автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Модели и алгоритмы принятия оптимальных решений при минимизации риска аварийных ситуаций

па правах рукописи

Соловьев Алексей Евгеньевич оозобзт 16

Модели и алгоритмы принятия оптимальных решений при минимизации риска аварийных

ситуаций

Специальность 05.13.01 - «Системный анализ, управление н обработка информации (промышленность)»

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

УДК 658.012

Москва 2007

003053716

Работа выполнена в Московском государственном горном университете

Научный руководитель доктор технических наук, профессор КУПРИЯНОВ ВЯЧЕСЛАВ ВАСИЛЬЕВИЧ

Официальные оппоненты: доктор технических наук, профессор МАКАРОВ ВАЛЕРИЙ ФЕДОРОВИЧ, кандидат технических наук, доцент БОЖКО ДМИТРИЙ ИЛЬИЧ

Ведущая организация - НИИ системных исследований РАН.

Защита состоится « я? » ог 2007 г. в часов на

заседании диссертационного совета Д 212.128.07 при Московском государственном горном университете по адресу: 119991, г. Москва, Ленинский пр-т, д.6

С диссертацией можно ознакомиться в библиотеке университета.

Автореферат разослан « 26 »__2007 г.

Ученый секретарь диссертационного совета, доктор технических наук

КУБРИН СЕРГЕИ СЕРГЕЕВИЧ

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Актуальность работы

При решении вопросов планирования горного производства большое значение имеют перевозки грузов, например с нескольких карьеров, производящих стройматериалы, к нескольким потребителям сырья; транспортировка угля как важного энергоносителя с шахт - поставщиков в несколько пунктов, потребителей угля (ТЭЦ, обогатительные фабрики), при известных объемах добычи по каждой шахте, потребностях в угле, пропускных способностях коммуникаций транспортной сети. Большое значение для горнодобывающей промышленности также имеют задачи планирования размещения углеобогатительных фабрик, решение которых зависит от мест добычи, расстояния, назначения и количества перевозимого угля. При этом учитываются существующие железнодорожные транспортные системы в рамках Российских Железных Дорог (РЖД).

Железная дорога, представляющая собой стратегически важный объект, практически для всех отраслей промышленности страны в рамках ее хозяйственной деятельности в настоящее время остается областью деятельности с наиболее низкими показателями безопасности. Несмотря на проведение множества мероприятий по безопасности и совершенствованию средств осуществления спасательных работ уровень аварий и удельный вес несчастных случаев со смертельным исходом по-прежнему довольно высокие. Усиливаются негативные тенденции: возрастает доля "рукотворных" аварий, увеличиваются масштабы техногенных катастроф (столкновения, взрывы, пожары, сход с рельсов и т.д.), которые являются следствием увеличения объемов и интенсивности железнодорожных перевозок промышленных грузов, в частности различных видов топлива, полезных ископаемых с горнодобывающих предприятий, а также технических, энергетических установок, систем связи, коммуникаций и пр. Основная их причина связана с тем, что принятие решений в области безопасности осуществляется без достаточного учета специфики перевозок, что объясняется чрезвычайной сложностью формализации учета и описания их особенностей. Эти процессы имеют стохастический и нестационарный характер.

Обеспечение технологической безопасности, как известно, основано на комплексном анализе условий и причин возникновения аварийной ситуации (АС) и формировании механизма принятия управленческих решений.

Решение задач мониторинга опасных ситуаций, оценки последствий аварий, выхода из них на основе аналитических или стохастических подходов наталкивается на ряд серьезных ограничений, связанных с наложением классов типичных аварий, множественностью их параметров, невозможностью строгого

количественного определения момента времени локализации и развития аварий, которое изменяется для разных их типов.

Сегодня появляется понимание того, что одним из направлений решения этой проблемы является раскрытие информационного механизма возникновения аварий и на этой основе внедрение новых информационных технологий мониторинга и управления. Достоинством такого подхода яатяется возможность создания методов мониторинга и управления железнодорожными перевозками промышленных грузов, которые инвариантны к различным типам аварий и могут быть адаптированы к разным условиям.

Таким образом, совершенствование методов мониторинга и управления рисками аварий на основе информационных технологий с элементами искусственного интеллекта является актуальной научной задачей, имеющей важное народнохозяйственное значение.

Цель исследования заключается в разработке моделей, методов и алгоритмов принятия решений, универсальных для различных отраслей промышленности и обеспечивающих минимизацию рисков и смягчение последствий железнодорожных аварий.

Задачи исследовании Системная концепция в области безопасности, основанная на автоматизированном управлении техногенными рисками, предполагает решение следующих задач:

1. Теоретическое обобщение причинно-следственных взаимосвязей факторов аварийности перевозочных процессов промышленных грузов для выявления закономерностей возникновения аварий.

2. Разработка деревьев отказов, событий, рисков при авариях на железнодорожном транспорте для формирования информационных моделей возникновения и развития аварий.

3. Разработка алгоритма мониторинга взаимодействия нештатных ситуаций при возникновении аварий.

4. Разработка алгоритма распознавания причин и условий возникновения аварийных ситуаций.

5. Построение нечетких моделей прогнозирования времени локализации аварийных ситуаций при перевозках.

6. Разработка методики оценки последствий аварий в перевозочных процессах.

Идея работы заключается в установлении и анализе причинно -следственных связей между причинами, условиями возникновения аварийных ситуаций, их возможным ущербом и действиями персонала железной дороги и

выработке оптимальных решений по обеспечению безопасности при перевозках различных хозяйственных грузов.

Методы исследования. Выполненные исследованы базируются на использовании методов математической статистики, кластерного анализа, теории нечетких множеств, теории принятия решений, теории вероятностного анализа риска, основ построения систем искусственного интеллекта.

Основные научные положения, разработанные соискателем, и их

новизна:

> комплексный подход к обеспечению безопасности при авариях на железной дороге, объединяющий этапы мониторинга опасных ситуаций и оперативного управления рисками их аварийного развития на основе информационного моделирования возникновения и развития аварий, распознавания причин и условий их возникновения с оценкой возможного ущерба, который позволяет формализовать процесс принятия и оптимизации решений в автоматизированной технологии обеспечения безопасности при перевозках;

> модели и алгоритмы принятия решений по минимизации риска аварий, основанные на построении деревьев отказов, событий, опасных состояний и временной оценке «золотого вурфа» при локализации аварийных ситуаций, которые, в отличие от существующих, позволяют определять вклады разных источников опасных факторов в риск возникновения аварий, текущий резерв времени при авариях и являются основой для автоматизированной оценки ситуационной обстановки;

> алгоритм распознавания нештатных ситуаций, причин и условий возникновения аварий на основе нечеткой нейронной сети (НС) с изменяемой топологией и моделей многокритериальной оценки предпочтительности альтернативных решений, которые отличаются от известных возможностью оперативной перестройки систем мониторинга на уровне информационного обеспечения при появлении новых ситуаций или их каскадного развития но принципу «домино»;

> методика оценки последствий аварий, основанная на НС - обучающей модели, которая позволяет, в отличие от известных, оперативно принимать решения по оценке ущерба от различных типов аварий, а также разрабатывать программы снижения риска АС до требуемого уровня с минимальными затратами.

Достоверность научных положений, выводов и рекомендаций, сформулированных в диссертации, подтверждается представительностью статистических выборок; достаточно полным анализом количественных

характеристик опасных факторов аварийных ситуаций и их последствий; результатами имитационного моделирования комплекса автоматизированных технологий мониторинга опасных ситуаций и управления риском их аварийного развития (точность предсказания времени локализации аварий по их масштабу на основе нечеткой прогнозирующей модели в пределах 20%), а также удовлетворительной сходимостью (15%) ряда полученных результатов с результатами других авторов.

Научная значимость работы состоит в разработке комплексного подхода к принятию управленческих решений по обеспечению безопасности перевозочных процессов железнодорожными составами всех типов, который включает модели, алгоритмы комплексного анализа и управления риском возникновения и развития различных аварий, что позволяет обосновать способы проведения текущего мониторинга параметров аварий для своевременного принятия решений по ликвидации их последствий.

Практическая значимость работы состоит:

❖ в классификации железнодорожных аварийных ситуаций по их типам, причинам и условиям возникновения;

❖ вьмвлении причин, влияюпщх на резерв времени по выходу из аварий при железнодорожных перевозках;

❖ разработке процедур оптимизации принимаемых решений в условиях неопределенности, нечеткости и неполноты исходных данных в результате аварий, которые применимы между отдельными крупными железнодорожными узлами с возможностью обобщения по всем отделениям железной дорога;

❖ создании инструментальных средств поддержки принятия решений при обеспечении безопасности железнодорожных перевозочных процессов, позволяющих взаимосвязанно осуществлять анализ и прогноз АС, оценку их последствий и определение порядка действий диспетчерского персонала железной дороги по их оперативному устранению;

❖ внедрении основных результатов диссертационной работы в разработки Центра управления кризисными ситуациями МЧС России (г. Москва), а также в учебный процесс для подготовки бакалавров, специалистов и магистров по направлению 654600 - «Информатика и вычислительная техника» на кафедре «Автоматизированные системы управления» МГГУ.

Апробация работы. Основные результаты диссертации и ее отдельные положения докладывались на семинарах кафедры АСУ МГТУ и следующих конференциях: «Неделя горняка» (г. Москва, 2004 - 2006 гг.); VI Международная

конференция «Интерактивные системы: Проблемы человеке - компьютерного взаимодействия» (ИС - 2005 г.) (г. Ульяновск, 2005 г.).

Публикации. По теме диссертации опубликовано 5 научных работ.

Структура диссертации. Диссертационная работа состоит из введения, четырех глав и заключения, списка используемой литературы из 122 наименований, включает 36 рисунков, 2?_таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Проблеме практической реализации автоматизированных систем обеспечения безопасности посвящено значительное число исследований и разработок, проводимых десятилетиями целым рядом научных коллективов как в России, так и за рубежом. Существенный вклад в разработку основных положений риска, его математического аппарата и развитие отдельных разделов внесли: В.Т.Алымов, Н.А.Махутов, А.М.Емельянов, В.А.Легасов, Н.П.Моисеев, А.Д.Урсул, И.И.Кузьмин, В.В .Куприянов, В .Маршал, О.Реип, С.М.Мягков, А.Н.Проценко, М.Халлер, Э.Хенли и другие отечественные и зарубежные ученые. За прошедшие два десятилетия в нашей стране была проведена огромная работа, направленная на разработку методологии и методов, позволяющих с помощью математического моделирования количественно определить риск для населения от развития той или иной технологии. Лучший пример законченной системы оценки риска в России, как известно, дает ядерная энергетика.

Обеспечите безопасности людей непосредственно связано с реализацией производственно-технологического цикла работ и систематически определяется взаимодействием человека, машин и среды, в результате которого при определенных условиях возникают нежелательные события в виде опасных факторов или источников опасности.

В связи с этим в диссертационной работе был выполнен анализ возникновения аварийных ситуаций на железнодорожном транспорте при перевозке промышленных грузов. Было выявлено, что одной из основных причин аварий является "человеческий" фактор и он по-прежнему остается решающим (рис.1). Многие крушения и аварии произошли вследствие халатного отношения персонала к своим служебным обязанностям, недостаточного контроля за выполнением действующих требований к эксплуатации подвижного состава, отсутствия систематической работы по предупреждению и устранению различных технических неисправностей, а также преднамеренного человеческого действия, которые могут привести к аварийной ситуации. Анализ данных за 1999 - 2002 гг.

Рис, 1. Диаграмма процентных показаний ЧС на железной дороге РФ в 19992002гг.

показал, что для территории РФ уровень риска на железнодорожных объектах близок к 6 10 ''

Сложность объекта управления я первую очередь обусяодяена его ограниченной наблюдаемостью из-за влияния ряда неконтролируемых факторов и ограниченной точностью оценок его состояния, в силу чего большая часть информации, поступающей с объекта в процессе мониторинга, служит причиной многообразия выводов о его состоянии. При этом сами ситуации распределены по участкам железной дороги и имеют изменяющиеся случайные параметры. Система должна узнавать ситуации (место, предмет, время и причины возникновения) и предвидеть изменения складывающихся ситуаций с формированием в режиме диалога рекомендаций по действиям оперативно - диспетчерского персонала {ОД II) в определенных ситуациях (предусмотренных, непредусмотренных, взаимодействующих между собой) с учетом резерва времени в пнх.

Как отмечалось выше, целью автоматизированного процесса обеспечения безопасности является выявление при перевозках возможных причин возникновения АС с использованием аппаратуры измерений. Наиболее трудоемкими являются распознавание критических событий и инициирующих условий и предсказание исходов аварии.

Среди существующего разнообразия аварий подробно были рассмотрены два вида аварий, таких как пожар на железнодорожном транспорте и сход с рельсов подвижного состава. Каждой из них соответствуют свои последовательности

событий. Для аварии типа сход с рельсов было построено дерево событий, которое позволяет учесть функциональные взаимосвязи элементов системы в виде логических схем, учитывающих взаимную зависимость отказов элементов или групп элементов. В общем случае как деревья отказов, так и деревья событий являются лишь иллюстрацией к простейшим вероятностным моделям. Однако они представляют значительный интерес для специалистов, связанных с эксплуатацией, обслуживанием и надзором технических объектов.

Минимальной траектории (наименьшей группы событий, без появления которых авария не происходит) в данной задаче не существует, так как, чтобы схода с рельсов не произошло, необходимо отсутствие всех трех начальных событий (дефект рельса, периодические дефекты (вертикальные или горизонтальные изгибы), застопоривание колесной пары).

Вероятность выходного события В (возникновение резонанса) при независимых исходных событиях Д определяется по формуле:

ад = 1-ПМи-)) , о)

¿=1

где 5(А]) - вероятность события А.,.

При известных вероятностях исходных событий была найдена вероятность схода поезда с рельсов, равная 0.006.

Дерево событий для схода поезда с рельсов по вине машиниста может быть представлено следующей цепочкой событий: начальное событие - дефект рельса; далее неработоспособность подвижного состава —> нездоровое состояние машиниста —> ошибка машиниста при эксплуатации возникновение резонанса —> сход с рельсов.

Дерево событий, приведенное на рис. 2, соответствует последовательности событий при аварии на железной дороге (сход с рельсов). Начальным событием служит халатность разводящего стрелочного движения Р0. Следующие события: наличие на рельсах инородных предметов с вероятностью 0.999 и их отсутствие с вероятностью 0.001; превышение машинистом скорости на участке пути с вероятностью 0.999 и его непревышением - 0.001; отсутствие дефекта с вероятностью 0.2 и его возникновение с вероятностью 0.8; отсутствие резонанса с вероятностью 0.995 и его появление - 0.005.

При развитии событий по верхней ветви дерева с вероятностью (в предположении о стохастической независимости исходных событий) ожидаются очень незначительные дефекты, не приводящие к аварии, при развитии по нижним ветвям - происходит сход с рельсов.

Халатность разводящего стрелочного движения

Подкладывание Превышение Дефект рельса на ргльсы допустимой на инородных участках пути предметов скорости

в, Нет

Возникает резонанс

Сход с рельсов

0,001

Нет 0,2 Нет 0,995

Нет 0,999 Г,

Рс 0,999 Р2 Да 0,3 Да 0,005

Да 0,001

Нет

Нет

Да Да

Да

Финальная вероятность

0,2

0,794

0,004 0,001

0,001

Рис. 2. Дерево событий для схода с рельсов

Г4--

К/=0,001;

Яд = 0,001;

^з = 0,8-0,005 = 0,004.

е?"^/ '65 *...

5^0,999-0,999-0,2 =0,2;

5„2 = 1 - (0,2 + 0,001 + 0,001 + 0,004) = 1 - 0,206 = 0,794.

Имея такие схемы, специалист может не только иайти наиболее критический вариант развития событий, но и оценить ожидаемый риск, если соответствующее дерево событий или отказов дополнено статистическими данными.

В работе рассмотрена технология логико-вероятностного подхода к безопасности на примере пожара. Возникновение и развитие аварии было представлено в виде графа (рис. 3), который позволяет оценить опасность аварии по ее связям и характеристикам, а именно по причинам и условиям возникновения.

Опасным состоянием будем считать пожар. Идя сверху (от целого) вниз (к частному) и перечисляя все причины, ведущие к аварии, можно получить дерево опасного состояния. Пожар обязательно произойдет, если произойдет воспламенение из-за возникновения источника тепловых импульсов (события г^ отсутствия блокировки при высокой температуре (г, или при возгорании горюче - смазочных материалов (ГСМ) (г7 ч-г9).

Тогда модель возникновения опасного состояния (пожара) будет выглядеть следующим образом:

У(ги9) = г7

24

ваш вяд Е^еа вэст БШ Пожар на железнодорожной | секции

sktes ЕЭЕЯ еж* кати тт^а илпя

Воспламенение железнодорожной секции

та*

о.

• • • • • вС^^)

• Возникновение источника • J тепловых импульсов J ll> • -м •

Ьу

,0

Возгорание горюче -смазочных материалов

9 Э « О » i

Отсутствие блокировки при высокой температуре

i • ••••••

UU

• • i • • • • • • •

Недостаточная вентиляция секции

Г

• • • • • ---

I ИЛИ

—I 0

Замыкание контактной линии

« • • • в

ГГ]-

Нютнй}роваъ

сигшлаш

регуляторе

расхода

топлива

Перегрев двигателя

Малая подачи воздуха

Клапан подачи воды закрыт

X

Наличие искры

I • е i

О

Неисправность оборудования

z, 0,208

z2

0,07!

Z,

0,071

0,071

Z5

0,071

Z6 0,208

« о «

• Выеохач 1

• разность <

• внешней и ]

• внутренней <

• температу <

• Р "

• i • • »¿^ • в • •

0,345

• • « « • • • J i

Очаг возгорания вблизи горюче смазочных материалов

.....га*""

Несоблюдгн ие техники безопасност и

Утечка перееознмог о топлива и ГСМ

Z,

0,052

Z,

0,052

Рис. J. Дерево опасного состояния

Пожар, может произойти в двух случаях: ^ при одновременном срабатывании 5 элементов опасной функции

(указаны кружками на левой ветви); ^ при одновременном срабатывании 3 элементов опасной функции

(указагга кружками на правой ветви); ^ при минимальном наборе инициирующих условий г,-.

На основании (2) в работе были определены индивидуальные веса инициирующих условий возникновения пожара, которые позволили выделить группы их опасности: 1) г7; 2) г/, 3) ¿2, г4 г4, г5; 4) г9

При этом рассчитывались вероятности истинности логических соотношений функции 7(27). Также были определены индивидуальные и парные вклады инициирующих условий в опасность пожара, которые в дальнейшем были использованы при создании алгоритма распознавания причин и условий возникновения аварий. Было показано, что вклад условия оказался самым большим и определяющим. Вклады ^, также являются определяющими (более 0,9991).

Одним из условий обеспечения безопасности является отсутствие АС на интервале [0,Т], где Т -продолжительность железнодорожных перевозок или работы того или иного подвижного состава.

Необходимым условием обеспечения безопасности в случае возникновения АС является запас времени на выход из нее (рис.4), т.е. тр > тв или тр -та >0, где тр - резерв времени в АС (время достижения предельного состояния); те -время, необходимое для благополучного выхода из данной АС (локализация, ликвидация АС), или это время цикла регулирования (принятия и реализации мер по локализации АС).

Условие тр = тв очень опасно, т.к. те - переменная величина, следовательно, нужен запас времени = тр — Тв. Величина 1п должна бьггь большой, т.к. от нее

зависят последствия АС. Для выявления связи между тр и Тс использовали

понятие «золотого вурфа» Леонардо да Винчи, отражающего соразмерность. Было показано, что для аварий типа столкновение, с ход с рельсов, пожар - значение вурфа составляет в среднем 1,21, т.е. природа дает нам запас времени в 20% для выхода из аварий. Оценка параметров Тр и Тв по данным аварий также показала,

что величина вурфа на 56% определяет технологические факторы, в том числе на 45% одновременность наступления поломок составов, износа полотна, дефектов

Рис. 4. Модель развития аварии ?0 - время до начала обнаружения АС; /] - время восприятия информации человеком; ?2 - время переработки информации человеком; /3 - время принятия решения по локализации АС; /4 - время на осуществление мероприятий человеком

(на моторику)

рельсов; на 4,4% - отказы измерительной аппаратуры и средств; на 8,6% -неисправности оборудования. Остальные 44% приходятся на ошибки персонала.

В настоящее время существуют автоматизированные системы управления перевозочными процессами железнодорожным транспортом, с помощью которых совершенствуется эксплутационная деятельность железнодорожных узлов и отделений железной дороги. Построены региональные вычислительные сети, задачи решаются в узловых вычислительных центрах. Таким образом, в РФ решается проблема комплексной автоматизации управления перевозочными процессами в отделениях железной дороги. Поэтому возможно и решение задачи управления риском возникновения аварий в условиях интенсификации перевозочных процессов.

Авария - это сложный объект со сменой ситуаций, которые, как правило, являются размытыми. Кроме того, велика роль человеческого фактора - как ошибок людей, обеспечивающих перевозки, так и людей на путях, часто являющихся причинами аварий. Причин и условий возникновения аварий много, поэтому валено установить причинно - следственные цепочки событий, способных привести к гибели людей. А множественность причин и условий АС обусловливает и множественность принимаемых решений по обеспечению безопасности, поэтому важен мониторинг ИшС.

В диссертации предлагаются два алгоритма, решающие данную задачу. Возможно также получение ответов на вопросы о характерности НшС (ее тип, наложение НшС, их взаимодействие, предусмотренная НшС или нет). Эти алгоритмы в дальнейшем будут использованы в диссертации при оценке ожидаемых последствий АС и действий ОДП в той или иной ситуации (способа выхода из аварии - правомерности принятого решения).

Целью автоматизированного распознавания опасных ситуаций является выявление оценок состояния железной дороги и возможных причин возникновения аварий. Процесс управления безопасностью предполагает следующую последовательность приемов: анализ опасных факторов в виде инициирующих и инициируемых НшС с целью принятия решения о причинах АС, оценка возможных исходов АС и их последствий. Таким образом, имеется цепочка отображений вида: опасные факторы —> НшС АС последствия АС —> действия ОДП. Но действия ОДП нуждаются в адекватном информационном обеспечении. На снижение адекватности влияют неполнота данных, нечеткость информации. Поэтому в работе использовался принцип многовариантности решения и/или модели, согласно которым находятся несколько альтернативных решений с целью уменьшения вероятности потери наилучшего из них. Особое место занимают и модели состояний железной дороги, включая железнодорожное полотно, рельсы, сами составы, оборудование. Эти состояния могут произвольно изменяться. Таким образом, существует множество состояний и соответствующих моделей, к которым уже неприменимы абсолютные критерии достоверности.

При разработке первого алгоритма учитывалось, что НшС, являющиеся причинами и условиями появления аварий, взаимодействуют, переходя в более опасные состояния, повышая риск возникновения АС, т.е. они выходят за границы прежнего уровня. Нужно распознавать эти взаимодействия. При оценках взаимодействия НшС проверяется значимость корреляционной связи параметров НшС. Например, по дереву опасного состояния (рис.2) НшС - искрение двигателя, приводящее к «коротком)' замыканию в контактных сетях» и появлению «источника тепловых импульсов», характеризуется изменением температуры воздуха.

Основная идея предлагаемого алгоритма состоит в отражении взаимодействия НшС во взаимосвязанности их параметров и формировании множества всех возможных НшС, выбор любой пары которых из этого множества рассматривается как альтернатива. Требуется из множества НшС С0п найти С01, являющиеся наиболее значимыми по взаимосвязи с остальным. Решение этой задачи осуществлялось с помощью разработанной процедуры вычисления оценок предпочтительности многоальтернативного выбора.

Алгоритм мониторинга взаимодействия НшС состоит из следующих

шагов.

Шаг 1. Формирование статистической выборки НшС V/~{co„}, заданных значениями параметров i-l,I - индекс параметра; n~\,N- порядковый

номер НшС.

Шаг 2. Вычисление средних значений g, и среднеквадратичных отклонений с,-параметров НшС.

Шаг 3. Формирование матрицы взаимной корреляции R значения параметров НшС с элементами Гу.

Шаг 4. Оценка информативной значимости параметров НшС по строкам матрицы R: Z, = ^ ги, -1, V г = 1, / г -индекс строки, j -индекс столбца матрицы

г

R.

Шаг 5. Отображение множества значений параметров {^„}во множестве параметров {сй}, ранжированных в порядке возрастания информативной значимости Z, V;.

Шаг 6. Нормализация параметров ст по правилам: V г: cin -Cin при Т,= 1, сы = тах с;„ - сы, при Т, = 0, где Т, - признак параметра cin.

Шаг 7. Вычисление оценок предпочтительности Rn и тождественности' S выбора альтернатив а, в соответствии с шагами алгоритма поиска наиболее предпочтительных решений в условиях многокритериальности: . строгий выбор взаимодействующих НшС (Ot j 2

о)п 2: Rnl =тахЛ„ и таxÄn >S>S0~* (R„,W,L„) n*t\

• возможный выбор пары взаимодействующих НшС

®>u -R42 =max(i?,,...,Ä„);

• отказ от выбора НшС S < Sq,

где Ln— лингвистические переменные, характеризующие качественные описания взаимодействия НшС; S0- заданный порог уверенности.

Шаг 8. Вывод для пользователя имен НшС, оценок их предпочтительности и описания взаимодействия НшС.

Изложенный алгоритм позволяет формализовать способ распознавания НшС при развитии АС и получить оценку выбора без участия экспертов. Она может быть полезна при формализации логической организации последовательности аварий, известной как эффект «домино», когда тот или иной вид НшС создает

предпосылки для возникновения последующих видов НшС. Алгоритм позволяет проследить логические цепочки природных происшествий, приводящих к авариям, связанным со стихийными бедствиями. Алгоритм универсален и может использоваться в практически неограниченной предметной области.

Выполненная в диссертации классификация наиболее типичных железнодорожных аварий на прогнозируемые, определяемые и непредсказуемые показала, что харакгеризация аварий должна вестись по причинам и условиям их возникновения и развития на основе соответствующего статистического материала.

Второй алгоритм являегся развитием предыдущего и реализует процедуры, минимизирующие роль экспертов в процессе диагностики НшС/АС. Основной задачей является выявление наиболее вероятных причин и условий возникновения АС, но заключения должны иметь характер бинарных, типа «да -нет», и давать обоснование степени предпочтительности выбора. Алгоритм использует процедуры обучения, которые обусловлены следующим. Решение задачи распознавания АС в рамках классических подходов наталкивается на серьезные затруднения из-за необходимости выполнения нелинейной классификации (из-за межклассовых пересечений). Известные подходы предполагают полный перебор и проверку всех возможных комбинаций суммарных расстояний между НшС в пространстве параметров. При значительном количестве НшС это приводит к «комбинаторному взрыву». Кроме того, параллельно решается задача определения количества существующих типов аварий. Классификация может оказаться неадекватной из - за «наложения» типов аварий.

Для исключения этого в работе использовались «обучение с учителем» на основе искусственных нейронных сетей (НС) и самообучение с помощью алгоритма, реализующего пошаговое определение «центров классов» АС.

Задача состояла в классификации НшС в определенное число кластеров или классов, основанных на свойстве разрешенное™ обучаемых НшС и конкур1фующем обучении. Кластер считается однородным, если его элементы имеют одинаковый вес появления той или иной НшС (причины и условия АС) в конкретном классе аварий. В качестве инструментария была использована двухуровневая НС с изменяемыми топологией и весами. При этом учитывалась специфика кластеров: разделенные или перекрывающиеся. Нечеткая классификация осуществлялась в три этапа. После первого этапа, когда все НшС классифицированы, модели каждого кластера запоминались в весах линий связи между нейроузлами. Далее вычислялись нечеткие значения принадлежности каждой НшС множеству кластеров типовых аварий и формировались описания классов типичных аварий.

Обучающая модель включала нечеткую классификацию НшС в С кластеров, вычисление нейровыходов сети С", соответствующих типам аварий, и процесс раскрытия нечеткости на основе С' и функций принадлежности. В качестве критерия оценки адекватности НС - модели использовался квадратичный критерий. При предъявлении 90 обучающих НшС с помощью НС - модели, а также алгоритма самообучения автоматически были сформированы 9 классов возможных типовых аварий при железнодорожных перевозках. Процент ошибки распознавания находился в пределах 4 - 5% для НС - модели и 7 - 8% для ранее существующих. Этот список типичных аварий может дополняться другими видами аварий, обусловленных техническими условиями железнодорожных перевозок, которые выражаются в форме предъявляемых НшС для обучения. Параметры НС - модели изменились в пределах: число входных нейроузлов - 5, число выходных нейроузлов не превышало 25, общее число линий связи -185, число итераций -11.

Алгоритм распознавания причин и условий возникновения аварийных ситуаций включает следующие шагов:

Шаг 1. Обучение системы мониторинга. Формирование классов моделей - Мк АС и лингвистических переменных Ь с качественными описаниями типов аварий

{Мк = *и(т/г„ Гмп\у)}, где к = \,К - индекс типа аварий; ¡-1,1 - индекс параметров НшС; - соответственно значения 1 - го параметра причины и

условия возникновения аварий; ¿-{1^} - множество значений лингвистической переменной Ь.

Шаг 2. Вычисление информативной значимости параметров по среднеквадратичным отклонениям и квадратам средних значений параметров причин и условий по всем « К » типам аварий.

Шаг 3. Ранжирование параметров в порядке возрастания

информативной значимости.

Шаг 4. Ранжирование параметров {gk}, {} распознаваемых ситуаций в порядке возрастания информативной значимости; параметры gы, - определяются как веса и вклады причин и условий в опасность аварии по методике ФОС. Шаг 5. Формирование множества альтернатив по числу типов аварий с учетов причин и условий их возникновения и нормирование значений их параметров. Шаг 6. Определение оценок предпочтительности К"/ альтернатив отнесения предъявляемой ситуации к типовым авариям и тождественности Я"" выбора альтернатив.

Шаг 7. Интерпретация оценок предпочтительности и тождественности выбора:

• строгое распознавание (истинные причины и условия возникновения АС):

Я? = 1 \Я1У = 5П-У =0; к = \ф к;

• вероятное распознавание причин и условий АС:

/?;>' > Б^'КР' >Е"У к = \,К,1 Ф к

• отказ от распознавания: У" =1; 5"у >Щ" к — I, К Получаемые оценки интерпретируются в следующей форме:

♦> При строгом распознавании происходит отнесение ситуации к определенному типу аварий (например, сход с рельсов) и выдается описание свойств АС (дата, участок ж/д, ее продолжительность) с указанием истинной причины (механическое разрушения рельсов) и условия (невнимательность обходчиков при эксплуатации железнодорожных путей) ее возникновения.

•> При вероятностном распознавании: ситуация относится к определенному типу аварий и формируется сообщение, состоящее нз текста "вероятно" и указания вероятных причин и условий возникновения данной АС. Например, "вероятно": тип аварии - "пожар на железнодорожной секции", причина -"воспламенение железнодорожной секции"; условие возникновения -"отсутствие блокировки при высокой температуре и возникновение источника тепловых импульсов"; даются численные оценки Я"', Б"*, .

При ситуации отнесения, соответствующей выражению "Опсаз от распознавания", выдается сообщение "ситуация принадлежит к неизвестному типу аварий". Система не может распознать тип аварии из-за того, что: или авария такого типа произошла впервые, или АС данного типа происходит каждый раз по разным причинам.

В результате апробации алгоритма были выявлены 29 причин и 58 условий, определяющих 9 типовых аварий, которые практически схожи для перевозок в разных отраслях промышленности. Была сформирована база данных классификации аварий по их причинам, условиям и типам, учитывающая дату возникновения аварии, участки железной дороги, противоаварийные средства, масштаб аварии, продолжительность с момента ее появления.

Полученные результаты использовались для исследования поведения ряда параметров, являющихся индикаторами развития аварий. В диссертации была разработана нечеткая модель, обеспечивающая преобразование эмпирических данных по АС с отопительной системой вагона в их временные характеристики. Эта модель сфокусирована на предсказание времени локализации АС на основе их масштаба и продолжительности с момента их возникновения, которые являются изменяющимися

факторами, сведения о которых не выражены количественно, а представлены в виде нечетких качественных описаний.

Нечеткие правила были сформированы и для характеризации взаимосвязи между продолжительностью с момента возникновения АС и возможностью ее ликвидации без остановки подвижного состава. Получены аналитические описания и построены функции принадлежности для нечетких множеств, характеризуемых лингвистическими отношениями сравнения типа: много меньше..., близко к..., в пределах..., не более..., не меньше..., не выше..., меньше (больше) 15 минут, меньше (больше) 30 мииут. Нечеткая модель работает в трех мерах: нечеткость, вывод и снятие нечеткости. Установлено, что масштаб аварий -лучший предсказатель времени их локализации, чем продолжительность с момента появления АС. Среднеквадратические опслонения, рассчитанные по нечетким моделям, от действительных соответственно составляют 8 - 10% и 13 - 16% при коэффициентах корреляции 0,94 и 0,87. Показано, что данная модель, вводя гибкость рассуждений, позволяет отразить нелинейные связи между изменяющимися факторами аварийности и обеспечить более высокую точность прогноза по сравнению с моделями линейною регрессионного анализа (соответственно в среднем 10 и 35%).

В работе показано, что механизмы возникновения аварий, сценарии их последующего развития весьма разнообразны, следовательно, и тяжесть их последствий неравнозначна. Поэтому был выполнен анализ статистической информации по распределению экономического ущерба по типам аварий и по причинам их возникновения при железнодорожных перевозках в РФ за 2002 - 2004 гт. Установлено, что пожары дают 40,2% общего ущерба; аварии из - за человеческого фактора - 20,5%; столкновения - 11,4%; сход с рельсов - 10,6%; аварии из-за стихийных бедствий - 9,2%; аварии из - за состояния дорожного полотна - 8,1%. По причинам АС ситуация следующая. Ошибки эксплуатации, несоблюдение правил техники безопасности, халатность машиниста обеспечивают 50,2% общего ущерба; теракты/поджоги - 18,4%; природные причины - 11,8%; механические разрушения железнодорожных путей - 10,5%; повреждение дорожного полотна - 8,3%.

Для сравнения приведем данные по распределению ущерба от характерных аварий в горнодобывающей промышленности (на примере 2003 - 2004 гг.). Так, экзогенные и эндогенные пожары дают соответственно 22,2% и 6,8% общего ущерба; взрывы газа и угольной пыли - 44,8%; обрушение горных пород - 10,5%; горные удары - 6,3% аварии на поверхности - 9,4%. Особенность состоит в том, что причины, обусловливающие аварии в горнодобывающих регионах, совпадают с железнодорожными, но с несколько иными весами. Природные причины «обеспечивают» 27,1% общего ущерба; ошибки эксплуатации - 34,2%; нарушения технологии - 19,8%; саботаж / поджог - 13,3%; механические разрушения - 5,6%.

Поскольку в нашей стране нет законодательно установленных показателей риска для железнодорожной отрасли, в диссертации была сделана попытка оценить интегральные риски типичных аварий при железнодорожных перевозках, используя процедуры формирования логических матриц риска, а также сценарный подход. Конкретная оценка проводилась на примере АС типа сход с рельсов. Найдено, что

риск появления данной АС составляет 2,5 -10 ^.

Известно, что оценка последствий крупных аварий связана с оптимизацией процедур принятия решений и относится к числу плохо формализованных задач. В связи с этим была разработана методика оценки возможных последствий аварий, основанная на интеллектуализации связей: опасные факторы - аварии - ж последствия, - и включающая этапы обучения на НС и принятия решений.

- индекс параметров опасного фактора, 7 - индекс опасного фактора.

Этап 2. Формирование портретов уровней риска (ПУР) У^ по известным От на

основе построения логических матриц рисков и сценарного подхода.

Этап 3. Формирование типичных портретов уровней риска с помощью НС -

обучающей модели (указываются классы АС с вероятностями \\>р, последствиями

gp, качественными описаниями для каждого класса Ср, р = \,Р - индекс класса аварий.

Этап 4. Отнесение неизвестного портрета уровней риска {zj} в класс известных

портретов уровней риска |Ср | (для множества известных аварий)

Этап 5. Вычисление расстояний гр от значений параметров z¡ до параметров

Этап 7. Проверка соотношения Г^, < А0, где Д0 - заранее определенное значение порога недоверия.

Этап 8. Если гр < Ад, то для Ур имеем однозначный выбор ПУР, и дается его описание.

Данная методика состоит из следующих этапов: Этап 1. Формирование АС в виде множества опасных факторов

2

Этап 6. Определение min rp = min|rj, г2rp j

Этап 9. Если Гр > Д0, то отнесение предполагаемого ПУР к нераспознанным.

В диссертационной работе был разработай алгоритм действий диспетчерского персонала железной дороги но автоматизированному обеспечению безопасности, который осноезн на использовании формализованных на уровне моделей методов и алгоритмов основных элементов интеллектуальной деятельности при автоматизированных технологиях мониторинга опасных ситуаций и управления безопасностью, блок - схема которого приведена на рис.5. Особенностью алгоритма является его неизменность в любой НшС/АС, возникающей на железной дороге, т.е. действия, заложенные в алгоритме, остаются неизменными. При этом имеется возможность учесть тип НшС/АС, степень ее опасности, влияние соотношения резерва времени и временных характеристик по выходу из аварийных ситуаций на выбор стратегии принятия и реализации решений ДП, а также на порядок действий при условии наложения НшС друг на друга с учетом их возможного взаимодействия. Предполагается, что указанные характеристики НшС/АС качественно распознаются ДП.

Каждая НшС может относиться к одному из трех следующих видов:

1. НшС характеризуется практически мгновенным влиянием на процесс перевозок в результате очень быстрого развили условий НшС, когда их невозможно остановить, т.е. отсутствием резерва времени с точки зрения начала появления последствий;

2. В отличие от НшС 1-го типа возможно сохранение нормального режима функционирования участков железной дороги, резерв времени в этой НшС имеет ограниченное значение и позволяет реализовывать действия по выходу из НшС;

3. НшС практически не влияет на режим перевозок.

При возникновении аварийной НшС 1-го типа ДП должен прекратить движение на железнодорожной линии, отключить неисправное технологическое оборудование, предпринять действия по определению причин НшС и разработке способов ее устранения, принять решение по ликвидации НшС и реализовать его. В случае возникновения безаварийной непредусмотренной НшС 2-го типа ДП оценивает резерв времени, принимает решение по локализации и ликвидации НшС и реализует его. При возникновении безаварийной непредусмотренной НшС 3-го типа, характеризующейся отсутствием ограничений на резерв времени, ДП реализует ее ликвидацию в любое удобное время за счет использования временных резервов в цикле работы железной дороги.

Рис. 5. Блок-схема алгоритма действий ДЛ железной дороги по обеспечению

безопасности

Для реализации разработанных подходов была использована программа NeuroView+ , предназначенная для визуального проектирования структуры и топологии нейронной сети. Программа поддерживает многооконный интерфейс, что позволяет одновременно редактировать несколько нейронных сетей. Размеры нейронной сеш программно не ограничены. Построенная нейронная сеть может быть сохранена на диске в файле типа NET (формат файла разработан в фирме "Альфа Систем"). Вместе с бинарной информацией о структуре и топологии нейронной сеш в этом же файле сохраняется текстовой комментарий проектировщика, а также сведения о графическом представлении нейронной сети на экране дисплея.

ЗАКЛЮЧЕНИЕ

В диссертации дано решение актуальной научной задачи совершенствования методов мониторинга и управления рисками аварийных ситуаций при перевозках промышленных грузов, адаптированных к разным условиям. Основные научные выводы и практические результаты выполненных исследований заключается в следующем.

> Разработан ряд информационных моделей сценариев возникновения и развития аварий (пожары на железнодорожной дизельной секции, сход с рельсов), позволивших обосновать механизм их предупреждения.

> Разработаны алгоритмы и модели содержательного анализа аварий, основанные на построении деревьев отказов и событий для схода с рельсов, дерева опасных состояний для пожаров на дизельном транспорте и оценки величины «золотого вурфа». Показано, что доминирующим фактором, определяющим величину вурфа при авариях, являются технологические факторы. Установлены вклады различных источников опасных факторов, влияющих на временные характеристики аварийных ситуаций, позволяющие указать пути по их ликвидации.

> В результате исследований показана возможность применения к железнодорожным авариям обучающей модели нейросети на основе двухуровневой НС с изменяемой топологией, использующей интеграцию теории нечетких множеств и алгоритма нечеткой классификации. Эта модель обеспечивает автоматическое формирование знаний в виде кластеров типичных аварий, адаптивна к изменяющимся состояниям техносферы железной дороги и не теряет своей эффективности в смысле скорости обучения при большой размерности и множественности обучаемых образов.

У Предложены алгоритмы мониторинга взаимодействия нештатных ситуаций при авариях и распознавания причин и условий возникновения АС па основе НС - обучающей модели. Осуществлено использование этих алгоритмов в

практических условиях функционирования железной дороги.

> Рассмотрена и исследована нечеткая модель прогноза времени локализации аварийных ситуаций при перевозках. Рекомендуемая модель обеспечивает вполне удовлетворительные оценки времени локализации аварийных ситуаций. Анализ результатов по продолжительности с момента возникновения аварий и по их масштабу указывает на возмоясностъ ее применения, т.к. нечеткая модель хорошо схватывает нелинейное соотношение между входными и выходными переменными.

> Разработана и реализована методика оценки последствий аварий, использующая процедуры обучения на нейронной сети и принятия решений на основе формирования ПУР для типичных аварий.

> Разработан алгоритм действий оперативного персонала по ликвидации аварий на дизельном транспорте. В основу данного алгоритма положены методики и модели принятия решений, рассмотренные в данной диссертации.

Основные положения диссертации опубликованы в следующих

работах:

> Соловьев А.Е. Оценка нештатных ситуаций по их влиянию на опасность возникновения пожара на дизельном железнодорожном транспорте. - М.: 2004. - 6с. Деп. В ВИНИТИ 04.10.04 №5842-В99.

> Соловьев А.Е. Особенности принятия решений по безопасности железнодорожных перевозок в нечеткой среде. - М.: МГГУ // Горный информационно-аналитический бюллетень - 2005.- №5- С.154-156

> Куприянов В.В., Соловьев А.Е. Разработка модели аварийных ситуации на железнодорожном транспорте. - М.: МГГУ // Горный информационно-аналитический бюллетень. - 2005. - №7. - С. 105-107

> Куприянов В.В., Соловьев А.Е. Методика автоматизированного распознавания причин и условий возникновения железнодорожных аварий // Сб. трудов Vf-ií Международной конференции. Интерактивные системы: Проблемы человеко-компыотерного взаимодействия (Ис - 2005) Ульяновск.: Ульяновский государственный технический университет, 2005. с. 46 - 48.

> Соловьев А.Е Методика оценки последствий аварий на железнодорожном транспорте с учетом их риска. - М.: МГГУ // Горный информационно-аналитический бюллетень. - 2006. - №7. - С. 171-173

Подписано в печать 24.01.2007 Формат 60x90/16

Объем 1 печ. л. Тираж 100 экз. Заказ Л"»327

Типография Московского государственного горного университета, Ленинский проспект, 6

Введение.

ГЛАВА 1. ОБЗОР ИССЛЕДОВАНИЙ ПО ТЕМЕ ДИССЕРТАЦИИ.

1.1 Состояние проблемы обеспечения безопасности при железнодорожных перевозках. 2 Опасности, последовательности событий, исходы аварий и их последствия на железнодорожном транспорте. 3 Обзор и анализ существующих методов обеспечения безопасности при авариях на техногенных объектах.

1 4 Пути повышения эффективности автоматизированного обеспечения безопасности на железной дороге.

1 5 Задачи исследований.

Вывод к разделу 1.

ГЛАВА 2. ОБОСНОВАНИЕ ФОРМАЛЬНОГО ПОДХОДА К АВТОМАТИЗИРОВАННОМУ ОБЕСПЕЧЕНИЮ БЕЗОПАСНОСТИ ПРИ ЖЕЛЕЗНОДОРОЖНЫХ ПЕРЕВОЗКАХ.

2 1 Информационные модели возникновения и развития железнодорожных аварий.

2.2 Общая структура анализа техногенного риска железнодорожной аварии

2.3 Деревья отказов и событий для аварий типа схода поезда с рельсов по вине человека.

2 4 Методика оценки вариаций нештатных ситуаций по их весам и вкладам в опасность возникновения аварий на железнодорожном транспорте.

2 5 Временные характеристики аварийных железнодорожных ситуаций.

Вывод к разделу 2.

ГЛАВА 3. ФОРМАЛИЗАЦИЯ ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ДИСПЕТЧЕРСКОГО ПЕРСОНАЛА ПРИ АВТОМАТИЗИРОВАННОМ МОНИТОРИНГЕ АВАРИЙНЫХ СИТУАЦИЙ НА ЖЕЛЕЗНОДОРОЖНОМ ТРАНСПОРТЕ.

3 1 Особенности интеллектуальной поддержки при автоматизированном мониторинге аварийных ситуаций в условиях неполноты и нечеткости данных.

3 2 Алгоритм автоматизированного мониторинга взаимодействия нештатных ситуаций при возникновении железнодорожных аварий.

3 3 Алгоритм автоматизированного распознавания причин и условий возникновения аварийных железнодорожных ситуаций.

3 4 База данных классификации железнодорожных аварий по их условиям, причинам и типам. Ее структура и описание.

Вывод к разделу 3.

ГЛАВА 4. АВТОМАТИЗИРОВАННОЕ ОБЕСПЕЧЕНИЕ БЕЗОПАСНОСТИ ПРИ АВАРИЯХ НА ЖЕЛЕЗНОДОРОЖНОМ ТРАНСОРТЕ.

4 1 Особенности принятия решений по безопасности железнодорожных перевозок в нечеткой среде.

4 2 Нечеткая модель прогноза времени локализации аварийных ситуаций при железнодорожных перевозках.

4 3 Методика автоматизированной оценки последствий аварий на железнодорожном транспорте.

4.4 Алгоритм действий диспетчерского персонала железной дороги по автоматизированному обеспечению безопасности.

Вывод к главе 4.

При решении вопросов планирования горного производства большое значение имеют перевозки грузов, например с нескольких карьеров, производящих стройматериалы, к нескольким потребителям сырья; транспортировка угля как важного энергоносителя с шахт - поставщиков в несколько пунктов, потребителей угля (ТЭЦ, обогатительные фабрики), при известных объемах добычи по каждой шахте, потребностях в угле, пропускных способностях коммуникаций транспортной сети. Большое значение для горнодобывающей промышленности также имеют задачи планирования размещения углеобогатительных фабрик, решение которых зависит от мест добычи, расстояния, назначения и количества перевозимого угля. При этом учитываются существующие железнодорожные транспортные системы в рамках Российских Железных Дорог (РЖД).

Железная дорога, представляющая собой стратегически важный объект, практически для всех отраслей промышленности страны в рамках ее хозяйственной деятельности в настоящее время остается областью деятельности с наиболее низкими показателями безопасности. Несмотря на проведение множества мероприятий по безопасности и совершенствованию средств осуществления спасательных работ уровень аварий и удельный вес несчастных случаев со смертельным исходом по-прежнему довольно высокие. Усиливаются негативные тенденции: возрастает доля "рукотворных" аварий, увеличиваются масштабы техногенных катастроф (столкновения, взрывы, пожары, сход с рельсов и т.д.), которые являются следствием увеличения объемов и интенсивности железнодорожных перевозок промышленных грузов, в частности различных видов топлива, полезных ископаемых с горнодобывающих предприятий, а также технических, энергетических установок, систем связи, коммуникаций и пр. Основная их причина связана с тем, что принятие решений в области безопасности осуществляется без достаточного учета специфики перевозок, что объясняется чрезвычайной сложностью формализации учета и описания их особенностей. Эти процессы имеют стохастический и нестационарный характер.

Обеспечение технологической безопасности, как известно, основано на комплексном анализе условий и причин возникновения аварийной ситуации (АС) и формировании механизма принятия управленческих решений.

Решение задач мониторинга опасных ситуаций, оценки последствий аварий, выхода из них на основе аналитических или стохастических подходов наталкивается на ряд серьезных ограничений, связанных с наложением классов типичных аварий, множественностью их параметров, невозможностью строгого количественного определения момента времени локализации и развития аварий, которое изменяется для разных их типов.

Сегодня появляется понимание того, что одним из направлений решения этой проблемы является раскрытие информационного механизма возникновения аварий и на этой основе внедрение новых информационных технологий мониторинга и управления. Достоинством такого подхода является возможность создания методов мониторинга и управления железнодорожными перевозками промышленных грузов, которые инвариантны к различным типам аварий и могут быть адаптированы к разным условиям.

Таким образом, совершенствование методов мониторинга и управления рисками аварий на основе информационных технологий с элементами искусственного интеллекта является актуальной научной задачей, имеющей важное народнохозяйственное значение.

Цель исследования заключается в разработке моделей, методов и алгоритмов принятия решений, универсальных для различных отраслей промышленности и обеспечивающих минимизацию рисков и смягчение последствий железнодорожных аварий.

Задачи исследований Системная концепция в области безопасности, основанная на автоматизированном управлении техногенными рисками, предполагает решение следующих задач:

1. Теоретическое обобщение причинно-следственных взаимосвязей факторов аварийности перевозочных процессов промышленных грузов для выявления закономерностей возникновения аварий.

2. Разработка деревьев отказов, событий, рисков при авариях на железнодорожном транспорте для формирования информационных моделей возникновения и развития аварий.

3. Разработка алгоритма мониторинга взаимодействия нештатных ситуаций при возникновении аварий.

4. Разработка алгоритма распознавания причин и условий возникновения аварийных ситуаций.

5. Построение нечетких моделей прогнозирования времени локализации аварийных ситуаций при перевозках.

6. Разработка методики оценки последствий аварий в перевозочных процессах.

Идея работы заключается в установлении и анализе причинно -следственных связей между причинами, условиями возникновения аварийных ситуаций, их возможным ущербом и действиями персонала железной дороги и выработке оптимальных решений по обеспечению безопасности при перевозках различных хозяйственных грузов.

Методы исследования. Выполненные исследования базируются на использовании методов математической статистики, кластерного анализа, теории нечетких множеств, теории принятия решений, теории вероятностного анализа риска, основ построения систем искусственного интеллекта.

Основные научные положения, разработанные соискателем, и их новита: комплексный подход к обеспечению безопасности при авариях на железной дороге, объединяющий этапы мониторинга опасных ситуаций и оперативного управления рисками их аварийного развития на основе информационного моделирования возникновения и развития аварий, распознавания причин и условий их возникновения с оценкой возможного ущерба, который позволяет формализовать процесс принятия и оптимизации решений в автоматизированной технологии обеспечения безопасности при перевозках; модели и алгоритмы принятия решений по минимизации риска аварий, основанные на построении деревьев отказов, событий, опасных состояний и временной оценке «золотого вурфа» при локализации аварийных ситуаций, которые, в отличие от существующих, позволяют определять вклады разных источников опасных факторов в риск возникновения аварий, текущий резерв времени при авариях и являются основой для автоматизированной оценки ситуационной обстановки; алгоритм распознавания нештатных ситуаций, причин и условий возникновения аварий на основе нечеткой нейронной сети (НС) с изменяемой топологией и моделей многокритериальной оценки предпочтительности альтернативных решений, которые отличаются от известных возможностью оперативной перестройки систем мониторинга на уровне информационного обеспечения при появлении новых ситуаций или их каскадного развития по принципу «домино»;

У методика оценки последствий аварий, основанная на НС - обучающей модели, которая позволяет, в отличие от известных, оперативно принимать решения по оценке ущерба от различных типов аварий, а также разрабатывать программы снижения риска АС до требуемого уровня с минимальными затратами.

Достоверность научных положений, выводов и рекомендаций, сформулированных в диссертации, подтверждается представительностью статистических выборок; достаточно полным анализом количественных характеристик опасных факторов аварийных ситуаций и их последствий; результатами имитационного моделирования комплекса автоматизированных технологий мониторинга опасных ситуаций и управления риском их аварийного развития (точность предсказания времени локализации аварий по их масштабу на основе нечеткой прогнозирующей модели в пределах 20%), а также удовлетворительной сходимостью (15%) ряда полученных результатов с результатами других авторов.

Научная значимость работы состоит в разработке комплексного подхода к принятию управленческих решений по обеспечению безопасности перевозочных процессов железнодорожными составами всех типов, который включает модели, алгоритмы комплексного анализа и управления риском возникновения и развития различных аварий, что позволяет обосновать способы проведения текущего мониторинга параметров аварий для своевременного принятия решений по ликвидации их последствий.

Практическая значимость работы состоит: ♦> в классификации железнодорожных аварийных ситуаций по их типам, причинам и условиям возникновения; ♦♦♦ выявлении причин, влияющих на резерв времени по выходу из аварий при железнодорожных перевозках; ♦> разработке процедур оптимизации принимаемых решений в условиях неопределенности, нечеткости и неполноты исходных данных в результате аварий, которые применимы между отдельными крупными железнодорожными узлами с возможностью обобщения по всем отделениям железной дороги; ❖ создании инструментальных средств поддержки принятия решений при обеспечении безопасности железнодорожных перевозочных процессов, позволяющих взаимосвязанно осуществлять анализ и прогноз АС, оценку их последствий и определение порядка действий диспетчерского персонала железной дороги по их оперативному устранению; ♦> внедрении основных результатов диссертационной работы в разработки Центра управления кризисными ситуациями МЧС России (г. Москва), а также в учебный процесс для подготовки бакалавров, специалистов и магистров по направлению 654600 - «Информатика и вычислительная техника» на кафедре «Автоматизированные системы управления» МГГУ.

Апробация работы. Основные результаты диссертации и ее отдельные положения докладывались на семинарах кафедры АСУ МГГУ и следующих конференциях: «Неделя горняка» (г. Москва, 2004 - 2006 гг.); VI Международная конференция «Интерактивные системы: Проблемы человеко -компьютерного взаимодействия» (ИС - 2005 г.) (г. Ульяновск, 2005 г.).

Публикации. По теме диссертации опубликовано 5 научных работ.

Структура диссертации. Диссертационная работа состоит из введения, четырех глав и заключения, списка используемой литературы из 122 наименований, включаетрисунков,таблиц.

Выводы к разделу 4

1. На основании анализа особенностей принятия решений по безопасности железнодорожных перевозок в РФ предложен алгоритм получения информации для определения относительной опасности направлений МЖД. Выявлено, что за период 2002 - 2005 г.г. наиболее опасным является Рязанское направление МЖД.

2. Разработана нечеткая модель прогноза времени локализации АС при железнодорожных перевозках. Показана, что данная модель обеспечивает преобразование данных наблюдений за развитием аварийных ситуаций в их временные характеристики. Получены аналитические описания и построены функции принадлежности для нечетких множеств, характеризуемых лингвистическими отношениями сравнения. Данная модель позволяет отразить нелинейные связи между изменяющимися факторами аварийности и обеспечить более высокую точность предсказания в сравнении с регрессионными моделями.

3. Предложены и применены процедуры оптимизации принятия решений по возможным последствиям железнодорожных аварий по экспертным оценкам (на примере аварии - сход с рельсов).

4. Рассчитан интегральный риск типичной аварии - сход с рельсов при железнодорожных перевозках путем построения логических матриц риска и использования экспертных оценок.

5. Предложена методика автоматизированной оценки последствий железнодорожных аварий, включающая этапы обучения и принятия решений.

6. Разработан алгоритм действий ДП по автоматизированному обеспечению безопасности, использующий интеграцию процессов мониторинга и управлению. Алгоритм является инвариантным для различных техногенных предметных областей.

Заключение

В диссертации дано решение актуальной научной задачи совершенствования методов мониторинга и управления рисками аварийных ситуаций при перевозках промышленных грузов, адаптированных к разным условиям. Основные научные выводы и практические результаты выполненных исследований заключается в следующем.

У Разработан ряд информационных моделей сценариев возникновения и развития аварий (пожары на железнодорожной дизельной секции, сход с рельсов), позволивших обосновать механизм их предупреждения.

Разработаны алгоритмы и модели содержательного анализа аварий, основанные на построении деревьев отказов и событий для схода с рельсов, дерева опасных состояний для пожаров на дизельном транспорте и оценки величины «золотого вурфа». Показано, что доминирующим фактором, определяющим величину вурфа при авариях, являются технологические факторы. Установлены вклады различных источников опасных факторов, влияющих на временные характеристики аварийных ситуаций, позволяющие указать пути по их ликвидации.

В результате исследований показана возможность применения к железнодорожным авариям обучающей модели нейросети на основе двухуровневой НС с изменяемой топологией, использующей интеграцию теории нечетких множеств и алгоритма нечеткой классификации. Эта модель обеспечивает автоматическое формирование знаний в виде кластеров типичных аварий, адаптивна к изменяющимся состояниям техносферы железной дороги и не теряет своей эффективности в смысле скорости обучения при большой размерности и множественности обучаемых образов.

У Предложены алгоритмы мониторинга взаимодействия нештатных ситуаций при авариях и распознавания причин и условий возникновения АС на основе НС - обучающей модели. Осуществлено использование этих алгоритмов в практических условиях функционирования железной дороги.

У Рассмотрена и исследована нечеткая модель прогноза времени локализации аварийных ситуаций при перевозках. Рекомендуемая модель обеспечивает вполне удовлетворительные оценки времени локализации аварийных ситуаций. Анализ результатов по продолжительности с момента возникновения аварий и по их масштабу указывает на возможность ее применения, т.к. нечеткая модель хорошо схватывает нелинейное соотношение между входными и выходными переменными.

У Разработана и реализована методика оценки последствий аварий, использующая процедуры обучения на нейронной сети и принятия решений на основе формирования ПУР для типичных аварий.

У Разработан алгоритм действий оперативного персонала по ликвидации аварий на дизельном транспорте. В основу данного алгоритма положены методики и модели принятия решений, рассмотренные в данной диссертации.

1. Аверин А.Н., Осокин М.В. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А. Поспелова. М.: Наука, 1986. -312с.

2. Александровский Н.М., Егоров С.В., Кузин В.Е. Адаптивные системы автоматического управления сложными процессами. М.: Энергия, 1985.- 272 с.

3. Алымов В.Т., Крапчатов В.П., Тарасова Н.П. Анализ техногенного риска.- М.: Круглый год, 2000. 160 с.

4. Акулич И.Л. Математическое программирование в примерах и задачах. -М.: Высшая школа, 1986. -319 с.

5. Артюшин Ю.И. Методические основы оценки и управления рисками чрезвычайных ситуаций горнодобывающих регионов: Автореферат кандид. диссертации. М., 2004. - 24 с.

6. Аюров В.Д. Разработка теории и методов системного анализа и синергетического управления горнотехнологическими процессами: Дисс. Д.т.н.-М, 1992.-408 с.

7. Бахвалов Л.А., Комаров М.А. Построение и оптимизация математических моделей по экспертным данным.// Учебное пособие.- М.: МГГУ, 1997. -168 с.

8. Безопасность России. Правовые, социально экономически и научно технические аспекты. Функционирование и развитие сложных народнохозяйственных, технических, энергетических, транспортных систем, систем связи и коммуникаций. - М.: Знание, 1998. - 96 с.

9. Бендат Дж., Пирсол А. Применение корреляционного и спектрального анализа. М.: Мир, 1992.-464 с.

10. Болотин В.В. Ресурс машин и конструкций. М.: Машиностроение, 1990. -448 с.11 .Бондарь В.А., Попов Ю.П. Риск, надежность и безопасность. Система понятий и обозначений // Безопасность труда в промышленности, № 10, 1997, с. 39-42

11. Борисов А.Н., Алексеев А.В., Меркурьева Г.В. Обработка нечеткой информации в системах принятия решений. М.: Радио и связь, 1989. - 292 с.

12. З.Волкова В.Н., Денисов А. Основы теории систем и системного анализа. СПб.: ИПЦ С-ПбГТУ, 1997.-282 с.

13. Ворселл Н. Управление риском: риск, устойчивое развитие, синергетика. -М.: Наука, 1999.-301 с.

14. Гейн К., Сарсонт Т. Структурный системный анализ: средства и методы, ч.1. -М.: Эйтекс, 1993.-188 с.

15. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. -Новосибирск: Наука, 1996.-275 с.

16. Горбатов В.А., Торхов B.JI. Основы кибернетики в задачах и упражнениях.// Учебное пособие. М.: МГИ, 1987. 96 с.

17. Гуров В.В. Справка о случаях возгорания дизельных железнодорожных секций за период 1998-2000гг. М.: Депо Подмосковное, 2000. 21 с.

18. Елохин А.В., Бодриков О.В., Ульянов С.В. Результаты комплексной оценки природных и техногенных рисков для населения Новгородской области // Проблемы безопасности при чрезвычайных ситуациях. Вып. 9. М.: ВИНИТИ, 1996.-с. 20-29.

19. Емельянов A.M. Об использовании аппарата фреймов для автоматизированного анализа поведения человека. В кн.: Теоретические и практические вопросы автоматизации психологического эксперимента. -Тарту: Турпус, 1980, с. 92 - 96

20. Емельянов A.M. Автоматизированная система анализа причин ошибок человека оператора: Автореферат докт. диссертации. - Жуковский, 1990. -34 с.

21. Емельянов С.В., Ларичев О.И. Многокритериальные методы принятия решений. М.: Знание, 1985. - 32 с.

22. Заде Л.А. Понятие лингвистической переменной и ее применение к принятию приближенных решений. -М.: Мир, 1976. 163 с.

23. Закон РФ «О промышленной безопасности опасных производственных объектов» от 20 июня 1997 г. // Безопасность труда в промышленности, № 10,1997, с 52-58.

24. Измалков В.И., Измалков А.В. Безопасность и риск при техногенных воздействиях, ч. 1,2. М.: С-Пб, 1994.-207 с.26.3митрович А.И. Интеллектуальные информационные системы. Минск: Тетра Системе, 1997. - 367 с.

25. Ириков В.А., Ларик В.Я., Самущенко Л.М. Алгоритмы и программы решения прикладных многокритериальных задач // Техническая кибернетика, № 1,1986, с. 5 15.

26. Искусственный интеллект. Справочник. Кн. 2. Модели и методы // Под ред. Поспелова Д.А. М.: Радио и связь, 1990. - 3003 с.

27. Искусственный интеллект / Под редакцией С.В.Черемных //Справочник. М.:РиС, 1990.-360 с.

28. Карр Ч., Хоув Ч. Количественные методы принятия решений в управлении и экономике. М.: Мир, 1966. - 463 с.

29. Кини Р.Л., Райфа X. Принятие решений при многих критериях: предпочтения и замещения. М.: Радио и Связь, 1981. - 455 с.

30. Кисилев Е.Е, Фридман К.Б. Оценка риска здоровью. Подходы к использованию в медико экологических исследованиях // Методич. Пособие. - СПб.: Междунар. Институт оценки риска здоровью, 1997. - 172 с.

31. Клир Дж. Системология. Автоматизация решения системных задач. М.: Радио и Связь, 1990. - 544 с.

32. Козелецкий Ю.А. Психологическая теория принятия решений. М.: Психология, 1979. - 504 с.

33. Корнеев В.В., Греев А.Ф., Райх В.В. Базы данных. Интеллектуальная обработка информации. М.: Нолидж, 2000. - 352 с.

34. Котик М.А. Психология и безопасность.-Таллинн.:Валгус, 1989, 448 с.

35. Кофман А., Алуха X. Введение теории нечетких множеств в управление предприятием. -Минск: Высшая школа, 1992. 223 с.

36. Красовский А.А. Системы автоматического управления полетом и их аналитическое конструирование. М.: Наука, 1973. - 530 с.

37. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия - Телеком, 2001. - 382 с.

38. Круглов В.В., Дли М.И., Годунов Р.Ю. Нечеткая логика и искусственные нейронные сети. М.: Изд-во Физико-математической литературы, 2001. - 224 с.

39. Кузьмин И.И., Махутов Н.А., Хетагуров С.В. Безопасность и риск: эколого-экономические аспекты. СПб.: Санкт-Петербургский государственный университет экономики и финансов, 1997. - 163 с.

40. Кузьмин И.И. Риск и безопасность: Концепция, методология, методы: Дисс. докт. физ.мат наук в форме научного доклада. М., 1993. - 70 с.

41. Кузьмин И.И., Романов С.В. Безопасность и техногенный риск // Проблемы безопасности при чрезвычайных ситуациях, вып. 7, 1990, с.41 -45.

42. Куляница A.JL, Томин С.В. Компьютерные инструментальные средства моделирования сложных систем // Учебное пособие для вузов. М.: МГГУ, 2000. - 146 с.

43. Куприянов В.В., Фомичева О.Е. Интеллектуализация технологий автоматизированных систем // Учебное пособие, чЛ- М.: МГГУ, 1994. -101 с.

44. Куприянов В.В. Теория и методы построения интегрированных систем автоматизированного обеспечения безопасности при авариях на предприятиях горнодобывающих отраслей: Диссертация д.т.н. М., 1997. -416с.

45. Куприянов В.В., Соловьев А.Е. Разработка модели аварийных ситуации на железнодорожном транспорте. ГИАБ. - 2005.- №7.- С. 105-107

46. Кьюсиака Э. Искусственный интеллект. Применение в интегральных производственных системах. М.: Машиностроение, 1994. - 252 с.

47. Легасов В.А., Демин В.Ф., Шевелев Я.В. Экономика безопасности ядерной энергетики. М.: ИАЭ. Препринт №408013, 1984. - 36 с.

48. Легасов В.А., Сидоренко В.А. Проблема безопасности на атомных станция. В кн.: Ядерная энергетика будущего. - М.: Энергоатом издат, 1987, с. 53 -75.

49. Маслов Л.И., Монкарц П. Структура техногенного риска. Анализ и оценка природных рисков // Материалы международной конференции. -М.: ПНИИС, 1997.-173 с.

50. Мартынюк В.Ф., Лисанов М.В., Кловач У.В. Анализ риска и его нормативное обеспечение // Безопасность труда в промышленности, №11, 1995, с. 55 -63.

51. Маршал В. Основные опасности химических производств. М.: Мир, 1985.-627 с.

52. Махутов Н.А., Москатов Г.К., Котусов А.Т. Концепция обеспечения безопасности. В сб.: Судостроительная промышленность, сер. Системы автоматизации проектирования. - М., 1991. - вып.21, с. 3 - 6.

53. Махутов Н.А., Шокин Ю.И., Лепихин A.M. Задачи механики катастров и безопасности технических систем. Красноярск: Вычисл. центр СО АН СССР, 1991.-65 с.

54. Модели и механизмы управления безопасностью / В.Н. Бурков, Е.В. Грацианский, С.И. Дзюбко, А.В. Щепкин М.: СИНТЕГ, 2001 - 160 с.

55. Моисеев Н.Н. Алгоритмы развития.- М.: Наука, 1985. 232 с.

56. Мягков С.М. География природного риска. М.: МГУ, 1995. - 145 с.

57. Надежность в технике. Научно-технические, экономические и правовые аспекты надежности: Методич. пособие / Под ред. акад. В.В. Болотина. -М.: 1993.-78 с.

58. Насыпный В.В. Развитие теории построения открытых систем на основе информационной технологии искусственного интеллекта. М.: Воениздат, 1994.-248 с.

59. Николов А.Г. Оптимизация принятия решений при обеспечении надежности работы сложных информационно вычислительных систем: Автореферат кандит. диссертации. - М., 2004. - 25 с.

60. Нормы радиационной безопасности НРБ-96: Гигиенические нормативы. -М.: Информац. центр Госкомсанэпиднадзора России, 1996. 127 с.

61. Оценка сейсмической опасности и сейсмического риска / Под ред. Г.А. Соболева. М.: Круглый год, 1997. - 204 с.

62. Пакты прикладных программ: Программное обеспечение оптимизационных задач / Под общей редакцией А.А. Самарского. М.: Наука, 1987.-496 с.

63. Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот Н.Д. Статические и динамические экспертные системы. М.: Финансы и статистика, 1996. -320 с.

64. Поспелов Г.С. Искусственный интеллект основа новой информационной технологии. - М.: Наука, 1998. - 277 с.

65. Потресов Д.К. Автоматизация процессов проектирования систем управления//Учебное пособие. 4.1., М.: МГИ, 1987. 184 с.71 .Пригожин И. От существующего к будущему. М.: Наука, 1985. - 207 с.

66. Прикладные нечеткие системы / Под ред. Т. Тэрано, К. Асаи, М. Сугэно. -М.: Мир, 1993.-368 с.

67. Принципы Ле Шателье - Брауна и синтез систем автоматического управления с естественной безопасностью: Отчет о НИР // ЦНИИ «Центр» Министерство промышленности РФ. Рук. Г.К. Москатов. - М.: 1991.-37 с.

68. Проблемы гибкости и надежности в теории бортовых терминальных систем / Б.Н. Петров, А.Я. Андриенко, В.П. Иванов, Ю.П. Портнов // Автоматика и телемеханика. 1981. №2, с.15-24.

69. Проценко А.Н., Махутов Н.А., Артемьев А.Е. Безопасность населения и окружающей среды Москвы: исследования и проблемы управления // Проблемы безопасности при чрезвычайных ситуациях. Вып. 2. М.: ВИНИТИ, 1997.-с. 12-23.

70. Проценко А.Н., Сегаль М.Д., Пантелеев В.А., Лейн А.Ф. Концепция экспертной системы для поддержки лиц, принимающих решения // Проблемы безопасности при чрезвычайных ситуациях. Вып. 2. М.: ВИНИТИ, 1997.-с. 52-78.

71. Пучков Л.А., Федунец Н.И., Потресов Д.К. Автоматизированные системы управления в горнодобывающей промышленности. М.: Недра, 1987. -285 с.

72. Радиация. Дозы, эффекты, риск. М.: Мир, 1990. - 79 с.

73. Разработка научных основ теории безопасности человека, окружающей среды и технических систем по критериям надежности и риска / А.Н. Проценко, А.А. Быков, В.В. Болотин // в сб. ВИНИТИ: Итоги науки и техники, вып.1, 1991.-с. 139-163.

74. РД 08-120-96 «Методические указания по проведению анализа риска опасных промышленных объектов». Госгортехнадзор России, 1996. 88 с.

75. Резниченко С.С., Ашихмин А. А. Математические методы и моделирование в горной промышленности. М.: МГГУ, 1997. - 404 с.

76. Ренн О. Три десятилетия исследования риска: достижения и новые горизонты // Вопросы анализа риска, 1999, №1, с. 80-99.

77. Риск и безопасность с точки зрения системной динамики / И.И. Кузьмин, С.В. Романов, М.А. Сидоров // Препринт ИАЭ №4528/3. М.: ЦНИИ Атоминформ, 1991. - 82 с.

78. Радашевский В.Д. Риск, конфликт и неопределенность в процессе принятия решения и их моделирование // Вопросы психологии, №2, 1974, с. 84-94.

79. Рябинин И.А., Парфенов Ю.М. Определение характеристик важности совокупности элементов энергетической системы при исследовании ее безотказности // Изв. АН СССР. Энергетика и транспорт. 1991, №1, с. 44-57.

80. Саати Т. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1993. -320 с.

81. Силов В.Б. Принятие стратегических решений в нечеткой обстановке. -М.: ИНПРО РЕС, 1995. - 287 с.8 8. Сильвестров С.В., Чинаев П.И. Идентификация и оптимизация автоматических систем. -М.: Энергоатомиздат, 1987. 200 с.

82. Советов П.Д., Яковлев С.А. Моделирование систем. М.: Высшая школа, 1985.-272 с.

83. Соловьев А.Е. Оценка нештатных ситуаций по их влиянию в опасность возникновения пожара на дизельном железнодорожном транспорте. М.: 2004. 6 с. - Деп. в ВИНИТИ 04.10.04, №5842 - В99.

84. Соловьев А.Е. Особенности принятия решений по безопасности железнодорожных перевозок в нечеткой среде. 2005, №5, с. 154-156.

85. Соловьев А.Е. Методика оценки последствий аварий на железнодорожном транспорте с учетом их риска. Черный информационно - аналитический бюллетень. - 2006, №7, с. 171-173.

86. Таха X. Введение в исследование операций. В 2-х кн./ Пер.с англ. Кн.1. -М: Мир, 1985.-479 с.

87. Томин С.В. Структуры данных. // Учебное пособие. М.: МГГУ, 1998. -82 с.

88. Третьяк В.И. Методы принятия управленческих решений. Киев, Наукова Думка, 1978. - 32 с.

89. Уоссермен Ф. Нейрокомпьютерная техника. М.: Мир, 1992. - 127 с.

90. Уотермен Д. Руководство по экспертным системам. М.: Мир,1989. -388 с.

91. Урсул Д. Переход России к устойчивому развитию. Ноосферная стратегия. М.: Ноосфера, 1998. -500 с.

92. Федоров Н.В. Имитационное и математическое моделирование сложных систем. Моделирование // Учебное пособие. М.: МГГУ, 2005. - 250 с.

93. Федоров Н.В. Сборник задач и упражнений по курсу «Моделирование» // Учебное пособие. М.: МГГУ, 2005. - 154 с.

94. Ю1.Федунец Н.И., Куприянов В.В. Теория принятия решений // Учебное пособие для вузов. М.: Изд-во МГГУ, 2005. - 218 с.

95. Ю2.Харисов Г.Х. Обоснование затрат, выделяемых на предотвращение гибели людей при несчастных случаях, авариях, катастрофах, стихийных бедствиях // Проблемы безопасности при чрезвычайных ситуациях, вып. 8, 1993, с. 68-73.

96. ЮЗ.Хедли Дж. Нелинейное и динамическое программирование. М.: Мир, 1967. -516 с.

97. Хейес-Рот Ф., Уотермен Д., Ленат Д. Построение экспертных систем. — М.: Мир, 1987.-440 с.

98. Ю5.Хенли Э.Дж., Кумамото X. Надежность технических систем и оценка риска. М.: Машиностроение, 1984. - 528 с.

99. Целенаправленный выбор: модели, отношения, алгоритмы / А.М.Анохин, В.А. Глотов, В.В. Павельев, A.M. Черкащин. М.: ИПУ РАН, 1996.-21 с.

100. Цибулевский И.Е. Ошибочные реакции человека оператора. - М.: Наука, 1981.-288 с.

101. Шойгу С.К., Болов В.Р. Теоретические предпосылки оценки опасности территорий и рисков чрезвычайных ситуаций. // Материалы международной конференции. -М.: ПНИИС, 1997. 173 с.

102. Barry Render, Ralph М. Quantitative Analises for Management. New Jersey, 1994.-508 p.

103. CubiCalcMape The Third Wave in Intelligent software, Version 2, Manual, HuperLogic Corporation. - 1993. - 132 p.

104. Cault H.E. An On-Line Measure of Delay in Road Traffic Computer -Controlled Systems, Traffic Engineering and Control, 22(7)384-389,1981. p. 125-137.

105. Hall F.L. and Brilon W. Comparison of uncongested speed-flow relationships in German Autobahn and North American freeway data // 73rd Annual Meeting of Transportation Research Board, Washington, D.C., 1994. p. 387 -394.

106. Haller M. Five Hundred Life Saving Interventions and the Cost Effectiveness. Harvard Center for Risk Analysis, Boston M A, July 1994. -210 p.

107. Heim H. Individuelle Risikobereitschaft und Unfallneigung. Bundesinstitut fur Arbeitsschutz, Koblenz, 1971, 78 s.

108. Kosko B. Fuzzy Thinking The new science of fuzzy logic, Hyperion, New York, 1993.-355 p.

109. Large Property Damage Losses in the Hydrocarbon Chemical Industries. Athirty - Year Review / Marsh & McLennan Protection Consultants, 1992. -238 p.

110. Morris S.C., Fischer HJ. Risk analysis, J. Loss Prev. Pvoc. Ind., V.5, №3, 1990, p. 136- 155.

111. Palacharla P. and Nelson P.C. Evidential Reasoning in Uncertainty for Data Fusion // Fifth International Conference on Information Processing and Management of Uncertainty in Knowledge Based Systems, Paris, 1994. - p. 66-71.

112. Sisiopiku V.P. Travel Time Estimation From Loop Detector Data For Advanced Traveler Information System Applications, Ph. D. // Thesis, University of Illinois at Chicago, 1993. p. 116-121.

113. Sisiopiku V.P. and Rouphail N.M. Towards the use of Detector Output for. Arterial Link Travel Time Estimation: A Literature Review // in press Transportation Researh Record Series, Washington, D.C., 1994. 210 p.