Главная Контакты Добавить в избранное Авторы Вопросы и ответы
,

 

 

УДК 681.3:007.52

ПРИМЕНЕНИЕ КОГНИТИВНОГО ПОДХОДА ДЛЯ РЕШЕНИЯ ЗАДАЧИ ПОДДЕРЖКИ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ ПРИ ЛИКВИДАЦИИ ЛЕСНЫХ ПОЖАРОВ

Ходаков В.Е., Жарикова М.В., Ляшенко Е.Н.

Введение. Проблема лесных пожаров актуальна во всем мире. Так, во Франции насчитывается около 2800 лесных пожаров, а лесная площадь, пройденная огнем, составляет 28 тыс. га в среднем в год [5]. В Германии ежегодно насчитывается порядка 508 лесных пожаров, в Испании ежегодно поражается огнем 218 тыс. га, в Италии - 126 тыс. га, в Греции - 48 тыс. га лесных площадей [5]. В Корее в среднем в год насчитывается 336 лесных пожаров на площади 1,39 млн га [5]. В Монголии число лесных пожаров составляет порядка 250 на лесной площади, пройденной огнем, около 100 тыс. га [5]. В России на активно охраняемой территории лесного фонда ежегодно насчитывается 12-36 тыс. лесных пожаров, охватывающих площадь от 0,5 до 2,1 млн га лесных земель [1,2]. В Украине, по данным Украинского государственного проектного института лесного хозяйства «Укрдіпроліс» за 1999-2008 гг., в среднем в год фиксируется порядка 380 лесных пожаров, поражающих 22,5 тыс. га лесной площади.

Из вышесказанного следует, что проблема лесных пожаров остается актуальной для большинства стран мира, независимо от степени экономического развития и географического расположения.

Постановка задачи. Лесной пожар по своей природе – это динамический процесс, протекающий при продвижении пламени по новым слоям горючего.

С точки зрения системного подхода, лесной пожар можно рассматривать как распределенную в пространстве открытую динамическую систему, представляющую собой совокупность физико-химических процессов горения лесных горючих материалов, условий, при которых эти процессы происходят, и средств воздействия на них (управления).

 

 

Рис.1 Общая структура системы

 

Система (рис.1) общается с внешней средой, получая от нее внешние воздействия через входные параметры и в свою очередь воздействуя на нее через выходные параметры.

Входными параметрами рассматриваемого процесса является комплекс природных и погодных условий, при которых  он происходит. Эти параметры можно разделить на три группы: входные измеримые параметры; входные неизмеримые параметры (возмущения);  управляющие воздействия.

Входные измеримые параметры – это совокупность параметров, численные значения которых могут быть оценены на основе доступной информации о системе (примером могут служить характеристики горючих материалов, метео- и топографические данные).

Возмущения – это параметры, которые также влияют на процесс, но их численные значения в рассматриваемой системе оцениваются либо вероятностно, либо вообще неизвестны  (примерами возмущений могут служить флуктуации измеримых параметров).

Управляющие воздействия  - это параметры, которые можно варьировать в определенных пределах, используя их для изменения хода процесса в соответствии с поставленной целью (примерами могут служить меры по увеличению влагосодержания горючего, нарушению непрерывности слоя горючих материалов и др.).

Рассмотрев данную систему, можно сказать, что на процесс распространения пожара влияет множество факторов, численные значения которых не всегда возможно определить. Причем, степень влияния этих факторов может колебаться в широких пределах – от незначительной, до весьма существенной. Следовательно, можно сделать вывод, что рассматриваемый процесс протекает в условиях существенной априорной неопределенности.

Наличие таких условий позволяет отнести  рассматриваемую систему к классу слабоструктурированных систем.

Очевидно, что при исследовании и решении задачи поддержки принятия управленческих решений (ППУР) при ликвидации ЛП,  необходимо построить модель ситуации.

Под текущей ситуацией понимается состояние слабоструктурированной системы в рассматриваемый момент времени. Число факторов в ситуации может измеряться десятками. И все они вплетены в паутину меняющихся во времени причин и следствий. Увидеть и осознать логику развития ситуации на таком многофакторном поле крайне трудно. А ведь, зачастую лицу, принимающему решения (ЛПР), незамедлительно необходимо отвечать на следующие вопросы:

1. На какие факторы нужно повлиять, чтобы улучшить состояние ситуации?

2. Что будет с ситуацией через определенное время, если ничего не предпринимать?

3. Какие из предпринимаемых мероприятий будут эффективнее в плане достижения поставленной цели?

Кроме того, модель ситуации должна отражать не только законы развития ситуации, но и предоставлять возможности качественного и количественного  ее описания.

Поэтому, задачу ППУР при  ликвидации лесных пожаров предлагается решать с использованием когнитивного подхода, позволяющего учесть все основные факторы, влияющие на систему, а также  возможные изменения исследуемой системы под влиянием внутренних и внешних условий ее функционирования.

Анализ работ. Процесс разработки управленческого решения состоит из трех основных этапов: подготовка, обоснование и принятие решения – на каждом из этих этапов решается множество подзадач. Для таких подзадач, как получение критериальных оценок альтернатив, моделирование предпочтений ЛПР, выбор оптимального решения и др., существуют достаточно хорошо проработанные на сегодняшний день подходы к их моделированию. Рассмотрим далее три наиболее широко известных подхода – многокритериальной теории полезности (MAUT), аналитической иерархии (AHP), отношения превосходства по качеству (ELECTRE).

Подход MAUT (Multi-Attribute Utility Theory) отличают следующие особенности[8]:

1)строится функция полезности, имеющая аксиоматическое (чисто математическое) обоснование;

2)некоторые условия, определяющие форму этой функции, подвергаются проверке в диалоге с ЛПР;

3)решается  задача построения реющих правил, на основании предпочтений ЛПР, а полученные результаты используются для оценки заданных альтернатив.

Подчеркнем положительные стороны подхода MAUT. Прежде всего, построена единая математическая теория, позволяющая обосновать конкретный вид общей функции полезности в зависимости от предпочтений ЛПР. Отметим также, что хотя построение общей функции полезности требует много времени и усилий ЛПР, полученный результат позволяет оценить любые (в том числе и вновь появляющиеся) альтернативы.

Два основных недостатка, связанные с подходом MAUT:

1. Предполагается (неявно), что человек может делать точные количественные измерения. Это далеко не так. Исследования показали, что нет надежного способа количественного измерения весов критериев [9].

2. Рассматриваемый подход требует от ЛПР «немедленного» назначения всех основных параметров, не давая ему возможности провести исследования проблемы.

Подход аналитической иерархии AHP (Analytic Hierarchy Process) состоит из совокупности этапов [8]:

1. Первый  этап заключается в структуризации задачи в виде иерархической структуры с несколькими уровнями: цели – критерии – альтернативы.

2. На втором этапе ЛПР выполняет попарные сравнения элементов каждого уровня. Результаты сравнений переводятся в числа.

3. Вычисляются коэффициенты важности для элементов каждого уровня. Проверяется согласованность суждений ЛПР.

4. Подсчитывается количественный индикатор качества каждой из альтернатив и определяется наилучшая альтернатива.

Достоинством метода AHP, является направленность этого метода на сравнение реальных альтернатив.

Недостатки метода: введение новой, недоминирующей альтернативы может привести к изменению предпочтений между двумя ранее заданными альтернативами; оторванность метода объединения  оценок от предпочтений ЛПР.

Методы ELECTRE направлены на решение задач с уже заданными многокритериальными альтернативами[8]. В отличие от метода AHP в методах ELECTRE не определяется количественно показатель качества каждой из альтернатив, а устанавливается лишь условие превосходства одной альтернативы над другой.

Важным достоинством методов ELECTRE является поэтапность выявления предпочтений ЛПР в процессе назначения уровней согласия и несогласия и изучения ядер. Трудности при применении методов ELECTRE связаны с назначением ЛПР весов. В ряде случаев при выделении ядер могут возникать циклы.

Каждый из рассмотренных выше подходов широко используется в компьютерных системах поддержки принятия решений (подход MAUT в системах Logical Decisions, DECAID [9], подход AHP  в системах EXPERT CHOICE, MACBETH [8], подход ELECTRE в системе  REMBRANDT [8]). Однако для решения таких подзадач как анализ факторов, синтез и отбор альтернатив и управляющих стратегий, применение описанных подходов невозможно из-за необходимости учета большого числа факторов и целей, имеющих сложную структуру взаимосвязи. 

Цель статьи. Целью настоящей  статьи  является описание подхода, который позволяет учесть все основные факторы, влияющие на систему (лесной пожар), а также  возможные изменения исследуемой системы под влиянием внутренних и внешних условий ее функционирования.

Описание подхода.  Сущность когнитивного подхода заключается в исследовании функционирования  и развития слабоструктурированных систем (СС) посредством построения модели на основе когнитивной карты (КК).

Основными элементами КК являются факторы (концепты) и причинно-следственные связи между ними. Когнитивная карта представляется в виде взвешенного графа, в котором вершинам сопоставляются факторы, а ребрам – веса в той или иной шкале.

Формальное представление КК следующее:

 

,

(1)

 

где   - множество концептов,  - бинарное отношение на множестве, задающее связи между ними.

Итак, моделируемая система описывается конечным множеством концептов и причинно-следственных связей между ними.

Под концептом будем понимать значимую для решаемой задачи характеристику (переменную, параметр). Концепты могут выражать как качественные, так и измеримые количественные величины. Также концепты могут принимать значения, выраженные в некоторой шкале в пределах установленных ограничений.

Между концептами существуют причинно-следственные связи, которые могут быть положительными или отрицательными. Увеличение значения концепта – причины приводит к увеличению значения концепта – следствия при положительной причинно-следственной связи и к уменьшению этого значения при отрицательной.

Концепты делятся на: целевые, значение которых необходимо привести в некоторое целевое состояние; управляемые, значение которых поддается непосредственному контролю; промежуточные, значение которых определяется изменением значений концептов-причин; внешние, на значение которых возможно влияние со стороны внешних факторов, не отраженных в модели.

Текущее состояние системы описывается значениями всех ее концептов. Исходное состояние системы задается вектором начальных значений концептов.

Под альтернативой понимается вектор допустимых воздействий на подмножество управляемых концептов.

Решением поставленной задачи является подмножество альтернатив, которые приближают систему к целевому состоянию.

Таким образом, модель  приведенной на рис.1 системы  имеет следующий вид:

 

,

(2)

 

где            - множество концептов;

 - бинарное отношение на множестве, которое задает набор причинно-следственных связей между его элементами;

 - множество шкал, используемых для задания значений концептов;

   - множество исходных значений концептов;

 - подмножество целевых концептов;

 - множество желаемых значений целевых концептов (цель);

 - подмножество управляемых концептов;

 - множество альтернатив, т.е. воздействий, оказываемых на управляемые концепты .

Далее необходимо определить основные факторы, влияющие на систему,  установить причинно-следственные связи между ними, с указанием для каждой связи ее характера (усиливающая или ослабляющая) и оценить силу каждого влияния.

Перечень факторов приведен в таблице 1.

Таблица 1.

Факторы, влияющие на систему

Концепт

Начальный уровень

Целевой уровень

1

Запас сухого горючего материала (кг/м2)

Высокий

-

2

Удельная поверхность материала (1/м)

Средний

-

3

Доля минеральных веществ в горючем

Средний

-

4

Теплотворная способность сухого горючего (ккал/кг)

Средний

-

5

Влагосодержание

Высокий

-

6

Плотность материала (кг3)

Средний

-

7

Теплоемкость сухого материала (ккал/кг*град)

Средний

-

8

Единицы площади (квартал, выдел)

Средний

-

9

Скорость ветра

Высокий

-

10

Скорость распространения огня

Средний

 

11

Температура воздуха

Высокий

-

12

Тип леса

Высокий

-

13

Высота деревьев (м)

Средний

-

14

Диаметр ствола (см2)

Средний

-

15

Расстояние между деревьями в ряду (м)

Средний

 

-

16

Противопожарные мероприятия

Высокий

-

17

Рельеф местности

Средний

-

18

Время выявления

Высокий

-

19

Время локализации

Высокий

-

20

Площадь пожара

Высокий

Высокий

 

Значения весов причинно-следственных связей предлагается получать, экспертным путем, используя метод парных сравнений Т. Саати [8].

На основе полученных результатов строится КК.

 

Рис. 2 Когнитивная карта системы

 

В результате такого анализа выделены влияния управляемых концептов на целевые, сформировано множество альтернатив, описывающих возможные стратегии управления системой.

К примеру, рассмотрим альтернативы, которые предполагают максимально возможное влияние на концепт «Площадь пожара».

Альтернатива 1 описывает ситуацию, в которой руководство лесхоза выделяет максимум ресурсов на осуществление противопожарных мероприятий (концепт «Противопожарные мероприятия»).

Альтернатива 2 описывает ситуацию, в которой руководство лесхоза выделяет максимум ресурсов на предвидение возможных скоростей распространения огня  (концепт «Скорость распространения огня»).

Альтернатива 3 описывает ситуацию, в которой руководство лесхоза выделяет максимум ресурсов на мероприятия по обнаружению ЛП  (концепт «Время выявления»).

Из рис.2 следует, что лучшие результаты показывает альтернатива 1.

Вывод. Лесные пожары ежегодно причиняют огромный ущерб окружающей среде. Только прямой ежегодный ущерб от лесных пожаров превышает десятки миллионов гривен, включая потери ценных пород древесины, животных и продуктов побочного пользования лесом, не говоря уже о вреде окружающей среде в виде выброса в атмосферу сажи и парниковых газов, который можно отнести к косвенному ущербу. По расчетам ученых [5,6], проанализировавших данные о лесных пожарах в Канаде за 1959-2006 гг., в результате пожаров эмиссия углерода составила 27 Мт в год. Распад органики после пожара дает такую же величину эмиссии. По другим данным [7] при горении влажных тропических лесов Бразилии количество углерода, выброшенного в атмосферу в форме различных газов, достигает 69 т/га, а количество СО2 и СО, выбрасываемого в процессе сгорания, 228 т/га и 15,9 т/га соответственно. Сильное задымление атмосферы из-за лесных пожаров может повлечь прекращение работы водного и воздушного транспорта.

Таким образом, сохранение лесов представляет  собой глобальную задачу.  Поэтому разработка новых  подходов, применяемых при ППУР при  ликвидации  лесных пожаров,   экономически и экологически необходимы.

 

In the article the definition of cognitive approach is given. This approach allows to take into account all basic factors, influencing on the system (forest fire), and also possible changes of the explored system, under influencing of internal and external its operating conditions.

 

1.                  Курбатский Н.П., Дорогов Б.И., Доррер Г.А. Прогнозирование лесных пожаров с помощью ЭВМ. Лесное хозяйство 1976, № 7, С. 51 – 55.

2.                  Курбатский Н.П., Доррер Г.А., Дорогов Б.И. Расчёт распределения источников пожаров в лесу. Лесное хозяйство 1978, № 7, с. 76 – 78.

3.                  Коровин Г.Н., Покрывайло В.Д., Солодовникова Н.И. Анализ и моделирование статистической структуры поля горимости лесов. Методические рекомендации. - Л.: ЛенНИИЛХ, 1984. - 64 с.

4.                  Жданко В.А., Гриценко М.В. Метод анализа лесопожарных сезонов: Практические рекомендации.- Л.:ЛНИИЛХ, 1980.

5.                  Fosberg, M.A., J.G. Goldammer, D. Rind, and C. Price.1990. Global change: effects on forest ecosystems and wildfire severity. In:  Fire in the tropical biota. Ecosystem processes and global challenges. (J.G. Goldammer, ed.), 463-486. Ecological Studies 84, Springer-Verlag. Berlin.

6.                  Flannigan, M.D. and  Van Wagner, C.E. 1991.Climate change and  wildfire in Canada.Can. J. For. Res. 21,66-72.

7.                  Emanuel,W.R., Shugart,H.H. and Stevenson, M.P. 1985. Climate change and the broad-scale distribution of terrestrial ecosystem complexes. Climatic Change 7, 29-43.

Кузнецов О.П., Кулинич А.А., Марковский А.В. Анализ влияний при управлении слабоструктурированными ситуациями на основе когнитивных карт. Под ред. Н.А. Абрамовой, К.С. Гинсберга, Д.А. Новикова. – М.: КомКнига, 2006. – С.313 – 344.





Ответы на вопросы [_Задать вопроос_]

Информационно-управляющие комплексы и системы

Теленик С.Ф., Ролік О.І., Букасов М.М., Андросов С.А. Генетичні алгоритми вирішення задач управління ресурсами і навантаженням центрів оброблення даних

Богушевский В.С., Сухенко В.Ю., Сергеева Е.А., Жук С.В. Реализация модели управления конвертерной плавкой в системе принятия решений

Бень А.П., Терещенкова О.В. Применение комбинированных сетевых методов планирования в судоремонтной отрасли

Цмоць І. Г., Демида Б.А., Подольський М.Р. Методи проектування спеціалізованих комп’ютерних систем управління та обробки сигналів у реально-му час

Теленик С.Ф., РолікО.І., Букасов М.М., РимарР.В., Ролік К.О. Управління навантаженням і ресурсами центрів оброблення даних при виділених серверах

Селякова С. М. Структура інтелектуальної системи управління збиральною кампанією

Еременко А.П., Передерий В.И. Принятие решений в автоматизированных системах с учетом психофункциональных характеристик оператора на основе генетических алгоритмов

Львов М.С. Алгоритм перевірки правильності границь змінення змінних у послідовних програмах

Ляшенко Е.Н. Анализ пожарной опасности сосновых насаждений в зоне Нижне-днепровских песков – самой большой пустыни в Европе

Кучеров Д.П., Копылова З.Н. Принципы построения интеллектуального автору-левого

Касаткина Н.В., Танянский С.С., Филатов В.А. Методы хранения и обработки нечетких данных в среде реляционных систем

Гончаренко А.В. Моделювання впливу ентропії суб’єктивних переваг на прийняття рішень стосовно ремонту суднової енергетичної установки

Фарионова Н.А. Системный подход построения алгоритмов и моделей систем поддержки принятия решений при возникновении нештатных ситуаций

Биленко М.С., Серов А.В., Рожков С.А., Буглов О.А. Многоканальная система контроля качества текстильных материалов

Мотылев K.И., Михайлов M.В., Паслен В.В. Обработка избыточной траекторной информации в измерительно-вычислительных системах

Гончаренко А.В. Вплив суб’єктивних переваг на показники роботи суднової енергетичної установки

Гульовата Х.Г., Цмоць І.Г., Пелешко Д.Д. Архітектура автоматизованої системи моніторингу і дослідження характеристик мінеральних вод

Соломаха А.В. Разработка метода упреждающей компенсации искажений статорного напряжения ад, вносимых выходными силовыми фильтрами

ПотапенкоЕ.М., Казурова А.Е. Высокоточное управление упругой электромеханической системой с нелинейным трением.

Кузьменко А.С., Коломіц Г.В., Сушенцев О.О. Результати розробки методу еквівалентування функціональних особливостей fuzzy-контролерів

Кравчук А. Ф., Ладанюк А.П., Прокопенко Ю.В. Алгоритм ситуационного управления процессом кристаллизации сахара в вакуум-аппарате периодического действия с механическим циркулятором

Абрамов Г.С., Иванов П.И., Купавский И.С., Павленко И.Г. Разработка навигационного комплекса для автоматического наведения на цель системы груз-управляемый парашют

Литвиненко В.И., Четырин С.П. Компенсация ошибок оператора в контуре управления следящей системы на основе синтезируемых вейвелет-сетей

Бардачев Ю.Н., Дидык А.А. Использование положений теории опасности в искусственных иммунных системах

Рожков С.О., Кузьміна Т.О., Валько П.М. Інформаційна база як основа для створення асортименту лляних виробів.

Ускач А.Ф., Становский А.Л., Носов П.С. Разработка модели автоматизированной системы управления учебным процессом

Мазурок Т.Л., Тодорцев Ю.К. Актуальные направления интеллектуализации системы управления процессом обучения.

Ускач А.Ф., Гогунский В.Д., Яковенко А.Е. Модели задачи распределения в теории расписания.

Сідлецький В.М., Ельперін І.В., Ладанюк А.П. Розробка алгоритмів підсистеми підтримки прийняття рішень для контролю якості роботи дифузійного відділення.

Пономаренко Л.А., Меликов А.З., Нагиев Ф.Н. Анализ системы обслуживания с различными уровнями пространственных и временных приоритетов.

Коршевнюк Л.О. Застосування комітетами експертів системи нечіткого логічного виводу із зваженою істинністю.. – С. 73 – 79.

Кирюшатова Т.Г., Григорова А.А Влияние направленности отдельных операторов и направленности всей группы на конечный результат выполнения поставленной задачи.

Петрушенко А.М., Хохлов В.А., Петрушенко І.А. Про підключення до мови САА/Д деяких засобів паралельного програмування пакету МРІСН.

Ходаков В.Е., Граб М.В., Ляшенко Е.Н. Структура и принципы функционирования системы поддержки принятия решений при ликвидации лесных пожаров на базе новых геоинформационных технологий.

Сидорук М.В., Сидорук В.В. Информационные системы управления корпорацией в решении задач разработки бюджета.

Нагорный Ю.И. Решение задачи автоматизированного расчета надежности иасуп с использованием модифицированного метода вероятностной логики

Козак Ю.А. Колчин Р.В. Модель информационного обмена в автоматизированной системе управления запасами материальных ресурсов в двухуровневой логистической системе

Гожий А.П., Коваленко И.И. Системные технологии генерации и анализа сценариев

Вайсман В.А., Гогунский В.Д., Руденко С.В. Формирование структур организационного управления проектами

Бараненко Р.В., Шаганян С.М., Дячук М.В. Аналіз алгоритмів взаємних виключень критичних інтервалів процесів у розподілених системах

Бабенко Н.И., Бабичев С.А. Яблуновская Ю.А. Автоматизированная информационная система управления учебным заведением

Яковенко А.Е. Проектирование автоматизированных систем принятия решений в условиях адаптивного обучения с учетом требований болонского процесса

Бараненко Р.В Лінеаризація шкали і збільшення діапазону вимірювання ємностей резонансних вимірювачів

Головащенко Н.В. Математичні характеристики шумоподібно кодованих сиг-налів.

Шерстюк В.Г. Формальная модель гибридной сценарно-прецедентной СППР.

Шекета В.І. Застосування процедури Append при аналізі абстрактних типів даних модифікаційних запитів.

Цмоць І.Г. Алгоритми та матричні НВІС-структури пристроїв ділення для комп'-ютерних систем реального часу.

Кухаренко С.В., Балтовский А.А. Решение задачи календарного планирования с использованием эвристических алгоритмов.

Бараненко Р.В., Козел В.Н., Дроздова Е.А., Плотников А.О. Оптимизация рабо-ты корпоративных компьютерных сетей.

Нестеренко С.А., Бадр Яароб, Шапорин Р.О. Метод расчета сетевых транзакций абонентов локальных компьютерных сетей.

Григорова А.А., Чёрный С. Г. Формирование современной информационно-аналитической системы для поддержки принятия решений.

Шаганян С.Н., Бараненко Р.В. Реализация взаимных исключений критических интервалов как одного из видов синхронизации доступа процессов к ресурсам в ЭВМ

Орлов В.В. Оценка мощности случайного сигнала на основе корреляционной пространственной обработки

Коджа Т.И., Гогунский В.Д. Эффективность применения методов нечеткой логики в тестировании.

Головащенко Н.В., Боярчук В.П. Аппаратурный состав для улучшения свойств трактов приёма – передачи информации в системах промышленной автоматики.