МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ

ЧЕРНІГІВСЬКИЙ НАЦІОНАЛЬНИЙ ТЕХНОЛОГІЧНИЙ УНІВЕРСИТЕТ

БУРЛЯЙ ІГОР ВОЛОДИМИРОВИЧ

УДК 004.896.001.63

МЕТОД КЛАСТЕРИЗАЦІЇ СПОСТЕРЕЖЕНЬ

В ІНФОРМАЦІЙНИХ СИСТЕМАХ БАГАТОРІВНЕВОГО

МОНІТОРИНГУ ПОЖЕЖНОЇ БЕЗПЕКИ

05.13.06 – Інформаційні технології

АВТОРЕФЕРАТ дисертації на здобуття наукового ступеня

кандидата технічних наук

Чернігів 2014

Дисертацією є рукопис.

Робота виконана в Черкаському інституті пожежної безпеки ім. Героїв

Чорнобиля Національного університету цивільного захисту України ДСНС України,

м. Черкаси.

Науковий керівник: доктор технічних наук, професор

Голуб Сергій Васильович,

Черкаський національний університет імені Богдана

Хмельницького,

завідувач кафедри інтелектуальних систем прийняття

рішень (м. Черкаси).

Офіційні опоненти: доктор технічних наук, доцент

Шостак Ігор Володимирович,

Національний аерокосмічний університет імені

М. Є. Жуковського,

професор кафедри інженерії програмного забезпечення

(м. Харків);

кандидат технічних наук

Архангельська Юлія Михайлівна,

Дніпропетровський національний університет імені

Олеся Гончара,

доцент кафедри математичного забезпечення

електронних обчислювальних машин

(м. Дніпропетровськ).

Захист відбудеться «03» березня 2015 р. о 1430 на засіданні спеціалізованої

вченої ради К 79.051.03 у Чернігівському національному технологічному

університеті за адресою: 14027, м. Чернігів, вул. Шевченка, 95, ауд 224,

1 навчальний корпус.

З дисертацією можна ознайомитися у бібліотеці Чернігівського національного

технологічного університету (14027, м. Чернігів, вул. Шевченка, 95).

Автореферат розісланий «23» січня 2015 р.

Вчений секретар спеціалізованої

вченої ради, к.т.н., доц. Р. В. Заровський

1

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. Присутність, розробка та використання продуктів

інтелектуальної діяльності людини, що отримує вихід у вигляді сучасних

інформаційних технологій, обчислювальній техніці, засобах зв’язку, інших

предметних сферах вказують на їх домінуючу складову у житті суспільства.

Водночас в діяльності пожежно-рятувальних відзначено майже повну відсутність

автоматизованих аналітичних систем, які дозволяють розв’язувати актуальні задачі

підвищення ефективності процесів обробки даних, перетворення форми інформації

та пошуку необхідної інформації в глобальному інформаційному просторі.

Динамічна зміна навколишнього середовища, в тому числі і зміна стану пожежної

безпеки, приводить до зміни зв’язків між об’єктами. Внаслідок цього відбувається

зниження адекватності моделей, які складають основу системи моніторингу

пожежної безпеки. Постає необхідність розв’язання задачі збереження адекватності

синтезованих моделей в умовах зміни зв’язків між характеристиками об’єктів

моніторингу, що може розв’язуватися шляхом дослідження та розроблення методів і

алгоритмів розбиття інформаційних моделей об'єктів на класи.

З даного питання найбільш перспективним напрямком є застосування методів

кластеризації. Кластеризація є одним з найважливіших інструментів

інтелектуального аналізу даних (Data Mining), дозволяє виявити спільні властивості

у точок спостережень багатовимірних даних, спростити синтез багатовимірних

моделей, виявити нетипові об’єкти тощо.

Найважливіший внесок у розвиток кластерного аналізу зроблено такими

вченими, як Айвазян С. А., Мандель І. Д., Загоруйко Н. Г., Бухштабер В. М.,

Вятченін Д. А., Бирюков А. С., Жамбю М., Bezdek J., Grabusts P., Halkidi M., Fern X.,

Topchy A., Milligan G., Wang H. та ін. Цими авторами розроблено ряд методів і

алгоритмів кластеризації багатовимірних моделей об’єктів. Проте існують питання,

які не знайшли свого повного розв’язку, зокрема використання кластеризації первинного опису процесів з метою підготовки масивів вхідних даних при синтезі їх

багатовимірних моделей, виявлення спільних властивостей спостережень тощо.

Використання вказаних методів створює умови для розробки та розгортання

Єдиної Державної Системи оперативно-диспетчерського управління Державної

служби України з надзвичайних ситуацій (ДСНС України) які вимагають створення

інформаційної системи багаторівневого моніторингу пожежної безпеки.

Дослідження в галузі розробки прикладних систем підтримки прийняття

рішень, створення інформаційно-аналітичного забезпечення та моделювання

процесів в різній предметній області проводилися рядом вітчизняних та зарубіжних

вчених, які створили відповідну теоретичну та методологічну базу в області

системного аналізу, теорії нечітких множин, автоматизованих систем управління,

прикладної статистики, моделювання складних систем та методів прийняття рішень.

Вказані питання розглядалися в роботах Бусленка М.П., Івахненка О.Г.,

Месаровича М.Д., Литвинова В.В., Морозова А.О.

Актуальність розроблення методів і алгоритмів кластеризації спостережень

інформаційної системи багаторівневого моніторингу пожежної безпеки обумовлена

2

тим, що вони дозволяють підвищити інформативність вихідних сигналів системи

моніторингу пожежної безпеки шляхом підвищення різноманітності її алгоритмів

перетворення даних, тобто шляхом збільшення кількості властивостей об’єктів

моніторингу, що відображені в її структурі. Тому задача розробки та дослідження

методів й алгоритмів кластеризації спостережень інформаційної системи

багаторівневого моніторингу пожежної безпеки та положення центрів кластерів,

умов зупинки процесу пошуку кластерів є актуальною.

Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна

робота безпосередньо пов’язана з планами наукових досліджень, які виконані за

тематикою кафедри «Техніка» Академії пожежної безпеки імені Героїв Чорнобиля

по темі: «Багатошарові моделі в технології моніторингу пожежної безпеки з

багаторівневим перетворенням інформації», термін виконання листопад 2012 р. –

грудень 2013 р. (№ держ. реєстр. 0112U008407).

Мета і завдання дослідження. Метою дисертаційної роботи є підвищення

точності та адекватності результатів моделювання предметної галузі інформаційної

системи багаторівневого моніторингу пожежогасіння за рахунок підвищення

інформативності масиву вхідних даних шляхом кластеризації спостережень.

Для досягнення зазначеної вище мети необхідно вирішити такі задачі:

провести аналіз моделей, методів та інструментальних засобів, які

застосовуються суб’єктами процесу пожежегасіння та підготовки

підрозділів до виконання оперативних завдань для прийняття рішень;

розробити метод виявлення спільних властивостей у точок спостережень

первинного опису процесу пожежогасіння з метою їх наступного

використання в якості масивів вхідних даних при синтезі їх багатовимірних

моделей;

розробити метод структуризації масивів вхідних даних інформаційних

систем багаторівневого моніторингу пожежної безпеки з метою

підвищення їх профілізації для більш повного відображення властивостей

цих об’єктів в структурі їх багатовимірних моделей;

розробити метод та засіб виявлення та оцінки взаємної впливовості

факторів, що визначають перебіг процесу пожежогасіння;

розробити інформаційну технологію багаторівневого моніторингу процесів

пожежогасіння.

Об'єкт дослідження – процеси обробки даних та перетворення форми

інформації в технологіях моніторингу процесів пожежогасіння.

Предмет дослідження – моделі, методи та інструментальні засоби

кластеризації спостережень інформаційної системи багаторівневого моніторингу

пожежної безпеки, методи моделювання об’єктів та процесів пожежогасіння.

Методи дослідження. Дисертаційне дослідження базується на роботах

вітчизняних та закордонних фахівців в області методів кластерного аналізу,

системного аналізу, систем моніторингу, автоматизованих систем управління,

прикладної статистики, теорії прийняття рішень, технології програмування.

Наукова новизна отриманих результатів полягає в тому, що:

вперше

3

запропоновано новий метод кластеризації точок спостережень за результатами

моделювання, який заключається у виявленні їх спільних властивостей та

групуванні точок за цими властивостями, що, на відміну від існуючих,

використовує для оцінювання відстані між точками характеристики окремих

моделей із множини побудованих за цим масивом даних. Це дозволяє

згрупувати точки спостереження за спільністю впливу факторів, що визнають

перебіг процесу пожежогасіння;

запропоновано новий метод формування масивів вхідних даних для синтезу

багатовимірних моделей складних систем, який, на відміну від існуючих,

визначає перелік точок спостереження в багатовимірному просторі ознак

цього масиву шляхом їх кластеризації за результатами моделювання, що

дозволяє підвищити точність даних моделей.

удосконалено

метод виявлення впливовості факторів, що визначають перебіг пожежогасіння,

за результатами дослідження моделей на чутливість до зміни значень цих

факторів шляхом побудови та випробування багатошарових моделей процесу

пожежогасіння;

одержало подальший розвиток

застосування технології створення інформаційних систем багаторівневого

моніторингу за рахунок удосконалення процесів формування масивів вхідних

даних, що дозволило розширити можливості інформаційних систем

моніторингу процесів пожежогасіння та підвищити адекватність моделей,

побудованих на їх основі.

Практичне значення: розроблена інформаційна технологія багаторівневого моніторингу пожежної

безпеки з кластеризацією точок спостережень;

розроблена методика багаторівневого моніторингу пожежної безпеки з

кластеризацією точок спостережень;

на основі ІТ та методики БМПБ розроблено інструментальний засіб у

вигляді ІС підтримки прийняття рішення при проведенні профілізації підготовки

підрозділів відповідно до особливих територіальних умов;

результати роботи розробленої ІС можуть мати застосування в інших

прикладних галузях, зокрема при розробці рекомендацій щодо раціоналізації

процесу проектування та виготовлення пожежної техніки при формуванні

технічного завдання з визначення параметрів пожежно-рятувальних автомобілів.

Результати дисертаційного дослідження використовуються в практичній

діяльності підрозділів ДСНС в Запорізькій та Черкаській областях, під час

проектування та виготовлення пожежної техніки на заводі ТОВ «Компанія «Тітал»,

в навчальному процесі Академії пожежної безпеки імені Героїв Чорнобиля при

викладанні дисциплін «Інформатика та комп’ютерна техніка», «Інформаційне

забезпечення діяльності підрозділів ДСНС», «Інформаційне забезпечення пожежної

охорони», «Автоматизовані системи управління та зв’язок».

Особистий внесок здобувача. Дисертаційна робота є самостійною

закінченою науковою працею. Нові наукові результати дисертації отримані

4

здобувачем особисто. У працях, виконаних у співавторстві, особистий внесок

здобувача полягає в такому: запропоновано побудову та випробування

багатошарових моделей процесу пожежогасіння для виявлення переліку факторів,

що визначають перебіг процесу пожежогасіння [1-5], запропоновано та

підтверджено гіпотезу, за якою кластеризацію точок спостережень масиву вхідних

даних (МВД) необхідно проводити за результатами їх моделювання [6, 7],

запропоновано схему процесу оптимізації складу кластеру [8], запропоновано

технологію інформаційної системи багаторівневого моніторингу пожежної безпеки з

кластеризацією точок спостереження [9, 10], запропоновано реалізацію

інформаційно-управляючої системи пожежного автомобіля в складі автоматизованої

системи оперативного управління [11-13], запропоновано основні принципи

розробки та структура системи підтримки прийняття рішення в складі

автоматизованої системи оперативного управління [14-16], запропоновано

використання методів комп’ютерного моделювання при дослідженні підсистем

радіозв’язку в складі автоматизованої системи оперативного управління [17-24].

Апробація результатів дисертації. Основні наукові, теоретичні положення та

практичні результати дисертаційної роботи доповідалися і обговорювалися на:

Міжнародній науковій конференції UNITECH (м. Габрово, Болгарія, 2012-

2013);

Міжнародній науково-практичної конференції молодих вчених і

спеціалістів «Проблемы техносферной безопасности» (м. Москва, Росія, 2013-2014);

Міжнародній науково-технічній конференції «Системний аналiз та

iнформацiйнi технологiї» (м. Київ, 2010-2014);

14-й Всеукраїнській науково-практичній конференції рятувальників (м.

Київ, 2012);

Міжнародній науково-технічній конференції «Інтегровані комп’ютерні

технології в машинобудуванні» (м. Харків, 2005-2006).

Міжнародній науково-практичній конференції «Обробка сигналів і

негауссівських процесів» (м. Черкаси, 2007, 2009-2011);

Всеукраїнській науково-практичній конференції «Інформаційні технології

в освіті, науці та техніці» (м. Черкаси, 2010);

Міжнародній конференції з автоматичного управління «Автоматика-2010»

(м. Харків, 2010)

Міжнародній науково-технічній конференції «Обчислювальний інтелект»

(м. Черкаси, 2011);

Міжнародній науково-практичній конференції «Теорія та практика гасіння

пожеж та ліквідації надзвичайних ситуацій» (м. Черкаси, 2012-2013).

Публікації. Основні результати дисертації викладені в 24 наукових

публікаціях, з них 2 у закордонному профільному журналі, 12 у наукових фахових

виданнях, 9 у тезах доповідей на конференціях, 1 у звіті з НДР.

Структура та обсяг дисертації. Дисертаційна робота складається зі вступу,

п’яти розділів, висновків, списку використаних джерел та додатків. Обсяг роботи

складає 161 сторінку основного тексту; робота містить 12 таблиць, 50 рисунків, 3

додатки, список використаних джерел із 156 найменувань.

5

ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі обґрунтовано актуальність теми дисертаційної роботи,

сформульовано мету і завдання роботи, показано наукову новизну та практичне

значення отриманих результатів, показано зв'язок роботи з науковими програмами

кафедри, планами і темами. Наведено дані про впровадження результатів роботи, їх

апробацію, публікації та особистий внесок здобувача.

У першому розділі виконаний аналіз сучасного стану інформаційно-

аналітичних систем пожежного моніторингу, обробки та пошуку інформації, а також

сучасного стану методів та алгоритмів багаторівневих систем перетворення

інформації та кластеризації інформаційних моделей об'єктів.

Показано, що найбільш перспективними сучасними інформаційними

технологіями є паралельно-ієрархічні та пірамідальні багаторівневі системи

перетворення інформації та методи синтезу багатошарових моделей. Вказано на

необхідність застосування ефективних методів і алгоритмів кластеризації в сучасних

інформаційних технологіях.

Проведено аналіз ієрархічних і неієрархічних методів кластеризації щодо

вирішення завдань побудови інформаційних систем багаторівневого пожежного

моніторингу.

Розкрито основні переваги неієрархічних методів кластеризації: гнучкість і

можливість виконувати багатоваріантні дослідження. Показано, що основними

проблемами при застосуванні неієрархічних методів кластеризації є велика

розмірність інформаційних ознак інформаційних моделей досліджуваних об'єктів і

адаптація метрики для оцінки близькості інформаційних моделей об’єктів.

Проведено аналіз ефективних методів зниження розмірності досліджуваного

простору, ознак, вибору й адаптації метрики для оцінки міри близькості

досліджуваних об’єктів.

Враховуючи отримані результати інформаційно-аналітичного пошуку

поставлені завдання дослідження, що дозволяють отримати нові методи та засоби

обробки результатів пожежного моніторингу, що дозволять досягнути мети цієї

роботи.

У другому розділі наведено деталізований опис об’єктів та процесів

дослідження, а саме оперативних дій пожежно-рятувальних підрозділів з організації

гасіння пожеж, подано математичну постановку задачі кластеризації точок

спостереження інформаційної системи багаторівневого моніторингу пожежної

безпеки. Формальна постановка задачі кластеризації полягає в наступному.

Існує масив вхідних даних у вигляді матриці (1), отриманий як результат

спостережень за об’єктами та процесами пожежогасіння

11 12 1 11 12 1

21 22 2 21 22 2

1 2 1 2

... ...

... ...

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

... ...

n m

n m

k l kn k k km

x x x y y y

x x x y y y

x x x y y y

, (1)

6

де xij – j-та характеристика стану підрозділів та об’єкта i-го спостереження процесу

пожежогасіння, yij – j-та характеристика втрат ресурсів i-го спостереження процесу

пожежогасіння, k – кількість спостережень; n – кількість характеристик процесу і

підрозділів пожежогасіння та його результатів, m – кількість характеристик втрат

ресурсів та інших результатів пожежогасіння.

Кожен рядок матриці відображає точку спостереження у багатовимірному

просторі характеристик процесу пожежогасіння. Наперед відомо, що існує перелік

точок спостережень, що поєднують в собі чисельні характеристики впливаючих

факторів Х = {x1, x2, …, xn}, на результати яких Y = {y1, y2, …, ym} значимо впливали

одні і ті ж фактори

1

, , 1,n

jjY f X W w

(2)

де 1 2, ,..., nW w w w , вектор вагових коефіцієнтів моделі (оцінок впливовості

кожного з факторів xi, що ввійшли до структури цієї моделі). Оцінки впливовості

факторів отримують в результаті дослідження моделей, що характеризуються

точністю, адекватністю та стійкістю, на чутливість за допомогою виразу

1

100%.n

i i i

i

W F F

(3)

Необхідно для модельованого значення втрат (часу гасіння пожежі) створити

метод кластеризації точок спостережень, що дозволяє отримати масив вхідних

даних у вигляді матриці (4)

11 12 1 1

2

1 2

...

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

...

n

k k kn k

x x x y

y

x x x y

(4)

що вміщує послідовність точок спостережень (Xi, yj), XiХ, i=1,k, де

Xi = {xi1, xi2,…,xin} – масив характеристик стану підрозділів об’єкту i-ї точки

спостереження процесу пожежогасіння, yj – j-та характеристика втрат ресурсів в

результаті пожежі для даної точки спостереження, який дозволяє розв’язати задачу

ідентифікації функціональної залежності jy f X , за умови одержання

максимальної якості моделей синтезованих для кожного кластеру окремо відповідно

критерію

*

1

min,

ki і

i i

y y

y

k

(5)

де k – кількість спостережень послідовності; yi* – змодельоване значення залежної

змінної; yi – дійсне значення залежної змінної.

7

З метою адаптації існуючої стратегії пожежогасіння до умов, що виникли на

даному об’єкті, необхідно виявити перелік впливових факторів Xd X, оцінити їх

впливовість W та сформувати перелік керуючих впливів, що приведуть до

мінімізації витрати часу та інших ресурсів на гасіння пожежі, а також втрат в

результаті надзвичайної ситуації.

Необхідно створити алгоритм кластеризації у вигляді функції

: , ,i ia X y r (6)

де r – номер кластера який утворює множину кластерів R; (Xі, yj) – спостереження.

Алгоритм кластеризації кожному спостереженню (Xі, yj) ставить у відповідність

номер кластера r R. При цьому потужність множини R наперед не відома.

Оскільки кожен масив вхідних даних (МВД) має свої властивості, тому кількість

кластерів для кожного масиву буде різниться.

В якості масиву вхідних даних пропонується використовувати спостереження

за результатами заповнення карток обліку пожежі.

У третьому розділі досліджуються алгоритми кластеризації при формуванні

моделей інформаційних систем багаторівневого моніторингу пожежної безпеки, в

основі яких лежать методи ізотонічного, ізоморфного розбиття та створюється

метод кластеризації точок спостереження процесів пожежогасіння за результатами

моделювання. Показано, що при моделюванні процесів пожежогасіння за

переважною більшістю кластерів спостерігається зниження середньої похибки

результатів моделювання. Цього вдається досягнути за рахунок підвищення

однорідності точок спостереження в результаті їх кластеризації.

Аналізуючи результати кластеризації, представлені на рис. 1, 2, необхідно

зазначити, що при застосуванні кластеризації із ізоморфним та ізотонічним

розбиттям, спостерігається нерівномірний розподіл значення похибки по кластерам

даних та аномально високі похибки по деяким кластерам.

Таким чином отримано експериментальне підтвердження гіпотези про

доцільність застосування процесів кластеризації точок спостережень первинного

опису в процесі формування моделей різнорідних об’єктів та процесів

пожежогасіння. Доведено, що при первинній обробці результатів моніторингу

процесів пожежогасіння різнорідних об’єктів застосування кластеризації дозволяє

сформувати якісні моделі.

Виявлено також, що застосування існуючих методів кластеризації не

забезпечує точності та адекватності моделей, синтезованих за кожним кластером. З

метою усунення цього недоліка розроблений новий метод кластеризації точок

спостереження.

Метод кластеризації точок спостереження процесів пожежогасіння за

результатами моделювання базується на гіпотезі, що кластеризацію спостережень

МВД необхідно проводити за результатами їх моделювання.

8

Рисунок 1 – Результати випробування МВД при ізоморфному розбитті

Рисунок 2 – Результати випробування МВД при ізотонічному розбитті

В якості кластеризатора використовується найкраща індуктивна модель, що

отримана за багаторядним алгоритмом метод групового урахування аргументів

(МГУА) в результаті послідовного випробування моделей, отриманих із

використанням множини їх опорних виглядів при заданій мінімальній похибці

моделювання

1 0

1 1 1 1

,..., ...n n n n n n

n i i ij i j ijk i j k

i i j i j i k j

Y x x a a x a x x a x x x

. (7)

В якості залежної змінної при синтезі моделі використовувався час ліквідації

пожежі. В якості незалежних змінних використовувались показники стану

підрозділів та об’єктів пожежогасіння. Вибір кращої моделі здійснювався за

критерієм регулярності (5).

Масив вхідних даних містив 1000 спостережень, що відображали

характеристики пожежогасіння на території Черкаської області впродовж 2009 року.

Кластеризація проводилась за алгоритмом, поданим на рис. 3.

На рис. 4 подані характеристики кластерів МВД. Обчислювались дві

характеристики кластера, а саме: середня абсолютна похибка моделювання

*

1

ki і

i i

y yk

y

, (8)

9

де k – кількість спостережень послідовності; yi* – змодельоване значення залежної

змінної; yi – дійсне значення залежної змінної; та коефіцієнт кореляції Пірсона

(кореляція похибок із залежною змінною).

Рисунок 3 – Алгоритм кластеризації.

Рисунок 4 – Характеристики кластерів

Як видно із рис. 4, при синтезі моделей за МВД, сформованим на основі

кластеризації точок спостереження за новим методом, досягнуто прийнятної

точності моделювання за всіма кластерами; спостереження розподілено таким

чином, що стало можливим побудувати моделі із прийнятними характеристиками

точності. За таких умов множина вагових характеристик W може бути використана

в якості оцінок впливовості факторів достатньої достовірності. На рис. 5 подана

діаграма впливовості факторів, розрахованих для моделей кожного кластера.

10

Рисунок 5 – Діаграма впливовості факторів пожежогасіння

В розділі розглядається питання зростання інформативності вихідних сигналів

системи моніторингу пожежної безпеки, що досягається шляхом підвищення

різноманітності її алгоритмів перетворення даних, тобто шляхом збільшення

кількості властивостей об’єктів моніторингу, що відображені в її структурі. Це

досягається двома шляхами: збільшенням інформативності МВД за рахунок

проведення кластеризації точок спостереженням та підвищення різноманітності

алгоритмів синтезу моделей.

Запропоновано та досліджено процес оптимізації кластеризації, який дозоляє

синтезувати точні, адекватні та стійкі моделі. Похибка моделювання при цьому

зменшується в середньому на 16,2%.

Для створення інформаційної моделі застосовувався багаторівневий алгоритм

МГУА. Для наближення до ідеальної структури та різноманітності інформаційної

моделі була використана здатність алгоритмів евристичної самоорганізації

формування зв’язків між інформативними сигналами. Це відбувається шляхом

додавання до сигналів первинного опису (ПО) моделі попередніх рівнів. Таким

чином отримано додаткові сигнали, які підвищують інформативність синтезованих

моделей.

Рециркуляційне повторення цієї процедури (рис. 6) дозволило сформувати

структуру багатошарової моделі та підвищити адекватність відображення в моделі

корисної інформації МВД.

МВД (х1,х2,...,хn)

Шар 1y=f(х1,х2,...,хn)

Шар 2y1=f(х1,х2,...,хn,у)

Критерій зупинки рециркуляції

Шар 3y2=f(х1, х2,..., хn, у, y1)

Шар Nym+1=f(х1, х2,..., хn, у, y1,..., ym)

Критерій зупинки рециркуляції

Рисунок 6 – Функціональна схема синтезу багатошарової моделі

11

На рис. 7, 8, 9, 10 представлені результати визначених вагових коефіцієнтів (3)

методу багатошарового синтезу моделей у процесі структурно-функціональної

ідентифікації функціональної залежності (2).

Рисунок 7 – Значення вагових коефіцієнтів для шару 1

Рисунок 8 – Значення вагових коефіцієнтів для шару 2

Рисунок 9 – Значення вагових коефіцієнтів для шару 3

12

Рисунок 10 – Значення вагових коефіцієнтів моделей для шару 4

Запропоновано використовувати синтез багатошарових моделей для

стратифікації параметрів моделей за їх впливовістю. Отримано експериментальне

підтвердження гіпотези про зростання точності інформації при багатошаровому її

перетворенні.

Розроблена інформаційна технологія, яка складається із 2 етапів:

1. Побудова моделей-кластеризаторів;

2. Побудова моделі для дослідження кластерів даних з метою виявлення

показників впливовості факторів та встановлення ієрархії параметрів

моделі.

На рис. 11 приведено UML-діаграму розробленої інформаційної технології.

Дані

Отримання даних

Формування

вимог до ПО

Створення

ПО

Кластеризація точок спостереження та формування МВД

Синтез багатовимірних моделей процесу пожежогасіння.

Виявлення взаємної залежності факторів, що визначають

перебіг пожежогасіння

Формування кластерів

Створення

переліку МВД

Запуск

кластеризації

Використання

ПО

Запуск

синтезатора

Створення

моделей

Визначення вагових

коефіцієнтів

Встановлення ієрархії

впливовості факторів

Проведення профілізації

підготовки підрозділів

Формування табличної

інформації

Формування візуальної

інформації

Подання результату

Вихід

Рисунок 11 – Інформаційна технологія системи багаторівневого моніторингу

пожежної безпеки

У четвертому розділі дано опис процесу реалізації інформаційної технології у

вигляді інформаційної системи багаторівневого моніторингу пожежної безпеки

(ІС БМПБ). В роботі наведено опис складових частин та функціональних

13

можливостей інформаційної системи багаторівневого моніторингу пожежної

безпеки з кластеризацією точок спостереження.

На базі програмного комплексу «Автоматизована система багаторівневого

перетворення інформації» (АСБПІ) (рис. 12) було розроблено інформаційну систему

«Інформаційна система багаторівневого моніторингу пожежної безпеки з

кластеризацією точок спостереження» обробки та аналізу точок спостережень

ІСБМПБ для виявлення схожих випадків пожеж та застосування отриманої

інформації для профілізації підготовки оперативних підрозділів пожежогасіння для

боротьби з типовими для даної адміністративної території класами пожеж.

Рисунок 12 – Схема інтеграції запропонованих рішень в інформаційній системі

багаторівневого моніторингу пожежної безпеки з кластеризацією точок

спостереження

Згідно технології побудови інформаційної системи багаторівневого

моніторингу пожежної безпеки була розроблена ІС БМПБ з кластеризацією точок

спостереження, що призначена для збору, зберігання, аналізу, обробки та видачі

графічної та текстової інформації, що відображає стан пожежної безпеки, а також

значення характеристик впливовості факторів пожежогасіння на стан пожежної

безпеки.

На рис. 13 приведено графічне зображення розробленого методу кластеризації

МВД. Умовою зупинки кластеризації є досягнення стану, коли всі спостереження

кластеризовані або, коли для окремих спостережень неможливо побудувати моделі,

похибка яких менше наперед заданого значення .

Модель-кластеризатор синтезується за багаторядним алгоритмом МГУА. В

якості залежної змінної при синтезі моделі використовувався час ліквідації пожежі.

В якості незалежних змінних використовувались показники стану підрозділів та

об’єктів пожежогасіння, отриманих за карток обліку пожеж.

14

Підтвердження отримано

Підтвердження не отримано

Експерт

надходить

Налашту вання синтезатора

в ідбу лось

налаштовує

Запу ск синтезатора в ідбу вся

запускає

Точки із \delta < \delta_max

у творили кластер

Кластер записаний в базу

надходить

Умова зу пинки кластеризації

перевірена

отримується

отримується

Точки, що не вв ійшли до кластера,

виділені

ПО сформовано

формує

формує

Моделі за похибками зранжовано

використовується

Synthesizer

надходить

відбувається

ранжує

утворює кластер

записує

перевіряє

надходить

Точки спостереження

змодельовано

надходять

виконує

Модель синтезована

синтезує

надходить

Модель

синтезована

Рисунок 13 – Метод кластеризації точок спостереження за характеристиками

результатів моделювання

На рис. 14 наведено алгоритм формування структури моделі-кластеризатора.

Якщо не перший ряд

Synthesizer

(from Use Case View)

АСМ

МВД на послідовності розбитий

передаєотримує

Генерація 1-го ряду селекції

відбулася

Генерує

Навчання моделей проведено

Навчає

Випробування моделей

проведено

Випробовує

Наступний ряд селекції

згенеровано

Навчає

Ранжування моделей проведено

Ранжує

Отримано негативний результат

Генерує

Умову зупинки селекції

перевірено

Перевіряє

Отримує

Отримано позитивний результат

Отримує

Повернення на попередній ряд

селекції відбулося

Реалізує

Вибір кращої моделі проведено

Вибирає

Формування повного виду моделі

проведено

Формує

Отримані результати

використано

Вагові коефіцієнти визначені

ВизначаєВикористовує

Рисунок 14 – Структура моделі-кластеризатора на базі алгоритму МГУА

Другим етапом розробленої інформаційної технології багаторівневого

моніторингу пожежної безпеки є етап дослідження кластерів даних, які

використовуються в якості МВД, з метою виявлення та дослідження показників

впливовості факторів.

15

Для створення інформаційної моделі застосовувався багаторівневий алгоритм

МГУА. Для наближення до ідеальної структури та різноманітності інформаційної

моделі слід використати здатність алгоритмів евристичної самоорганізації

формування зв’язків між інформативними сигналами. Це відбувається шляхом

додавання до сигналів ПО моделі попередніх рівнів. Таким чином отримуємо

додаткові сигнали, які підвищують інформативність синтезованих моделей.

Рециркуляційне повторення цієї процедури (рис. 15) дозволяє сформувати структуру

багатошарової моделі та підвищити адекватність відображення в моделі корисної

інформації ПО.

Якщо не перший ряд

(from АСМ11)

Випробування моделей

проведено

(from АСМ11)

Наступний ряд селекції

згенеровано

(from АСМ11)

Ранжування моделей

проведено

(from АСМ11)

Ранжує

Отримано негативний

результат

(from АСМ11)

Генерує

Умову зупинки селекції

перевірено

(from АСМ11)

Перевіряє

Отримує

Отримано позитивний

результат

(from АСМ11)

Отримує

Повернення на попередній ряд

селекції відбулося

(from АСМ11)

Реалізує

Вибір кращої моделі

проведено

(from АСМ11)

Вибирає

Навчання моделей проведено

(from АСМ11)

Випробовує

Навчає

Модель занесено до бази

Заносить

Отримано негативний

результат

Перевірку критерію зупинки

рецеркуляції проведено

ПроводитьВия...

Отримано позитивний

результат

(from АСМ11)

Виявляє

Формування повного виду

моделі проведено

(from АСМ11)

Формує

Зупинку рециркуляції

проведено

Зупиняє

Вагові коефіцієнти визначені

(from АСМ11)

Визначає

Генерація 1-го ряду селекції

відбулася

(from АСМ11)

Навчає

ПО для наступного шару

моделей сформовано

Формується

АСМ

(from АСМ11)

МВД на послідовності

розбитий

(from АСМ11)

отримує

Генерує

Використовується

Метод багатошарового

синтезу моделей реалізовано

Визначає

Отримані результати

використано

(from АСМ11)

Використовує

Synthesizer

(from Use Case View) передає

Користувача повіломлено

Повідомляє

Надходить

Рисунок 15 – Метод багатошарового синтезу моделей за окремими кластерами

Схематично функціональну структуру ІС БМПБ з кластеризацією точок

спостереження можна представити у вигляді трьох блоків: інформаційного,

аналітичного та вихідної інформації (рис. 16).

Інформаційний блок містить блок карток обліку пожеж, який забезпечує

формування БД по всім випадкам пожеж, що сталися в Україні протягом звітного

періоду (1 рік) за визначеними нормативними показниками. Даний блок дозволяє

отримати інформацію в зручному, для формування ПО, вигляді та має зворотній

зв’язок з аналітичним блоком та блоком вихідної інформації, що може бути

використано з метою уточнення переліку характеристик за результатами

пожежогасіння.

16

Рисунок 16 – Структурна схема ІС БМПБ з кластеризацією точок спостереження

Аналітичний блок складає ядро технології обробки даних ІСБМПБ з

кластеризацією точок спостереження та уявляє собою сукупність математичних

методів для розв'язання задач ІС БМПБ з кластеризацією точок спостереження.

Блок вихідної інформації призначений для подання інформації за результатами

кластеризації та дослідження МВД шляхом застосування методу багатошарового

синтезу моделей у формі, яка оптимальна для прийняття рішень з профілізації

підготовки пожежно-рятувальних підрозділів та спеціалізації оснащення пожежно-

рятувальних автомобілів (блок аналізу результатів моделювання). Є можливість

формування текстів та звітів, збереження інформації у файли різних форматів (блок

виведення інформації в текстовій та графічній формі).

П’ятий розділ містить результати практичної реалізації інформаційної

системи багаторівневого моніторингу пожежної безпеки для виявлення та оцінки

взаємної впливовості факторів, що визначають перебіг процесу пожежогасіння із

застосуванням даних ІСБМПБ у Запорізькій області.

Дослідження містить такі складові:

1. Побудова моделей-кластеризаторів;

2. Побудова моделі для дослідження кластерів даних з метою виявлення

показників впливовості факторів та встановлення ієрархії параметрів моделі;

3. Розв’язання практичної задачі спеціалізації підготовки рятувальників

відповідно до оперативно-тактичних характеристик районів обслуговування

пожежно-рятувальних підрозділів.

МВД складається із 657 спостережень отриманих протягом 2012 року за

результатами оперативної діяльності підрозділів Головного управління міністерства

з надзвичайних ситуацій України (ГУ МНС) у Запорізькій області. З них 640

спостережень використовуються в якості навчальної вибірки, 17 спостережень

використовуються в якості тестової вибірки.

Масив даних досліджувався за розробленою методикою, яка покликана

вирішити задачі інформаційної підтримки пожежно-рятувальних підрозділів та

дозволяє, зокрема, впливати на зниження часу пожежогасіння, який пов’язаний із

втратами від пожеж шляхом:

1. Підвищення поінформованості керівника гасіння пожежі (керівника

оперативного підрозділу);

2. Спеціалізацію підготовки підрозділу пожежогасіння;

3. Виявлення якісних і кількісних характеристик ресурсів необхідних для

гасіння пожежі даного типу.

17

Вказані шляхи зменшення втрат від пожеж досягаються за рахунок:

1. Виявлення схожих випадків пожеж;

2. Виявлення впливаючих факторів;

3. Дослідження показників впливовості факторів;

4. Застосування отриманої інформації для профілізації підготовки

оперативних підрозділів пожежогасіння для боротьби з типовими для даної

адміністративної території типами пожеж.

Досліджувалась залежність часу пожежогасіння від характеристик

впливаючих факторів з метою підтвердження гіпотези про те, що в якості відстані

між спостереженнями за процесом пожежогасіння може бути використана похибка

моделювання часу пожежогасіння, отримана в результаті роботи створених моделей

в кожній точці спостереження МВД. В якості ознак схожості використовуються

показники впливовості факторів, які визначають перебіг пожежогасіння.

Для дослідження МВД використовувався розроблений метод кластеризації

точок спостережень.

За результатами моделювання утворено 15 кластерів (табл. 1) та залишок,

який складається зі спостережень для яких неможлива побудова моделі із заданими

характеристиками точності, стійкості та адекватності. Отримані 15 кластерів

відповідають умові по заданій мінімальній похибці моделювання спостереження.

Для залишку отримано аномально високі значення середньої похибки моделювання,

що свідчить про високу зашумленість даних.

Таблиця 1

Результати моделювання для моделей-кластеризаторів

№ з/п Номер кластеру

Кількість

спостережень

МВД

Результати моделей-кластеризаторів

Середня похибка

моделювання, , % СКВ

1 Без кластеризації 640 59,5 2765,10

2 1 371 2,32 333,24

3 2 77 2,12 133,47

4 3 42 2,79 118,79

5 4 21 2,89 122,59

6 5 14 2,00 59,64

7 6 4 3,06 14,42

8 7 9 2,30 41,55

9 8 6 1,84 22,47

10 9 8 1,93 11,79

11 10 9 2,94 62,58

12 11 7 2,25 40,06

13 12 4 2,37 47,90

14 13 7 2,94 55,11

15 14 5 2,59 28,58

16 15 6 2,35 54,02

18

Кластери даних, з метою виявлення показників впливовості факторів та

встановлення ієрархії параметрів моделі, досліджувалися шляхом перевірки

отриманих багатошарових моделей (рис. 17) на чутливість за допомогою виразу (3).

Для синтезу моделі застосовувався багаторядний алгоритм МГУА. Для

наближення до ідеальної структури та різноманітності інформаційної моделі була

використана здатність алгоритмів евристичної самоорганізації формування зв’язків

між інформативними сигналами шляхом додавання до сигналів МВД моделі

попередніх рівнів, що дозволяє підвищити інформативність синтезованих моделей.

Результати підвищення якості моделей-кластеризаторів наведено в таблиці 2. У цій

таблиці вказано кількість шарів моделі для оптимізації кластеру при якій

забезпечується точність, адекватність та стійкість моделі.

Таблиця 2

Результати моделювання для багатошарової моделі

№ з/п

Номер кластеру

Кількість шарів

моделі для

оптимізації

кластеру

Результати моделювання для

багатошарової моделі

Середня похибка

моделювання, , % СКВ

1 Без кластеризації - 59,5 2765,10

2 1 23 1,23 207,62

3 2 14 0,49 48,04

4 3 6 1,05 33,06

5 4 7 0,10 6,36

6 5 1 2 59,64

7 6 1 3,06 14,42

8 7 5 0,16 3,40

9 8 5 0,37 3,76

10 9 6 0,41 3,26

11 10 11 0,03 0,35

12 11 5 0,02 0,10

13 12 6 0,27 8,75

14 13 6 1,44 33,98

15 14 2 0,61 1,82

16 15 15 0,13 6,92

На рис. 17 подана діаграма впливовості факторів, розрахованих для моделей 1-

го кластера. Визначена множина вагових характеристик W може бути використана в

якості оцінок впливовості факторів достатньої достовірності.

В процесі дослідження виявлено, що застосування методу кластеризації точок

спостереження за результатами моделювання при побудові інформаційної системи

оперативного пожежного моніторингу для території Запорізької області має ряд

особливостей. В деяких випадках при побудові багатошарових моделей за точками

окремих кластерів досягається гранична якість моделі на першому шарі. Це

19

відбувається при мінімальній кількості точок в одному кластері. Визначення

мінімальної кількості цих точок є предметом наступних досліджень.

Рисунок 17 – Діаграма впливовості факторів, розрахованих для моделей 1-го

кластера

Порівнюючи результати, подані в таблиці 1 та 2, можна зазначити, що:

1. При побудові багатошарової моделі на основі кластерів 5, 6 змін значення

середньої похибки моделювання та СКВ не відбулося, що свідчить про

виключну ефективність кластеризації;

2. Середня похибка моделювання точок по іншим кластерам зменшується з

59,5% (для некластеризованих даних) до 2,43% після проведення

кластеризації за результатами моделювання та до 0,49% при побудові

багатошарових моделей за отриманими кластерами;

3. Значення СКВ зменшується на (37,62-99,75)%;

4. Похибка моделювання точок спостереження залишку зменшилась від

429,77% до 22,8%, значення СКВ – від 1295,8 до 700,7.

Аналіз множини вагових характеристик W та діаграми впливовості факторів,

розрахованих для моделей 1-го кластеру дозволяє визначити, які фактори

спричинили найбільш суттєвий вплив на ефективність гасіння пожеж в житловому

секторі підрозділами оперативно-рятувальної служби ГУ МНС у Запорізькій

області.

ОСНОВНІ РЕЗУЛЬТАТИ І ВИСНОВКИ

У дисертаційній роботі розв’язана важлива наукова задача підвищення

ефективності процесів прийняття рішень суб’єктами підготовки пожежно-

рятувальних підрозділів до оперативних дій та організації оперативних дій з

ліквідації пожеж шляхом розробки нових методів кластеризації точок спостережень

20

та формування масивів вхідних даних інформаційної системи багаторівневого

пожежного моніторингу.

При цьому отримано такі результати:

1. Проведено аналіз моделей, методів та інструментальних засобів, які

застосовуються суб’єктами процесу пожежегасіння та підготовки підрозділів до

виконання оперативних завдань. Це дозволило оцінити ефективність

використання існуючих методів та засобів інформаційної підтримки процесів

оперативного управління пожежогасінням та сформулювати задачі наукових

досліджень;

2. Розроблено метод виявлення спільних властивостей у точок спостережень

первинного опису процесу пожежогасіння з метою їх наступного використання

в якості масивів вхідних даних при синтезі їх багатовимірних моделей.

Запропоновано в якості відстані між спостереженнями за процесом

пожежогасіння використати характеристики результатів моделювання, що

дозволило розробити новий метод формування масивів вхідних даних та

забезпечити профілювання точок спостережень;

3. Розроблено метод структуризації масивів вхідних даних інформаційних систем

багаторівневого моніторингу пожежної безпеки з метою підвищення їх

профілізації для більш повного відображення властивостей цих об’єктів в

структурі їх багатовимірних моделей. Запропоновано новий метод кластеризації

спостережень масивів вхідних даних, який заключається у виявленні їх

спільних властивостей та групуванні спостережень за цими властивостями, що,

на відміну від існуючих, використовує в якості міри схожості характеристики

моделей. Це дозволило підвищити точність моделей та використати результати

кластеризації для профілізації підготовки підрозділів пожежогасіння та їх

технічного забезпечення. Похибка моделювання в досліджуваних умовах

зменшується з 42,42% для некластеризованих даних до 4,28%;

4. Розроблено метод та засіб виявлення та оцінки взаємної впливовості факторів,

що визначають перебіг процесу пожежогасіння. Удосконалено метод виявлення

взаємної залежності факторів, що визначають перебіг пожежогасіння шляхом

синтезу та дослідження багатошарових моделей, який на відміну від

одношарових моделей дозволяє виявити ієрархічне поєднання цих факторів за

напрямком їх взаємних впливів. Це дозволяє визначати пріоритетність

застосування керуючих впливів в процесі оперативного управління

пожежогасінням, підвищуючи таким чином ефективність прийнятих рішень;

5. На основі отриманих результатів розроблена інформаційна технологія

багаторівневого моніторингу процесу пожежогасіння, яка дозволяє

автоматизувати процеси обробки інформації в інформаційній системі

багаторівневого моніторингу пожежної безпеки з метою спеціалізації

підготовки пожежно-рятувальних підрозділів у відповідності із врахуванням

особливостей виникнення пожеж на даній адміністративній території.

21

СПИСОК ОСНОВНИХ ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ

ДИСЕРТАЦІЇ

1. Holub S. The accuracy improving of modelling of firefighting process in the

information system of fire safety monitoring / S. Holub, I. Burliai. // Journal of the

Technical University of Gabrovo. – 2014. – №47. – С. 13–16.

2. Бурляй И. В. Применение метода кластеризации по модели в информационной

технологии оперативного пожарного мониторинга [Електронний ресурс] / И. В.

Бурляй, С. В. Голуб // Электронный научный журнал "Отраслевые аспекты

технических наук". – 2014. – Режим доступу до ресурсу: http://www.branch-

aspects-of-technical-sciences.ingnpublishing.com/archive/2014/

release_1_37_january-february/burlyaj_i_v_golub_s_v_primenenie_metoda_ klasteri

zacii_po_modeli_v_informacionnoj_tehnologii_operativnogo_pozharnogo_monitoring

a1/.

3. Голуб С. В. Застосування кластеризації при формуванні моделей інформаційних

систем багаторівневого моніторингу пожежної безпеки / С. В. Голуб, І. В.

Бурляй. // Системи обробки інформації. – 2014. – №4. – С. 203–208.

4. Голуб С. В. Підвищення ефективності кластеризації за результатами

моделювання в інформаційній технології оперативного пожежного моніторингу /

С. В. Голуб, І. В. Бурляй. // Системи обробки інформації. – 2014. – №2. – С. 253-

257.

5. Голуб С.В. Багатошарове перетворення даних в інформаційних системах

багаторівневого моніторингу пожежної безпеки / С. В. Голуб, І. В. Бурляй. //

Збірник наукових праць Харківського університету Повітряних Сил. – 2014. –

№1. – С. 246-251.

6. Голуб С. В. Структуризація масивів вхідних даних в інформаційній технології

оперативного моніторингу пожежогасіння / С. В. Голуб, І. В. Бурляй. //

Радіоелектронні і комп’ютерні системи. – 2013. – № 5. – С. 23-30.

7. Багатошаровi моделi в технологiї монiторингу пожежної безпеки з

багаторiвневим перетворенням iнформацiї [Текст]: звiт про НДР (закл.) 30.11.13 /

Академiя пожежної безпеки iменi Героїв Чорнобиля; керiвн. С.В. Голуб; вiдпов.

викон.: I.В. Бурляй. – Черкаси, 2013. – 27 с. – Iнв. № 0112U008407.

8. Бурляй І.В. Дослідження характеристик систем професійного мобільного

радіозв’язку підрозділів оперативно-рятувальної служби в складі

автоматизованої системи оперативного управління // Вісник Черкаського

державного технологічного університету. – 2009. – № 2. – С. 9-13.

9. Бурляй І. В. Моделювання антенно-фідерних пристроїв системи радіозв’язку

пожежно-рятувального автомобіля / І. В. Бурляй, О. М. Джулай, В. В. Зайвий. //

Вісник Черкаського державного технологічного університету. – 2009. – №2. – С.

63–66.

10. Бурляй І.В. Технічні засоби вдосконалення конвенціональних систем

радіозв’язку пожежно-рятувальних підрозділів // Збірник наукових праць

«Пожежна безпека» ЛДУ БЖД, УкрНДІПБ МНС України. – 2008. - №13. – С.

146-153.

22

11. Бурляй І.В. Система завадостійкої передачі даних інформаційно-управляючої

системи пожежного автомобіля // Науковий журнал Національного

транспортного університету «Управління проектами, системний аналіз і

логістика». – 2008. - №5. – С. 60-63.

12. Бурляй І.В. Нові підходи оцінювання стійкості каналів зв’язку радіокомплексів

підрозділів оперативно-рятувальної служби // Вестник национального

технического университета Украины «КПИ». Машиностроение. – 2007. – 51. – С.

106-110.

13. Бурляй І.В. Дослідження впливу особливостей розміщення техніки в умовах

ліквідації надзвичайної ситуації на характеристики антенно-фідерної системи

аварійно-рятувальних автомобілів // Вісник Черкаського державного

технологічного університету. – 2007. – № 3-4. – С. 47-50.

14. Бурляй І.В. Комп’ютерне моделювання діаграми направленості антен мобільних

систем зв’язку / І. В. Бурляй, С. В. Стась // Вісник Черкаського державного

технологічного університету. – 2006. – № 4. – С. 61-64.

15. І.В. Бурляй. Дослідження характеристик антено-фідерних пристроїв системи

радіозв’язку оперативно-рятувальної служби // Збірник наукових праць

«Пожежна безпека» ЛДУ БЖД, УкрНДІПБ. – 2006. - №9. – С. 53-58.

16. Holub S. Classification of observations for technologies of processing of monitoring

results of fire fighting process / S. Holub, I. Burliai. // ISC UniTech’13. –2013. – V.ІI.

– p.155-161.

17. Бурляй И.В., Голуб С.В. Многослойные модели характеристик процесса

пожаротушения в технологии мониторинга пожарной безопасности // Системний

аналiз та iнформацiйнi технологiї: матерiали 15-ї Мiжнародної науково-технiчної

конференцiї SAIT 2013, Київ, 27-31 мая 2013 р. / ННК “IПСА” НТУУ “КПI”. –

К.: ННК “IПСА” НТУУ “КПI”, 2013. с. 404-405.

18. Бурляй И.В. Многоуровневое преобразование информации в технологиях

мониторинга пожарной безопасности // Материалы 2-й международной научно-

практической конференции молодых ученых и специалистов «Проблемы

техносферной безопасности-2013». – М.: Академия ГПС МЧС России, 2013. – с.

6-8.

19. Holub S. Multilayer models with multilevel information transformation in technology

of fire safety monitoring / S. Holub, I. Burliai. //. ISC UniTech’12. – 2012. – V.І. –

p. 464-466.

20. Бурляй І.В. Розробка теоретичних положень інформаційно-управляючої системи

пожежного автомобіля // Інтелектуальні системи прийняття рішень та проблеми

обчислювального інтелекту: Матеріали міжнародної наукової конференції. Том

1. – Херсон: ХНТУ, 2010. – С. 166 - 170.

21. Бурляй І.В. Основні принципи розробки та структура системи підтримки

прийняття рішення в складі автоматизованої системи оперативного управління //

Матеріали 11-ї Міжнародної науково-технічної конференції SAIT 2009 (26-30

травня 2009 р., м. Київ). – К.: ННК «ІПСА» НТУУ «КПІ», 2009. – С. 465.

22. Бурляй И.В. Теоретическая разработка узлов доступа к вычислительным сетям с

использованием технологий транкинговой радиосвязи// Матеріали ІІІ

23

Міжнародної науково-практичної конференції «Природничі науки та їх

застосування в діяльності служби цивільного захисту». – Черкаси, АПБ, 2009. –

С. 34-35.

23. Бурляй І.В. Формування структури автоматизованої системи оперативного

управління рятувальними підрозділами на базі технологій PAMR і телефонної

мережі загального користування // Збірник тез доповідей ІХ міжнародної

науково-практичної конференції «Пожежна безпека-2009». – Львів: ЛДУ БЖД,

2009. – С. 9 -10.

24. Бурляй И.В., Джулай А.Н. Теоретические аспекты разработки информационно-

управляющей системы пожарного автомобіля // Технические и социально-

гуманитарные аспекты профессиональной деятельности ГПС МЧС России:

проблемы и перспективы [Текст]: Материалы IV международной научно-

практической конференции / Сост. Ю.З. Иншаков, А.Н. Шуткин, Л.И. Ярмонов.

– Воронеж, 2009. – С. 50-53.

АНОТАЦІЇ

Бурляй І.В. Метод кластеризація спостережень в інформаційних системах

багаторівневого моніторингу пожежної безпеки. - Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за

спеціальністю 05.13.06 – інформаційні технології. – Чернігівський національний

технологічнй університет, Чернігів, 2014.

У дисертаційній роботі розв’язано наукову задачу розроблення методу

кластеризації спостережень в інформаційній системі багаторівневого моніторингу

пожежної безпеки. Вперше запропоновано використовувати кластеризацію з метою

формування МВД для подальшого створення багатошарових моделей процесу

пожежогасіння для виявлення ієрархії взаємної впливовості факторів, що

визначають його перебіг та розроблено метод кластеризації точок спостережень

масивів вхідних даних за результатами моделювання, який заключається у

виявленні їх спільних властивостей та групуванні точок за цими властивостями, що,

на відміну від існуючих, використовує для оцінювання відстані між точками

характеристики окремих моделей із множини побудованих за цим масивом даних

Отримала подальший розвиток методологія створення інформаційних систем

багаторівневого моніторингу за рахунок удосконалення процесів формування

масивів вхідних даних, що дозволило розширити можливості інформаційних

систем моніторингу процесів пожежогасіння та підвищити точність моделей,

побудованих на їх основі. Удосконалено метод виявлення переліку факторів, що

визначають перебіг пожежогасіння, за результатами дослідження моделей на

чутливість до зміни значень цих факторів шляхом побудови та випробування

багатошарових моделей процесу пожежогасіння. Це дозволяє виявити ієрархію

взаємної впливовості цих факторів та визначати пріоритетність застосування

керуючих впливів в процесі оперативного управління пожежогасінням. Ключові слова: інформаційна технологія, індуктивна модель, кластер,

кластеризація за моделлю, багатошаровий синтез, первинний опис, масив вхідних

даних, моніторинг, пожежогасіння.

24

Бурляй И.В. Метод кластеризация наблюдений в информационных системах

многоуровневого мониторинга пожарной безопасности. - Рукопись.

Диссертация на соискание ученой степени кандидата технических наук по

специальности 05.13.06 - информационные технологии – Черниговский

национальный технологический университет, Чернигов, 2014.

В диссертационной работе решена важная научная задача разработки метода

кластеризации наблюдений в информационной системе многоуровневого

мониторинга пожарной безопасности. Проведен анализ моделей, методов и

инструментальных средств, применяемых субъектами процесса пожаротушения и

подготовки подразделений к выполнению оперативных задач. Это позволило

оценить эффективность использования существующих методов и средств

информационной поддержки процессов оперативного управления пожаротушением.

Определена структура исходной информации и впервые предложено использовать

кластеризацию с целью формирования МВД для дальнейшего создания

многослойных моделей процесса пожаротушения для выявления иерархии взаимной

влияния факторов, определяющих его течение.

Разработан метод кластеризации точек наблюдений массивов входных данных

по результатам моделирования, который заключается в выявлении их общих

свойств и группировке точек по этим свойствами, который, в отличие от

существующих, использует для оценки расстояния между точками характеристики

отдельных моделей из множества построенных по этому массиву данных. Получила

дальнейшее развитие методология создания информационных систем

многоуровневого мониторинга за счет совершенствования процессов формирования

массивов входных данных, что позволило расширить возможности

информационных систем мониторинга процессов пожаротушения и повысить

точность моделей, построенных на их основе. Усовершенствован метод выявления

перечня факторов, определяющих ход пожаротушения, по результатам

исследования моделей на чувствительность к изменению значений этих факторов

путем построения и испытания многослойных моделей процесса пожаротушения.

Это позволяет выявить иерархию взаимного влияния этих факторов и определять

приоритетность применения управляющих воздействий в процессе оперативного

управления пожаротушением.

Теоретические и практические результаты диссертационной работы

использованы при разработке программного обеспечения информационной системы

многоуровневого мониторинга пожарной безопасности с кластеризацией точек

наблюдения. Предложенный метод и алгоритмы были использованы для реализации

математического обеспечения кластерного анализа информационных моделей

объектов процессов пожаротушения. Отличительной особенностью разработанной

ситемы является ее ориентация на работу с зашумленными данными. Это позволило

повысить эффективность современных информационных технологий анализа

информационных моделей процесса пожаротушения.

Ключевые слова: информационная технология, индуктивная модель, кластер,

кластеризация по модели, многослойный синтез, первичное описание, массив

входных данных, мониторинг, пожаротушение.

25

Burliai I.V. The method of clustering of observations in information systems of

the multilevel monitoring of fire safety. - Manuscript.

PhD thesis (candidate of technical science) by specialty 05.13.06 - information

technology. – Chernihiv national university of technology, Chernihiv, 2014.

The thesis is devoted to solving an important scientific problem of developing a

method of clustering of observations in the information systems of multilevel monitoring

of fire safety. Analyzed models, methods and tools used by the subjects of the process of

firefighting and training of fire departments to perform operational tasks. It is allowed us

to estimate effectiveness of existing approaches and informing tools of operational

processes of extinguishing control. Determined the structure of the initial information and

was first proposed to use clustering to form the IDA for further creating of multilayer

models of firefighting process for detecting of mutual influence of the factors that

determine its course.

Developed the method of clustering of observation points of input data array on the

results of modeling, which consists in revealing their common properties and grouping

points on these properties, which, unlike existing uses to estimate the distance between the

points of the individual characteristics of a variety of models built on this dataset. Was

further developed methodology of creation of information system of multilevel monitoring

by improving the processes of formation of input data arrays, which expanded the

capabilities of information monitoring system of firefighting processes and improve the

accuracy of models, based on these data. Improved method of revealing list of factors that

determine the course of firefighting process, according to research on the sensitivity of the

models to changes of values of these factors by building and testing multilayer models of

the firefighting process.

Key words: information technology, inductive model, cluster, clustering by model,

multilayer synthesis, the initial description, input data array, monitoring, fire fighting.