i l

n M N

l ij i l

l i j

d r T

n M N

ij l ij i l ij

j j

l i j

d r T

F W

d d



  



  

 

  

    

 



 

      

  

  

де

( , )

i i

i t t

T x y

– точка виникнення пожежі або, якщо є потенцій-

ні джерела небезпеки, то функція буде такою:

(( )&( ))

1 1 1

(( )&( ))

1 1 1

( ( ) 0&( ))

1 (1 )

min ( ( ) 0&( )) (3.7)

1 (1 )

min ( (( ) &(

( ) N

ij i l

n M N

l ij i l

d r T

l i j

n K N

ij l ij i l

jd r T

l k j

kj l ij

d r T

F W



  

   







 

  

 

  



     



 

       



 

    

 



  

1 1

1 1 1

)) 0) min

( (( )&( )) 0) min ,

M N

i l ij

i j

n K N

l kj k l kj

l k j

d r T

   

 

  

   

      

 

  

де

, , ,

   

– вагові коефіцієнти відповідних фрагментів цільо-

вої функції.

Моделі та еволюційні методи оптимізації кількості пожежних

3.2.5. Цільова функція для випадку змінного пожеж-

ного навантаження приміщення

У загальному випадку факт існування змінного пожежного

навантаження приміщення означає, що

( , ) ,

x y

 

[0,1],

x y



, ,

( )

x y x y

 

. Розв’язання задачі визначення оптималь-

ної структури розміщення пожежних сповіщувачів для такого

загального розуміння змінного пожежного навантаження,

очевидно, рівносильне розв’язанню цієї ж задачі для випадку

рівномірного пожежного навантаження. У практичних зада-

чах змінне пожежне навантаження розуміють таким чином.

Область



складається з

ділянок

, 1,

i n

  , кожна з яких у

момент часу

має пожежне навантаження

( )



(рис. 3.4). Змі-

на значень

( )



відбувається в результаті зміни зовнішніх

умов, за певним законом або у визначені моменти часу. Тоді

змінне пожежне навантаження можна представити так:

1 1

2 2

( ), ( ) ,

( )

( ), ( ) ,

p i p

якщо g W



 

 









 



(3.8)

де

( )

g x

– певна функція, яка вказує на те, що значення деяких

параметрів, які визначають пожежне навантаження, належать

області

, 1,

W i p

;

( ) ( , ( 1), 1, ).

i j

t f t t j n

 

   (3.9)

Залежність (3.9) дозволяє встановити рівень пожежного на-

вантаження ділянки



у залежності від зміни пожежного на-

вантаження ділянок

, 1,

j n

  у попередній момент часу;

Інтелектуальні технології оптимізації систем пожежного моніторингу

1 2

2 3

( ), [ , ],

( )

( ), [ , ],

i p p

t якщо t t t













            







(3.10)

де





1 2

, ,..., ,...

t t t t – дискретизований час. Модель (3.10)

раціонально використовувати у випадку запланованих

детермінованих змін пожежного навантаження приміщення

у визначений час.

Залежності (3.8)-(3.10) є кусково-неперервними функція-

ми. Враховуючи те, що сповіщувачі встановлюються стаціо-

нарно, в задачі оптимізації їх структури повинні враховува-

тись часткові значення рівня пожежного навантаження, а та-

кож час, протягом якого вони є незмінними.

Рис. 3.4. Приміщення із змінним пожежним

навантаженням

Цільова функція у такому випадку є такою:

Моделі та еволюційні методи оптимізації кількості пожежних

1 1 1 1

(( )&( ))

1 1 1 1

( ) ( ( ) 0&( ))

1min

1 (1 )

( ) ( ( ) 0 &( )) min ,

( )

ij i l

pn M N

w w ij i l

w l i j

d r T

pn M N

w w ij i l ij

w l i j

t d r T

F W



  



   

 

   

   

  



 

    

   

   

(3.11)

де

( )

w w



визначається у відповідності до (3.8)-(3.10).

Цільова функція (3.11) спроститься, якщо на етапі проек-

тування структури СПС врахувати певну апріорну інформА-

цію. Зокрема, показники змінності пожежного навантаження

у (3.10) можна привести до постійних величин, якими будуть:

– максимально можливе пожежне навантаження для кожної

області, тобто

max ( ), 1,

l l

t T

t l n

 



  ;

– середнє пожежне навантаження для кожної області

( ), 1, ;

l l

t l n

 



 



– середньозважене пожежне навантаження

( )

, 1, .

w w w

t t

l n







 



Одержимо таку цільову функцію:

Інтелектуальні технології оптимізації систем пожежного моніторингу

1 1 1

(( )& ( ))

1 1 1

( ( ) 0 & ( ))

1min

1 (1 )

( ( ) 0 & ( )) min .

( )

ij i l

n M N

ij i l

l i j

d r T

n M N

ij i l ij

l i j

d r T

F W



  



  

 

  

   

  



 

    

  

  

(3.12)

3.2.6. Інтегральна цільова функція

Важливою є задача певної «універсалізації» цільової функ-

ції для загального випадку, куди включаємо наявність джерел

підвищеної небезпеки та змінне нерівномірне пожежне нава-

нтаження. Така універсальна функція повинна мати власти-

вість перетворення у простіші функції при виконанні умов,

що спрощують відповідну задачу.

Інтегральна цільова функція для такого випадку записана

нижче як (3.13).

Отримані моделі відображають різносторонність розгляду

проблеми створення СПМ. Кожна із них може бути викорис-

таною у релевантній ситуації. Найбільш загальний випадок

відповідає виникненню пожежі у приміщеннях із нерівномір-

ним та змінним пожежним навантаженням. Очевидно, що та-

ка задача має найбільш широку предметну область і у

багатьох випадках повинна зводитись до оптимізації

системи пожежного моніторингу приміщень із рівномірним

пожежним навантаженням.

Моделі та еволюційні методи оптимізації кількості пожежних

1 1 1 1

(( )& ( ))

1 1 1 1

(( )& ( ))

( ) ( ( ) 0 & ( ))

1min

1 (1 )

( ) ( ( ) 0 & ( )) (3 .13)

1min

1 (1 )

( )

ij i l

kj k l

pn M N

w w ij i l

w l i j

d r T

pn K N

w w kj k l

w l k j

d r T

t d r T

F W



  

  





   

 

   

 

    

  



 

     

  



 



   

   

1 1 1 1

( ) ( ( ) 0 & ( )) min

( ) ( ( ) 0 & ( )) min .

pn M N

w w ij i l ij

l i j

pn K N

w w kj k l kj

w l k j

t d r T

  

  

   

    

     

   

Запропоновані моделі раціонально використовувати у ви-

падку низької надійності сповіщувачів або відхилення кілько-

сті сповіщувачів, що встановлюються, від нормативної. Запро-

поновані цільові функціі не є ні унікальними, ні універсаль-

ними, вони можуть бути модифікованими і перспективним є

дослідження їх поведінки для різних рівнів надійності спові-

щувачів та їх кількості.

Застосовуючи цільові функції на практиці, важливо врахо-

вувати, що виробники пожежних сповіщувачів не вказують у

паспортних характеристиках надійності, вважаючи її стовідсо-

тковою. На початковому етапі експлуатації такому висновку

можна довіряти, але у процесі роботи пожежний сповіщувач

Інтелектуальні технології оптимізації систем пожежного моніторингу

потребує відповідного обслуговування у вказані терміни, що

не завжди виконується. Саму тому його надійність зменшуєть-

ся і визначення її кількісного значення є вже прерогативою

експертів. Аспект часу та суб’єктивізм потрібно враховувати

при побудові та уточненні запропонованих цільових функції.

3.3. Передумови та основні елементи застосування

еволюційних технологій для оптимізації структу-

ри системи пожежного моніторингу

Оскільки цільові функції (3.2), (3.4), (3.7), (3.11) та (3.12) є

поліекстремальними і недиференційованими, то для їх міні-

мізації раціонально використати еволюційне моделювання.

Конструктивні методи одержання розв’язку задачі

( ) m i n

F W



запропоновані в [19, 27, 28, 61, 111, 112, 113]. Ці

методи є інваріантними до виду цільової функції.

Задачі мінімізації вищенаведених цільових функцій є за-

дачами дискретної оптимізації, розв’язуваними в умовах неви-

значеності [13]. Оскільки цільові функції є складними поліекс-

тремальними залежностями, то адаптуємо для розв’язання та-

ких задач еволюційні методи. Одним із них є генетичний ал-

горитм (ГА) [23, 33, 93, 115, 118, 119]. Кроки методу визначення

оптимальної структури з використанням елементів генетич-

ного алгоритму будуть такими:

Крок 1. Для даного приміщення ввести систему координат.

Крок 2. Визначити дискретність розміщення сповіщувачів



і кількість елементів генеральної популяції (множини поте-

нційних розв’язків)

. Структура елемента буде такою:

1 1 2 2

( , , , ,..., , )

N N

x y x y x y

  .

Крок 3. Задати значення параметра



і визначити кількість

елементів

у вибірковій популяції (сукупності розв’язків).

Крок 4.



Виконати генерацію елементів

-ї множини

, 1, .

j K

  При цьому перевірити виконання умов:

Моделі та еволюційні методи оптимізації кількості пожежних

– зони відповідальності сповіщувачів повинні «покривати» все

приміщення;

–

: 10,5

l j d

   (для теплових сповіщувачів), де

– відс-

тань між

-м і

-м датчиком.

Якщо хоча б одна з таких умов не виконується, то генера-

цію необхідно виконати ще раз.

Крок 5. Знайти значення функції пристосованості (цільової

функції, фітнесс-функції) для кожного набору координат

сповіщувачів 1 2

( ( ), ( ),..., ( ))

F C F C F C та їх середнє значення

ср

Зазначимо, що заздалегідь необхідно обчислити ймовірність

спрацювання сповіщувачів і середній час між моментом по-

чатку пожежі та часом спрацьовування сповіщувачів.

Крок 6. Залежно від значень

( ), 1, ,

F C j K

 і відповідно до

принципу рулетки вибрати два елементи



і виконати

кросовер, одержавши два нові потенційні розв’язки.

Крок 7. Один розв’язок з певною ймовірністю піддати му-

тації та помістити в проміжну популяцію. Повторити операції

кросоверу і мутації

раз.

Крок 8. Серед елементів

-ї та проміжної популяції вибрати

набори з найбільшими значеннями цільової функції і поміс-

тити в

( 1)



-у вибіркову множину.

Крок 9. Знайти середнє значення

ср



. Якщо 1

i i

ср ср

F F





 

то

уточнити і показати розв’язок, інакше

i i

 

і перейти на крок 6.

Результатом виконання алгоритму будуть координати

сповіщувачів, що відповідають оптимальній структурі і роз-

в’язку задач мінімізації цільових функцій. Наведені елементи

властиві для всіх еволюційних методів, які є методами випад-

кового цілеспрямованого пошуку квазіоптимальних розв’яз-

ків. Їх застосування вимагає кваліфікованого вибору критерію

закінчення ітераційного процесу (крок 9) та визначення

такого



, щоб гарантувати прийнятну точність розв’язку і

збіжність алгоритму.

Інтелектуальні технології оптимізації систем пожежного моніторингу

3.4. Оптимізація структури розміщення сповіщувачів

на основі генетичного алгоритму

Відомо, що структура системи сповіщувачів визначається

множиною координат їх розміщення. Для встановлення такої

множини, яка буде розв’язком задач (3.1), (3.3) та результатом

мінімізації цільових функцій (3.2), (3.4), (3.7), (3.11) та (3.12) ви-

користаємо елементи ГА [92]. Згідно із кроками ГА необхідно

сформувати генеральну сукупність потенційних розв’язків.

Нехай усі вони належать області 1 2 1 2

{( , ) / [0, ], [0, ]}.

   

x x x a x b

Кількість потенційних розв’язків

визначається заданою точ-

ністю результату розв’язання задачі вищевказаних задач.

Припустимо, що задані точності розв’язку по осі

та осі

–



Традиційно покладають

1 2

min{ , }

  

 і надалі



вва-

жають точністю результату. Тоді область



розбивається го-

ризонтальними і вертикальними лініями, утворюючи квадра-

ти із стороною



. Їх вершини і будуть визначати генеральну

сукупність потенційних розв’язків. Такий підхід визначає кла-

сичний спосіб розбиття області дослідження та визначення

сукупності потенційних розв’язків.

Пропонуємо модифікований спосіб. При визначенні мно-

жини потенційних розв’язків врахуємо, що приміщення має

форму прямокутника зі сторонами

Тоді знайдемо

1 2

max{ , }

a b

 

. І, якщо



 то відстань між лініями дорів-

нюватиме



, в іншому випадку –



Але такий поділ неод-

мінно породжує інформаційну надлишковість, оскільки час-

тина розв’язків знаходиться за межами області



. У багатьох

випадках надлишковості можна уникнути, поклавши

1 2

( , ).

НОД

  

Тоді кількість потенційних розв’язків склада-

тиме

1 1 2 1 2 1 4 1.

a b a b ab a b

     

        

           

          

       

           

           

       

Моделі та еволюційні методи оптимізації кількості пожежних

При кодуванні потенційних розв’язків бінарними числами

необхідно враховувати різну кількість розрядів для кодування

ординати і абсциси розв’язку. Для ординати резервуємо

log 1



 



 

 

розрядів, для абсциси – 2

log 1



 



 

 

розрядів. Струк-

тура розв’язку буде такою:

1 2 1 2

1 1 2 2

2 2 2

1 2 1 2 1 2

1 2 1 1 2 2

[log ] 1 [log ] 1 [log ] 1

[log ] 1

( , ,..., ) ( , , , ,..., , )

(00111..110110..0 00110..001011..1

n n n

x x x x

a a b

розрядів розрядів роз

розрядів

X X X X x x x x x x

  



  



  

 

1 2

2 2

[log ] 1 [log ] 1

...10101..101110..0)

n n

x x

a b

рядів розрядів розрядів

 

 



Таким чином, визначено генеральну популяцію потенцій-

них розв’язків. Кількість її елементів складає

2 2 22

log 1 log 1

log 2

2 2 2 .

a b ab

n n

  

   

     

  

   

     

   

     

  

Якщо приміщення має форму прямокутника зі сторонами

100 і 100 метрів і планується встановити 10 пожежних спові-

щувачів з точністю 0,01 м, то кількість елементів в генеральній

сукупності потенційних розв’язків складає приблизно

ва-

ріантів. Таке число є великим і навіть при сучасному рівні роз-

витку комп’ютерної техніки розв’язати практичну задачу ме-

тодом повного перебору найчастіше неможливо.

Саму тому необхідно вибрати вибіркову сукупність роз-

в’язків. Її потужність традиційно становить від 10 до 50 еле-

ментів. Менша кількість розв’язків призводить до мінімізації

«генетичної різноманітності» вибірки та значному часу пошу-

ку розв’язку. В іншому випадку, навпаки, «різноманітність»

присутня у повній мірі, але трудомісткість розрахунків пере-

вищує навіть перший випадок.

Інтелектуальні технології оптимізації систем пожежного моніторингу

Для формування вибіркової сукупності потрібно реалізу-

вати відображення

 











1 2 1 2 1 2 1 2 1 2 1 2

, / , ( , ) / , ( , ) / , ,

х x х x R х x х x Z х x х x B



    

де

– множина дійсних чисел,



– множина цілих невід’єм-

них чисел,

– множина бінарних чисел.

Припустивши, без обмеження загальності, що кількість

елементів вибіркової сукупності 20, розіграємо 20 пар випад-

кових чисел

1 2

( , )

i i

x x

, де

0,1, 2,..., 1 ,

iа



 

 

 

 

 

 

 

0,1, 2,..., 1 ,



 

 

 

 

 

 

 

1,20.

і

Таким чином, визначено генеральну популяцію розв’язків

та сформовано вибіркову сукупність. На наступному етапі

формуємо цільову функцію [34, 49]. Нехай вона має вид (3.1) і

її параметрами є

, які необхідно визначити. Зауважимо,

що цільова функція певним чином спроститься, оскільки не

потрібно буде визначати зони різної кратності відповідально-

сті сповіщувачів.

Пронумеруємо елементи вибіркової сукупності і тоді вони

запишуться як трійка

1 2

( , , ( ) ), 1,20.

i i

x x n i i i 

Далі для того, щоб максимально уникнути суб’єктивізму,

здійснимо такі кроки. Згенеруємо вибірку можливих точок

виникнення пожежі. Потужність вибірки залежить від розмі-

рів приміщення. Знову, не обмежуючи загальність, припусти-

мо, що таких точок 10:

1 2

( , , ( )),

i i

y y m i

1,10

i.

Сформуємо матрицю відстаней від точок виникнення

пожежі до пожежних сповіщувачів

Моделі та еволюційні методи оптимізації кількості пожежних

11 12 120

21 22 2 20

101 10 2 10 20

...

d d d

 

 



 

     

 

 

де 2 2

1 1 2 2

( ) ( ) , 1,10, 1, 20

i j i j

d y x y x i j      .

Радіус основи конуса дії сповіщувача вважаємо відомим і

рівним

. Очевидно, що середній час від початку пожежі, що

виникла у зоні відповідальності сповіщувача, до часу спрацю-

вання сповіщувача залежить від відстані від точки виникнен-

ня пожежі до координат горизонтальної проекції сповіщувача

і безпосередньо знаходиться з матриці

(рис. 3.5).

Рис.

Розміщення сповіщувачів та можливі точки

виникнення пожежі

Інтелектуальні технології оптимізації систем пожежного моніторингу

Скористаємось тим фактом, що відповідний час прямо

пропорційний відстані. Вважаємо також відомою ймовірність

правильного спрацювання сповіщувача. Тоді для

-ї точки

виникнення пожежі необхідно знайти значення

 

, 1,10

i ij

v d r i





  

.

Значення

вказує на те, до скількох зон відповідальності

сповіщувачів належить точка виникнення пожежі. Якщо вона

знаходиться у декількох зонах, то ймовірність виявлення по-

жежі зростає. Ймовірність виявлення пожежі, яка виникла в

й точці, є

1 (1 )

c c

p p

   . Крім того, як вже вказано вище, час

виявлення пожежі сповіщувачем є прямо пропорційним відс-

тані від точки виникнення пожежі до сповіщувача. Враховую-

чи те, що точка виникнення пожежі може знаходитись в зоні

дії декількох сповіщувачів, час, який є складовим елементом

цільових функцій задач (3.1) та (3.3), замінимо на мінімальну

відстань від точки виникнення пожежі до сповіщувача. Тоді

цільові функції, які присутні в задачах (3.1) та (3.3), модифі-

куються до виду (3.4), (3.7), (3.11) та (3.12).

Таким чином, цільова функція (3.1) перетворюється до

виду

( )

( ) min

1 (1 )

d r

F W d









 



 

 (3.14)

та надалі використовується як елемент цільових функцій (3.4),

(3.7), (3.12) та (3.13).

Формуванням цільової функції (3.14) завершуються підго-

товчі операції для пошуку її мінімуму за допомогою ГА. Але,

як було вказано вище, вибір однієї можливої сукупності точок

виникнення пожежі, враховуючи рівномірну пожежну наван-

таженість приміщення, призведе до зміщеності розв’язку.

Моделі та еволюційні методи оптимізації кількості пожежних

Внесемо деякі зміни до методу пошуку оптимального роз-

міщення пожежних сповіщувачів. Метод буде мати декілька

подібних етапів. На першому із них генеруємо одну вибірку

потенційних точок виникнення пожежі

та знайдемо відпо-

відне оптимальне розміщення сповіщувачів. На другому етапі

генеруємо дві вибірки

і знову знаходимо оптимальні

розміщення сповіщувачів. Цей процес продовжуємо до того

часу, поки не виконається умова зупинки, яка може бути

однією із таких:

1. 1

( ) ( )

k k

F W F W





 

, де





– мале наперед задане число.

1 2 1 2

1 1 2 2

min ( ) ( ) ,

ik jk ik jk

x x x x



 



 

   

 

 де





– мале наперед

задане число.

3. 1

: ( ) ( )

k k

k F W F W



  .

Вищевказані умови свідчать про те, що процес пошуку оп-

тимального розміщення завершено, оскільки значення цільо-

вої функції на різних етапах незначуще відрізняються, або ро-

зміщення сповіщувачів співпадає на різних ітераціях, або по-

гіршується цільова функція.

Запропонуємо конструктивні кроки методу визначення

оптимізованої структури системи пожежних сповіщувачів на

основі генетичного алгоритму. Зауважимо, що такий метод є

інваріантним до виду цільової функції. Тоді задача

оптимізації структури системи пожежних сповіщувачів

полягає у пошуку

min ( )

F W

, (3.15)

де 1 1 2 2

( , , , ,..., , )

N N

d d d d d d

W x y x y x y

 – координати точок розміщення

пожежних сповіщувачів (структура СПС).

Інтелектуальні технології оптимізації систем пожежного моніторингу

Метод визначення оптимальної структури пожежних спо-

віщувачів, в основу якого покладено генетичний алгоритм та

сформовані цільові функції, має такі кроки:

Крок 1. Виконати ініціалізацію. Задати значення

, , , ,

a b N K

,...,

k k

p p

, Н (кількість елементів у вибірковій сукупності), M.

Крок 2. Задати координати точок розміщення джерел під-

вищеної небезпеки





1 2

, ,...,

u u u

, 1 1 2 2

( , , , ,..., , )

i i i i Ki Ki

i K K K K K K

u x y x y x y

.

Крок 3. Задати координати точок потенційного виникнен-

ня пожежі





1 1 2 2

( , ),( , ),...,( , )

M M

x y x y x y

Крок 4. Задати кількість n та границі областей



Крок 5. Використовуючи експертний аналіз, знайти зна-

чення коефіцієнтів , ,

та

   

Крок 6. Згенерувати популяцію потенційних розв’язків





1 2

, ,..., H

w w w

, 1 1 2 2

( , , , ,..., , )

i i i i Ni Ni

i d d d d d d

w x y x y x y

.

Крок 7. Розрахувати значення матриць відстаней

Крок 8. Для кожного потенційного розв’язку знайти зна-

чення цільової функції

( ), 1,

F w i H



Крок 9. Використовуючи процедури генетичного алгорит-

му, здійснити рекомбінації й мутації та сформувати проміжну

популяцію із Н елементів.

Крок 10. З кращих елементів початкової та проміжної по-

пуляцій сформувати популяцію наступного покоління.

Крок 11. Якщо не виконана умова зупинки (критерії наве-

дені в [93]), то перейти на крок 7.

Крок 12. Закінчення алгоритму.

Виведення оптимальної структури

Оптимальна структура може бути знайдена і з викорис-

танням еволюційних стратегій. Відповідний метод матиме

кроки подібні до кроків методу, наведеного вище, та еволю-

ційної стратегії, розробленої для визначення оптимальної

структури системи сповіщувачів для випадку рівномірного

пожежного навантаження приміщення [92, 126, 128].

Запропонований метод є не єдиним для розв’язання задач

(3.1) та (3.3) за умов недиференційовності та поліекстремаль-

Моделі та еволюційні методи оптимізації кількості пожежних

ності цільової функції. Недоліком методу є необхідність пере-

кодування в різні системи числення, що є надто трудомістким.

Ефективне застосування ГА пов’язане з раціональним ви-

бором його параметрів та внутрішніх процедур, зокрема,

процедури вибору розв’язків для рекомбінації та процедури

відбору батьків. Оскільки ГА є методом стохастичної направ-

леної оптимізації, то проблема визначення збіжності є актуа-

льною. Зокрема, у роботі [138] доведена така теорема.

Теорема. Нехай виконуються такі умови:

1. Послідовність популяцій 0 1

, ,...,

P P що генерується алго-

ритмом, − монотонна, тобто

:min{ ( ) } min{ ( ) }.

t t

i N f a a P f a a P



    

2. Для



та



елемент

досяжний із

за допомогою

мутації і кросоверу, тобто через послідовність переходів у ряді

структур.

Тоді глобальний оптимум



функції

знаходять з ймо-

вірністю 1:

lim { } 1.

tP a P



 

Виконання другої умови теореми гарантується логікою

ГА, оскільки будь-який розв’язок має бінарне представлення. І

його можна одержати з будь-якого одного або декількох ін-

ших, використовуючи процедури рекомбінації та мутації. Пе-

рша умова вимагає непогіршення значення цільової функції

при переході до наступної популяції розв’язків. Її виконання

досягається лише при елітному відборі розв’язків нової попу-

ляції, який і використовується надалі при пошуку оптималь-

ного розміщення пожежних сповіщувачів із застосуванням ГА.

Для порівняльного аналізу адаптуємо до розв’язання на-

шої задачі еволюційні стратегії [126], які належать також до

класу еволюційних методів.

Інтелектуальні технології оптимізації систем пожежного моніторингу

3.5. Оптимізація структури розміщення сповіщувачів

на основі еволюційних стратегій

Як і ГА, еволюційні стратегії (ЕС) базуються на ідеї еволю-

ції потенційних розв’язків. Але, на відміну від ГА, де викорис-

товується їх бінарне представлення, найчастіше, це дійсні чи-

сла або вектори дійсних чисел. Аналогічно ГА, кроки ЕС по-

чинаються з генерації сукупності потенційних розв’язків. За-

уважимо, що в ЕС етапу побудови і аналізу генеральної суку-

пності розв’язків немає. Обмежуються лише припущенням

про те, що розв’язки повинні належати області



. Їх кількість,

у більшості випадків, є меншою ніж у ГА, що пояснюється по-

дальшою логікою процесу розв’язання задачі. При пошуку

оптимального розв’язку розглядаються дві сукупності

розв’язків



. Перша з них називається «батьківською»,

друга містить «нащадків». Згідно з ідеями, на яких базуються

ЕС, потрібно згенерувати початкову множину розв’язків –

«батьківську» популяцію 1 2

{ , , ... }

X X X



  , де

1 2 1 2

{( , ) | [0, ], [0 , ], 1, 20} ,

ij ij i j ij

X x x x a x b i   

1, .



 Таким

чином, вихідна множина є набором



точок, в яких розмі-

щені пожежні сповіщувачі. Далі, випадковим чином в області



генеруємо вибірку можливих точок виникнення пожежі

1 2 1 2

{ ( , ) | [ 0, ] , [ 0 , ] , 1,1 0 } .

j j j j

y y y a y b j  

Для кожного потенційного розв’язку

, 1,

X j



 і матриці

відстаней

знаходимо значення цільової функції. Ці зна-

чення утворюють вибірку 1 2

{ , ,... }.

F F F



Далі можлива реалізація двох стратегій:

( , )

 

–ЕС і

( )

 



–ЕС [4]. У першому випадку



«батьків» породжують



«нащадків»,

 



, і серед



«нащадків» вибирають



кращих елементів, які утворюють нову «батьківську» множи-

ну. У випадку

( )

 



–ЕС нова «батьківська» множина фор-

мується з кращих



елементів, вибраних з



«нащадків».

Адаптуємо

( , )

 

–ЕС до нашої задачі. Для цього викорис-

таємо також той факт, що

 



. Якщо

 



, то кожен по-

Моделі та еволюційні методи оптимізації кількості пожежних

тенційний розв’язок

, 1,

X j



 породжує 7 розв’язків-нащад-

ків, а кожна точка-сповіщувач – 7 нових точок. Генерація но-

вих точок здійснюється з використанням нормального закону

розподілу, тобто для «батьківської» точки

1 2

( , )

i i

x x

«нащадки»

генеруються за законом 1 1 1 2 2 2

(0, ), (0, ), 1,7,

ik i ik i

x x N x x N k

 

    

де

, 1,2



– параметр нормального розподілу – середньоква-

дратичне відхилення. Зауважимо, що у загальному випадку

1 2

 

 що визначається, в першу чергу, розмірами області



Таким чином, кожен розв’язок

, 1,

X j



 породжує нові

потенційні розв’язки

, 1,7.

X k  Серед множини таких роз-

в’язків, які утворюють нову сукупність



знайшовши відпо-

відні матриці відстаней та обчисливши значення цільової фу-

нкції

визначаємо



кращих і записуємо їх в сукупність



Вищевказані кроки ітераційно повторюємо, поки не ви-

конається умова зупинки. Інша,

( )

 



–ЕС відрізняється лише

тим, що нова сукупність



буде формуватись з кращих

представників

, 1,

X j



 попередньої сукупності



та

1, 7,

k



j сукупності



Друга стратегія відрізняється

тим, що відсутня ймовірність втрати оптимального розв’язку,

якщо він з’явився серед елементів популяцій



Для пошуку мінімуму (3.4) застосовуються ГА та ЕС. Від-

мінність від раніше розглянутого випадку полягає у тому, що

необхідно формувати ще одну матрицю відстаней





| 1, , 1,

D d k K j N

   , елементи якої є відстанями від

-го

джерела пожежної небезпеки до

-го сповіщувача. Зауважи-

мо, що в нашій задачі такі джерела є стаціонарними. Потен-

ційними розв’язками є координати точок розміщення спові-

щувачів, а точки виникнення пожежі мають рівномірний роз-

поділ в області



. При розв’язанні практичних задач далі ви-

користовується лише

( )

 



–ЕС, оскільки саме для неї збіж-

ність за ймовірністю доведена [126, 128].

Інтелектуальні технології оптимізації систем пожежного моніторингу

Резюме

У третьому розділі розглядається задача оптимізації стру-

ктури системи пожежної сигналізації будівель і споруд. Ви-

значені причини неефективності існуючих схем розміщення

пожежних сповіщувачів. Запропоновано моделі, структурна та

параметрична ідентифікація яких дозволить визначити опти-

мальну кількість пожежних сповіщувачів у приміщенні в за-

лежності від прогнозованих наслідків можливої пожежі.

Побудовані цільові функції для приміщень із рівномірним

пожежним навантаженням, джерелами підвищеної пожежної

небезпеки, з нерівномірним пожежним навантаженням, із

змінним пожежним навантаженням та для загального випад-

ку. Запропоновано методи пошуку оптимальної структури

пожежних сповіщувачів на основі генетичних алгоритмів та

еволюційних стратегій.

Проблема оптимізації структури системи пожежного мо-

ніторингу, складовою якої і є система пожежної сигналізації, є

надзвичайно важливою з огляду на динаміку кількості загиб-

лих і травмованих на пожежах, а також з урахуванням існую-

чого дефіциту ресурсів та фінансів. Розроблені цільові функ-

ції відповідають практичним випадкам із наявністю у будівлях

та спорудах джерел підвищеної небезпеки та нерівномірного

пожежного навантаження приміщень. Виходячи із характеру

отриманих залежностей, їх поліекстремальності та недифере-

нційованості, запропоновано оптимізацію цільових функцій

здійснювати на базі еволюційних методів. Особливістю розро-

бленої технології є використання експертних висновків та від-

повідних методів їх аналізу. Результатом її реалізації є коор-

динати розміщення пожежних сповіщувачів, що дозволить

підвищити надійність системи пожежної сигналізації та міні-

мізувати час її спрацювання у випадку пожежі.

Параметрична та структура ідентифікація запропонова-

них моделей, дозволить визначати оптимальну кількість по-

жежних сповіщувачів у приміщенні у залежності від прогно-

зованих наслідків можливої пожежі на основі експертних ви-

сновків.

Структура системи підтримки прийняття рішень при створенні

Розділ 4. СТРУКТУРА СИСТЕМИ ПІДТРИМ-

КИ ПРИЙНЯТТЯ РІШЕНЬ ПРИ СТВОРЕННІ

СИСТЕМ ПОЖЕЖНОЇ СИГНАЛІЗАЦІЇ ТА

ЕКСПЕРИМЕНТАЛЬНІ ДОСЛІДЖЕННЯ

Задача оптимізації системи пожежного моніторингу, якщо

її розглядати як задачу дискретної оптимізації, є NP-повною

[96, 97]. Розв’язати її методом повного перебору при сучасно-

му рівні розвитку обчислювальних засобів неможливо. Водно-

час знаходження єдиного оптимального розв’язку і не є необ-

хідним, оскільки достатньо знайти прийнятний розв’язок, для

якого час спрацювання системи пожежної сигналізації від-

різнятиметься від оптимального на тисячні долі секунди [75,

76]. Значна кількість обчислень потребує створення автомати-

зованої системи – системи підтримки прийняття рішень [68].

Така СППР обов’язково має містити базу знань, як множи-

ну певних фактів та правил логічного виведення [18, 24, 25].

Розроблені моделі та методи є основною частиною такої сис-

теми. Оскільки з СППР працюватимуть практичні фахівці з

пожежно-профілактичної роботи, то така система матиме

максимально дружній і зрозумілий інтерфейс.

Для верифікації пропонованих моделей і методів необхід-

но провести численні експерименти та виконати порівняль-

ний аналіз із результатами застосування відомих програмно-

алгоритмічних систем, наприклад Matlab. Лише одержання

тотожних результатів дозволить здійснити впровадження сис-

теми підтримки прийняття рішень (СППР) в практику функ-

ціонування пожежно-профілактичних служб та використову-

вати її як для оцінки діючих систем пожежного моніторингу,

так і для проектування нових систем [54].

Фахове використання сучасних технологій та інтегровано-

го експертного досвіду дозволить знаходити ефективні рішен-

ня, виходячи із співвідношення вартість – масштаби негатив-

них наслідків.

Інтелектуальні технології оптимізації систем пожежного моніторингу

4.1. Принципи формування бази знань та структура

системи підтримки прийняття рішень при проек-

туванні системи пожежного моніторингу

Різноманітність будівель та споруд, їх форм та внутрішніх

елементів є тим неодмінним атрибутом, який необхідно вра-

ховувати, проектуючи систему підтримки прийняття рішень

(СППР). У структурі та елементному базисі бази знань повин-

ні бути спрогнозовані можливості певного універсалізму ви-

користання СППР та її відкритості для внесення змін, допов-

нень і розширення функціональності базових блоків.

Реалізація СППР «Сигнал» здійснюємо, використовуючи

трирівневе відображення (рис. 4.1)

1 2 3

B B B

 

де

– «Вихідна інформація»;

– «Внутрішня взаємодія»;

– «Відображення в зовнішнє середовище».

Розглянемо перший блок відображення (4.1). До нього від-

носимо інформацію, яка може мати атрибут як активності, так

і пасивності. Вважатимемо, що інформація має пасивний ха-

рактер, якщо вона у процесі функціонування СППР не зміню-

ється і не вилучається. До такої інформації належать технічні

характеристики СПМ, їх елементів, а також номенклатура по-

жежних сповіщувачів, значення їх параметрів, вартість та інші

атрибути. З іншої сторони необхідно створити базу даних, що

містить значення характеристик будівель та споруд, їх розмі-

ри, дані про пожежну навантаженість та її динаміку, потен-

ційно небезпечні джерела виникнення пожежі. Зауважимо,

що розрахунок оптимальної структури розміщення сповіщу-

вачів в приміщенні надалі є інформаційним елементом, який

використовується як аргумент пошуку за аналогією [15] при

проектуванні СПМ в аналогічних приміщеннях.

Структура системи підтримки прийняття рішень при створенні

І Н Ф О Р М А Ц І Я

В З А Є М О Д І Я

В І Д О Б Р А Ж Е Н Н Я

ЯДРО

ІАС

«СИГНАЛ»

Методи визначення

компетентності експертів

Процедури вибору

експертів

Процедури вибору моделей

та цільових функцій

Процедури вибору способів

представлення результатів

Номенклатура пожежних

сповіщувачів, обладнання, їх

характеристики та вартість

Дані про архітектурні

особливості будівлі та споруд,

розміри та пожежну

навантаженість

Банк математичних моделей

Нечіткі продукційні правила

Цільові функції

Банк математичних методів

Технології нечіткого логічного

виведення

Еволюційні технології

Стандартні процедури

розрахунку варіантів

розміщення СПС за класичними

схемами

Графічне відображення

схеми розміщення системи

пожежного моніторингу

Інформаційно-

консультативний супровід

пропонованих рішень

Пропозиції щодо вибору

інших варіантів

розміщення системи

пожежних сповіщувачів

Формування бази даних

результатів

Графіки

Схеми

Звіти

Рекомендації

Рис. 4.

. Структурна схема інформаційно

аналітичної системи «СИГНАЛ»

Таким чином, визначено, що <Пасивні дані>= <Інформа-

ція про СПМ та її елементи>+<Інформація про об’єкт моніто-

рингу>.

Інформація з атрибутом активності має дві складові: банк

математичних моделей і банк математичних методів. Вище-

викладені аргументи (див. розділи 2 і 3) свідчать про необхід-

ність використання двох типів математичних моделей: систем

нечітких продукційних правил (СНПП) та цільових функцій

Інтелектуальні технології оптимізації систем пожежного моніторингу

спеціального виду (ЦФСВ). Перші з них формуються експер-

тами і призначені для розрахунку значень параметрів, що на-

далі використовуються в цільових функціях. Активність

СНПП полягає у тому, що вони:

– по-перше, є правилами виведення;

– по-друге, їх елементи містять ФН;

– по-третє, параметри ФН також можуть встановлюватись екс-

пертами;

– по-четверте, в процесі функціонування СППР може здійс-

нюватись об’єктивізація значень параметрів як результат нав-

чання відповідних нечітких нейромереж.

Передбачено три види систем нечітких продукційних

правил в СППР:

11 12

1 2 1 2 1 1

, ,..., , , ,..., , , ,..., ,

n k k

СНПП

ПП ПП ПП ФН ФН ФН ПА ПА ПА



 

(4.2)

1 2 1 2

11 12

1 1

, ,..., , , ,..., , , ,..., , ,

n k

j j j j j j kl

j j kj

СНПП

ПП ПП ПП ФН ФН ФН ПА ПА ПА M



 

(4.3)

1 2 1 2

11 12

1 1

, ,..., , , ,..., , , ,..., , , ,

n k

j j j j j j kl j

j j kj

СНПП

ПП ПП ПП ФН ФН ФН ПА ПА ПА M W



 

(4.4)

де

, 1,

ПП j n

– продукційні правила;

, 1,

ФН i k

– функції на-

лежності;

, 1, , 1,

ПА i k j l

 

– параметри ФН, причому кіль-

кість параметрів у кожної ФН може бути різною, але максима-

льна кількість параметрів обмежена п’ятьма.

Система (4.3) нараховує

систем типу (4.2), кожна з яких

відповідає висновкам одного експерта, причому всі експерти є

рівнокомпетентними,

1, .

j M

 Система (4.4) відрізняється від

(4.1) тим, що експерти мають різну компетентність

, 1, .

W j M



Структура системи підтримки прийняття рішень при створенні

Банк ЦФСВ налічує сім таких елементів:

–

– цільова функція для приміщення з рівномірним по-

жежним навантаженням без джерел підвищеної небезпеки та

без урахування штрафів;

–

– цільова функція для приміщення з рівномірним по-

жежним навантаженням без джерел підвищеної небезпеки та з

урахуванням штрафів;

–

– цільова функція для приміщення з рівномірним по-

жежним навантаженням, з джерелами підвищеної небезпеки

та без урахування штрафів;

–

– цільова функція для приміщення з рівномірним по-

жежним навантаженням, з джерелами підвищеної небезпеки

та з урахуванням штрафів;

–

– цільова функція для приміщення з нерівномірним по-

жежним навантаженням, без джерел підвищеної небезпеки та

з урахуванням штрафів;

–

– цільова функція для приміщення із змінним пожеж-

ним навантаженням, без джерел підвищеної небезпеки та з

урахуванням штрафів;

–

– інтегральна цільова функція.

Цільові функції спеціального виду

, 1, 7

Z F j  містять

параметри, значення яких зберігаються в блоці «пасивні дані»

або розраховуються шляхом експертного аналізу в інших

блоках СППР.

Важливо зауважити, що неодмінною складовою бази знань

СППР є інформація перехідного (пасивно-активного) харак-

теру, яку одержують як результат застосування відомих мето-

дів розрахунку структури СПС (пасивна частина) до визна-

чення структури розміщення сповіщувачів нових будівель та

споруд (активна частина). Таким чином, перша структурна

частина СППР містить три складові: <Дані>, <Моделі>, <Ме-

тоди>, які утворюють інформаційний базис процесів прий-

няття рішень з використанням СППР. Його застосуванню при

розв’язанні прикладних задач передує реалізація елементів

підсистеми вибору попередніх рішень. Відповідні процеси ві-

Інтелектуальні технології оптимізації систем пожежного моніторингу

дносяться до другого блоку системи підтримки прийняття

рішень, який називається «Взаємодія».

У другому блоці СППР знаходяться процедури, які приз-

начені для здійснення оптимального використання даних,

моделей та методів першого блоку. Зокрема, методи визна-

чення компетентності експертів включають в себе процедури

визначення рівня фахової підготовленості спеціалістів на ос-

нові самооцінки, взаємооцінок та аксіоми незміщеності. Їх ре-

алізація здійснюється на основі скалярних величин, матриць

попарних порівнянь та сукупності матриць відповідей на пи-

тання анкети, якщо визначення компетентності здійснюється

в умовах невизначеності

, 1 1 2 8 1 , 1

; { } ; , ,..., { }

ij n lk n

e e e i j j j j i k

S V v T T T T t

  

   

. (4.5)

Зауважимо, що у перших двох випадках оцінки є суб’єк-

тивними, а для третього випадку вони є зміщеними. Оскільки

СППР використовується при створенні СПМ для різних буді-

вель та споруд із залученням одних і тих же експертів, то їх

рівні компетентності піддаються коригуванню:

1 1

( ),

i i i

e e e e e c

q h

     

 

       (4.6)

де



− компетентність експерта,

− номер експертизи,





−

значення показника корекції, який є функцією відхилення

рівня компетентності експерта від середнього рівня або рівня

компетентності того експерта, висновки якого є найближчими

до прийнятих рішень,

− коефіцієнт.

Призначаючи порогове значення

(0,1)



, здійснюється ві-

дбір тих експертів, компетентність яких є вищою, тобто





У перспективі в СППР буде реалізована процедура коригу-

вання значень компетентності з урахуванням суб’єктивних

переваг експертів [20, 93].

З урахуванням результатів реалізації вищеописаних проце-

дур та вихідних даних здійснюється вибір:

<СПМ>+<Об’єкт>+<Експерти>+<Компетентність>→<Моде-

лі>+<Методи>.

Структура системи підтримки прийняття рішень при створенні

Таке відображення може мати бієктивний характер або

допускати множинний вибір, де це можливо та здійснення

порівняльного аналізу.

У третьому блоці СППР здійснюється відображення одер-

жаних у перших двох блоках результатів. «Посередницькі»

функції у цьому процесі здійснюють процедури вибору спо-

собів їх представлення. Відповідними формами є

<Схеми>+<Графіки>+<Звіти>+<Інформаційно-

консультативний супровід>.

У свою чергу <Схеми>=<Класичні варіанти>+<Оптималь-

ний варіант>+<Варіанти з урахуванням різної вартості проек-

тування та встановлення СПМ>.

На графіках відображена динаміка цільових функцій при

різних значеннях їх параметрів, а також динаміка негативних

наслідків пожеж у залежності від вартості СПМ, або кількості

сповіщувачів, або їх структури у приміщенні.

Перевагою СППР є перетворення формальних результатів

у рекомендації консультативного характеру з вказівкою пере-

ваг та недоліків варіантів. Крім того, функціонування СППР

має інтервальний характер та атрибут пам’яті, коли одержані

результати записуються в базу даних та надалі використову-

ються у розрахунках.

4.2. Верифікація розроблених моделей та методів оп-

тимізації структури розміщення пожежних спо-

віщувачів

Виконаємо верифікацію розроблених моделей з викорис-

танням Genetic Algorithms and Direct Search Toolbox пакету

Matlab. На першому етапі розглянемо приміщення із рівно-

мірним пожежним навантаженням та без джерел підвищеної

небезпеки. Приміщення є квадратним і має розміри 51,6х51,6.

Припустимо, що радіус відповідальності пожежних сповіщу-

вачів, які необхідно встановити, складає 6 м. Згідно з вимогами

кількість таких сповіщувачів 36.

У відповідності до задачі використаємо цільову функцію

(3.2). Оптимізацію системи пожежних сповіщувачів здійснимо

Інтелектуальні технології оптимізації систем пожежного моніторингу

з використанням ГА. Одним із основних його елементів є

формування цільової функції. Здійснимо його у відповідності

до таких кроків:

Крок 1. Формуємо сукупність потенційних точок виник-

нення пожежі – множини координат точок у двовимірному

просторі як випадкових величин, що мають рівномірний роз-

поділ (рис. 4.2).

Крок 2. Задаємо координати точок розміщення пожежних

сповіщувачів у випадку нормативного розрахунку (табл. 4.1),

або генеруємо їх випадковим чином як сукупність рівномірно

розподілених випадкових величин в квадраті 51,6х51,6.

Крок 3. Здійснюємо розрахунок матриці відстаней від по-

тенційних точок виникнення пожежі до точок розміщення

пожежних сповіщувачів.

Крок 4. Для кожної точки виникнення пожежі знаходимо

кількість сповіщувачів, у зоні відповідальності яких вона зна-

ходиться.

Крок 5. Для кожної потенційної точки виникнення пожежі

знаходимо відстань до найближчої горизонтальної проекції

сповіщувача.

Крок 6. Розраховуємо значення цільової функції.

0,00

10,00

20,00

30,00

40,00

50,00

0,00 10,00 20,00 30,00 40,00 50,00

Рис. 4.2. Розподіл потенційних точок

виникнення

пожежі

Структура системи підтримки прийняття рішень при створенні

Таблиця 4.1

Координати «нормативного» розміщення сповіщувачів

4,3 4,

4,3 4,3 4,3 4,3 12,9

12,9 12,9

12,9

12,

4,3 12

21,5

30,1 38,7

47,3

4,3 12,9 21,5

30,1

47,

21,

21,5

21,5 21,5

21,5

30,1

30,1 30,1

30,1

30,

4,3 12

21,5

30,1 38,7

47,3

4,3 12,9 21,5

30,1

47,

38,

38,7

38,7 38,7

38,7

47,3

47,3 47,3

47,3

47,

4,3 12

21,5

30,1 38,7

47,3

4,3 12,9 21,5

30,1

47,

На першому етапі розрахуємо значення цільової функції

для «нормативного» розміщення сповіщувачів. Середнє зна-

чення цільової функції для 10 генерацій 100 потенційних то-

чок виникнення пожежі становило

258,02.

F Далі визначи-

мо оптимізовану структуру розміщення пожежних сповіщу-

вачів та розрахуємо відповідне значення цільової функції з

використанням ГА та ЕС.

Для ГА відповідні параметри є такими:

– кількість елементів вибіркової сукупності 20;

– критерій закінчення алгоритму – виконання 1000 ітерацій;

– вибір «розв’язків-батьків» – пропорційний;

– формування нової популяції за елітним принципом.

Для еволюційної стратегії відповідні параметри:

– критерій закінчення – виконання 1000 ітерацій;

– тип алгоритму –

( )

 



- еволюційна стратегія;

– кількість «розв’язків-батьків» – 20;

– кількість «розв’язків-нащадків» у кожного «розв’язку-

батька» – 19;

– параметр алгоритму, середньоквадратичне відхилення є

постійним і дорівнює одиниці.

Інтелектуальні технології оптимізації систем пожежного моніторингу

Внаслідок застосування ГА одержані координати пожеж-

них сповіщувачів (табл. 4.2). Їх розміщення наведене на рис.

А.4 додатку А. Значення цільової функції

259,6.

F Динаміка

функції помилки при навчанні генетичного алгоритму наве-

дена на рис. 4.3. Одержані розв’язки – 36 координат

1 2

( , )

x x

сповіщувачів наведено на рис. 4.4. Їх аналіз свідчить про різке

зменшення помилки на перших кроках алгоритму і малий її

приріст на подальших ітераціях.

Рис. 4.

. Динаміка функції помилки

Значення цільової функції цьому випадку є порівняним із

значенням цільової функції для нормативного розміщення

пожежних сповіщувачів, що пояснюється оптимальністю нор-

мативної схеми розміщення пожежних сповіщувачів у примі-

щенні із рівномірним пожежним навантаженням (рис. 4.2).

Структура системи підтримки прийняття рішень при створенні

Рис. 4.4. Координати точок розміщення сповіщувачів

Таблиця 4.2

Координати «оптимального» розміщення сповіщувачів

50,3 23,8 21,3 4,4 10,5 35,7 43,2 36,9 32,8 30,

13,

3,9

36,4 31,4 10,9 47,9 49,3 29,6 37,9 23,1 32,7 5,0 32,

11,

16,3 44,9 51,2 19,8 32,8 47,3 42,6 36,7 18,1 7,1 29,

46,

43,8 2,7 47,3 44,3 46,3 15,8 9,1 38,4 40,6 37,

50,

22,

10,3 16,8 3,1 33,3 16,5 6,3 9,8 1,4 49,9 49,

7,1 12,

38,6 4,4 2,6 16,2 24,2 25,5 10,8 26,4 31,3 8,6 15,

48,

Для того, щоб дослідити можливість та раціональність

встановлення додаткових сповіщувачів проведемо відповідне

моделювання. Збільшуючи кількість сповіщувачів від 36 до 100

та оптимізуючи схему їх розміщення, одержимо динаміку ці-

льової функції, зображену на рис. 4.5 та рис. 4.6. Як у першо-

Інтелектуальні технології оптимізації систем пожежного моніторингу

100

му, так і у другому випадку відзначимо майже лінійний хара-

ктер зменшення значення цільової функції на інтервалі [36,

70], що свідчить про доцільність встановлення додаткових

сповіщувачів. Параболічна динаміка цільової функції після 70

сповіщувачів свідчить про насичення ними приміщення, не-

значну зміну цільової функції та нераціональність встанов-

лення. На 2-5% використання еволюційної стратегії на інтер-

валі [36, 70] дозволяє знайти кращий розв’язок, але далі більш

глибоке дослідження раціонально здійснювати з використан-

ням генетичного алгоритму.

y = 9E-05x

+ 0,0127x

- 3,0307x + 257,28

= 0,9961

135

155

175

195

215

235

255

100

Рис.

Динаміка цільової функції при збільшенні кількості

сповіщувачів від 36 до

100

. Генетичний алгоритм

Структура системи підтримки прийняття рішень при створенні

101

y = 0,0003x

- 0,0368x

- 1,1296x + 320,58

= 0,9907

135

155

175

195

215

235

255

36 46 56 66 76 86 96

Рис.

Динаміка цільової функції при збільшенні

кількості

сповіщувачів від 36 до 100. Еволюційна стратегія

Розглянемо випадок, коли у приміщенні є потенційно не-

безпечні джерела виникнення пожежі. Використаємо цільову

функцію (3.4). Визначення вагових коефіцієнтів складових

(3.4) здійснюємо за методом аналізу ієрархій Т. Сааті. Викори-

стовуючи дані експертних висновків та застосовуючи метод

аналізу ієрархій, одержуємо, що

0,1; 0,1; 0,3; 0,5.

   

   

Кроки методу будуть дещо відрізнятись від вищенаведених

кроків методу визначення оптимальної структури пожежних

сповіщувачів при рівномірному пожежному навантаженні

приміщення. Маємо:

Крок 1. Формуємо сукупність потенційних точок виник-

нення пожежі – множини координат точок у двовимірному

просторі як випадкових величин, що мають рівномірний

розподіл.

Крок 2. Задаємо реальні координати потенційних точок

виникнення пожежі або генеруємо їх як рівномірно розподі-

лені випадкові величини.

Крок 3. Задаємо координати точок розміщення пожежних

сповіщувачів у випадку нормативного розрахунку, або гене-

Інтелектуальні технології оптимізації систем пожежного моніторингу

102

руємо їх випадковим чином як сукупність рівномірно розпо-

ділених випадкових величин в квадраті 51,6х51,6.

Крок 4. Здійснюємо розрахунок матриці відстаней від по-

тенційних точок виникнення пожежі до точок розміщення

пожежних сповіщувачів.

Крок 5. Здійснюємо розрахунок матриці відстаней від по-

тенційних джерел небезпеки до точок розміщення пожежних

сповіщувачів.

Крок 6. Для кожної точки виникнення пожежі знаходимо

кількість сповіщувачів, у зоні відповідальності яких вона зна-

ходиться.

Крок 7. Для кожного потенційного джерела небезпеки зна-

ходимо кількість сповіщувачів, у зоні відповідальності яких

воно знаходиться.

Крок 8. Для кожної потенційної точки виникнення пожежі

знаходимо відстань до найближчої горизонтальної проекції

сповіщувача.

Крок 9. Для кожної потенційного джерела небезпеки зна-

ходимо відстань до найближчої горизонтальної проекції спо-

віщувача.

Крок 10. Розраховуємо значення цільової функції.

Визначивши 7 потенційних джерел небезпеки та викорис-

тавши вищенаведену схему потенційних точок виникнення

пожежі, одержимо «номінальне значення» цільової функції

100,98.

F Оптимальне значення цільової функції з викорис-

танням генетичного алгоритму становить

77,9

F, з викори-

станням еволюційної стратегії –

75,4.

F Динаміка цільової

функції для випадків використання генетичного алгоритму та

еволюційної стратегії зображена на рис. 4.7.

Структура системи підтримки прийняття рішень при створенні

103

y = -0,0002x

+ 0,0522x

- 4,5978x + 186,14

= 0,9962

y = -0,0004x

+ 0,0979x

- 7,3486x + 234,12

= 0,9954

35 45 55 65 75 85 95

генетичний алгоритм еволюційна стратегія

Рис. 4.

. Динаміка цільової функції

Як і у попередньому випадку, тільки більш виражено, зна-

чення цільової функції втрачають від’ємну динаміку, якщо

кількість пожежних сповіщувачів наближається до 100. Такі

дані є доцільними при визначенні максимально раціональної

кількості сповіщувачів. Певну проблему становить визначення

коефіцієнтів важливості елементів цільової функції. Зауважи-

мо, що для різних приміщень, експертів, пожежної наванта-

женості та джерел підвищеної небезпеки, ці коефіцієнти бу-

дуть різними.

Третій експеримент проводився для приміщення із нерів-

номірним пожежним навантаженням та наявними джере-

лами підвищеної небезпеки. Приміщення із попереднього ек-

сперименту

1 2 1 2

{( , ) / (0;51,2), (0;51,2)}

x x x x   

було розбите на п’ять областей:

1 2 3 4 5

S S S S S

      де

1 1 2 1 2

{( , ) / (0;20), (40;51,2)},

S x x x x  

2 1 2 1 2

{( , ) / (25;35), (35;52)},

S x x x x  

Інтелектуальні технології оптимізації систем пожежного моніторингу

104

3 1 2 1 2

{( , ) / (15;30), (10;30)},

S x x x x  

4 1 2 1 2

{( , ) / (40;52), (5;52)},

S x x x x  

\ .



 



S S

Коефіцієнти, що визначали пожежну навантаженість обла-

стей мали такі значення: 1 2 3 4

0,2; 0,1; 0,3; 0,4.

   

    При

номінальному розміщенні пожежних сповіщувачів значення

цільової функції (3.7)

17, 48.

F Оптимальне розміщення спо-

віщувачів з використанням генетичного алгоритму відповідає

значенню цільової функції

10,82,

F а з використанням ево-

люційної стратегії –

11,02

F. Динаміка цільової функції для

інших значень зображена на рис. 4.8.

y = 6E-06x

- 0,0011x

- 0,0278x + 12,827

R² = 0,9916

y = -8E-05x

+ 0,0177x

- 1,2456x + 36,713

R² = 0,9733

35 45 55 65 75 85 9 5

генетичний алгоритм еволюційна стратегія

Рис. 4.8. Динаміка цільової функції

Як і у попередньому випадку робимо висновок про те, що

при порівняно невеликому збільшенні кількості пожежних

сповіщувачів оптимізацію їх розміщення раціонально здійс-

нювати з використанням еволюційної стратегії, в іншому ви-

падку потрібно застосовувати генетичний алгоритм. Оптима-

льне розміщення пожежних сповіщувачів, одержане з викори-

станням генетичного алгоритму наведено на рис. 4.9.

Оптимізація цільової функції є процесом, у результаті яко-

го можливо зробити висновок про відносне (у відсотках) пок-

Структура системи підтримки прийняття рішень при створенні

105

ращення системи пожежної сигналізації, здійснивши відхід

від «нормативної» схеми розміщення сповіщувачів та орієн-

туючись на особливості будівлі чи споруди, а також можливі

негативні наслідки.

0 10 20 30 40 50

Рис. 4.9. Розміщення сповіщувачів при нерівномірній

пожежній навантаженості приміщення

Об’єктивізація масштабів можливих наслідків пожежі також

здійснюється у результаті оптимізації цільової функції, оскі-

льки аргументом, що відповідає її мінімальному значенню, є

оптимізоване (квазіоптимальне, прийнятне) розміщення по-

жежних сповіщувачів. Відома структура СПС дозволяє точні-

ше розрахувати кількість можливих жертв та обсяги матеріа-

льних збитків.

4.3. Прогнозування обсягу потенційно можливих збитків

при пожежі в торговому центрі

Розглянемо аспекти застосування розроблених цільових

функцій та методів оптимізації структури розміщення поже-

жних сповіщувачів у торговому центрі. Схема приміщення, де

вказані розміри відділів та товари, які там знаходяться, наве-

дена на рис. 4.10. Торговий центр має розміри 200х110 м. За

рівнем пожежної навантаженості всі відділи розділені на п’ять

Інтелектуальні технології оптимізації систем пожежного моніторингу

106

груп. Такий поділ одержано з використанням таблиць швид-

кості вигорання матеріалів, лінійної швидкості поширення

вогню [2,55, 56] та експертних висновків.

Таким чином, всі відділи торгового центру розподілені

наступним чином:

– 1 категорія – секції ДВП, ДСП, ОСБ; ФРД,

– 2 категорія – секції виробів з дерева (3 секції); покриття

для підлоги; декору; студії фарб,

– 3 категорія – секції прийому товару; електротехніки;

будівельних матеріалів (2 секції); багетної майстерні; салону

кухонь; кафе,

– 4 категорія – секції адміністративного відділення; люстр;

саду та городу (4 секції); камінної зали; салону; кас; посуду,

– 5 категорія – секції виробів з металу (3 секції); сантехніки

(2 секції),

– 6 категорія – міжсекційний простір.

Рис. 4.

. Схема в

ідділів торгового центру

Структура системи підтримки прийняття рішень при створенні

107

Рівень пожежної навантаженості характеризуємо такими

коефіцієнтами:



=0,352;



=0,286;



=0,222;



=0,106;



=0,03.

Для п’ятої і шостої категорії рівні пожежної навантаженос-

ті є однаковими.

Припустимо, що розподіл відділів залишається постійним,

і як базову виберемо цільову функцію (3.7). Значення коефіці-

єнтів

0,1; 0,1; 0,3;

  

  

0,5.





Шукати оптимум цільової функції будемо, використовую-

чи генетичний алгоритм та здійснивши 20 запусків програми

на комп’ютері Core 2 Duo CPU E8400 з частотою 3,00 GHz, 3,2

Гб ОЗУ. Для моделювання кожного разу генерується 200 мож-

ливих точок виникнення пожежі, що мають рівномірний роз-

поділ. Один із варіантів наведено на рис. 4.11. Параметри ге-

нетичного алгоритму є такими:

– критерій закінчення обчислень – досягнення максима-

льної кількості ітерацій (1000);

– вибір «батьківських» пар розв’язків здійснюється з ви-

користанням принципу рулетки, тобто більші шанси для кро-

соверу мають розв’язки, яким відповідає менше значення ці-

льової функції;

– формування популяції розв’язків наступного поколін-

ня здійснюється за елітним принципом, тобто до такої попу-

ляції відбираються кращі розв’язки з «батьківської» популяції

та популяції «нащадків»;

– кількість елементів-розв’язків у вибірковій популяції

незмінна і дорівнює 20;

– мутація здійснюється з ймовірністю 0,01;

– кросовер одноточковий.

Інтелектуальні технології оптимізації систем пожежного моніторингу

108

100

0 50 100 150 200

Рис. 4.11. Розміщення потенційних точок виникнення

пожежі

Для розміщення сповіщувачів, яке наведене на рис. 4.10,

значення цільової функції

661,28.

F Алгоритм пошуку зна-

чень цільової функції наведено в додатку А. У торговому

центрі встановлена система пожежного моніторингу EBL 512.

Її основу складають пожежні сповіщувачі Panasonic 4301, вар-

тість кожного з них складає приблизно 200 грн. Для системи

пожежного моніторингу використано приблизно 4000 м про-

воду. Загальна вартість сповіщувачів та проводу

800 200 4000 4 176000 .

грн

    

Середня відстань від точки виникнення пожежі до най-

ближчого сповіщувача для всіх відділів однакова і стано-

вить

2,9 .



Здійснивши двадцять експериментів та визначивши

розв’язок задачі

1,20

min

га

F F



,

Структура системи підтримки прийняття рішень при створенні

109

одержимо оптимізоване (краще, прийнятне) розміщення спо-

віщувачів у торговому центрі. Середня відстань від точки ви-

никнення пожежі до найближчого сповіщувача збільшилась і

становить

3,2 .



Оскільки середня відстань збільшилась у

порівнянні з класичною схемою, то можна було б зробити ви-

сновок про те, що одержана структура є гіршою за поперед-

ню, оскільки збільшився час спрацювання пожежних сповіщу-

вачів від моменту виникнення пожежі. Але це не так, оскільки

відділи мають різну пожежну навантаженість. Зокрема, за кла-

сичною схемою у відділі ДВП знаходилось двадцять чотири

пожежних сповіщувачі. За оптимізованою схемою у відділі

ДСП їх уже тридцять три і розрахована середня відстань від

точки виникнення пожежі у відділі до найближчого сповіщу-

вача становить 2,3 м. Оскільки відділ ДСП можна прирівняти

до складу пиломатеріалів із мінімальною вологістю, то швид-

кість поширення вогню складатиме 4 м/хв. При всіх однако-

вих інших значеннях параметрів пожежний сповіщувач спра-

цює на чверть хвилини раніше ніж у випадку класичної схеми

розміщення. Враховуючи швидкість вигорання ДСП

6, 4 / ( )

кг м хв



), одержимо, що згорить менше ДСП на

1, 6 1 2 , 5 4 0 80 0

кг

  

Крім того, позитивний ефект досягається і в результаті

зменшення можливості загорання в інших відділах. Аналогіч-

ні розрахунки можна провести для всіх відділів та оцінити се-

реднє значення економічного ефекту.

4.4. Аналіз результатів експериментів та технологія

здійснення інформаційно-аналітичного супрово-

ду процесів проектування систем пожежного мо-

ніторингу

Розглянемо приміщення, схема якого наведена на рис.

4.12. Прозорими колами на ньому позначені пожежні спові-

щувачі. Приміщення розбите на зони з різним пожежним на-

Інтелектуальні технології оптимізації систем пожежного моніторингу

110

вантаженням та має координатну прив’язку. Зафарбовані ко-

ла є потенційними місцями виникнення пожежі та точками

навчальної вибірки.

Для формування гіперповерхні, за допомогою якою визна-

чається час, використаємо висновки одного експерта та мо-

дель (2.16). Вважатимемо, що координати точки виникнення

пожежі та пожежна навантаженість приміщення встановлю-

ється за допомогою гаусівських функцій належності (2.15). Їх

параметри наведено в табл. 4.3.

Для моделювання використаємо нейро-нечітку мережу

ANFIS [32, 114] з виведенням Мамдані [122]. Мережа матиме

три входи та один вихід. За даними табл. 4.3 для кожної змін-

ної створюємо відповідні функції належності та формуємо

правила. Після процесу навчання мережу ANFIS можна вико-

ристовувати для визначення часу спрацювання пожежних

сповіщувачів, якщо пожежа виникла в будь-якій точці будівлі.

Всі дев’ять нечітких правил відображені на рис. 4.13. Зада-

ючи значення вхідних змінних, розраховуємо значення вихід-

ної змінної.

У нашому випадку при

15, 14,1, 0,591

x y P   одержимо

час спрацювання сповіщувача

25,8.



Здійснивши дискретизацію горизонтальної проекції обла-

сті дослідження, як було вказано вище, в кожній точці визна-

чається час спрацювання сповіщувачів, що дозволяє встанови-

ти мінімальний, максимальний та середній час. На рис. 4.14

зображено одну із проекцій гіперповерхні часу в координатах

( , , )

x y t

Структура системи підтримки прийняття рішень при створенні

111

Рис. 4.12. Структура пожежної сигналізації, «експериментальні» точки,

пожежне навантаження приміщення: – низький рівень;

– середній рівень; – значний рівень; – високий рівень

10 0 5 15 20 25

2,5

7,5

12,5

17,5

Таблиця 4.3

Вихідні дані для навчання мережі

№



1 3 0,5

13 0,5

0,2 0,2

35 2

2 4 0,5

3 1 0,5 0,1

30 3

3 8 1 9 1 0,2 0,1

25 4

4 10 1 4 1 0,5 0,2

28 3

5 13 0,5

11 0,5

0,7 0,1

25 2

Інтелектуальні технології оптимізації систем пожежного моніторингу

112

6 17 1 3 0,5

0,5 0,3

28 4

7 18 0,5

14 0,5

0,7 0,2

20 2

8 21 1 9 1 0,9 0,1

16 3

9 24 1 15 1 0,9 0,2

18 2

Візуально можна визначити, яким є час спрацювання спо-

віщувача в різних точках виникнення пожежі. Очевидно, що

найменшим є час спрацювання пожежної сигналізації, якщо

(10,20)



(0,10).



Найбільший час відповідає квадрату

(10,20)



(10,10).



Рис. 4.13. Візуалізація нечітких правил та результату нечіткого

логічного виведення

Структура системи підтримки прийняття рішень при створенні

113

Рис. 4.14. Візуалізація проекції гіперповерхні часу

Зауважимо, що подібні припущення мають сенс лише для

попередньої оцінки, при прийнятті відповідальних рішень

необхідно базуватись на аналітичних розрахунках.

Система, що базується на нечіткому логічному виведенні, є

відкритою. Вона допускає додавання нових правил та перена-

вчається в режимі реального часу, що спрощує її використан-

ня. Інформація, одержана за її допомогою, є першим етапом

технології прогнозування наслідків пожеж.

Проведена серія експериментів, які засвідчили ефектив-

ність запропонованих методів. Перший експеримент був при-

свячений дослідженню динаміки цільової функції. Вище було

показано як змінюються її значення у залежності від кількості

сповіщувачів.

На рис. 4.15 відображено залежність динаміки цільової

функції від надійності сповіщувачів.

Інтелектуальні технології оптимізації систем пожежного моніторингу

114

y = 4327,5x

- 11735x

+ 10538x - 3054,2

= 1

0,75 0,8 0,85 0,9 0,95 1

надійність сповіщувача

Рис. 4.15 Динаміка цільової функції у залежності від

надійності сповіщувачів

Результати інших експериментів вказують на порівняно

однакову точність застосування методів, що базуються на ево-

люційних стратегіях та генетичних алгоритмах. Їх незначні

розбіжності з класичними трикутною та прямокутною схема-

ми пояснюються рівномірною пожежною навантаженістю

приміщення. Якщо ж кількість сповіщувачів є недостатньою

або надлишковою, то результати запропонованих методів є

більш ефективними. Крім того, зауважимо, що використання

еволюційних стратегій дозволяє одержати розв’язок задачі

швидше за рахунок відсутності бінарного кодування.

Резюме

У четвертому розділі розроблено принципи функціону-

вання та структуру системи підтримки прийняття рішень при

створенні систем пожежного моніторингу. В основу СППР

Структура системи підтримки прийняття рішень при створенні

115

покладені принципи відкритості, мобільності, масшабова-

ності та інформаційної єдності. Запропоновано трирівневу

ієрарххічну структуру її побудови, що включає в себе інфор-

маційно-аналітичний рівень, рівень ідентифікації або взаємо-

дій та інформаційно-консультативний рівень або рівень відо-

браження. Трирівнева інтеграція дозволяє у повному обсязі

використовувати переваги бази знань, здійснювати вибір та

використання її елементів та надавати консультативні послу-

ги з максимально дружнім інтерфейсом.

В основі структури бази знань лежать нечіткі та звичайні

продукційні правила. За допомогою перших відображені

суб’єктивні висновки експертів, другі – призначені для вибору

тих чи інших моделей, методів або процедур із відповідних

множин або банків. Вказано на їх елементний базис, визначе-

но особливості застосування.

Виконано експериментальну верифікацію розроблених

моделей та методів. Встановлено, що при рівномірному поже-

жному навантаженні приміщення «нормативне» встановлен-

ня пожежних сповіщувачів та оптимізоване з використанням

запропонованих методів є однаково ефективним. Якщо кіль-

кість сповіщувачів, що можуть бути встановленими, є меншою

або більшою нормативної, то застосування розроблених мо-

делей і методів є значно ефективнішим. Крім того, висновок

справедливий також, якщо у приміщенні є джерела підви-

щеної небезпеки, воно має нерівномірну або змінну

пожежну навантаженість.

Одержана структура розміщення пожежних сповіщувачів

дозволяє прогнозувати можливі наслідки пожеж у будівлях та

спорудах і приймати обґрунтовані рішення. Досліджено ди-

наміку цільових функцій для змінної кількості пожежних спо-

віщувачів та рівня їх надійності. Проведено порівняльний

аналіз використання розроблених технологій із застосуванням

генетичних алгоритмів та еволюційних стратегій.

Інтелектуальні технології оптимізації систем пожежного моніторингу

116

ВИСНОВКИ

У монографії наведено еволюційні технології оптимізації

структури систем пожежної сигналізації будівель і споруд.

Проведені дослідження дають підстави зробити ряд висновків:

1. Визначено, що при проектуванні та встановленні су-

часних систем пожежної сигналізації враховуються лише кон-

структивні особливості будівлі. Поза цими процесами зали-

шаються наслідки можливих пожеж. Показано, що в основу

оптимізації систем пожежної сигналізації будівель та споруд

необхідно покласти прогнозні показники кількості потенцій-

них жертв, обсягу матеріальних збитків, а також наслідки су-

путніх техногенних та екологічних катастроф.

2. Класифіковані системи пожежної сигналізації, викона-

на формалізація задач визначення оптимальної кількості по-

жежних сповіщувачів та оптимізації структури їх розміщення.

Оскільки результати їх розв’язання залежать від прогнозних

показників, то запропоновано використати технології

«м’яких» обчислень.

3. Запропоновані принципи оптимізації структури сис-

тем пожежної сигналізації, в основу яких покладено прогнозу-

вання можливих майбутніх форс-мажорних обставин та ана-

ліз статистичної інформації, що включає в себе дані про по-

жежі, параметри спрацювання сповіщувачів, кількість жертв

та обсяг матеріальних збитків, проведені в комплексі є необ-

хідною умовою визначення потужності та структури встанов-

люваної системи.

4. Розроблені моделі для визначення часу спрацювання

пожежних сповіщувачів з використанням експертних вис-

новків одного або декількох експертів, а також моделі для ви-

значення потенційних негативних наслідків пожежі як систе-

ми нечітких продукційних правил. Запропоновано моделі для

Структура системи підтримки прийняття рішень при створенні

117

визначення кількості потенційних жертв та як усередині, так і

зовні приміщення, де виникла пожежа.

5. Розроблена технологія ідентифікації наслідків пожежі

як залежностей від точки виникнення пожежі, часу спрацю-

вання пожежних сповіщувачів, їх надійності та пожежної на-

вантаженості приміщення. Такі залежності дозволяють визна-

чити можливі наслідки пожежі у залежності від місця її вини-

кнення.

6. Запропоновано методи оптимізації структури системи

пожежної сигналізації на основі нечітких нейромереж, гене-

тичних алгоритмів та еволюційних стратегій. Нечіткі нейро-

мережі є моделями шуканих залежностей, в результаті на-

вчання нейромереж здійснюється параметрична ідентифіка-

ція моделей. Використання елементів еволюційного моделю-

вання є раціональним, оскільки цільова функція є складною

поліекстремальною залежністю.

7. Розроблено структуру та інформаційне і програмне за-

безпечення системи «СИГНАЛ». На її основі, а також з вико-

ристанням Matlab проведено експериментальну верифікацію

розроблених моделей та методів, яка засвідчила їх ефектив-

ність.

8. Практичне значення одержаних результатів полягає в

тому, що створено ефективні технології проектування та

впровадження систем пожежної сигналізації на основі розроб-

лених авторами методів та програмно-алгоритмічних засобів.

Результати дослідження використовуються в навчальному

процесі Академії пожежної безпеки імені Героїв Чорнобиля та

управлінні ДСНС України в Черкаській області.

Інтелектуальні технології оптимізації систем пожежного моніторингу

118

СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ

Абдрахимов Д.А. Информационно-аналитические

технологии и выбор решений / Д.А. Абдрахимов,

А.И. Иоффин. – М.: Статистика, 1997.

Абрамов Ю.А. Обоснование требований ко времени

срабатывания тепловых пожарных извещателей /

Ю.А. Абрамов, Е.В. Куринный // Проблемы пожар-

ной безопасности: Сб. научн. тр. – Харьков: АПБУ,

2002. – Вып. 13. – С. 82-85.

Абрамов Ю.А. Основы пожарной автоматики / Ю.А.

Абрамов. – Харьков: ХПТУ, 1993. – 288 с.

Абрамов Ю.А. Основні поняття та концепція моні-

торингу небезпечних факторів як елементу єдиної

системи попередження надзвичайний ситуацій /

Ю.А. Абрамов, Є.М. Грінченко, В.В. Тютюнник,

Р.І. Шевченко // Пожежна безпека: теорія і практи-

ка: Збірник наукових праць. – Черкаси: АПБ ім. Геро-

їв Чорнобиля. – 2008. – № 1. – С. 5-8.

Абрамов Ю.А. Основы мониторинга и управления в

ус-ловиях чрезвычайных ситуаций / Ю.А. Абрамов,

В.Е. Росоха, В.В. Тютюнник и др. – Харьков: Изд-во

АГЗУ, 2005. – 257 с.

Адресна система пожежної сигналізації «Рубеж-»2А».

Режим доступу: www.rubezh.ru /address_systems

Адресна система пожежної сигналізації. Режим дос-

тупу:www.siemens.com/AlgoRex

Адресно-аналоговый прибор «Адмирал». Режим до-

ступу: http://www.systemsensor.ru

Александров А.Г. Оптимальные и адаптивные систе-

мы/ А.Г. Александров. – М.: Высшая школа, 1989. –

263с.

10.

Бабуров В.П. Размещение автоматических пожарных

извещателей с учетом степени перекрытия защища-

емой площади / В.П. Бабуров, И.С. Колосов, Б.М.

Пранов // Пожарная техника, тактика и автомати-

Список використаних джерел

119

ческие установки пожаротушения: Сб. научн. трудов

НИИПО. – М., 1989.– С. 118-123.

11.

Барсегян А.А. Методы и модели анализа данных:

OLAP и Data Mining / А.А. Барсегян, М.С. Куприя-

нов, В.В. Степаненко, И.И. Холод. − СПб.: БХВ-

Петербург, 2004. − 336 с.

12.

Биченко А.О. Нечітка ідентифікація процесів поши-

рення пожежі на особливо небезпечних об'єктах в

умовах невизначеності / А.О. Биченко, В.Є. Снитюк

// Вісник ЧДТУ. − 2007. − № 1-2. − С. 43–45.

13.

Блюмин С.Л. Модели и методы принятия решений в

условиях неопределенности / С.Л. Блюмин, И.А.

Шуйкова. – Липецк: ЛЭГИ, 2001. – 138 с.

14.

Бушуєв С.Д. Анализ предлагаемых методов и моде-

лей формализованного принятия оптимальных и

удовлетворительных решений в системах и проектах

/ С.Д. Бушуев, Ю.Г. Лега, Ал.А. Златкин, Ан.А. Зла-

ткин // Вісник ЧДТУ. − 2010. − № 2. − С. 50-59.

15.

Варшавский П.Р. Методы и программные средства

поиска решения на основе аналогий в интеллектуа-

льных системах поддержки принятия решений. Ав-

тореф. дис. канд. техн. наук. 05.13.11 –

Математическое и программное обеспечение вычис-

лительных машин, комплексов и компьютерных се-

тей. – М.: МЭИ, 2005. – 20 с.

16.

Волошин О.Ф. Моделі та методи прийняття рішень /

О.Ф. Волошин, С.О. Мащенко. – К.: ВПЦ «Київський

університет», 2010. – 336 с.

17.

Воробйов О.І. Проектування, монтаж, технічне об-

слуго-вування установок пожежної сигналізації / О.І.

Воробйов – Львів: ЛІПБ ДСНС України, 2003. − 132 с.

18.

Гаврилова Т.А. Базы знаний интеллектуальных сис-

тем / Т.А. Гаврилова, В.Ф. Хорошевский.−СПб.: Пи-

тер, 2000. − 384 с.

Інтелектуальні технології оптимізації систем пожежного моніторингу

120

19.

Гладков Л.А. Биоинспирированные методы в опти-

мизации: монографія / Л.А. Гладков, В.В. Курейчик,

В.М. Курейчик и др. – М.: Физматлит, 2009. – 384 c.

20.

Гнатієнко Г.М. Експертні технології прийняття рі-

шень / Г.М. Гнатієнко, В.Є. Снитюк.– К.: Маклаут,

2008. – 444 с.

21.

Голуб С.В. Застосування алгоритмів багаторівневого

мо-делювання при проектуванні моніторингових си-

стем/ С.В. Голуб // Вісник Хмельницького націона-

льного університету. – 2005. – № 5. – Ч. 1, Т.2. – С. 31-

35.

22.

Григорчук Р.О. Роль інформаційних технологій у

вирішенні задач підрозділами ДСНС / Р.О. Григор-

чук // Пожежна безпека. Збірник наукових праць. –

ЛДУ БЖД, УкрНДІПБ ДСНС України, 2008 р. – №

12. – С. 100-106.

23.

Грицишин Я.М. Генетичні алгоритми для розв’я-

зання задач розміщення / Я.М. Гришин, Д.В. Корпи-

льов, Р.З. Кривий, Т.В. Свірідова, С.П. Ткаченко //

Комп’ютерні науки та інформаційні технології. Віс-

ник Національного університету «Львівська політех-

ніка». – 2009. – № 638. – С. 271-276.

24.

Давнис В.В. Прогнозные модели экспертных предпо-

чтений: монография / В.В. Давнис, В.И. Тинякова. −

Воронеж: Воронежский гос. у-нт, 2005.−248 с.

25.

Джарратано Д. Экспертные системы: Принципы ра-

зработки и программирования/Д. Джарратано, Г.

Райли. – М.: «И.Д. Вильямс», 2007. – 1152 с.

26.

Джулай А.Н. Идентификация оценки противопожа-

рного состояния объекта для формирования базы

знаний ИАС «Безопасность» / А.Н. Джулай, А.А.

Быченко, А.Д. Левченко // Intenational Book Series

“Information science and computing». Book 10.

Intelligent Support of Decision Making. – 2009. –

P. 89-96.

27.

Джулай О.М. Еволюційні моделі та методи аналізу та

Список використаних джерел

121

оптимізації рівня пожежної безпеки житлових

об’єктів: дис… канд. техн. наук: 05.13.06 / Джулай

Олександр Миколайович.– Черкаси, 2006.– 164 с.

28.

Емельянов В.В. Теория и практика эволюционного

моделирования / В.В. Емельянов, В.В. Курейчик,

В.М. Курейчик. − М.: Физматлит, 2003. − 432 с.

29.

Еремеев А.П. О корректности продукционной моде-

ли принятия решений на основе таблиц решений /

А.П. Еремеев // Автоматика и телемеханіка. – 2001. –

№ 10. – С. 78-90.

30.

Заде Л. Понятие лингвистической переменной и его

применение к принятию приближенных решений /

Л. Заде [пер. с англ. Н.И. Ринго]. – М.: Мир, 1976. –

165 с.

31.

Зайченко Ю.П. Нечеткие модели и методы в интел-

лектуальных системах / Ю.П. Зайченко. − К.: Слово,

2008. − 344 с.

32.

Зайченко Ю.П. Основи проектування інтелектуал

ь-

них систем / Ю.П. Зайченко. − К.: Слово, 2004. – 352 с.

33.

Зайченко Ю.П. Синтез оптимальної структури ін-

формаційно-аналітичної системи в умовах невизна-

ченості / Ю.П. Зайченко, В.А. Лабжинський // Віс-

ник ЧДТУ. − 2009. − № 1. − С. 10-14.

34.

Згуровский М.З. Интегрированные системы оптима-

льного управления и проектирования / М.З. Згуров-

ский.– К.: Выща школа, 1990. – 351 с.

35.

Згуровский М.З. Системный анализ. Проблемы, ме-

тодология, приложения / М.З. Згуровский, Н.Д.

Панкратова. − К.: Наук. думка, 2005. − 743 с.

36.

Землянский А.Н. Аспекты оптимизации установки

систем пожарного мониторинга / А.Н. Землянский

// Материалы 12-й Международной науч.-техн.

конф. «Системный анализ и информационные тех-

нологии» (SAIT 2010). – К.: УНК «ИПСА» НТУУ

«КПИ», 2010.– С. 246.

37.

Землянский А.Н. Неопределенность и причинно-

Інтелектуальні технології оптимізації систем пожежного моніторингу

122

следственный принцип оптимизации систем пожар-

ного мониторинга / А.Н. Землянский, В.В. Литвинов,

В.Е. Снитюк // Математичні машини і системи. –

2011. – № 1. – С. 82-89.

38.

Землянский А.Н. Определение коэффициента опас-

ности пожара в условиях неопределенности / А.Н.

Землянский, В.Е. Снитюк // Материалы XІV Меж-

дународного молодежного форума «Радиоэлектро-

ника и молодежь в ХХІ веке». Ч.2. – Харьков: ХНУРЭ,

2010. – С. 91.

39.

Землянский А.Н. Оптимизация структуры системы

пожарного мониторинга с использованием нечеткой

логики / А.Н. Землянский // Тези доповідей П’ятої

наук.-практ. конф. з міжнародною участю «Матема-

тичне та імітаційне моделювання систем. МОДС

2010». – К.: ІПММС, 2010. – С. 92-93.

40.

Землянский А.Н. Принципы и задачи оптимизации

размещения датчиков пожарной сигнализации в

условиях неопределенности / А.Н. Землянский, В.Е.

Снитюк // Knowledge – Dialogue – Solution.

Supplement to Int. Jour-nal “Information Technologies

and Knowlege». – ITHEA, Sofia. – 2009. – Vol. 3. –

№ 15. – P. 161-164.

41.

Землянский А.Н. Проблемы формализации постано-

вки задачи при моделировании процессов распрост-

ранения пожара на особо опасных объектах / A.А.

Быченко, А.Н. Землянский // Праці IV міжн. школи-

семінару «Теорія прийняття рішень». – Ужгород:

УжНУ, 2008. – С. 31-32.

42.

Землянский А.Н. Проектирование систем пожарного

мониторинга в условиях неопределенности / А.Н.

Землянский, Н.П. Каревина, В.Е. Снитюк // Искусс-

твенный интеллект. – 2010. – № 3. – С. 483-488.

43.

Землянський О.М. Аспекти оптимізації систем авто-

матичної пожежної сигналізації / А.М. Мосійчук, І.В.

Вишаровська, О.М. Землянський // Матеріали між-

Список використаних джерел

123

народ-ної наук.-практ. конф. «Природничі науки та

їх застосу-вання в діяльності служби цивільного за-

хисту». – Черкаси, АПБ ім. Героїв Чорнобиля, 2010. –

С. 54-57

44.

Землянський О.М. Концептуальні засади створення

системи інформаційної підтримки системи екстреної

допомоги населенню за єдиним телефонним но-

мером 112 / В.В. Литвинов, В.Є. Снитюк, А.П. Сьо-

мик, О.М. Джулай, А.Д. Левченко, А.О. Биченко,

О.М. Землянський, О.М. Землянський // Матеріали

міжн. наук.-практ. конф. «Теорія та практика лікві-

дації надзвичайних ситуацій». – Черкаси, АПБ ім.

Героїв Чорнобиля, 2009. – С. 155-158

45.

Землянський О.М. Невизначеність і компроміс в за-

дачі визначення коефіцієнта небезпеки пожежі

/О.М. Землянський // Праці V міжн. школи-

семінару «Теорія прийняття рішень». – Ужгород:

УжНУ, 2010. – С. 101.

46.

Землянський О.М. Нечіткість в задачі оптимізації си-

стеми пожежного моніторингу / О.М. Землянський

// Матеріали VII Всеукраїнської наук.-практ. конф.

«Інформаційні технології в освіті, науці і техніці»

(ІТОНТ-2010). – Черкаси: ЧДТУ, 2010. – Т.1. – С.44.

47.

Землянський О.М. Окремі аспекти комплексних сис-

тем раннього виявлення надзвичайних ситуацій /

А.Д. Левченко, Д.Є. Левченко, В.М. Король, В.М.

Кришталь, О.М. Землянський, О.М. Землянський //

Пожежна безпека: теорія і практика: Збірник науко-

вих праць.– Черкаси: АПБ ім. Героїв Чорнобиля. –

2010. – № 5. – С. 76-80.

48.

Землянський О.М. Оптимізація структури систем

пожежного моніторингу на основі експертних ви-

сновків / О.М. Землянський, В.Є. Снитюк // Управ-

ління розвитком складних систем. – 2011. – № 5. – С.

61-65.

49.

Ивахненко А.Г. Моде

лирование сложных систем:

Інтелектуальні технології оптимізації систем пожежного моніторингу

124

информационный поход / А.Г. Ивахненко. – К.: На-

ук. думка, 1987. – 136 с.

50.

Іванців Р.Д. Мінімізація часових затрат процесу ор-

ганізації ліквідації надзвичайних ситуацій / Р.Д. Іва-

нців, Я.С. Парамуд, Т.Є. Рак // Вісник Національно-

го університету «Львівська політехніка».

Комп’ютерні науки та інформаційні технології. –

2004. – № 521. – С. 192-196.

51.

Інженерне обладнання будинків і споруд. Пожежна

автоматика будівель і споруд : ДБН В.2.5-13-98*. – Мі-

нбуд України, 2006. – К. ДП «Укрархбудінформ». –

80 с. –(Державні будівельні норми України).

52.

Кибалко И.И. Модели нечеткого выбора в системах

поддержки принятия решений / И.И. Кибалко //

Математические модели и современные информа-

ционные технологии: Сб. науч. тр. - Киев: Институт

математики НАН Украины. – 1998. – С. 59-61.

53.

Колесник В.Т. Основные принципы проектирования

систем пожарной сигнализации / В.Т. Колесник. –

Львов, 2002. – 121 с.

54.

Кононов Д.А. Модели и методы анализа сценариев

развития социально-экономических систем в АСУ

ЧС / Д.А. Кононов, С.А. Косяченко, В.В. Кульба //

Автоматика и телемеханика. – 1999. – № 9.– С. 122-

136.

55.

Корольченко А.Я. Пожаровзрывоопасность веществ

и материалов и средства их тушения. Справочник:в

2-х ч.– 2-е изд., перераб. и доп. / А.Я. Корольченко,

Д.А. Корольченко. – М.: Асс. «Пожнаука», 2004. –

Ч. 1. – 713 с.

56.

Костенко О.Л. Прогнозирование опасных факторов

пожара/О.Л. Костенко, В.М. Гвоздь, А.Н. Дыгало,

Э.Е. Про-хач // Проблемы пожарной безопасности. –

Харьков: Фолио, 2001. – Вып. 10. – С. 85-87.

57.

Кофман А. Введение в теорию нечетких множеств /

А. Кофман. – М.: Радио и связь, 1982. − 432 с.

Список використаних джерел

125

58.

Кошмаров Ю.А. Прогнозирование опасных факто-

ров пожара в помещении / Ю.А. Кошмаров.– М.:

АГПС МВД России, 2000. – 118 с.

59.

Круглов В.В. Интеллектуальные информационные

системы: компьютерная поддержка систем нечеткой

логики и нечеткого вывода / В.В. Круглов, М.И. Дли.

– М.: Физматлит, 2002. – 252 с.

60.

Круглов В.В. Нечеткая логика и искусственные ней-

рон-ные сети / В.В. Круглов. – М.: Физматлит, 2001. –

224 с.

61.

Курейчик В.М. Поисковая адаптация: теория и прак-

тика / В.М. Курейчик, Б.К. Лебедев, О.К. Лебедев. –

М.: Физматлит, 2006. – 272 c.

62.

Ларичев О.И. Объективные модели и субъективные

решения / О.И. Ларичев. − М.: Наука, 1987. − 143 с.

63.

Лега Ю.Г. Розробка автоматизованих інформаційних

систем екологічного моніторингу / Ю.Г. Лега, Є.В.

Ланських, Н.М. Корнелюк // Вісник ЧДТУ. − 2008. −

№ 1. − С. 19-24.

64.

Леденева Т.М. Особенности проектирования систем

нечеткого логического вывода / Т.М. Леденева, Д.С.

Татаркин // Информационные технологии. – 2007. –

№ 7. – С. 12-18.

65.

Леоненков А.В. Нечеткое моделирование в среде

MATLAB и fuzzyTECH / А. Леоненков. – СПб.: БХВ-

Петербург, 2003. – 736 с.

66.

Литвак Б.Г. Экспертные оценки и принятие решений

/ Б.Г. Литвак.– М.: Патент, 1996. – 271 с.

67.

Луценко Е.В. Автоматизированный системно-

когнитивный анализ в управлении активными объе-

ктами (системная теория информации и ее приме-

нение в исследовании экономических, социально-

психологических, технологических и организацион-

но-технических систем): монография (научное изда-

ние) / Е.В. Луценко. – Краснодар: КубГАУ, 2002. –

605 с.

Інтелектуальні технології оптимізації систем пожежного моніторингу

126

68.

Молчанов А.А. Моделирование и проектирование

сложных систем/ А.А. Молчанов. – К.: Вища школа,

1988. – 359 с.

69.

Навацкий А.А. Производственная и пожарная авто-

матика. Ч.1. Производственная автоматика для пре-

дупреждения пожаров и взрывов. Пожарная сигна-

лизация / А.А. Навацкий, В.П. Бабуров, В.В. Бабурин

и др. – М.: Академия ГПС МЧС России, 2005. – 335 с.

70.

Негойце Э. Применение теории систем к проблемам

управления / Э. Негойце. – М.: Мир, 1981. – 179 с.

71.

Нечеткие множества в моделях управления и искусс-

твенного интеллекта / Под ред. Д.А. Поспелова. – М.:

Наука, 1986. – 312 с.

72.

Никисбеков У.К. Информационная система обеспе-

чения пожарной безопасности строящихся и ремон-

тируемых судов: дисс… канд. техн. наук : 05.25.05 /

Никисбеков Урал Касымханович. – СПб, 2006. –

179 с.

73.

Новое программное обеспечение TrueSite для мони-

торинга и управления системой автоматической по-

жарной сигнализацией. Режим доступу:

http://smi2.ru/simplex-grinnell/c166068/.

74.

Обработка нечеткой информации в системах приня-

тия решений / А.Н. Борисов, А.В. Алексеев, Г.В.

Меркурьева и др. − М.: Радио и связь, 1989. − 304 с.

75.

Орлов А.И. Теория принятия решений: учебник /

А.И. Орлов. – М.: Экзамен, 2006. – 573 с.

76.

Основы системного анализа и проектирования АСУ:

Учеб. пособие/ А.А. Павлов, С.Н. Гриша, В.Н. Тома-

шев-ский и др./ Под общ. ред. А.А. Павлова. – К.:

Вища школа, 1991. – 357 с.

77.

Осуга С. Обработка знаний/С. Осуга. − М.: Мир,

1989. − 293 с.

78.

Охранно-пожарная сигнализация «РУБЕЖ». Режим

доступу:http://www.vt-center.ru/system-fire-signal-

system_RUBEZH

Список використаних джерел

127

79.

Патент України № 34653. Спосіб виявлення і переда-

чі інформації про пожежу із застосуванням оптично-

го волокна/Землянський О.М., Землянський О.М.

(Україна).- № а200607008; заявл. 23.06.06; опубл.

26.08.08, Бюл. №16.

80.

Підгорний М.В. Підвищення якості проектних рі-

шень в системах забезпечення пожежної безпеки

об’єктів / М.В. Підгорний, В.П. Мельник // Тези до-

повідей VІІІ Міжнар. конф. «Контроль і управління в

складних системах» (КУСС-2005). – Вінниця: УНІ-

ВЕРСУМ-Вінниця, 2005. – С. 200.

81.

Пожарный мониторинг. Режим доступу:

http://www.a1-security.com/uslugi/pozharnyj_

monitoring

82.

Применение и эксплуатация приборов пожарной

автоматики / А.А. Деревянко, С.Н. Бондаренко, А.А.

Антошкин [и др.]. – Харьков: УГЗУ, 2007. – 205 с.

83.

Родэ А.А. К вопросу о рациональном размещении

тепловых пожарных извещателей в помещении /

А.А. Родэ, А.М. Рыжов, Р.А. Яйлиян // Автоматичес-

кое тушение пожаров: Сб. трудов ВНИИПО. – М.,

1975. – С. 25-33.

84.

Рудницький В.М. Проблема забезпечення підтримки

якісного функціонування урядової аналітично-

інформаційної системи з питань надзвичайних ситу-

ацій / В.М. Рудницький, О.В. Міненко, О.О. Дядю-

шенко // Вісник АПБ ім. Героїв Чорноби-

ля .»Пожежна безпека: теорія і практика». – 2009. –

№ 3. – С. 85-88.

85.

Рутковская Д. Нейронные сети, генетические алго-

ритмы и нечеткие системы / Д. Рутковская, М. Пи-

линьский, Л. Рутковский. – М.: Горячая линия –

Телеком, 2006. – 452 с.

86.

Саати Т. Аналитическое планирование. Организа-

ция систем./ Т. Саати, К. Керис. – М.: Радио и связь,

1991. – 224 с.

Інтелектуальні технології оптимізації систем пожежного моніторингу

128

87.

Синилов В.Г. Системы охранной, пожарной и охран-

но-пожарной сигнализации / В.Г. Синилов.– М.:

«Академия», 2004. – 352 с.

88.

Система противопожарного мониторинга. Режим

доступу: http://www.intex-sm.ru/53.php

89.

Системи пожежної сигналізації та оповіщування. На-

станови щодо побудови, проектування, монтування,

введення в експлуатацію, експлуатування, і техніч-

ного обслуговування : ДСТУ-Н СЕN/ТS 54-14:2009.

Частина 14. – [Чинний від 2010-01-01]. – К. Державне

підриємство «Український науково-дослідний і на-

вчальний центр проблем стандартизації, сертифіка-

ції та якості».– 57 с.— (Національний стандарт Укра-

їни).

90.

Снитюк В.Е. Модели и методы определения компе-

тентности экспертов на базе аксиомы несмещеннос-

ти / В.Е. Снитюк / Вісник ЧІТІ. − 2000. − № 4. – С.

121-126.

91.

Снитюк В.Е. Эволюционные технологии принятия

решений при пожаротушении: [монография] /

В.Е. Снитюк, А.А. Быченко, А.Н. Джулай. – Черкас-

сы: Маклаут, 2008. – 264 с.

92.

Снитюк В.Є. Еволюційна оптимізація системи поже-

жного моніторингу в умовах рівномірної пожежної

навантаженості приміщення / В.Є. Снитюк, О.М. Зе-

млянський // Вісник ЧДТУ. – 2011. – № 2. – С. 117-

121.

93.

Снитюк В.Є. Прогнозування. Моделі, методи, алго-

ритми / В.Є. Снитюк. – К.: Маклаут, 2008. – 364 с.

94.

Стоян Ю.Г. Математические модели и оптимизаци-

онные методы геометрического проектирования /

Ю.Г. Стоян, С.В. Яковлев. – К.: Наук. думка, 1986. –

268 с.

95.

Стоян Ю.Г. Методы и алгоритмы размещения геоме-

трических объектов / Ю.Г. Стоян, Н.И. Гиль. – К.:

Наук. думка, 1976. – 247 с.

Список використаних джерел

129

96.

Таха Хэмди А. Введение в исследование операцій /А.

Хэмди Таха. – М.: «Вильямс», 2001. – 912 с.

97.

Теслер Г.С. Новая кибернетика / Г.С. Теслер. – К.:

Логос, 2004. – 404 с.

98.

Тимченко А.А. Модель самоорганизации нейронной

се-ти на примере задачи оценки уровня пожарной

безопасности объекта / А.А. Тимченко, А.Н. Джулай

// Сборник докладов Межд. научн. конф. “Нейросе-

тевые технологии и их применение»: Краматорск. –

2003.– С. 237-246.

99.

Тимченко А.А. Основы безопасности и надежности

экспертных систем в задачах управления логико-

динамическими системами / А.А. Тимченко, В.П.

Мельник, Н.В. Подгорный // Искусственный интел-

лект. – 2006. – № 4. – С. 495–503.

100.

Тимченко А.А. Основы системного проектирования

и системного анализа сложных объектов/А.А. Тим-

ченко.– К.: Лыбидь, 2000. – 272 с.

101.

Тищенко Є.А. Тенденции совершенствования техни-

ческих характеристик датчиков первичной инфор-

мации/ Є.А. Тищенко, В.В. Коврегин, В.П. Садковой,

Ю.А. Абрамов // Проблемы пожарной безопаснос-

ти: Сб. научн. тр. – Харьков: НУГЗУ, 2010. – Вып. 27. –

С. 206-210.

102.

Фёдоров А.В. Системы и технические средства ран-

него обнаружения пожара: [монография] / А.В. Фё-

доров, А.Н. Членов, А.А. Лукьянченко и др. – М.:

Академия ГПС МЧС России, 2009. – 158 с.

103.

Фельдбаум А.А. Основы теории оптимальных авто-

матических систем / А.А. Фельдбаум. – М.: Наука,

1966. – 623 с.

104.

Харченко В.П. Програмна реалізація штучної ней-

ронної мережі в автоматизованих інтелектуальних

системах / В.П. Харченко, О.М. Алєксєєв // Вісник

НАУ. − 2009. − № 2 (39). − С. 17-21.

105.

Шаровар Ф.И. Методы раннего обнаружения заг

о-

Інтелектуальні технології оптимізації систем пожежного моніторингу

130

раний / Ф.И. Шаровар. – М.: Стройиздат, 1988. –

336 с.

106.

Шаровар Ф. И. Принципы построения устройств и

систем автоматической пожарной сигнализации / Ф.

И. Шаровар. – М.: Стройиздат, 1983. – 355 с.

107.

Шаровар Ф.И. Устройства и системы пожарной сиг-

нализации / Ф.И. Шаровар. – 2-е изд, перераб. и

доп. – М.: Стройиздат, 1985. – 375 с.

108.

Шостак И.В. Проблемы организации интеллектуа-

льной поддержки принятия решений в информаци-

онно-аналитических системах по ЧС / И.В. Шостак

// Радіоелектронні і комп’ютерні системи. – 2004.–

№3. – С. 115-120.

109.

Штовба С.Д. Проектирование нечетких систем сред-

ствами MATLAB/С.Д. Штовба.– М.: Горячая линия–

Телеком, 2007.– 288 с.

110.

Штойер Р. Многокритериальная оптимизация: тео-

рия, вычисления, приложения / Р. Штойер. – М.: Ра-

дио и связь, 1992. – 504 с.

111.

Эддоус М. Методы принятия решений / М. Эддоус,

Р. Стэнсфилд. − М.: Аудит, ЮНИТИ, 1997. – 590 с.

112.

Back T. Evolutionary computation. / T. Back, D. B.

Fogel, Z. Michalewicz. − IOP Publishing, Bristol and

Philadelphia, 2000. − Vol. 1: Basic algorithms and

operators. − 339 p.

113.

Back T. Evolutionary computation. / T. Back, D. B.

Fogel, Z. Michalewicz. − IOP Publishing, Bristol and

Philadelphia, 2000. − Vol. 2: Advanced algorithms and

operators. − 270 p.

114.

Buckley J.J. Fuzzy neural networks: A survey / J.J.

Buckley, Y. Hayashi // Fuzzy Sets and Systems. –

1994. – Vol. 66. – P. 1-13.

115.

Cordon O.A General study on genetic fuzzy systems /

O. Cordon, F. Herrera // Genetic Algorithms in

engineering and computer science. – 1995. – P. 33-57.

116.

Fejes Toth L. Lagerungen in der Ebene

auf der Kugel

Список використаних джерел

131

und im Raum, zweite Auflage Grundl. Math. Wiss. 65. –

Springer Verlag, Berlin Heidelberg – New York, 1953.

117.

Fuzzy Expert System Tools / M. Schneider, A. Kandel,

G. Langholz, G. Chew. – John Willey & Sons, 1996. –

198 p.

118.

Goldberg D.E. Genetic algorithms in search,

optimization and machine learning / D.E. Goldberg. 

Addison Wesley, 1989.  196 p.

119.

Holland J.H. Adaptation in natural and artificial

systems. An introductory analysis with application to

biology, con-trol and artificial intelligence /

J.H. Holland. – London: Bradford book edition, 1994. –

211 p.

120.

Kosko B. Fuzzy Systems as Universal Approximators /

B. Kosko//IEEE Transactions on Computers. – 1994. –

№ 11.– P. 1329-1333.

121.

Liu Z. Review of recent developments in fire detection

technologies / Z. Liu, A.K. Kim // Journal of Fire

Protec-tion Engineering. – 2003. – V. 13, № 2. – Р.

129-149.

122.

Mamdani E.H. An Experiment in Linquistic Synthesis

with Fuzzy Logic Controller / E.H. Mamdani, S. Assilian

// Int. J. Man-Mashine Studies.− 1975. − № 1. − P. 1-13.

123.

Michalewicz Z. Evolutionary Algorithms for

Constrained Parameter Optimization Problem / Z.

Michalewicz, M. Schoenauer // Evolutionry

Computation. – 1996. – Vol. 4. – № 1. – P. 1-32.

124.

Michalewicz Z. Genetic Algorithms + Data Structures =

Evolution Programs / Michalewicz Z. –Berlin,

Heidelberg, New York, 1996. − 387 p.

125.

PCG-Graphic: Программное обеспечение монитори-

нга адресно-аналоговых пожарных систем. Режим

доступу:

http://www.isecogroup.com/rus/products/?cat=21&s

ub=83&id=25

126.

Rechenberg I.

Evolutionsstrategie “94

Інтелектуальні технології оптимізації систем пожежного моніторингу

132

Rechenberg. – Stuttgart-Bad GannStatt: Frommann

Halzboog. – 1994. − 434 p.

127.

Rumelhart D.E. Learning representation by back-

propaga-tion errors / D.E. Rumelhart, G.E. Hinton, R.J.

Williams // Nature. – 1986. – Vol. 323.– P. 533–

536.

128.

Schwefel H.P. Numerical Optimization of Computer

Models/H.P. Schwefel. − John Wiley&Sons. – 1981. −

398 p.

129.

Susan L. Early warning fire detection system using a

probabilistic neural network / Susan L. Rose-Pehrsson,

Sean J. Hart, Thomas T. Street, Frederick W. Williams

and Mark H. Hammond, et al. – Fire Technology, 2003. –

Vol. 39, Num. 2 – P. 147-171.

130.

Takagi T. Fuzzy identification of systems and its

application to modeling and control / T. Takagi,

M. Sugeno // IEEE Trans. Systems, Man, and

Cybernetics. − 1985. − Vol. 15. − P. 116−132.

131.

Welch S. BRE large compartment fire tests –

Characterising post-flashover fires for model validation

/ S. Welch, A. Jowsey, S. Deeny, and at. – Fire Safety

Journal 52, 2007. – P. 548-567.

132.

Wireless fire monitoring system for ancient buildings /

H. Xu, L. Huang, J. Wu and others / Proc. of the 2nd int.

conference on Scalable information systems (InfoScale

'07). – ICST (Institute for Computer Sciences, Social-

Informatics and Telecommunications Engineering),

Brussels, Belgium, 2007.

133.

Zadeh L.A. Fuzzy logic, neural network and soft compu-

ting / L.A. Zadeh // Communications of the ACM. −

1994. − Vol. 37, № 3. − P. 77-84.

134.

Zadeh L. Fuzzy sets /L. Zadeh// Information and

control.– 1965.  № 8. – P. 338-353.

135.

Zimmermann H.-J. Fuzzy Set Theory and its

Applications / H.-J. Zimmermann. – Kluwer Academic

Publishers, 1997. – 429 p.

Список використаних джерел

133

136.

Zimmermann H.-J. Fuzzy Sets, Decision Making and

Expert Systems / H.-J. Zimmermann. – Kluwer:

Dordrecht, 1987. – 335 p.

137.

Землянський О.М. Еволюційна оптимізація систем

пожежного моніторингу / О.М. Землянський, В.Є.

Снитюк // Матеріали 13-ї Міжн наук.-техн. конф.

«Системний аналіз та інформаційні технології»

(SAIT 2011). – К.: УНК «ИПСА» НТУУ «КПИ», 2011. –

С. 252.

138.

Harti R.E. A global convergence proof for class of

genetic algorithms / R.E. Harti. − Wien: Technische

Universitaet. − 1990. − 136 p.

139.

Сергієнко І.В. Про основні напрями створення інте-

лектуальних інформаційних технологій /

І.В. Сергієнко // Системні дослідження та інформа-

ційні технології. – 2002. – № 1. – С. 39-64.

140.

Субботін С.О. Подання й обробка знань у системах

штучного інтелекту та підтримки прийняття рішень

/ С.О. Субботін. – Запоріжжя: ЗНТУ, 2008. – 341 с.

141.

Попов А.А. Моделирование проектных интеллекту-

альных процедур на ранних этапах синтеза структур

ох- ранно-пожарной сигнализации: дис…. канд.

техн. наук. 05.13.12 – Системы автоматизации проек-

тирования. – Воронеж: ВИВТ, 2006. – 162 с.

Додатки

134

ДОДАТКИ

Додаток А

Рис. A.1. Візуалізація нечітких експертних висновків та

прогнозованого значення (30)

Рис. A.2. Візуалізація нечітких експертних висновків та

прогнозованого значення (35)

Додатки

135

Таблиця А1

Координати можливих точок виникнення пожежі, що ма-

ють рівномірний розподіл

x1 38

x2 25

x1 37

x2 95

x1 7

x2 0

x1 76

x2 53

x1 99

x2 67

100

Рис. А.3. Сукупності потенційних точок виникнення

пожежі

Інтелектуальні технології оптимізації систем пожежного моніторингу

136

0 10 20 30 40 50 60

нормативне розміщення

оптимальне розміщення

Рис. А.4. Розміщення пожежних сповіщувачів

Додатки

137

Додаток Б

Алгоритм оптимізації структури системи пожежної

сигналізації

function ga_new=z(x)

% точки виникнення пожежі --

y1 =[98.5187 56.9130 50.5314 14.8511 61.0546 41.0597 43.6582

76.7119 1.5279 18.8138

95.5676 44.7235 66.1606 19.4219 84.2227 63.2849 73.8344 14.8592

91.0494 38.2546];

% y2 =[4.7302 76.9342 93.7389 33.3657 38.4828 94.0108 77.4853

82.5196 39.4918 9.3131

% 26.5384 22.0916 64.6920 0.6571 65.7178 84.1725 44.4401 0.2623

19.4559 68.0971];

% y3 =[67.6011 12.9733 86.8540 51.3567 74.6619 34.6283 17.9010

61.3887 8.7345 53.1427

% 66.7905 48.2780 2.7860 79.5976 20.5725 68.3673 55.7953 78.4306

37.4406 56.4187];

% y4 =[21.3873 10.7664 56.3150 72.1167 18.9243 0.2002 65.8859

90.4766 31.4418 20.9402

% 91.5436 54.6410 18.8400 41.0437 21.7528 30.8961 31.7191 55.1794

66.8088 90.3926];

% y5 =[92.1779 25.7796 98.6237 12.7693 87.0635 25.8311 2.6877

84.8834 27.0126 18.3131

% 77.0780 59.8671 55.8990 43.2033 82.7196 53.8415 89.3411 18.1749

20.9731 15.4377];

% переписуємо координати сповіщувачів

for i=1:20

j=2*i-1;

jj=2*i;

x1(i)=x(j);

x2(i)=x(jj);

end

% знаходимо матрицю відстаней

for k=1:10

for l=1:20

d(k,l)=((x1(l)-y1(1,k))^2+(x2(l)-y1(2,k))^2)^0.5;

Інтелектуальні технології оптимізації систем пожежного моніторингу

138

end

% ймовірність правильного спрацювання сповіщувачів

p=0.99;

% радіус відповідальності сповіщувача

r=14;

% для кожної точки виникнення пожежі

% знаходимо кількість зон сповіщувачів,

% у яких вона знаходиться

for k=1:10

for j=1:20

s(k)=0;

if d(k,j)<r

s(k)=s(k)+1;

end

if s(k)>0

p1(k)=1-(1-p)^s(k);

else

p1(k)=p-0.1;

end

% Знаходимо відстань до найближчого сповіщувача

for k=1:10

min(k)=150;

for j=1:20

if d(k,j)<min(k)

min(k)=d(k,j);

end

% знаходимо цільову функцію

ga_new=0;

for k=1:10

ga_new=ga_new+1/p1(k)*min(k);

end

Додатки

139

0 10 20 30 40 50 60

нормативне розміщення

оптимальне розміщення

Рис.

А.4.

Розміщення пожежних сповіщувачів

Алгоритм оптимізації структури розміщення

пожежних сповіщувачів у торговому центрі

function ga_new=z(x)

% приміщення 110*200

% радіус відповідальності сповіщувача 3.5

% коефіцієнти пожежної навантаженості

g1=0.352828989;

g2=0.286077559;

g3=0.222504768;

g4=0.106802289;

g5=0.031786395;

% коефіцієнти важливості складових цільової функції

alpha=0.1;

beta=0.1;

gamma=0.3;

delta=0.5;

% Потенційні точки виникнення пожежі, їх 200

y1 =[83.84 42.45

76.05 98.75

Інтелектуальні технології оптимізації систем пожежного моніторингу

140

139.77 90.41

184.93 54.23

168.57 34.95

......................];

% координати сповіщувачів - їх 800

for i=1:20

for j=1:40

x1(i*(j-1)+j)=5*j;

x2(i*(j-1)+j)=5*i;

end;

for i=1:20

for j=1:40

if x1(i*(j-1)+j)>=4.5&x1(i*(j-1)+j)<=42&x2(i*(j-

1)+j)>=87&x2(i*(j-1)+j)<=102

g(i*(j-1)+j)=g1;

elseif x1(i*(j-1)+j)>=47&x1(i*(j-1)+j)<=66&x2(i*(j-

1)+j)>=87&x2(i*(j-1)+j)<=102

g(i*(j-1)+j)=g1;

elseif x1(i*(j-1)+j)>=42&x1(i*(j-1)+j)<56&x2(i*(j-

1)+j)>=56&x2(i*(j-1)+j)<=83

g(i*(j-1)+j)=g2;

elseif x1(i*(j-1)+j)>=42&x1(i*(j-1)+j)<=52&x2(i*(j-

1)+j)>=27&x2(i*(j-1)+j)<=52

g(i*(j-1)+j)=g2;

elseif x1(i*(j-1)+j)>=103&x1(i*(j-1)+j)<=122&x2(i*(j-

1)+j)>=57&x2(i*(j-1)+j)<=82

g(i*(j-1)+j)=g2;

elseif x1(i*(j-1)+j)>=87&x1(i*(j-1)+j)<=122&x2(i*(j-

1)+j)>=32&x2(i*(j-1)+j)<=52

g(i*(j-1)+j)=g2;

elseif x1(i*(j-1)+j)>=137&x1(i*(j-1)+j)<157&x2(i*(j-

1)+j)>=57&x2(i*(j-1)+j)<=82

g(i*(j-1)+j)=g2;

elseif x1(i*(j-1)+j)>=137&x1(i*(j-1)+j)<=157&x2(i*(j-

1)+j)>=32&x2(i*(j-1)+j)<=52

Додатки

141

g(i*(j-1)+j)=g2;

elseif x1(i*(j-1)+j)>=157&x1(i*(j-1)+j)<=162&x2(i*(j-

1)+j)>=32&x2(i*(j-1)+j)<=52

g(i*(j-1)+j)=g2;

elseif x1(i*(j-1)+j)>=67&x1(i*(j-1)+j)<=137&x2(i*(j-

1)+j)>=87&x2(i*(j-1)+j)<=102

g(i*(j-1)+j)=g3;

elseif x1(i*(j-1)+j)>=137&x1(i*(j-1)+j)<=168&x2(i*(j-

1)+j)>=87&x2(i*(j-1)+j)<=102

g(i*(j-1)+j)=g3;

elseif x1(i*(j-1)+j)>=4.5&x1(i*(j-1)+j)<=22&x2(i*(j-

1)+j)>=27&x2(i*(j-1)+j)<=52

g(i*(j-1)+j)=g3;

elseif x1(i*(j-1)+j)>=4.5&x1(i*(j-1)+j)<=22&x2(i*(j-

1)+j)>=57&x2(i*(j-1)+j)<=82

g(i*(j-1)+j)=g3;

elseif x1(i*(j-1)+j)>=137&x1(i*(j-1)+j)<=157&x2(i*(j-

1)+j)>=4.5&x2(i*(j-1)+j)<=27

g(i*(j-1)+j)=g3;

elseif x1(i*(j-1)+j)>=4.5&x1(i*(j-1)+j)<=27&x2(i*(j-

1)+j)>=4.5&x2(i*(j-1)+j)<=27

g(i*(j-1)+j)=g3;

elseif x1(i*(j-1)+j)>=67&x1(i*(j-1)+j)<=103&x2(i*(j-

1)+j)>=4.5&x2(i*(j-1)+j)<=13

g(i*(j-1)+j)=g3;

elseif x1(i*(j-1)+j)>=173&x1(i*(j-1)+j)<=200&x2(i*(j-

1)+j)>=87&x2(i*(j-1)+j)<=102

g(i*(j-1)+j)=g4;

elseif x1(i*(j-1)+j)>=157&x1(i*(j-1)+j)<=172&x2(i*(j-

1)+j)>=57&x2(i*(j-1)+j)<=82

g(i*(j-1)+j)=g4;

elseif x1(i*(j-1)+j)>=174&x1(i*(j-1)+j)<=200&x2(i*(j-

1)+j)>=57&x2(i*(j-1)+j)<=82

g(i*(j-1)+j)=g4;

elseif x1(i*(j-1)+j)>=167&x1(i*(j-1)+j)<=200&x2(i*(j-

1)+j)>=32&x2(i*(j-1)+j)<=52

Інтелектуальні технології оптимізації систем пожежного моніторингу

142

g(i*(j-1)+j)=g4;

elseif x1(i*(j-1)+j)>=157&x1(i*(j-1)+j)<=172&x2(i*(j-

1)+j)>=8&x2(i*(j-1)+j)<=27

g(i*(j-1)+j)=g4;

elseif x1(i*(j-1)+j)>=4.5&x1(i*(j-1)+j)<=22&x2(i*(j-

1)+j)>=4.5&x2(i*(j-1)+j)<=27

g(i*(j-1)+j)=g4;

elseif x1(i*(j-1)+j)>=73&x1(i*(j-1)+j)<=132&x2(i*(j-

1)+j)>=22&x2(i*(j-1)+j)<=27

g(i*(j-1)+j)=g4;

elseif x1(i*(j-1)+j)>=57&x1(i*(j-1)+j)<=72&x2(i*(j-

1)+j)>=4.5&x2(i*(j-1)+j)<=27

g(i*(j-1)+j)=g4;

else

g(i*(j-1)+j)=g5;

end

% знаходимо матрицю відстаней

for k=1:200

for l=1:800

d(k,l)=((x1(l)-y1(k,1))^2+(x2(l)-y1(k,2))^2)^0.5;

end

for k=1:200

for j=1:800

s(k)=0;

if d(k,j)<r

s(k)=s(k)+1;

end

if s(k)>0

p1(k)=1/(1-(1-p)^s(k));

else

p1(k)=1;

end

Додатки

143

end

% Знаходимо відстань до найближчого сповіщувача

for k=1:200

min1(k)=1500;

for j=1:800

if d(k,j)<min1(k)

min1(k)=d(k,j);

ll=g(j);

end

min1(k)=min1(k)*ll;

end

% знаходимо цільову функцію

ga_new=0;

for k=1:200

ga_new=ga_new+1/p1(k)*min1(k);

end

ga_new

144

Олександр Миколайович Землянський

Андрій Петрович Мусієнко

Віталій Євгенович Снитюк

ІНТЕЛЕКТУАЛЬНІ ТЕХНОЛОГІЇ

ОПТИМІЗАЦІЇ СИСТЕМ

ПОЖЕЖНОГО МОНІТОРИНГУ

Монографія

Сборник 31.08.2018 том 1Polsha

Presentation

Full-text available

Aug 2018

Saltanat Aghayeva

НЕОПРЕДЕЛЕННОСТЬ И ПРИЧИННО-СЛЕДСТВЕННЫЙ ПРИНЦИП ОПТИМИЗАЦИИ СИСТЕМ ПОЖАРНОГО МОНИТОРИНГА

Article

Full-text available

Jan 2011

Vitaliy Snytyuk

В статье рассмотрена проблема проектирования и оптимизации систем пожарного мониторинга. Предложен причинно-следственный принцип оптимизации таких систем, в соответствии с которым их надежность и эффективность должны зависеть от количества возможных жертв и масштаба материального ущерба. Разработаны элементы технологии принятия решений при проектировании систем пожарного мониторинга с использованием такого принципа, а также результатов моделирования, полученных на основе применения композиции методов «мягких» вычислений. In this paper the problem of designing and optimization of fire monitoring systems is considered. The cause and effect principle of such systems optimization according to which their reliability and efficiency should depend on quantity of possible victims and scale of property loss is offered. The decision making technology elements by fire monitoring systems designing with use of such principle, and also modeling results received on the basis of composition application of Soft Computing methods is developed.

Fuzzy Set Theory — and Its Applications

Book

Jan 1985

Hans-Jürgen Zimmermann

Fuzzy identification of systems and its application to modeling and control

Article

Jan 1985

Genetic Algorithms In Search, Optimization, and Machine Learning

Article

Jan 1988

David E. Goldberg

Evolutionary algorithms for constrained parameter optimization problems

Article

Jan 1996

Zbignew Michalewicz

Evolutionary computation techniques have received a great deal of attention regarding their potential as optimization techniques for complex numerical functions. However, they have not produced a significant breakthrough in the area of nonlinear programming due to the fact that they have not addressed the issue of constraints in a systematic way. Only recently have several methods been proposed for handling nonlinear constraints by evolutionary algorithms for numerical optimization problems; however, these methods have several drawbacks, and the experimental results on many test cases have been disappointing. In this paper we (1) discuss difficulties connected with solving the general nonlinear programming problem; (2) survey several approaches that have emerged in the evolutionary computation community; and (3) provide a set of 11 interesting test cases that may serve as a handy reference for future methods.

Fuzzy Sets, Decision Making, and Expert Systems

Chapter

Jan 1987

Hans-Jürgen Zimmermann

Many papers in the area of fuzzy sets start with statements such as “Given membership function µ A (x) and assuming that the minimum operator is an appropriate model for the intersection of fuzzy sets.…” If fuzzy set theory is considered to be a purely formal theory, such statements are certainly acceptable, even though some kind of formal justification of these assumptions would be desirable. If, however, fuzzy set theory is used to model real phenomena and we assert these models to be true models of reality then some kind of empirical justification is absolutely necessary.

Early Warning Fire Detection System Using a Probabilistic Neural Network

Article

Apr 2003

The Navy program, Damage Control-Automation for Reduced Manning is focused on enhancing automation of ship functions and damage control systems. A key element to this objective is the improvement of current fire detection systems. As in many applications, it is desired to increase detection sensitivity and,more importantly increase the reliability of the detection system through improved nuisance alarm immunity. Improved reliability is needed, such that fire detection systems can automatically control fire suppression systems. The use of multi-criteria based detection technology continues to offer the most promising means to achieve both improved sensitivity to real fires,and reduced susceptibility to nuisance alarm sources. A multi-criteria early warning fire detection system, has been developed to provide reliable warning of actual fire conditions, in less time, with fewer nuisance alarms,than can be achieved with commercially available smoke detection systems. In this study a four-sensor array and a Probabilistic Neural Network have been used to produce an early warning fire detection system. A prototype early warning fire detector was built and tested in a shipboard environment. The current alarm algorithm resulted in better overall performance than the commercial smoke detectors, by providing both improved nuisance source immunity with generally equivalent or faster response times.

Подання й обробка знань у системах штучного інтелекту та підтримки прийняття рішень: навчальний посібник

Article

Jan 2008

СО Субботін

BRE large compartment fire tests—Characterising post-flashover fires for model validation

Article

Nov 2007
FIRE SAFETY J

Reliable and comprehensive measurement data from large-scale fire tests are needed for validation of computer fire models, but is subject to various uncertainties, including radiation errors in temperature measurement. Here, a simple method for post-processing thermocouple data is demonstrated, within the scope of a series of large-scale fire tests, in order to establish a well characterised dataset of physical parameter values which can be used with confidence in model validation. Sensitivity analyses reveal the relationship of the correction uncertainty to the assumed optical properties and the thermocouple distribution. The analysis also facilitates the generation of maps of an equivalent radiative flux within the fire compartment, a quantity which usefully characterises the thermal exposures of structural components. Large spatial and temporal variations are found, with regions of most severe exposures not being collocated with the peak gas temperatures; this picture is at variance with the assumption of uniform heating conditions often adopted for post-flashover fires.

An Experiment in Linguistic Synthesis with a Fuzzy Logic Controller

Article

Jan 1975

This paper describes an experiment on the “linguistic” synthesis of a controller for a model industrial plant (a steam engine), Fuzzy logic is used to convert heuristic control rues stated by a human operator into an automatic control strategy. The experiment was initiated to investigate the possibility of human interaction with a learning controller. However, the control strategy set up linguistically proved to be far better than expected in its own right, and the basic experiment of linguistic control synthesis in a non-learning controller is reported here.

ІНТЕЛЕКТУАЛЬНІ ТЕХНОЛОГІЇ ОПТИМІЗАЦІЇ СИСТЕМ ПОЖЕЖНОГО МОНІТОРИНГУ Монографія

Abstract

Recommended publications

ІНФОРМАЦІЙНО-АНАЛІТИЧНІ ТЕХНОЛОГІЇ ПРОГНОЗУВАННЯ НАСЛІДКІВ ХІМІЧНИХ АВАРІЙ Монографія

A decision tree in a classification of fire hazard factors

Ontological model of representation of university resources

Інструменти штучного інтелекту у руслі проблематики педагогічної діагностики