close

Вход

Забыли?

вход по аккаунту

?

СИСТЕМНЫЙ АНАЛИЗ ПЕРКОЛЯЦИОННЫХ МОДЕЛЕЙ РАЗВИТИЯ ЧРЕЗВЫЧАЙНЫХ СИТУАЦИЙ НА ПРОМЫШЛЕННЫХ ОБЪЕКТАХ.

код для вставкиСкачать
На правах рукописи
Мирясов Евгений Юрьевич
СИСТЕМНЫЙ АНАЛИЗ ПЕРКОЛЯЦИОННЫХ МОДЕЛЕЙ РАЗВИТИЯ
ЧРЕЗВЫЧАЙНЫХ СИТУАЦИЙ НА ПРОМЫШЛЕННЫХ ОБЪЕКТАХ
05.13.01 – системный анализ, управление и обработка информации
(промышленность)
Автореферат диссертации на соискание ученой степени
кандидата технических наук
Санкт-Петербург – 2013
Работа выполнена в ФГБОУ ВПО
Санкт-Петербургский университет ГПС МЧС России
Научный руководитель:
доктор технических наук, доцент
Моторыгин Юрий Дмитриевич
Официальные оппоненты:
Гавриш Юрий Николаевич
доктор физико-математических наук,
профессор, ФГУП НИИ ЭФА СанктПетербург, заместитель генерального
директора по науке;
Решетов Анатолий Петрович
кандидат технических наук, доцент,
ФГБОУ
ВПО
Санкт-Петербургский
университет ГПС МЧС России, кафедра
ОП и ПАСР, профессор кафедры.
ФГБОУ ВПО Санкт-Петербургский
государственный
технологический
институт (технический университет).
Ведущая организация:
Защита состоится 27 декабря 2013 г. в 14.00 часов на заседании совета по
защите докторских и кандидатских диссертаций Д 205.003.04 при СанктПетербургском университете ГПС МЧС России (196105, Санкт-Петербург,
Московский проспект, дом 149).
С диссертацией можно ознакомиться в библиотеке Санкт-Петербургского
университета ГПС МЧС России (196105, Санкт-Петербург, Московский проспект,
дом 149).
Автореферат разослан «
» ноября 2013 г.
Ученый секретарь
диссертационного совета Д 205.003.04
кандидат военных наук, доцент
В.В. Попов
3
ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность
темы.
В
настоящее
время
аварии
на
крупных
промышленных объектах по своим негативным последствиям становятся
сравнимы с крупными природными катастрофами, а в ряде случаев они являются
причинами
их
возникновения.
промышленности
часто
В
целом,
обусловлены
не
чрезвычайные
природными
ситуации
в
причинами,
а
техногенными и человеческими факторами. К ним относятся:
- интенсификация технологических параметров (повышение температуры,
давления, содержания опасных веществ, энергонасыщенность отдельных узлов
производства);
- комплексная переработка сырья, ведущая к увеличению концентрации на
одной и той же площадке различных производств и соответственно риска
возникновения опасностей различной природы;
- ускоренная модернизация технологий, обостряющая противоречия между
ростом сложности технологического процесса и возможностями обучения
персонала.
Примером
высокой
нефтеперерабатывающая
концентрации
отрасль.
При
опасностей
может
производительности
служить
предприятия
нефтепереработки до 10 миллионов тонн нефти в год на промышленной
площадке единовременно может содержаться от 300 до 600 тысяч тонн
углеводородного топлива, что эквивалентно по энергетической мощности 3 - 5
мегатоннам тротила.
Следует отметить, что существующему положению вещей не всегда
соответствует применяемая теоретическая база анализа и прогнозирования
чрезвычайных ситуаций. Так отсутствуют теория и модели, описывающие
распространение чрезвычайных ситуаций, которые могли бы стать основой для
принятия мер по ликвидации ЧС. Детерминированные модели развития
чрезвычайных ситуаций используют огромное число приближений, усреднений и
допущений, а в итоге с помощью систем дифференциальных уравнений
4
позволяют лишь приближенно рассчитать процесс распространения опасных
факторов, что часто не позволяет принять оптимальное управляющее решение.
Для анализа связей между развитием процессов распространения опасных
факторов и физическими особенностями окружающей среды можно использовать
стохастические
модели.
Например,
можно
рассматривать
физические
закономерности развития ЧС с помощью конечных цепей Маркова или
перколяционных процессов.
Перколяционная модель может быть применена к системам, которые
описываются произвольными сетями, конечными и бесконечными графами и т.п.
Такая модель может быть основой оперативного принятия решения по
управлению силами и средствами при ликвидации чрезвычайных ситуаций. Для
создания математической модели используется все полученные технические,
организационные и технологические данные об объекте.
Поэтому разработка критериев и моделей описания поведения сложных
природно-антропогенных систем вплоть до возникновения чрезвычайных
ситуаций и их ликвидации, оптимизация принятия решений по повышению
безопасного функционирования промышленных объектов в районах с высоким
риском возникновения чрезвычайных ситуаций определяет актуальность темы
диссертации.
Решаемая в исследовании научная задача - разработка перколяционных
моделей описания развития чрезвычайных ситуаций на промышленных объектах.
Целью диссертационной работы является повышение эффективности
управляющих решений по снижению техногенных опасностей на промышленных
объектах с помощью перколяционных моделей обработки информации.
Объект исследования. Закономерности процессов возникновения и
развития чрезвычайных ситуаций на промышленных объектах.
Предмет исследования. Перколяционные модели описания развития
чрезвычайных
ситуаций
промышленных объектах.
для
оценки
потенциальных
опасностей
на
5
Частные задачи исследования.
1. Выбор методологических подходов к оценке риска возникновения
чрезвычайных ситуаций в зависимости от фактора ожидаемости.
2.
Обоснование функциональной зависимости, описывающей стадии
развития чрезвычайных ситуаций.
3. Разработать перколяционные модели описания развития чрезвычайных
ситуаций для оценки потенциальной опасности на промышленных объектах.
4. Разработать
уменьшению
информационную
техногенных
опасностей
модель
на
принятия
решений
промышленных
объектах
по
с
использованием теории перколяции.
Методы исследования.
В
диссертационной
работе
использовались
следующие
методы:
стохастический анализ, математическое моделирование, теория перколяции,
системный анализ.
Научная новизна.
1.
Впервые использован фактор ожидаемости для декомпозиции задачи
оценки риска возникновения чрезвычайных ситуаций.
2.
Для описания стадий развития чрезвычайных ситуаций предложена
логистическая функция.
3.
Впервые
использованы
перколяционные
модели
развития
чрезвычайных ситуаций для оценки потенциальной опасности на промышленных
объектах.
4.
Разработана
модель
подготовки
управляющих
решений
по
уменьшению риска возникновения и развития чрезвычайных ситуаций на
промышленных предприятиях с использованием теории перколяции.
Практическая значимость.
Применение перколяционной модели описания развития чрезвычайных
ситуаций способствует принятию эффективных решений при возникновении,
6
развитии и ликвидации последствий чрезвычайных ситуаций на промышленных
предприятиях.
Разработанная
модель
принятия
решений
по
уменьшению
риска
чрезвычайных ситуаций на промышленных объектах может быть использована
при
проведении
мониторинга
за
количественными
и
качественными
показателями безопасного состояния инженерных и технологических процессов.
Результаты исследований используются в практической деятельности
экологических лабораторий.
Основные положения диссертации внедрены в учебный процесс СанктПетербургского университета ГПС МЧС России при проведении занятий по
дисциплине «Прогнозирование опасных факторов пожара».
Достоверность и обоснованность основных положений диссертационного
исследования подтверждаются применением современных методов системного
анализа,
математического
моделирования,
обработкой
результатов
экспериментальных исследований с использованием компьютерной техники и
современного пакета прикладных программ.
На защиту выносятся основные научные результаты:
1.
Декомпозиция задачи оценки риска возникновения чрезвычайных
ситуаций на основе фактора ожидаемости.
2.
Логистическая функция описания стадий развития чрезвычайных
ситуаций.
3.
Перколяционные модели развития ЧС для оценки потенциальной
опасности промышленных объектов.
4.
Модель принятия решений по уменьшению риска возникновения и
развития чрезвычайных ситуаций на промышленных объектах с использованием
теории перколяции.
Апробация исследований. Основные научные результаты исследования
докладывались и обсуждались на заседаниях кафедры криминалистики и
инженерно-технических экспертиз Санкт-Петербургского университета ГПС
7
МЧС России, на научно-практических конференциях. В их числе: научнопрактическая конференция «Совершенствование работы в области обеспечения
пожарной безопасности людей на водных объектах» (Вытегра, Вологодская
область, УСЦ «Вытегра» МЧС России); VI Всеросийская научно-практическая
конференция «Актуальные проблемы обеспечения безопасности в Российской
Федерации» (Екатеренбург, Уральский институт ГПС МЧС России); Первый
международный
научно-практический
семинар
«Системы
комплексной
безопасности и физической защиты» (Санкт-Петербургский государственный
политехнический
университет);
Международная
научно-практическая
конференция «Использование криминалистической и специальной техники в
противодействии преступности» (Санкт-Петербургский университет МВД РФ).
Публикации. По теме диссертации опубликовано 10 научных работ из них
4 статьи в журналах, рекомендованном ВАК Министерства образования и науки
РФ. Объем публикаций – 2,04 п.л.
Структура и объем работы. Диссертация состоит из введения, трех глав,
заключения и списка использованной литературы из 132 наименований. Работа
содержит 126 страниц текста, в том числе 7 таблиц и 25 рисунков.
ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ
Во
введении
проведено
обоснование
выбора
темы
диссертации,
актуальность работы, представлены научные результаты, выносимые на защиту, и
их основные положения, а также представлены данные об апробации и внедрении
результатов диссертационного исследования.
В первой главе «Анализ процессов возникновения и развития
чрезвычайных ситуаций в промышленной сфере деятельности» приводится
классификация чрезвычайных ситуаций техногенного характера, анализируются
методики расчета рисков возникновения ЧС. Рассматривается статистика
распределения прогнозируемых чрезвычайных ситуаций техногенного характера
по вероятности их возникновения. Анализ научной, нормативно-технической
8
зарубежной и отечественной литературы в области возникновении чрезвычайных
ситуациях на промышленных объектах показал, что вопрос прогнозирования
развития возникновении чрезвычайных ситуациях на промышленных объектах
недостаточно изучен. Известные детерминированные модели не позволяют
рассчитать развитие опасных факторов при чрезвычайных ситуациях на
промышленных объектах. Наиболее перспективным направлением является
создание недетерминированных математических моделей для расчета развития и
возникновения чрезвычайных ситуациях на промышленных объектах.
Проведенный системный анализ крупных пожаров, разливов опасных
химических веществ, аварий, вызванные природными катастрофами, показал, что
основной ход их развития имеет похожие сценарии.
В
первой
главе
проводиться
формализация
задачи
оценки
риска
возникновения чрезвычайных ситуаций на промышленных объектах
Во второй главе «Общие закономерности возникновения и развития
чрезвычайных ситуаций» рассмотрена декомпозиция задачи оценки риска
возникновения
чрезвычайных
ситуаций
предложена
систематизация
чрезвычайных ситуаций по фактору ожидаемости (рисунок 1).
На рисунке 2 показана применимость имеющиеся методологических
подходов к оценке рисков в предлагаемой систематизации ЧС. Так, для
чрезвычайных ситуаций, связанных с постоянно действующими факторами,
можно использовать модельный подход, основанный на детерминированных
моделях. Периодически повторяющиеся опасные явления и процессы, при
наличии достаточного массива статистических данных могут быть оценены с
использованием инженерных подходов и методов математической статистики.
При недостаточной полноте статистических выборок могут быть использованы
стохастические модели, основывающиеся на экспертных оценках.
9
Рисунок 1 – Систематизация чрезвычайных ситуаций по фактору
ожидаемости.
Проведенный выше анализ возникновения и развития чрезвычайных
ситуаций на промышленных объектах показывает, что можно выделить три
основные стадии, показанные на рисунке 3. На первой стадии (I) происходит
концентрация опасных факторов. При этом создается обстановка повышенного
риска возникновения чрезвычайной ситуации. Если ведется постоянный
мониторинг и на этой стадии принять соответствующие меры, то чрезвычайную
ситуацию можно предотвратить. В противном случае наступает вторая стадия
(II), возникновение ЧС.
10
Рисунок 2 - Методологические подходы к оценке риска и их применимость
к анализу ЧС с различной степенью ожидаемости
Процесс развития чрезвычайной ситуации может дальше изменяться резким
скачком (функция 1) или медленно нарастать (функция 2). Если на данном этапе
не произвести локализацию и принять меры к ликвидации ЧС, то наступает
третья стадия (III) – катастрофа.
Процесс возникновения и развития чрезвычайных ситуаций можно описать
логистической (сигмоидной) функцией. В статистике логистическая функция модель, используется для предсказания вероятности возникновения события
«подгоном»
данных
к
логистической
кривой.
При
этом
используют
дополнительные переменные, которые могут быть или числовыми или
качественными.
11
Рисунок 3 – Моделирование процесса возникновения и развития
чрезвычайных ситуаций
Логистическая функция или логистическая кривая - самая общая
сигмоидальная (S-образная) кривая. Она моделирует кривую роста вероятности
некоего события, по мере изменения управляющих параметров. В настоящем
исследовании
логистическая
функция
использована
для
моделирования
вероятности развития ЧС. Управляющими параметрами являются факторы риска,
которые
могут
принимать
положительные
и
отрицательные
значения.
Отрицательные значения факторов риска способствуют снижению вероятности
возникновения ЧС, положительные – увеличивают эту вероятность.
Простейшая логистическая функция может быть описана формулой:
1
f (r ) 
1  e r
Переменная r отражает подверженность некоторому набору факторов риска
(значения факторов риска), а f(r) представляет вероятность конкретного исхода,
12
при заданном наборе рисков (риск возникновения ЧС). Переменная r является
мерой полного вклада всех факторов риска, используемых в модели.
r  k0  k1r1  k 2 r2  ....  k n rn ,
где k0 называют "точкой пересечения", а k1, k2 … kn - некоторые
коэффициенты,
требующие
подбора
(обычно,
методом
наибольшего
правдоподобия), факторов риска r1, r2, … rn - соответственно. Ясно, что при r=0,
риск становится равным 0,5, и в этой точке наблюдается перегиб функции. С
позиций теории перколяции эту точку можно считать порогом перколяции.
Каждый
из
коэффициентов
регрессии
описывает
размер
вклада
соответствующего фактора риска. Положительный коэффициент регрессии
означает, что данный фактор увеличивает общий риск (т.е. повышает вероятность
анализируемого исхода), в то время как отрицательный коэффициент означает,
что этот фактор уменьшает риск; большой коэффициент регрессии означает, что
данный фактор существенно влияет на совокупный риск, в то время как почти
нулевой коэффициент регрессии означает, что этот фактор имеет небольшое
влияние на вероятность результата. Логистическая регрессия - удобный способ
описать влияние одного или нескольких факторов риска на результат.
Существует множество объектов, в которых расположение компонент
весьма важно, поскольку влияет на развитие процессов в отдельных кластерах и в
конечном итоге во всей системе. Такие объекты считаются географическими или
пространственными.
В
географических
системах
существование
прямого
соединения между вершинами может зависеть от многих ограничений, таких как
расстояние между ними, географический рельеф, территориальные ограничения и
т.д.
Коэффициент кластерности для отдельного узла сети определяется
следующим образом. Пусть из узла выходит k ребер, которые соединяют его с k
другими узлами, ближайшими соседями. Если предположить, что все ближайшие
13
соседи соединены непосредственно друг с другом, то количество ребер между
ними составляло бы 1/(2k(k-1)), т.е. это число, которое соответствует
максимально возможному количеству ребер, которыми могли бы соединяться
ближайшие соседи выбранного узла. Отношение реального количества ребер,
которые
соединяют
ближайших
соседей
данного
узла,
к
максимально
возможному (такому, при котором все ближайшие соседи данного узла были бы
соединены
непосредственно
друг с другом) называется
коэффициентом
кластерности узла. Естественно, эта величина не превышает единицы.
Коэффициент кластерности может определяться как для каждого узла, так и
для всего объекта. Уровень кластерности всей системы определяется как
нормированная по количеству узлов в системе сумма соответствующих
коэффициентов отдельных узлов. Оказалось, что некоторые связи, называемые
слабыми, связывают сеть в единое целое.
Если в системе слишком мало ребер, т.е. средняя степень ее вершин
достаточно мала, то в ней присутствует много изолированных узлов и кластеров
из немногочисленных узлов. При добавлении ребер в такую сеть (например,
установление новых связей, добавление пожарной нагрузки и т.п.) небольшие
кластеры объединяются в большие.
По достижении некоторого критического уровня, характеризующего порог
протекания системы, большая часть вершин будет объединена в кластер, размер
которого сопоставим с количеством узлов системы, т.е. вся сеть станет
проводящей.
Существующие математические модели такого поведения сетевых структур
(распространение разливов нефти, горение лесных массивов и т.п.) при
деструктивном воздействии приводятся к перколляционной задаче. Как правило,
в рамках этой задачи рассматривается решетка из N проводящих элементов,
после чего рассчитывается проводимость всей решетки при удалении отдельных
ее элементов.
14
Вывод: В результате проведенных исследований показано, что для
декомпозиции задачи оценки риска возникновения чрезвычайных ситуаций
можно использовать фактор ожидаемости.
Впервые
для
описания
стадий
развития
чрезвычайных
ситуаций
предложена логистическая функция.
Третья
глава
«Перколяционная
модель
развития
чрезвычайных
ситуаций» посвящена разработке перколяционных моделей исследования
возникновения и развития чрезвычайных ситуаций.
Явление перколяции (или протекание через среду) применительно для
развития чрезвычайных ситуаций определяется:
- средой, в которой наблюдается это явление,
- источником возникновения, который определяет начальный процесс
протекания в этой среде,
- способом протекания среды, зависящий от размерности покрывающих
решеток степень связности узлов.
Обычно перколяционную модель рассматривают для решеток, хотя она
может быть применена к произвольным сетям, конечным и бесконечным графам
и т.д. В классическом подходе рассматривается бесконечная квадратная решетка,
узлы которой заполнены независимо друг от друга определенными объектами с
вероятностью p < 1. В роли таких объектов может выступать любая
структурированная пожарная нагрузка: деревья, дачные домики, автомобили на
стоянке, пористые почвенные структуры, природные ландшафты и т.д. При
решении задачи перколяции определяют, существует ли непрерывный путь,
состоящий из занятых узлов.
При исследовании перколяции вводится понятие кластера, то есть
множество связанных между собой узлов. Наименьшая плотность занятых узлов
(xc), при которой образуется бесконечный кластер, является критической
плотностью или порогом перколяции. При значениях x<xc, в системе есть только
локальные кластеры состоящие из конечного числа узлов, и следовательно
15
развитие чрезвычайной ситуации будет ограничено этими кластерами и процессы
развития прервутся. При x > xc
появятся узлы, входящие в полученный
бесконечный кластер, который дает отличную от нуля и независящую от
размеров системы удельную величину распространения опасных факторов σ(x).
Для процессов, развивающихся на решетках, установлены следующие
эмпирические зависимости вида:
PСК ( x)  k ( x  xC ) 2 ,
где PСК (x) - функция, представляющая долю узлов, принадлежащих скелету
бесконечного кластера, ν- эмпирический коэффициент, а k - коэффициент
пропорциональности.
Приведенную зависимость для двумерного случая можно представить в
виде отношения
PСК ( x)
 k ( x  xc ) v  
P( x)
,
а для трехмерной решетки:
PСК ( x)
 k ( x  xc ) 2v  
P( x)
.
Здесь β - эмпирический коэффициент для зависимости P(x) .
При исследовании проводимости двумерных и трехмерных сеток с
блокированными узлами экспериментально найдено, что удельная величина
распространения процессов ЧС подчиняется закону:
 ( x)   0 ( x  x 0 ) t ,
где множитель σ0 равен удельной величине скорости распространения
процесса без блокированных узлов. Величина t называется критическим
индексом величины распространения процесса. Установлено, что для двумерных
сеток t=1,3, а для трехмерных t=1,6÷1,7.
16
Рассмотренные в уравнениях индексы P, ν. β, t описывают критическое
поведение различных величин в окрестности порога протекания. Для каждого из
индексов существует по крайней мере два значения: для двумерной и трехмерной
задач.
Пороги протекания существенно зависят от типа процессов, а критические
индексы обладают определенной универсальностью. Следовательно, если
результаты
физического
эксперимента
трактуются
с
помощью
теории
перколяции, то сравнивают критические индексы.
Таким образом, теория перколяции позволяет связать очень большое
количество объектов. Связь каждого объекта со своими соседями может носить
случайный характер, но задается вполне определенным способом (например, с
помощью генератора случайных чисел). На рисунке 5 показаны возможные
перколяционные модели процессов развития чрезвычайных ситуаций.
Рисунок 5 - Перколяционные модели процессов развития чрезвычайных
ситуаций.
17
Крупномасштабная геометрия позволяет использовать универсальные
свойства физических величин, зависящих от структуры больших кластеров.
Различные задачи теории протекания объединяются тем, что геометрия
связанных элементов вблизи порога перколяции у них одинакова. Таким образом,
в работе предложено модельное описание развития чрезвычайных ситуаций для
оценки потенциальной опасности на промышленных объектах с использованием
теории перколяции.
С
помощью
предложенных
моделей
и
количественной
оценки
функционирования системы, было выбрано динамическое описание принятия
решений в условиях риска. В качестве математического аппарата использован
метод динамического программирования для решения стохастических задач.
Процесс принятия решений представлен конечным числом состояний. При этом
переходные вероятности между выбранными состояниями будут описывать
марковскую цепь. Численные значения экономических рисков могут быть
представлены в виде матрицы Р. Матрица переходных вероятностей и связанная с
ней матрица затрат зависят от альтернатив возможных решений.
Сумма вероятностей возникновения чрезвычайных ситуаций соответствует
единице, а ресурсы, затраченные на минимизацию вредного воздействия каждой
опасности, ограничены. Это позволяет объединить экономические оценки с
возможностью прогнозирования ситуации.
Изначально выбирается число состояний. Им соответствуют значения
вероятностей перехода. Они представляют собой стохастическую матрицу Р. Для
нее существует собственный вектор α, такой что
αР = α
Собственный вектор - строка  состоит из такого же количество компонент,
как и строка переходных вероятностей в матрице Р.
В качестве возможных альтернатив приняты три степени состояния в
соответствии с рисунком 1: S1 - до возникновения ЧС, S2 - критическая ситуация
развития и S3 - катастрофическое развитие ЧС. Поскольку других исходов
18
процесса нет, то сумма вероятностей нахождения процесса в этих состояниях
равна 1. Процесс перехода из состояния в состояние имеет ряд событий, каждому
из которых соответствует вероятность перехода. Обозначим их p 11, p12, p13,p21, p22,
p23, p31, p32 и p33.
Поскольку состояние либо переходит само в себя, либо в другое, то
справедливо:
p11+ p12+ p13 =1,
p21+ p22+ p23 =1,
p31+ p32+ p33 =1.
Тогда:
 p11

P   p21
p
 31
p12
p22
p32
p13 

p23 
p33 
Для решения задачи принятия решений, введем матрицу R определяющую
материальные ресурсы, необходимые для предотвращения той или иной
ситуации:
 r11 r12

R   r21 r22
r r
 31 32
r13 

r23 
r33 
Данные матицы позволяют выбрать наилучшую стратегию принятия
решения. Она основывается на обратном рекуррентном уравнении, связывающим
экономические затраты на последующих шагах (n) процесса развития ЧС.
Окончательный вид этих соотношений:
f N (i)  max(  kj ),
 k m k

f n (i)  max  i   pij f n1 ( j ), n  1,2,...., N  1
j 1


.
19
В заключении сведены основные положения, результаты и выводы
диссертационной работы.
Совокупный итог теоретических и практических исследований, которые
были проведены в данной диссертации, позволяет сделать вывод, что
поставленная научная задача решена. В диссертации выработаны технические и
технологические решения, имеющие большое значение для деятельности МЧС
России. Заявленная научная цель достигнута.
ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ
1.
Проведена декомпозиция общей задачи оценки риска возникновения
чрезвычайных ситуаций на основе фактора ожидаемости.
2.
Разработана
логистическая функция
описания стадий развития
чрезвычайных ситуаций.
3.
Впервые разработаны перколяционные модели описания развития
чрезвычайных ситуаций для оценки потенциальной опасности на промышленных
объектах.
4.
Предложена
модель
принятия
решений
по
снижению
риска
возникновения и развития чрезвычайных ситуаций на промышленных объектах с
использованием теории перколяции.
Список работ, опубликованных по теме диссертации
Статьи в ведущих рецензируемых научных журналах и изданиях,
рекомендованных ВАК:
1. Мирясов Е.Ю. Экспериментальное исследование горения древесины
при использовании пассивной защиты [Электронный ресурс] / В.В. Мурашка,
Е.Ю. Мирясов, Ю.Д. Моторыгин // Научный электронный журнал «Вестник
Санкт-Петербургского университета ГПС МЧС России», vestnik.igps.ru. – 2011. –
№ 3. – 0,7/0,2 п.л.
2. Мирясов Е.Ю. Перколяционная модель развития пожара [Текст] / Е.Ю.
Мирясов,
Ю.Д.
Моторыгин,
Ф.А
Абдулалиев.,
Е.В.Грачев,
//
Научно-
20
аналитический журнал «Проблемы управления рисками в техносфере». – 2012. –
№ 1. – 0,8/0,2 п.л.
3. Мирясов Е.Ю. Перколяционная модель описания процессов развития
чрезвычайных ситуаций [Электронный ресурс] / Е.Ю. Мирясов, М.Т. Аманбаев,
Ю.Д.
Моторыгин
//
Научный
электронный
журнал
«Вестник
Санкт-
Петербургского университета ГПС МЧС России», vestnik.igps.ru. – 2013. – № 3. –
0,7/0,2 п.л.
4. Мирясов Е.Ю. Анализ вероятности возникновения чрезвычайных
ситуаций [Электронный ресурс] / Е.Ю. Мирясов, М.Т. Аманбаев, Ю.Д.
Моторыгин // Технологии техносферной безопасности, http://ipb.mos.ru/ttb/20135/2013-6.html. – 2013. – № 6. – 0,6/0,2 п.л.
Публикации
в
международных,
всероссийских,
региональных
и
ведомственных научных журналах и изданиях:
5.
Мирясов Е.Ю. Моделирование процессов зажигания [Текст] /
Моторыгин Ю.Д., Мирясов Е.Ю., Воронова В.Б, // Научно-аналитический журнал
НДиСЭ № 2, 2011 г. (0,6/0,2 п.л.).
6. Мирясов Е.Ю. Моделирование экологической обстановки в зонах с
нефтяным загрязнением с использованием конечных цепей Маркова [Текст] /
Моторыгин Ю.Д., Мирясов Е.Ю., Нерубенко А.С.// Материалы международной
научно-практической конференции «Совершенствование работы в области
обеспечения безопасности людей на водных объектах при проведении поисковых
и аварийно-спасательных работ» – под ред. В.А. Пучкова – Учебно-спасательный
центр «Вытегра» МЧС России 2012. – 0,1/0,04 п.л.
7. Мирясов Е.Ю. Моделирование развития горения с помощью конечных
цепей Маркова [Текст] / Мирясов Е.Ю., Моторыгин Ю.Д., Ловчиков В.А //
Актуальные проблемы обеспечения безопасности в Российской Федерации. VI
Всеросийская
научно-практическая
конференция
(30
мая
2012
года)
Екатеренбург: Уральский институт ГПС МЧС России, 2012. Ч.2.. – 0,8/0,3 п.л.
–
21
8. Мирясов Е.Ю. Оценка рисков возникновения чрезвычайных ситуаций
на основе вероятности их проявления [Текст] / М.А. Галишев,. Е.Ю. Мирясов //
«Надзорная деятельность и судебная экспертиза в системе безопасности». – № 2.
– 2013. – 0,6/0,3 п.л.
9. Мирясов Е.Ю. Моделирование развития пожара на специальных
хранилищах вооружения [Текст] / Мирясов Е.Ю., Моторыгин Ю.Д., Косенко Д.В.
// Первый международный научно-практический семинар «Системы комплексной
безопасности
и
физической
защиты».
СПб:
СПб
государственной
политехнический университет, 2013. – 0,3/0,1 п.л.
10. Мирясов
возникновения
Е.Ю.
горения
Вероятностные
на
методы
автотранспорте
при
установления
причины
производстве
пожарно-
технической экспертизы [Текст] / Мирясов Е.Ю., Литовченко И.О., Смирнов
В.А.//
Международная
научно-практическая
конференция
«Использование
криминалистической и специальной техники в противодействии преступности»
СПБ: – СПб университет МВД РФ, 2013. – 0,3/0,1 п.л.
──────────────────────────────────────────
Подписано в печать
22.11.2013 г.
Формат 60*84 1/16
Печать офсетная.
Объем 1 п.л.
Тираж 100 экз.
───────────────────────────────────────────
Отпечатано в Санкт-Петербургском университете
Государственной противопожарной службы МЧС России
196105, Санкт-Петербург, Московский проспект, дом 149
Документ
Категория
Без категории
Просмотров
15
Размер файла
617 Кб
Теги
анализа, системный, ситуации, перколяционных, объекта, развития, промышленном, чрезвычайное, моделей
1/--страниц
Пожаловаться на содержимое документа