УДК 004.89 Прикладные системы искусственного интеллекта. Интеллектуальные системы, обладающие знаниями
УДК 614.842.83 Пожарные службы
В статье рассматривается прогнозирование пожаров в Республике Абхазия с использованием современных методов интеллектуального анализа данных и машинного обучения. В начале статьи приводится анализ статистических данных о пожарах в Республике с 2013 года по 2022 год. На графиках представлены данные о частоте и распределении пожаров по времени и территории, материальный ущерб, наносимый пожарами в каждом из районов Республики. Представлены данные о количестве проводимых профилактических мероприятий и количестве гибели людей на пожарах. Анализ позволяет выявить ключевые паттерны и тенденции, которые послужат основой для разработки прогностической модели, позволяющей, в свою очередь, повысить эффективность управления в сфере пожарной безопасности. В следующей части статьи описываются исходные данные задачи о разработке нейронной сети на языке Python, выраженные в требованиях и ограничениях. Архитектура модели, включает входной слой, скрытые слои и выходной слой, отвечающий за прогнозирование количества пожаров и гибель людей в будущем. Для реализации нейронной сети использовались библиотеки Python, такие как xlrd, pandas, numpy, neurolab, Matplotlib и tensorflow. Рассматриваются этапы обучения модели, валидация и тестирование полученных результатов. В заключительной части статьи приводится сравнение полученных результатов разработанной нейронной сети с результатами сетей, доступных в интернете, таких как deepseek и ChatGPT. Показаны сильные и слабые стороны различных моделей, а также потенциальные методы улучшения прогностических способностей. В заключение указывается на важность дальнейших исследований в области интеграции различных источников данных и методов машинного обучения для повышения точности прогнозов и эффективности управления пожарной безопасностью
прогнозирование пожаров и гибели людей, нейронная сеть, статистический анализ, управление пожарной безопасностью
1. Закон О пожарной безопасности: Закон Республики Абхазия от 21.07.2021 No 5180-с-VI // Президент Абхазии: сайт. - URL: http://presidentofabkhazia.org/upload/iblock/af1/ZRA-O-POZHARNOY-BEZOPASNOSTI.pdf.
2. Захаров В. Интеллектуальные технологии в современных системах управления // Проблемы теории и практики управления. - 2005. - No 4. - С. 96-100. EDN: https://elibrary.ru/KVSPMD
3. Пранов Б.М. О некоторых подходах к моделированию и прогнозированию временных рядов пожарной статистики // Технологии техносферной безопасности. - 2014. - No 5 (57). - С. 5. - URL: http://ipb.mos.ru/ttb. EDN: https://elibrary.ru/TLPNLZ
4. Кайбичев И.А., Кайбичева Е.И. К вопросу об адекватности модели Кобба - Дугласа при прогнозировании временных рядов пожарной статистики // Техносферная безопасность. - 2019. - No 2 (23). - С. 3-15. EDN: https://elibrary.ru/KSCWOI
5. Кайбичев И.А., Кайбичева Е.И. Регрессионный анализ временного ряда количества пожаров в России // Сибирский пожарно-спасательный вестник. - No 2. - С. 49-53.
6. Батуро А.Н. Прогнозирование количества пожаров в регионе на основе теории временных рядов // Технологии гражданской безопасности. - 2013. - Том 10, No 3 (37). - С. 84-88. EDN: https://elibrary.ru/REMCHR
7. Матеров Е.Н. Использование языка программирования R в вопросах пожарной безопасности: анализ статистики количества пожаров на основе теории временных рядов // Сибирский пожарно-спасательный вестник. - 2019. - No 1. - С. 52-57. EDN: https://elibrary.ru/PAZTYM
8. Матеров Е.Н. Использование языка программирования R в вопросах пожарной безопасности: анализ главных компонент // Сибирский пожарно-спасательный вестник. - 2019. - No 2. - С. 49-53. EDN: https://elibrary.ru/TZYISD
9. Национальная ассоциация противопожарной защиты (NFPA). Ущерб от пожаров в США. - 2020. - URL: https://www.nfpa.org/.
10. Лю Ю., Чжан М. Прогнозирование риска возникновения пожара с помощью машинного обучения: обзор // Моделирование окружающей среды и программное обеспечение. - 2021. - Том 137. - С. 104977. -. DOI:https://doi.org/10.1016/j.envsoft.2021.104977
11. Ли Чжунчжи. Прогнозирование площади, охваченной лесными пожарами, с помощью нейронной сети с долговременной кратковременной памятью и механизмом внимания // Пожарная техника. - 2021. - Том 57. - С. 1-23. -. DOI:https://doi.org/10.1007/s10694-021-01142-4
12. Олейников В.Т., Мосягин А.А. Возможность прогнозирования опасных ситуаций в субъектах РФ на основе нейронных сетей // Институт проблем безопасности (ИПБ): сайт. - URL: http://www.ipb.mos.ru/konf/2004/sb-2004/sec-2-04/2.68.pdf.
13. Станкевич Т.С. Разработка метода оперативного прогнозирования динамики развития лесного пожара с помощью искусственного интеллекта и глубокого машинного обучения // Вестник Иркутского государственного технического университета. - 2018. - Т. 22, No 9. - С. 111-120. EDN: https://elibrary.ru/YGGSLR
14. Хайкин С. Нейронные сети: полный курс: пер. с англ. / под ред. Н.Н. Куссуля, А.Ю. Шелестова. - 2-е изд., испр. - М.: Издательский дом "Вильямс", 2008. - 1103 с.
15. Искусственные нейронные сети и приложения: учеб. пособие / Ф.М. Гафаров, А.Ф. Галимянов. - Казань: Изд-во Казан. ун-та, 2018. - 121 с.
16. Нейронная сеть Deepseek [Электронный ресурс] // Deepseek Chat: сайт. - URL: https://chat.deepseek.com/.
17. Нейронная сеть ChatGPT [Электронный ресурс] // OpenAI: сайт. - URL: https://chatgpt.com/.
18. Дмитриева Е.Г. Проблемы защиты персональных данных в цифровом мире и пути их решения // Право и бизнес. - 2021. - No 3. EDN: https://elibrary.ru/MQYBJB
19. Бычков А.И. Проблемы защиты персональных данных. - М.: Инфотропик Медиа, 2020. - 116 с.
