Інформаційна підсистема забезпечення функції попередження пожежної небезпеки регіонального ситуаційного центру
DOI:
https://doi.org/10.26642/ten-2024-2(94)-151-159Ключові слова:
надзвичайна ситуація, інформаційна підсистема, математична модель, температурний розподіл, функція правдоподібності, ймовірнісний класифікатор, нейромережа, комп’ютерна система, ситуаційний центрАнотація
Метою дослідження є розробка пропозицій щодо створення інформаційної підсистеми комп’ютерної системи своєчасного попередження про рівень небезпеки виникнення пожеж як складової системи забезпечення функціонування регіонального ситуаційного центру. Під час проведення дослідження було застосовано методи системного підходу, аналізу і синтезу, математичного моделювання, теорії ймовірностей, чисельні методи та нейромережеві технології, на базі яких було сформовано і розкрито принцип функціонування інформаційної підсистеми, основу якого становить комп’ютерний алгоритм. Запропоновано модель інформаційної підсистеми попередження у вигляді розподіленої структури, що складається з двох вирішальних модулів, які паралельно виконують аналіз і оцінювання даних вхідних інформаційних каналів з метою своєчасного попередження про ризик виникнення пожежі. Теоретична і практична значущість дослідження полягає в поглибленні наявних і розробленні нових підходів і рекомендацій щодо розробки інформаційної підсистеми забезпечення функції своєчасного попередження пожежної небезпеки регіонального ситуаційного центру.
Посилання
Brodskyi, Yu.B. and Kovbasiuk, S.V. (2024), «Kontseptualnyi pidkhid do stvorennia sytuatsiinoho tsentru staloho rozvytku rehionu», Suchasni informatsiini tekhnolohii u sferi bezpeky ta oborony, No. 1 (49), рр. 151–159, [Online], available at: https://sit.nuou.org.ua/article/view/298451
Brodskyi, Yu.B. and Kovbasiuk, S.V. (2024), «Kontseptsiia stvorennia rehionalnoho sytuatsiinoho tsentru», Informatsiino-kompiuterni tekhnolohii, tezy dopovidei ХIV Mizhnarodnoi naukovo-tekhnichnoi konferentsii, 28–29 bereznia, Zhytomyrska politekhnika, Zhytomyr, рр. 39–40.
Holovina, N.V. (2024), «Rozroblennia systemy pidtrymky pryiniattia rishen dlia monitorynhu ta poperedzhennia lisovykh pozhezh v Ukraini», Visnyk Khersonskoho natsionalnoho tekhnichnoho universytetu, No. 2 (89), рр. 150–156, doi: 10.35546/kntu2078-4481.2024.2.21.
Granda, B., León, J. and Vitoriano, B. (2023), «Decision support models and methodologies for fire suppression», Fire, No. 6 (2), 37 p., doi: 10.3390/fire6020037.
Carta, F., Zidda, C. and Putzu, M. (2023), «Advancements in forest fire prevention: a comprehensive survey», Sensors, No. 23 (14), doi: 10.3390/s23146635.
Lelis, C.A.S., Roncal, J.J. and Silveira, L. (2024), «Drone-based AI system for wildfire monitoring and risk prediction», IEEE Access, pp. 139865–139880, doi: 10.1109/access.2024.
National Aeronautics and Space Administration (NASA), Staff (2018), Inter-comparison of wildfire and high-resolution interferometer sounder data from storm-fest: an investigation of wildfire spectral channel discrepancies, Independently published.
Kanwal, R., Rafaqat, W. and Iqbal, M. (2023), «Data-driven approaches for wildfire mapping and prediction assessment using a convolutional neural network (CNN)», Remote Sensing, No. 15 (21), doi: 10.3390/rs15215099.
Huot, F., Hu, R.L. and Goyal, N. (2022), «Next day wildfire spread: a machine learning data set to predict wildfire spreading from remote-sensing data», IEEE Transactions on Geoscience and Remote Sensing, No. 60 (1), 13 p., doi: 10.1109/tgrs.2022.3192974.
Shaddy, B., Ray, D. and Farguell, A. (2024), «Generative algorithms for fusion of physics-based wildfire spread models with satellite data for initializing wildfire forecasts», Artificial Intelligence for the Earth Systems, doi: 10.1175/aies-d-23-0087.1.
Список використаної літератури:
Бродський Ю.Б. Концептуальний підхід до створення ситуаційного центру сталого розвитку регіону / Ю.Б. Бродський, С.В. Ковбасюк // Сучасні інформаційні технології у сфері безпеки та оборони. – 2024. – № 1 (49). − С. 151–159 [Електронний ресурс]. – Режим доступу : https://sit.nuou.org.ua/article/view/298451.
Бродський Ю.Б. Концепція створення регіонального ситуаційного центру / Ю.Б. Бродський, С.В. Ковбасюк // Інформаційно-комп’ютерні технології : тези доповідей ХІV Міжнародної науково-технічної конференції, 28– 29 березня. – Житомир : Житомирська політехніка, 2024. − C. 39–40.
Головіна Н.В. Розроблення системи підтримки прийняття рішень для моніторингу та попередження лісових пожеж в Україні / Н.В. Головіна // Вісник Херсонського національного технічного університету. – 2024. – № 2 (89). − С. 150–156. DOI: 10.35546/kntu2078-4481.2024.2.21.
Granda B. Decision support models and methodologies for fire suppression / B.Granda, J.León, B.Vitoriano // Fire. – 2023. – № 6 (2). – 37 р. DOI: 10.3390/fire6020037.
Carta F. Advancements in forest fire prevention: a comprehensive survey / F.Carta, C.Zidda, M.Putzu // Sensors. – 2023. – № 23 (14). DOI: 10.3390/s23146635.
Lelis C.A.S. Drone-Based AI system for wildfire monitoring and risk prediction / C.A.S. Lelis, J.J. Roncal, L.Silveira // IEEE access. – 2021. – Р. 139865–139880. DOI: 10.1109/access.2024.3462436.
Inter-Comparison of wildfire and high-resolution interferometer sounder data from storm-fest: an investigation of wildfire spectral channel discrepancies / National Aeronautics and Space Administration (NASA), Staff. – Independently Published, 2018.
Kanwal R. Data-Driven approaches for wildfire mapping and prediction assessment using a convolutional neural network (CNN) / R.Kanwal, W.Rafaqat, M.Iqbal // Remote sensing. – 2023. – № 15 (21). DOI: 10.3390/rs15215099.
Huot F. Next day wildfire spread: a machine learning data set to predict wildfire spreading from remote-sensing data / F.Huot, R.L. Hu, N.Goyal // IEEE transactions on geoscience and remote sensing. – 2022. – № 60 (1). – 13 р. DOI: 10.1109/tgrs.2022.3192974.
Shaddy B. Generative algorithms for fusion of physics-based wildfire spread models with satellite data for initializing wildfire forecasts / B.Shaddy, D.Ray, A.Farguell // Artificial intelligence for the earth systems. – 2024. DOI: 10.1175/aies-d-23-0087.1.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2024 Олександр Володимирович Маєвський, Юрій Борисович Бродський, Михайло Олегович Хохлов
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
Автор, який подає матеріали до друку, зберігає за собою всі авторські права та надає відповідному виданню право першої публікації, дозволяючи розповсюджувати даний матеріал із зазначенням авторства та джерела первинної публікації, а також погоджується на розміщення її електронної версії на сайті Національної бібліотеки ім. В.І. Вернадського.
