Комплексный подход к формированию набора данных для прогнозирования ущерба от чрезвычайных ситуаций и оптимизации сил и средств
Цель. Разработать единый интегрированный набор данных для прогнозирования ущерба от чрезвычайных ситуаций и последующего анализа необходимых сил и ресурсов. Сформировать комплексный подход, позволяющий преодолеть разрозненность исходных сведений об ущербе, антропогенных показателях и задействованных...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
University of Сivil Protection
2025-08-01
|
| Series: | Вестник Университета гражданской защиты МЧС Беларуси |
| Subjects: | |
| Online Access: | https://journals.ucp.by/index.php/jcp/article/view/867 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Цель. Разработать единый интегрированный набор данных для прогнозирования ущерба от чрезвычайных ситуаций и последующего анализа необходимых сил и ресурсов. Сформировать комплексный подход, позволяющий преодолеть разрозненность исходных сведений об ущербе, антропогенных показателях и задействованных инженерно-технических мер (далее – ИТМ) (сил и средств).
Методы. В работе использовалась последовательная схема агрегирования и предварительной обработки данных из различных источников, включающая фильтрацию пропусков и унификацию форматов. Для восполнения недостающих сведений и повышения репрезентативности выборки применялись алгоритмы синтетической генерации на основе вариационных автокодировщиков, копул и генеративно-состязательных сетей. На заключительном этапе введена простая нейронная сеть, которая по известному значению ущерба дополняет отсутствующие данные о силах и средствах.
Результаты. Эксперименты показали, что наилучший баланс между точностью и сохранением исходного распределения признаков продемонстрировала модель CTGAN, достигшая высших показателей формы распределения столбцов и общего балла качества данных. Применение нейронного модуля с функцией активации ReLU в выходном слое позволило избежать отрицательных значений при прогнозировании сил и ресурсов. Совокупное использование синтетической генерации и нейронных предсказаний увеличило полноту итогового набора данных, сохранив статистическую согласованность признаков. Итоговый массив данных дает более детальное представление о связях между ущербом, социально-демографическими характеристиками территории и объемами ИТМ, что обеспечивает возможности для дальнейших исследований по повышению эффективности ликвидации последствий ЧС.
Область применения исследований. Сформированный набор данных может быть использован в качестве обучающей базы для моделей машинного обучения, ориентированных на прогнозирование материальных потерь, а также для разработки систем поддержки принятия решений при планировании и распределении ресурсов в чрезвычайных ситуациях. Результаты исследования представляют научно-практический интерес для специалистов в области управления рисками, а также для разработчиков информационных систем, интегрирующих аналитические модули по оценке ущерба и оптимизации сил и средств. |
|---|---|
| ISSN: | 2519-237X 2708-017X |