10.26731/2658-3704.2021.2(10).13-24
В статье приведена классификация чрезвычайных ситуаций, а также проанализированы статистические данные Министерства Российской Федерации по делам гражданской обороны, чрезвычайным ситуациям и ликвидации последствий стихийных бедствий за 2016-2019 гг. Рассмотрены основные задачи сотрудников аварийно-спасательной службы. Проанализированы научные работы по математическому моделированию: чрезвычайных ситуаций; размещения пожарно-спасательных депо в городах и сельской местности Российской Федерации на базе компьютерной имитационной системы «КОСМАС»; фронта пламени; построения оптимальной выборки огнетушителей; системы поддержки принятия решений при управлении пожаротушением. Выявлены закономерности развития и перспективные направления применения методов математического моделирования чрезвычайных ситуаций.
1. Безопасность // Гражданская защита: Энциклопедия в 4 томах. Т. IV (Т – Я) (издание третье, переработанное и дополненное); под общей ред. В.А. Пучкова / МЧС России. М.: ФГБУ ВНИИ ГОЧС (ФЦ), 2015. 496 с. илл.
2. ГОСТ Р 12.3.047-2012 Система стандартов безопасности труда (ССБТ). Пожарная безопасность технологических процессов. Общие требования. Методы контроля. Утвержден и введен в действие Приказом Федерального агентства по техническому регулированию и метрологии от 27 декабря 2012 г. N 1971-ст. Дата введения 2014-01-01. – URL: http://docs.cntd.ru/document/1200103505 (дата обращения: 08.03.2021). – Текст: электронный.
3. О защите населения и территорий от чрезвычайных ситуаций природного и техногенного характера (с изменениями на 8 декабря 2020 года): Федеральный закон № 68-ФЗ: [принят Государственной Думой 11 ноября 1994 года]. – Москва, Кремль, официальный интернет-портал правовой информации www.pravo.gov.ru, 08.12.2020, N 000120201208009;
4. О классификации чрезвычайных ситуаций природного и техногенного характера (с изменениями на 20 декабря 2019 года): Постановление Правительства Российской Федерации: [принят Государственной Думой от 21 мая 2007года] – Москва, Кремль, Российская газета, N 110, 25.05.2010.
5. О состоянии защиты населения и территорий Российской Федерации от чрезвычайных ситуаций природного и техногенного характера в 2019 г.: государственный доклад. – М.: МЧС России; ФГБУ ВНИИ ГОЧС (ФЦ), 2020. – 259 с.
6. Брушлинский Н. Н., Соколов С. В. Об одной математической модели анализа и управления сложными процессами // Пожары и чрезвычайные ситуации: предотвращение, ликвидация. 2013. № 3. С. 45-47.
7. Латкин М. А., Степанова М. Н., Васюткина Д. И. Этапы создания математической модели чрезвычайной ситуации // Инновационная наука. 2015. №10. С. 26-29.
8. Математические модели и алгоритмы для автоматизированного управления процессами ликвидации чрезвычайных ситуаций: дис. ... кандидата физико-математических наук: 05.13.01 / Ин-т проблем точ. механики и управ. РАН. Саратов. 2006. С 168.
9. Гринченко Б. Б., Топольский Н. Г., Тараканов Д. В. Информационные ресурсы поддержки управления безопасностью работ в непригодной для дыхания среде // Пожаровзрывобезопасность. 2019. №28 (5). С. 51-58.
10. Коробейничев О. П., Герасимов И. Е., Гончикжапов М. Б., Терещенко А. Г., Глазнев Р. К., Трубачев С. А., Шмаков А. Г., Палецкий А. А., Карпов А. И., Шаклеин А. А., Кумар А., Рагхаван В. Экспериментальное исследование и численное моделирование распространения пламени по поверхности пластины ПММА // Пожаровзрывобезопасность. 2019. № 28 (4). С. 15-28.
11. Кожевин Д. Ф., Сорокин И. А., Поляков А. С. О рациональном объеме выборки огнетушителей для проведения сертификационных испытаний на огнетушащую способность // Пожаровзрывобезопасность 2016. № 25 (8). С. 68-74.
12. Брушлинский Н. Н., Соколов С. В., Алехин Е. М., Коломиец Ю. И., Вагнер П. Опыт применения компьютерных имитационных систем моделирования деятельности экстренных служб // Пожаровзрывобезопасность. 2016. № 25 (8). С. 6-16.
13. Захаров И. А. Информационно-аналитическая поддержка управления пожарно-спасательными подразделениями при реагировании на крупные пожары: дис. ... кандидата технических наук: 05.13.10 / Акад. гос. противопожарной службы МЧС России. М., 2018. С 129.
14. Белов В. А. Проектирование гарнизонов пожарной охраны на основе технологий имитационного моделирования: дис. ... кандидата технических наук: 05.13.10 / Академия ГПС МЧС России. М., 2010. С 149.
15. Вилисов В. Я. Моделирование уровня риска решений, принимаемых при управлении ликвидацией пожаров // Пожаровзрывобезопасность 2019. № 28 (3) С. 36-49.
16. Брушлинский Н. Н., Клепко Е. А., Соколов С. В. Риски крупных пожаров: динамика и прогнозирование // Пожаровзрывобезопасность. 2005. № 14 (4). С. 76-83.
17. Брушлинский Н. Н., Соколов С. В., Клепко Е. А., Попков С. Ю. Оценка пожарных рисков в муниципальных образованиях калужской области // Технологии техносферной безопасности. 2011. № 2 (36). С. 7.
18. Нгуен Куанг Тхыонг Методы и модели надежности, эффективности и безопасности сложных технических систем в конфликтных ситуациях: автореферат дис. ... доктора технических наук: 05.13.16 / Тверской гос. университет. Тверь. 1999. С. 34.
19. Калинина Е. С. Вопросы математического моделирования в задачах безопасности сложных технических систем // Природные и техногенные риски (физико-математические и прикладные аспекты). 2017. № 4 (24). С. 12-16.
20. Носков С. И., Удилов В. П. Управление системой обеспечения пожарной безопасности на региональном уровне. Иркутск, 2003.
21. Носков С. И. Приложение математических моделей к анализу эколого-экономических систем Новосибирск, 1988.
22. Носков С. И., Подушко В. Г., Удилов В. П. Газификация сельской местности: целевое программирование пожарной безопасности. Тюмень, 1999.
23. Носков С. И., Удилов В. П., Филипушков С. В., Потороченко Н. А. Проблемы математического моделирования в пожарной охране // Проблемы борьбы с преступностью в современных условиях. Мат-лы Межд. научно-практической конф.- Иркутск. 1995. т.4.
24. Носков С. И., Удилов В. П, Сиянов А. А., Филипушков С. В. Оценка пожарной опасности и безопасности административно- территориальных единиц // Проблемы борьбы с преступностью в современных условиях. Мат-лы Межд. научно-практической конф. Иркутск. 1995. т.4.
25. Носков С. И., Удилов В. П., Потороченко Н. А. Исследование динамики гибели людей на пожарах в России математическими методами // Проблемы борьбы с преступностью в современных условиях. Мат-лы Межд. научно-практической конф.- Иркутск.- 1995.- т.4.
26. Носков С. И. Технология моделирования объектов с нестабильным функционированием и неопределенностью в данных. Иркутск, 1996.
27. Носков С. И., Баенхаева А. В. Множественное оценивание параметров линейного регрессионого уравнения. // Современные технологии. Системный анализ. Моделирование. 2016. № 3 (51). С. 133-138.
28. Головченко В. Б., Носков С. И. Оценивание параметров эконометрической модели по статистической и экспертной информации // Автоматика и телемеханика. 1991. №4. С.123-132.
29. Носков С. И., Врублевский И. П. Регрессионная модель динамики эксплуатационных показателей функционирования железнодорожного транспорта // Современные технологии. Системный анализ. Моделирование. 2016. № 2 (50). С. 192-197.
30. Lakeyev A. V., Noskov S. I. A description of the set of solutions of a linear equation with interval defined operator and right-hand side // Doklady Mathematics. 1993. Т. 47. № 3. С. 518.
31. Базилевский М.П., Носков С.И. Алгоритм формирования множества регрессионных моделей с помощью преобразования зависимой переменной // Международный журнал прикладных и фундаментальных исследований. 2011. № 3. С. 159-160.
32. Базилевский М.П., Носков С.И. Алгоритм построения линейно-мультипликативной регрессии // Современные технологии. Системный анализ. Моделирование. 2011. № 1 (29). С. 88-92.
33. Носков С. И., Протопопов В. А. Оценка уровня уязвимости объектов транспортной инфраструктуры: формализованный подход // Современные технологии. Системный анализ. Моделирование. 2011. № 4 (32). С. 241-244.
34. Базилевский М. П. Синтез модели парной линейной регрессии и простейшей EIV-модели // Моделирование, оптимизация и информационные технологии. 2019. №1 (24). С. 170-182.
35. Базилевский М. П. Исследование двухфакторной модели полносвязной линейной регрессии // Моделирование, оптимизация и информационные технологии. 2019. №2 (25). С. 80-96.
36. Базилевский М. П. Сведение задачи отбора информативных регрессоров при оценивании линейной регрессионной модели по методу наименьших квадратов к задаче частично-булевого линейного программирования // Моделирование, оптимизация и информационные технологии. 2018. №1 (20). С. 108-117.
37. Базилевский М. П. Оценивание параметров простейшей модели полносвязной линейной регрессии // Достижения и приложения современной информатики, математики и физики: материалы VII Всероссийской научно-практической заочной конференции. 2018. С. 179-184.
38. Базилевский М. П. Отбор информативных регрессоров с учетом мультиколлинеарности между ними в регрессионных моделях как задача частично-булевого линейного программирования // Моделирование, оптимизация и информационные технологии. 2018. №2 (21). С. 104-118.
39. Базилевский М. П. Отбор оптимального числа информативных регрессоров по скорректированному коэффициенту детерминации в регрессионных моделях как задача частично целочисленного линейного программирования // Прикладная математика и вопросы управления. 2020. №2. С. 41-54.
40. Базилевский М. П. Многокритериальный подход к построению двухфакторных полносвязных регрессий на примере моделирования ВВП России // Вестник воронежского государственного университета. Серия: системный анализ и информационные технологии. 2020. №1. С. 99-109.