автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Программно-алгоритмическое обеспечение процесса построения статистических моделей по интервальным данным

На правах рукописи

ВАЛЕЕВ Евгений Равильевич

ПРОГРАММНО-АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ПРОЦЕССА ПОСТРОЕНИЯ СТАТИСТИЧЕСКИХ МОДЕЛЕЙ ПО ИНТЕРВАЛЬНЫМ ДАННЫМ

Специальность 05.13.18 - «Математическое моделирование, численные методы и комплексы программ»

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Иркутск - 2006

Работа выполнена в Государственном образовательном учреждении высшего профессионального образования "Иркутский государственный университет путей сообщения"

Научный руководитель:

Официальные оппоненты:

доктор технических наук, профессор Носков Сергей Иванович

доктор технических наук, профессор Новорусский Валерий Владимирович

кандидат физико-математических наук, старший научный сотрудник Потороченко Николай Анатольевич

Ведущая организация:

Институт динамики систем и теории управления Сибирского отделения Российской академии наук

Защита диссертации состоится « 18 » мая 2006 г. в 12 часов на заседании диссертационного совета Д 218.004.01 при ГОУ ВПО "Иркутский государственный университет путей сообщения" по адресу: 664074, г. Иркутск, ул. Чернышевского, 15.

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО "Иркутский государственный университет путей сообщения".

Автореферат разослан « 17 » апреля 2006 г.

Ученый секретарь диссертационного совета

Н.П. Деканова

¿006 А

Общая характеристика диссертационной работы

Актуальность работы. Актуальность выполненной работы обусловлена тремя основными факторами. Во-первых, возрастающей потребностью в изучении разнородных статистических данных, определяющих, в частности, качество функционирования Государственного пожарного надзора (ГПН) с целью проведения эффективной управленческой политики по снижению числа пожаров. Во-вторых, все более широким использованием современных средств интервального моделирования сложных систем статистическими методами, что позволяет оперировать различного рода неточностями и неопределенностями в исходных данных. В-третьих, настоятельной необходимостью создания специализированного программного обеспечения (ПО), позволяющего иметь качественный инструментарий для моделирования объектов различной природы в условиях интервальной неопределенносга в информации.

В настоящий момент органы пожарной охраны переживают этап модернизации и реформирования в рамках Министерства по чрезвычайным ситуациям (МЧС) России, изменяется стратегия их деятельности, проходят организационные и иные преобразования, затрагивающие, в том числе, и функционирование службы Государственного пожарного надзора. Внедрение указанного специализированного ПО сегодня особенно актуально, учитывая значимость функций контроля за деятельностью ГПН и возможность встроить соответствующие системы контроля в современную структуру контролирующих органов в кратчайшие сроки при минимальных ресурсах.

Широкий разброс в значениях поступающих для анализа данных, являющийся следствием резкого возрастания информационных потоков в различных отраслях, управленческих структурах, отсутствие "жестких" методик принятия решений, реформирование государственных органов власти и управления, перевод части задач по управлению на региональный и местный уровни, как пра-

вило, приводят к появлению

данных, что обусловливает высокую актуальность применения интервальных методов.

Основной задачей органов МЧС РФ, к числу которых относится и ГПН, наряду с ликвидацией последствий стихийных бедствий и ЧС, тушением пожаров, является предотвращение их появления и прогнозирование развития ситуации при тех или иных управленческих решениях. В связи с этим особо ярко ощущается необходимость разработки соответствующего специализированного ПО, тем более что необходимая информационно-техническая база уже имеется.

Учитывая, что основная деятельность пожарной охраны направлена на защиту территорий от пожаров, в том числе на их предупреждение (профилактику), необходимость анализа и прогнозирования деятельности ГПН выходит на передний план. Это требует систематического сбора, хранения и обработки большого объема статистических данных, их анализа, своевременной выдачи результатов в приемлемом виде. Использование интервальное™ в данных позволяет расширить границы применения ПО и методов их обработки.

Следует отметить, что представленные в настоящей работе модели, методы и программный комплекс СИД (Система моделирования по Интервальным Данным) применимы и для анализа сложных объектов другой природы.

В своей работе автор опирается на методы интервального анализа, изложенные в известных работах Ю. Херцбергера, Ю.И. Шокина, С.П. Шарого, A.B. Лакеева, H.A. Хлебалина и др. При разработке ПО использованы средства, реализующие современные методы интервального анализа в статистическом моделировании, главным образом предложенные в работах А.П. Вощинина, Г.Р. Сотирова и являющиеся основой для обработки интервальных данных при анализе статистических моделей. Особый акцент сделан на применение методологического подхода к решению модельных задач с неопределенностью в данных, предложенный С.И. Носковым.

Цель работы состоит в создании программного и алгоритмического обеспечения процесса построения статистических моделей сложных объектов по интервальным данным, разработке моделей и прогнозов деятельности ГПН, на-

правленных на повышение эффективности его функционирования Достижение этой цели обеспечивается разработкой:

• технологии моделирования сложных систем с использованием современных методов интервального моделирования;

• методики моделирования и краткосрочного прогнозирования развития ситуации с пожарами на основе информации о деятельности подразделений ГПН, имеющей интервальный характер.

Успешное достижение указанной цели возможно посредством решения следующих задач-.

1 Анализа современных средств и технологий моделирования с акцентом на те из них, которые допускают обработку интервальных данных.

2. Выработки требований к функционально-системным компонентам программного комплекса (ПК) СИД.

3. Построения архитектуры программного комплекса СИД и разработки методики его практического применения.

4. Наполнения ПК СИД модулями, реализующими алгоритмы построения интервальных статистических моделей, пользовательский интерфейс и средства манипулирования информацией.

5. Разработки модели функционирования ГПН и построения краткосрочных прогнозов его деятельности с применением ПК СИД.

Теоретическую основу исследования составили методы: линейной алгебры, интервального анализа, анализа данных, исследования проблем функционирования структур пожарной охраны, современные принципы программирования.

Новизну работы составляют следующие положения:

1. Анализ возможности использования аппарата интервального анализа для моделирования и прогнозирования деятельности ГПН в условиях неопределенности в исходной информации.

2. Подход к решению проблемы выявления межфакторных взаимодействий, учитывающий эффекты сезонности и запаздывания, ввод, так называемых, коэффициентов стабилизации по сезонному признаку.

3. Разработка программного комплекса СИД, позволяющего автоматизировать основные этапы построения математических моделей статистического типа с возможной интервальностью в обрабатываемой информации и обеспечивающего удобный пользовательский интерфейс.

4. Модель деятельности ГПН и краткосрочный прогноз его функционирования, на основе использования комплекса СИД.

5. Ряд предложений из анализа результатов моделирования и прогнозирования, реализация которых может существенно повысить эффективность деятельности ГШ и других служб пожарной охраны.

На защиту выносятся:

1. Методика построения моделей статистического типа по интервальным данным.

2. Программный комплекс СИД, обеспечивающий построение статистических моделей по интервальным данным и применение в его рамках разработанной методики.

3. Архитектура, системная и функциональная компоненты программного комплекса СИД и его модулей.

4. Предложения и рекомендации по повышению эффективности функционирования ГПН, полученные на основе анализа модели деятельности ГПН и его краткосрочного прогноза с использованием комплекса СИД.

Практическая значимость работы заключается в использовании ПК СИД, разработанных на его основе моделей и прогнозов в интересах органов ГПН Главного Управления по делам гражданской обороны и чрезвычайным ситуациям Иркутской области, что позволило повысить эффективность деятельности соответствующих служб и выработать действенные решения по улучшению обстановки с пожарами в области. При этом следует отметить универсаль-

ность представленного в работе программного комплекса, заключающуюся в его применимости для анализа объектов другой природы. Комплекс СИД успешно используется для решения подобных задач и в ряде других субъектов Российской Федерации.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на Всероссийской конференции "Информационные технологии в энергетике, экономике, экологии" (Иркутск, 2002 г.), на Всероссийской конференции с международным участием "Математические и информационные технологии в энергетике, экономике, экологии" (Иркутск, 2003 г.), на Международной научно-практической конференции "САКС-2002" (Красноярск, 2002 г.), на Международной конференции "Инфотелекоммуникационные системы в технике, экономике и образовании" (Ташкент, 2004 г.), на семинарах в Иркутском Государственном университете путей сообщения и в ВосточноСибирском институте МВД России.

Публикации. По теме диссертации опубликовано шесть печатных работ.

Объем и структура работы. Диссертация состоит из введения, трех глав, заключения, приложения, списка литературы из 109 наименований. Основной текст работы составляет 124 страницы и включает 15 таблиц и 26 рисунков.

Основное содержание работы

Во введении обосновывается актуальность темы диссертации, формулируется цель и основные задачи исследования, указывается научная новизна работы и практическая значимость полученных результатов.

Первая глава посвящена теоретическим вопросам построения интервальных статистических моделей. Проведен анализ существующего ПО, рассмотрены особенности функционирования ГПН с точки зрения применения методов интервального анализа для моделирования и прогнозирования его деятельности.

Исследовано состояние методологической базы построения интервальных моделей статистического типа. Рассмотрена природа интервальной неопреде-

ленности в исходной информации, приведено описание множеств решений интервальной системы линейных алгебраических уравнений (ИСЛАУ) в различных трактовках, а также технология применения методов интервального анализа для построения статистических моделей с интервальной неопределенностью в исходной информации.

Обязательными элементами любой статистической модели являются линейные регрессионные уравнения (зависимости):

где X - (пхт) матрица значений хк1 независимых переменных, у - (их1) вектор значений ук зависимой переменной, а = (а,,..., ат)Т - вектор подлежащих оцениванию параметров, £ = (е]>...,еп)т - вектор ошибок аппроксимации.

В настоящей работе в отличие от классической постновки предполагается, что матрица X может содержать интервальные элементы.

Основной проблемой оценивания параметров интервальной линейной статистической зависимости (ИЛСЗ), является нахождение решения ИСЛАУ.

где са/ - (пхт) интервальная вещественная матрица, Ш - (их 1) интервальный вектор, элементами которых являются соответственно интервалы [д4|,а£] и [Ь~к,Ъ*к\, к = 1=\т,

Множество решений данной системы может быть определено различными способами. Наиболее часто рассматриваются следующие множества:

у - Ха + е,

(1)

(2)

<84={г<=.Вт\ ЗСесяГ ВсеШ Сг = с}

<Ц2--{геЯт\ ЗсеШ Сг = с}

^ - {г б Ят | УсеЗВ ЗСеойГ Сг = с}

«,4={геГ | (V С е&& ЗсеЗВ Сг = с)&

(\fde3B 3Веса/ £>г = </)}

Множества решений i = 1,4 представимы также в виде-

*з={аеД"| [ЛГ-,ЛГ+] а а [у~ У]}

Здесь Х~ = |х*"|> X* = ||**,| - матрицы нижних и верхних границ истинных значений независимых переменных размерностью (пят), а у~ = (у~, у~)Т, ={у*,-.,у*,)т - вектора нижних и верхних границ истинных значений зависимой переменной соответственно.

Предполагая, чго знаки коэффициентов ИЛСЗ известны, сформируем

матрицы X и X по правилу:

— \ хи> пРи = 1 ( х1, npuslgn{a,)={

Хк, = < Хк1=\ (5)

при .^»(а,) ={-хк1, при sign(a¡)--\

Введя вектор оценок параметров а, связанный с вектором, подлежащим оцениванию, соотношением а, =а, sign(a¡ ), / = 1, т, получим множества решений / = 1,4, как следует из известных работ по интервальной математике*':

ЪА = {аьЯт\а,=а,81&1{а,), { = 1т, Х'а<у\ Х*а>у'}

VL2 = {aeRm\al=a,sign(a¡), г = Х~а>у~, Х'а<у+} _ — — —+- (6) <К.3 = {а е Я" \ я, = а, г = 1 ,т, X а£у~, X а> /}

^ - {а е Ят \ ^ = а/sign(al), 1 = 1,т, X а-у', Х*а = у*}

В работе даются рекомендации по выбору конкретного множества е {<!(,,, } Для каждой конкретной выборки.

*' см , в частности, монографию С И Носкова "Технология моделирования объектов с нестабильным функционированием и неопределенностью в данных" - Иркутск Облинформпечать, 1996 - 320 с

Процесс построения модели можно разделить на следующие четыре этапа:

1. Первичный анализ данных, заключающийся в определении множества исследуемых факторов и основных взаимосвязей между ними;

2. Построение спецификации модели, т.е. определение наиболее значимых регрессоров и связей между ними для каждой зависимой переменной. На основе конкурса моделей определяется наилучший вариант (используются критерии множественной детерминации R и F-критерий Фишера).

3 Собственно построение математической модели вычисление параметров каждого отдельного уравнения и формирование системы уравнений.

4. Прогнозирование - заключительный этап, реализующий вычисление прогнозных значений эндогенных переменных.

Во второй части главы рассмотрено с критических позиций существующее программное обеспечение процесса построения статистических моделей. Основная час1ь существующих пакетов подразделяется на три типа: пакеты углубленного статистического анализа; базового статистического анализа; специализированные статистические пакеты.

В диссертации проанализированы следующие статистические пакеты общего назначения: STATGRAPHICS, SPSS, SAS, SYSTAT, STATISTICA/w, STADIA, Статистик-Консультант, СИТО. Рассмотрены специализированные статистические пакеты - ПАРИС, САНД, МАВР, Эвриста, МЕРИ, САПФИР, Forecast Expert.

Представленные пакеты работают с четко определенным набором исходных данных, позволяющим использовать тот или иной метод их обработки В случае неопределенности в информации необходимо адаптировать имеютцийся набор данных, преобразовывать его для использования в пакетах общего назначения. Нередко приходится адаптировать и сами пакеты, что является весьма трудоемким и затратным занятием. Существующие специализированные пакеты также не позволяют оперировать неопределенностями в исходных данных, частным случаем которых являются интервальные данные Приходится кон-

и

статировать, что исследования по созданию программных средств интервального моделирования в мире только начинаются. В какой-то мере заполнить этот пробел и призвана настоящая работа.

Третья часть главы посвящена описанию особенностей функционирования ГПН с точки зрения использования методов интервального моделирования для повышения эффективности его деятельности.

Необходимость моделирования деятельности ГПН вызвана не только стремлением выявить зависимость пожаров и гибели людей от действий ГПН, но и потребностью усовершенствовать управление ГПН. Использование полученной модели позволит прогнозировать развитие ситуации с пожарами, "обыгрывать" последствия принимаемых управленческих решений.

Во второй главе рассматривается программное и алгоритмическое обеспечение процесса построения статистических моделей - программный комплекс С ИД (Система моделирования по Интервальным Данным). Комплекс позволяет автоматизировать основные этапы построения моделей с возможной интервальной неопределенностью в информации и обладает удобным пользовательским интерфейсом, досшточной гибкостью и открытой архитектурой.

Комплекс должен удовлетворять определенным требованиям.

1. Обеспечение возможности автоматизировать процесс построения и использования математических моделей статистического типа.

2. Поддержка возможности задания исходных значений в интервальном виде и формирования интервального прогноза, а также использования экспертной информации в части выявления взаимовлияния переменных.

3. Гибкость и настраиваемость, возможность подключать новые модули.

4. На каждом этапе вычислительного процесса в комплексе должен быть организован всесторонний контроль ошибок, созданы средства протоколирования и генерации выходной и промежуточной информации.

5. Комплекс должен быть ориентирован на две основные группы пользователей - специалистов в предметной области и прикладников.

Требования к программной реализации.

• модули и блоки, выполняющие функции математической обработки (МО), взаимодействия с файловой системой, должны быть реализованы с расчетом на получение максимального быстродействия;

• части ПК, определяющие его "внешний вид" должны быть интерактивными, реализовывать преимущества графики и таблиц, взаимодействовать с существующим ПО, поддерживать контекстную помощь и т.д.

Таким образом, блоки МО целесообразно реализовать в виде приложений, работающих под управлением MS-DOS. Систему управления и интерфейсно-информационные блоки следует адаптировать к работе в многозадачной среде.

Руководствуясь приведенными требованиями, сформируем общую архитектуру рассматриваемого комплекса (рис. 1).

Рис. 1. Общая архитектура комплекса СИД

Функциональная структура комплекса представлена на рис. 2.

Система математической обработки Центральный блок _управления системой_

Модуль предварительного _анализа данных_

Система построения _ моделей _

Комплекс управления __формированием прогноза

Управляющая система Блок формирования исходных данных

Система управления и взаимодействия

Система контроля и монитор состояния

Информационно-справочная система

Рис. 2. Функциональная структура ПК СИД

Информационная схема взаимодействия отдельных подсистем ПК СИД отображена на рис. 3. В соответствии с ней, управляющая система (УС) является ведущей и принимает на себя функции обработки исходных данных, управления и взаимодействия с системой математической обработки (СМО), контроля, мониторинга и информационно-справочной поддержки. СМО, являясь ведомой системой, организует обработку и анализ данных, построение моделей и прогнозов, т.е. является ядром функционального наполнения комплекса.

Управляющая система

Рис. 3. Информационная схема взаимодействия подсистем комплекса СИД

Если по каким-либо причинам УС отсутствует и, как следствие, отсутствуют соответствующие блоки контроля, формирования исходных данных, СМО

должна функционировать корректно. Данные условия требуют реализации СМО как обособленной и независимой от внешнего управления системы и диктуют необходимость построения информационной схемы взаимодействия подсистем СМО в виде, представленном на рис. 4.

I

Исходные данные

<

\ Прогнозная / / информация \

Рис. 4. Информационная схема взаимодействия подсистем СМО

При таком режиме работы функционирование СМО невозможно без выполнения части функций УС, а именно - функции контроля и мониторинга, информационно-справочной составляющей, считывания и компоновки исходных данных, формирования результирующих данных, ведения протокола. Указанные функции присутствуют в СМО и являются отключаемыми. Происходит это под воздействием внешних управляющих сигналов, команд и параметров запуска.

Программный комплекс СИД оперирует тремя типами исходных данных. Во-первых, это статистические данные интервального характера, содержащие ретроспективную информацию об объекте исследования. Во-вторых, матрица смежности Н, формируемая на основе экспертных данных и представлений о деятельности объекта исследования. Она представляет собой квадратную матрицу, размерность которой равна числу регрессоров, участвующих в обработке,

а ее элементы указывают на направление влияния переменных друг на друга. В-третьих, прогнозные данные, которые также могут иметь интервальный характер.

В качестве выходной информации комплекс формирует данные об объекте исследования (матрица парных корреляций, общая спецификация модели и сама модель), общий протокол работы, прогнозную информацию, отображаемую в табличной или графической форме.

Практическая реализация приведенных структур и схем позволила создать завершенный программный продукт - программный комплекс СИД. В связи с этим представляет интерес рассмотрение некоторых экранных форм ПК СИД Так, на рис. 5 приведено диалоговое окно для ввода и корректировки исходных данных, а на рис. 6 представлено окно с результатами работы программы (графическое отображение).

% Работе Рпуяьтаты 3 Слряка ф- Ьссо«

II З! а

Д/м*а экымопдеяшга парном:

Дльма гесгнезмого перисца [Г*т]

Ыкаямга »к*амемдошм эимния покдеаталаА - _

Вручено прсалмсяимй [ инггмй ] выполнено мероприятий] Направлено преасюе юиий [ Проввдвио инсгр^кгажей { Прсмиструкт и рол.

1 Минэнач ] Макеэнач | Мин ана» ( Макс эмн | Ммнэпач Макс эи«ч 1 Минэнач | Маге а нач } Мин знач. | Маис эпам Мииэнач

! Э59Э1| 361в3 181877 181976 61571 Е1792 зге 913 24950 24950 1771В1

ш* вт 1X311 136409 71314 71314 869 971 19811 19811 142682

I 307832 30623.8 193303 193770 669935 67018 999 1006 25625 6 256256 235024 3

1 36779 36760 166548 166566 60519 60523 1054 10% 28178 28178 197733

| 376Ь4 37859 172402 172402 64612 64614 1096 1105 33878 33879 192529

> 28538 2№>Л 144762 144762 62771 62771 926 933 21715 21715 153484

707606 20760 6 135455 135457 54151 3 54163 2 923 328 17796 8 177968 1364695

3591? 15912 182654 183268 60803 60003 913 934 40853 40853 275260

24228 24323 134516 136765 65908 66127 1171 1177 22030 22030 176527

' 23489 23556 121374 121440 72576 72596 304 812 17291 17291 138546

Укажет» прогнозные эчачг 8иия пежажгалей >

Вручено прсАЛиеммй | Предложено мероц имтмй | Выполнено мероприятие Напр«»ле*ю представление | Промяеио инструктажей Промнет р<ртиро»

Миианач | Ма»(»ач | Мин энли ( Магс-эмач. | Мжмач | Минзнач | Макс э на* | Минанач | Макс экач Мин энач |л

172186 172)85 118719 118743 47819 3 47331 7 1& 727 19316 5 19-316 5 маг*

ШЬ »91 116642 118640 367« ЭвЭЗб «11 614 16901 16901 165400

34134236 147460 147930 /9761 4056' 1030 •сШ Р273 -1273 231Л 9

[ 32295 32305 } 177365 177466 87056 1066 )066 16360 16960 204571 >

Рис. 5. Комплекс СИД - ввод исходных данных

Рис. 6. Комплекс СИД - результаты работы программы (график)

В работе представлены две разновидности УС. Одна ориентирована на решение задач повышения эффективности деятельности Государственного пожарного надзора с заданными переменными, а другая, более общая, позволяет задавать произвольный состав возможных регрессоров, модифицировать любые данные, которыми оперирует программный комплекс СИД.

В третьей главе описан процесс моделирования и прогнозирования функционирования системы ГПН ГПС Иркутской области. Рассмотрена соответствующая совокупность показателей, проведен ее анализ и выделены наиболее значимые факторы. С использованием ПК СИД построена модель функционирования ГПН, на основе которой получен краткосрочный прогноз его деятельности.

Полный набор переменных для построения модели и прогноза деятельности системы ГПН ГПС Иркутской области содержит следующие показатели: XI - вручено предписаний (предложений);

Х2 - всего предложено противопожарных мероприятий;

^ ХЗ - выполнено противопожарных мероприятий;

| Х4 - направлено информации и представлений;

I Х5 - проведено противопожарных инструктажей;

|

' Х6 - проинструктировано, человек;

I Х7 - проведено бесед, выступлений в трудовых коллективах;

(

Х8 - охвачено беседами, выступлениями, человек;

, Х9 - общее число пожаров;

I

XI0 - число пожаров, произошедших по причине неосторожного об-^ ращения с огнем;

XI1 - число пожаров, произошедших по причине нарушения правил ' пожарной безопасности эксплуатации оборудования, бытовых

приборов и печей;

XI2- число погибших на пожарах людей.

В качестве информационной базы использовались статистические данные

^ за последние три года (по кварталам). При этом применены широко известные

1

приемы, связанные с введением "запаздывания" и коэффициентов сезонности.

I

Выделим интересующие нас в качестве показателей эффективности работы Л ГПН зависимые переменные - "Общее число пожаров" (Х9), "Число пожаров,

произошедших по причине неосторожного обращения с огнем" (XI0), "Число пожаров, произошедших по причине НППБ эксплуатации оборудования, бытовых приборов и печей" (XII) и "Число погибших на пожарах людей" (Х12). Для каждой зависимой переменной в ходе проведения конкурса моделей построены различные варианты уравнений и получена общая спецификация, включающая в себя четыре уравнения: Хд = /9{Хи X,, Х5), Х10 = /0(Х2, Х:)), ^п ~9)> = /2№> Х10,Хи).

В результате работы комплекса СИД, получена статистическая интервальная модель деятельности ГПН - таблица 1.

Таблица 1. Математическая модель деятельности ГПН

Регрессионные уравнения для зависимых переменных модели Критерий множественной детерминации Критерий Фншера

Х9 = 23204 + 001 Л-/- 09 *7-0009 X, 5=0 94 Е=33 12

X,„ = 73 84 - 0 001 -й + 0 53 X, Я =0 76 Р=11 17

А",, = -508 51 +0 59 X, Я=081 Р-34 38

Х„ = 23 88 - 0 00034 X, + 0 16 Х„ Я =0.91 Р-37 21

На основании построенной модели деятельности ГПН и с использованием интервальных данных прогнозной выборки, с применением ПК СИД, получен краткосрочный прогноз деятельности ГПН Иркутской области.

В качестве примера на рис. 7 приведен график для показателя XI0 в целях оценки точности и соответствия полученных значений действительным.

Период времени

Реальные значения показателя Х10 - - - - Вычисленные значения показателя XIО I

Рис. 7.

График сравнительных значений для показателя X10

Заключение

В работе получены следующие основные результаты.

1. Выполнен анализ деятельности органов ГПН и сделан вывод о применимости для его моделирования и прогнозирования математического аппарата интервального анализа в условиях существующей неопределенности в исходной информации. Для оценки полноты и качества выполнения ГПН своих функций существует система показателей профилактической работы. Исходя из структуры показателей, их характера, сложности сбора и анализа, следует сделать вывод о необходимости применения интервального подхода к их изучению. Наличие пропусков и неточностей в данных только подчеркивает справедливость данного соображения.

2. Предложен подход, учитывающий эффекты сезонности и запаздывания, введены коэффициенты стабилизации по сезонному признаку, выполнено соответствующее преобразование входных переменных по отношению к выходным, что позволило построить более адекватную модель.

3. Разработано алгоритмическое и программное обеспечение процесса построения интервальных статистических моделей - ПК СИД. Комплекс имеет универсальный характер и применим для построения моделей подобного типа по отношению к объектам из других предметных областей. В работе сформулированы основные требования, принципы и подходы к реализации системных и функциональных компонент ПК СИД, определена общая архитектура и структурный вид подсистем, модулей и блоков комплекса. Практическая реализация ПК СИД осуществлена в виде двух взаимосвязанных программных систем - УС и СМО.

4. С применением ПК СИД построена модель деятельности ГПН статистического типа и ее краткосрочный прогноз, по результатам которого можно констатировать, что полученные соотношения в достаточно вы-

сокой степени отражают реальную обстановку с пожарами и их последствиями.

5. На основе анализа результатов моделирования и прогнозирования выработан ряд предложений, реализация которых позволяет существенно повысить эффективность функционирования ГПН и других служб пожарной охраны. Следует отметить, что существующей системы показателей явно недостаточно, чтобы представить полную картину деятельности органов ГПН и с достаточной степенью уверенности говорить о том, что значения отдельных показателей содержат истинные данные. Необходимо учитывать еще такие показатели, которые будут отражать контроль за деятельностью самих подразделений ГПН. Кроме того, система показателей должна быть дополнена факторами, отражающими ответные действия со стороны проверяемых организаций и частных лиц. При этом необходимо исключить излишнее дублирование в системе показателей и возникновение коллизий в их значениях. Главной целью построения уточненной таким образом системы показателей должно являться получение достоверной целостной картины о ситуации с пожарами и их последствиями. В целях улучшения управления службой, контроля за формированием значений показателей и исполнением вынесенных постановлений и предписаний необходимо усилить взаимодействие со средствами массовой информации и органами власти.

Список опубликованных работ по теме диссертации

Валеев Е.Р., Носкоз С.И. Программный комплекс построения спецификации статистической модели по интервальным данным // САКС-2002: Тез. докл. Междунар. науч.-практ. конф. - СибГАУ, Красноярск, 2002. - С. 359. Валеев Е.Р., Носков С.И. Математическая модель эффективности функционирования государственного пожарного надзора // Труды Всероссийской конференции "Математические и информационные технологии в энергетике, экономике, экологии". Часть 1. - Иркутск: ИСЭМ СО РАН, 2003.-С. 53-63.

Валеев Е.Р., Носков С.И. Программный комплекс "СИД" построения спецификации статистической модели по интервальным данным // Труды Всероссийской конференции "Математические и информационные технологии в энергетике, экономике, экологии". Часть 2. - Иркутск: ИСЭМ СО РАН, 2003.-С. 17-25.

Валеев Е.Р., Носков С.И. Программный комплекс интервального моделирования сложных систем // Труды Международной конференции по инфо-коммуникационным технологиям в науке, технике и образовании. - Ташкент:, 2004.-С. 317-323.

Валеев Е.Р., Носков С.И. Программный комплекс интервального моделирования СИД // Информационные технологии и проблемы математического моделирования сложных систем. - Иркутск: ИИТМ ИрГУПС, 2005. -Вып.З.-С. 21-30.

Валеев Е.Р. Современное состояние дел в области программного обеспечения процесса построения статистических моделей // Информационные технологии и проблемы математического моделирования сложных систем. - Иркутск: ИИТМ ИрГУПС, 2005. - Вып.З. С. 120-126.

Лицензия ИД № 00639 от 05.01.2000. Лицензия ПЛД № 40-61 от 31.05.1999 Бумага писчая. Формат 60x84 1/16 Офсетная печать. Печ. л. 1,3 Тираж 100 экз. Заказ №

Отпечатано полиграфическим участком ИСЭМ СО РАН 664033, Иркутск, ул. Лермонтова, 130

У

I t

\

Введение.

Глава 1: Анализ проблем применения методов интервального моделирования для анализа сложных объектов.

1.1. Современный уровень состояния методологической базы построения интервальных моделей статистического типа.

1.1.1. Природа интервальной неопределенности в исходной информации.

1.1.2. Описание множеств решений интервальной системы линейных алгебраических уравнений.

1.1.3. Применение методов интервального анализа для построения моделей с интервальной неопределенностью в информации.

1.2. Существующее программное обеспечение процесса построения статистических моделей.

1.3. Особенности функционирования Государственного пожарного надзора.

Глава 2: Алгоритмическое и программное обеспечение процесса построения интервальных статистических моделей.

2.1. Принципы создания программного комплекса СИД.

2.2. Системная и функциональная компоненты комплекса СИД.

2.3. Особенности функционирования программного комплекса СИД.

2.4. Алгоритм работы комплекса СИД.

Глава 3: Моделирование и прогнозирование функционирования системы ГПН ГПС Иркутской области.

3.1. Интервальная модель функционирования Государственного пожарного надзора.

3.2. Краткосрочный прогноз деятельности ГПН ГПС Иркутской области

3.3. Анализ результатов моделирования и прогнозирования деятельности ГПН.

3.4. Рекомендации, направленные на повышение эффективности деятельности органов ГПН.

Актуальность работы. Актуальность выполненной работы обусловлена тремя основными факторами. Во-первых, возрастающей потребностью в изучении разнородных статистических данных, определяющих, в частности, качество функционирования Государственного пожарного надзора (ГПН) с целью проведения эффективной управленческой политики по снижению числа пожаров. Во-вторых, все более широким < использованием современных средств интервального моделирования сложных систем статистическими методами, что позволяет оперировать различного рода неточностями и неопределенностями в исходных данных. В-третьих, настоятельной необходимостью создания специализированного программного обеспечения (ПО), позволяющего иметь качественный инструментарий для моделирования объектов различной природы в условиях интервальной неопределенности в информации.

В настоящий момент органы пожарной охраны переживают этап модернизации и реформирования в рамках Министерства по чрезвычайным ситуациям (МЧС) РФ, изменяется стратегия их деятельности, проходят организационные и иные преобразования, затрагивающие, в том числе, и функционирование службы ГПН. Внедрение указанного специализированного ПО сегодня особенно актуально, учитывая значимость функций контроля за деятельностью ГПН и возможность встроить соответствующие системы контроля в современную структуру контролирующих органов в кратчайшие сроки при минимальных потерях ресурсов (временных, финансовых, управленческих).

Широкий разброс в значениях поступающих для анализа данных, являющийся следствием резкого возрастания информационных потоков в различных отраслях, управленческих структурах, отсутствие "жестких" методик принятия решений, реформирование государственных органов власти и управления, перевод части задач по управлению на региональный и местный уровни, как правило, приводят к появлению неточностей, неопределенностей и пропусков в данных, что обусловливает высокую актуальность применения интервальных методов.

Основной задачей органов МЧС РФ, к числу которых относится и ГПН, наряду с ликвидацией последствий стихийных бедствий и ЧС, тушением пожаров, является предотвращение их появления и прогнозирование развития ситуации при тех или иных управленческих решениях. В связи с этим особо ярко ощущается необходимость разработки соответствующего специализированного ПО, тем более, что необходимая информационно-техническая база уже имеется.

Учитывая, что основная деятельность пожарной охраны направлена на защиту территорий от пожаров, р том числе на их предупреждение (профилактику), необходимость анализа и прогнозирования деятельности ГПН выходит на передний план. Это требует систематического сбора, хранения и обработки большого объема статистических данных, их анализа, своевременной выдачи результатов в приемлемом виде. Использование интервальное™ в данных позволяет расширить границы применения ПО и методов их обработки.

Следует отметить, что представленные в настоящей работе модели, методы и программный комплекс СИД (Система моделирования по Интервальным Данным) применимы и для анализа сложных объектов другой природы.

В своей работе автор опирается на методы интервального анализа, изложенные в известных работах Ю. Херцбергера, Ю.И. Шокина, С.П. Шарого, A.B. Лакеева, H.A. Хлебалина и др. При разработке ПО использованы средства, реализующие современные методы интервального анализа в статистическом моделировании, главным образом предложенные в работах А.П. Вощинина, Г.Р. Сотирова и являющиеся основой для обработки интервальных данных при анализе статистических моделей. Особый акцент сделан на применение методологического подхода к решению модельных задач с неопределенностью в данных, предложенный С.И. Носковым.

Цель работы состоит в создании программного и алгоритмического обеспечения процесса построения статистических моделей сложных объектов по интервальным данным, разработке моделей и прогнозов деятельности ГПН, направленных на повышение эффективности его функционирования. Достижение этой цели обеспечивается разработкой:

• технологии моделирования сложных систем с использованием современных методов интервального моделирования;

• методики моделирования и краткосрочного прогнозирования развития ситуации с пожарами на основе информации о деятельности подразделений ГПН, имеющей интервальный характер.

Успешное достижение указанной цели возможно посредством решения следующих задач:

1. Анализа современных средств и технологий моделирования с акцентом на те из них, которые допускают обработку интервальных данных.

2. Выработки требований к функциональной и системной компонентам программного комплекса интервального моделирования СИД.

3. Построения архитектуры программного комплекса СИД и разработки методики его практического применения.

4. Наполнения программного комплекса СИД основными и вспомогательными модулями, реализующими алгоритмы построения интервальных статистических моделей, разработки необходимого пользовательского интерфейса и средств манипулирования информацией.

5. Разработки модели функционирования ГПН Иркутской области и построения краткосрочных прогнозов его деятельности с применением программного комплекса СИД.

Теоретическую основу исследования составили методы: линейной алгебры, интервального анализа, анализа данных, исследования проблем функционирования структур пожарной охраны, современные принципы программирования.

Новизну работы составляют следующие положения:

1. Анализ возможности использования аппарата интервального анализа для моделирования и прогнозирования деятельности ГПН в условиях неопределенности в исходной информации.

2. Подход к решению проблемы выявления межфакторных взаимодействий, учитывающий эффекты сезонности и запаздывания, ввод, так называемых, коэффициентов стабилизации по сезонному признаку.

3. Разработка программного комплекса СИД, позволяющего автоматизировать основные этапы построения математических моделей статистического типа с возможной интервальностыо в обрабатываемой информации и обеспечивающего удобный пользовательский интерфейс.

4. Модель деятельности ГПН и краткосрочный прогноз его функционирования, на основе использования комплекса СИД.

5. Ряд предложений из анализа результатов моделирования и прогнозирования, реализация которых может существенно повысить эффективность деятельности ГПН и других служб пожарной охраны.

На защиту выносятся:

1. Методика построения моделей статистического типа по интервальным данным.

2. Программный комплекс СИД, обеспечивающий построение статистических моделей по интервальным данным и применение в его рамках разработанной методики.

3. Архитектура, системная и функциональная компоненты программного комплекса СИД и его модулей.

4. Предложения и рекомендации по повышению эффективности функционирования ГПН, полученные на основе анализа модели деятельности ГПН и его краткосрочного прогноза с использованием комплекса СИД.

Практическая значимость работы заключается в использовании программного комплекса СИД, разработанных на его основе моделей и прогнозов в интересах органов ГПН Главного Управления по делам гражданской обороны и чрезвычайным ситуациям Иркутской области, что позволило повысить эффективность деятельности соответствующих служб и выработать действенные решения по улучшению обстановки с пожарами в области. При этом следует отметить универсальность представленного в работе программного комплекса, заключающуюся в его применимости для анализа объектов другой природы. Комплекс СИД успешно используется для решения подобных задач и в ряде других субъектов Российской Федерации.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на Всероссийской конференции "Информационные технологии в энергетике, экономике, экологии" (Иркутск, 2002 г.), на Всероссийской конференции с международным участием "Математические и информационные технологии в энергетике, экономике, экологии" (Иркутск, 2003 г.), на Международной научно-практической конференции "САКС-2002" (Красноярск, 2002 г.), на Международной конференции "Инфотелекоммуника-ционные системы в технике, экономике и образовании" (Ташкент, 2004 г.), на семинарах в Иркутском Государственном университете путей сообщения и в Восточно-Сибирском институте МВД России.

Публикации. По теме диссертации опубликовано шесть печатных работ.

Заключение

Получены следующие основные результаты:

1. Выполнен анализ деятельности органов ГПН и сделан вывод о применимости для его моделирования и прогнозирования математического аппарата интервального анализа в условиях существующей неопределенности в исходной информации. Впервые по отношению к объектам пожарной охраны, > при их исследовании математическими методами, с целью повышения эффективности деятельности, применен аппарат интервального моделирования.

2. Предложен подход, учитывающий эффекты сезонности и запаздывания, введены коэффициенты стабилизации по сезонному признаку, выполнено соответствующее преобразование входных переменных по отношению к выходным, что позволило построить более адекватную модель.

3. Разработано алгоритмическое и программное обеспечение процесса построения интервальных статистических моделей - программный комплекс СИД. Комплекс имеет универсальный характер и применим для построения моделей подобного типа по отношению к объектам из других предметных областей. ПК СИД позволяет автоматизировать основные этапы процесса построения статистических моделей, обеспечивает удобный пользовательский интерфейс, хранение и обработку интервальных данных и обладает необходимыми надежностью и гибкостью.

4. С применением ПК СИД построена модель деятельности ГПН статистического типа и ее краткосрочный прогноз.

5. На основе анализа результатов моделирования и прогнозирования выработан ряд предложений, реализация которых позволяет существенно повысить эффективность функционирования Государственного пожарного надзора и других служб пожарной охраны.

1. Абрамов Л.М., Капустин В.Ф. Математическое программирование. Л.: Изд-во Ленингр. ун-та, 1981. 328 с.

2. Айвазян С.А. Модельно- и методоориентированные интеллектуализирован-ные программные комплексы по статистическому анализу данных // Многомерный статистический анализ и вероятностное моделирование реальных процессов. М.: Наука, 1990. - С. 7-16. >

3. Андреев A.A., Бессонов В.А. Использование единых системных средств для расширения возможностей пакетов прикладных программ // Пакеты прикладных программ. Математическое моделирование. М.: Наука, 1989. -С. 73-83.

4. Ахременков A.A. Программная система для разработки моделей регионального управления // Программные системы: Теоретические основы и приложения. М.: Наука, Физматлит, 1999. - С. 295-306.

5. Баранин В.Н., Рабинков В.А. Опыт стратегического планирования в США противодействия чрезвычайным ситуациям // Пожаровзрывобезопасность. -2003.-т. 12.-№6.-С. 30-31.

6. Баратов А.Н., Пчелинцев В.А. Пожарная безопасность: Учебное пособие. -М.: АСВ, 1997.- 176 с.

7. Бахвалов Н.С., Жидков Н.П., Кобельков Г.М. Численные методы. М.: Лаборатория Базовых Знаний, 2002. - 632 с.

8. Белышев А.Г., Гулиев Я.И., Морозов В.Ю. Построение медицинских систем с использованием распределенных объектных технологий // Программные системы: Теоретические основы и приложения. М.: Наука, Физматлит, 1999.-С. 169-176.

9. Боброва JI.B. Шарый В.А. Математическое моделирование. Основные понятия: Текст лекций. JL: СЗПИ, 1991. - 54 с.

10. Брушлинский H.H. Моделирование оперативной деятельности пожарной службы. М.: Стройиздат, 1981. - 96 с.

11. Брушлинский H.H., Кафидов В.В., Козлачков В.И. и др. Системный анализ и проблемы пожарной безопасности народного хозяйства / Под ред. H.H. Брушлинского. М.: Стройиздат, 1988. - 413 с.

12. Брушлинский H.H., Микеев А.К., Бозуков Г.С. и др. Совершенствование организации и управления пожарной охраной: Совм. Издание СССР НРБ / Под ред. H.H. Брушлинского. - М.: Стройиздат, 1986. - 152 с.

13. Бусленко Н.П. Моделирование сложных систем. М.: Наука, 1978. - 400 с.

14. Васильева Т.В. Диалоговая система для решения задач прогнозирования коротких одномерных временных рядов на ПЭВМ // Управл. системы и машины. 1991.-№6.-С. 121-127.

15. Векслер JI.C. Статистический анализ на персональном компьютере // Мир ПК. 1992.-№2.-С. 89-97.

16. Вощинин А.П. Задачи анализа с неопределенными данными -интервальность и/или случайность? // Труды межд. конф. по вычислительнойматематике МКВМ-2004. Рабочие совещания. Новосибирск: ИВМиМГ СО РАН, 2004.-С. 147-158.

17. Вощинин А.П., Бочков А.Ф., Сотиров Г.Р. Метод анализа данных при интервальной нестатистической ошибке // Заводская лаборатория. 1990. - т. 56.-№7. -С. 76-81.

18. Вощинин А.П., Сотиров Г.Р. Оптимизация в условиях неопределенности. -М.: Изд-во МЭИ (СССР); "Техника" (НРБ), 1989. 224 с.

19. Горбачук В.М. Моделирование процессов торговли // Математические методы моделирования и системного анализа в условиях неполной информации: Сб. науч. тр. Киев: Ин-т кибернетики им. В.М. Глушкова АН УССР, 1991.-С. 48-53.

20. ГОСТ 12.1.004-91*. ССБТ. Пожарная безопасность. Общие требования.

21. Грабер М. Введение в SQL. М.: "ЛОРИ", 1996. - 382 с.

22. Гурова Л.И., Сахаров С.С. Прикладные программы: Учеб. пособие. М.: Статистика, 1980.-280 с.

23. Джаныбеков Б.С., Шарый С.П. Интервальный метод Хаусхолдера для комплексных линейных систем // Труды межд. конф. по вычислительной математике МКВМ-2004. Рабочие совещания. Новосибирск: ИВМиМГ СО РАН, 2004.-С. 171-178.

24. Добронец Б.С. Специальные приближения множеств решений // Труды межд. конф. по вычислительной математике МКВМ-2004. Рабочие совещания. -Новосибирск: ИВМиМГ СО РАН, 2004. С. 179-183.

25. Долгов Ю.Г. Метод глобальной оптимизации на основе методов ветвей и границ // Труды межд. конф. по вычислительной математике МКВМ-2004. Рабочие совещания. Новосибирск: ИВМиМГ СО РАН, 2004. - С. 184-192.

26. Дрейпер Н., Смит Г. Прикладной регрессионный анализ: в 2-х кн. Кн. 1. 2-е изд., перераб. и доп. - М.: Финансы и статистика, 1986. - 366 с.

27. Дрейпер Н., Смит Г. Прикладной регрессионный анализ: в 2-х кн. Кн. 2. 2-е изд., перераб. и доп. - М.: Финансы и статистика, 1987. - 351 с.

28. Дьяконов В.П. MatLAB: Современное средство математического моделирования процессов. СПб.: Питер, 2001. - 553 с.

29. Дюк В.А., Мирошников А.И. Эволюция Statgraphics // Мир ПК. 1995. - № 12.-С. 32-34.

30. Епанешников A.M., Епанешников В.А. Программирование в среде DELPHI : Учебное пособие: в 4-х ч. Ч. 3. Проектирование программ. М.: ДИАЛОГ-МИФИ, 1998.-336 с.

31. Епанешников A.M., Епанешников В.А. Программирование в среде DELPHI : Учебное пособие: в 4-х ч. Ч. 4. Работа с базами данных. Организация справочной системы. М.: ДИАЛОГ-МИФИ, 1998. - 400 с.

32. Ерофеенко В.Т., Козловская И.С. Основы математического моделирования: Курс лекций. Мн.: БГУ, 2002. - 195 с.

33. Загорулько В.И., Баландин A.C., Сидоров A.C. Научное обеспечение информатизации Государственной противопожарной службы МВД России // Материалы пятой межд. конф. "Информатизация систем безопасности-96". -М.: МИПБ, 1996. С. 119-121.

34. Закон Иркутской области от 02.04.2003 г. N 16-03 "О пожарной безопасности в Иркутской области".

35. Закон РФ от 05.03.1992 г. № 2446-1 "О безопасности" (с изменениями от 25.12.1992 г., 24.12.1993 г., 25.07.2002 г., 07.03.2005 г.).

36. Захаров А.В, Шокин Ю.И. Синтез систем управления при интервальной неопределенности параметров их математических моделей // Докл. АН • СССР. 1988. - т. 299. - № 2. - С. 292-295.

37. Иваницкий А.Ю. Оценка скорости сходимости метода точечной невязки для решения несовместных систем линейных алгебраических уравнений // Методы и алгоритмы численного анализа. М.: Изд-во Моск. ун-та, 1990. -С. 46-53.

38. Казанцев B.C. О развитии пакета КВАЗАР // Системы принятия решений в задачах классификации и планирования. Свердловск: УрО РАН, 1992. - С. 30-37.

39. Калмыков С.А., Шокин Ю.И., Юлдашев З.Х. Методы интервального анализа. Новосибирск: Наука, 1986. - 224 с.

40. Калнмач Т.А. Принципы организации автоматизированного рабочего места планового работника // Инструментальный аппарат моделирования экономических систем. М.: ЦЭМИ АН СССР, 1988. - С. 3-15.

41. Карманов В.Г. Математическое программирование: Учеб. пособие. 5-е изд., стереотип. - М.: ФИЗМАТЛИТ, 2001. - 264 с.

42. Кларк Э.М., Грамберг О., Пелед Д. Верификация моделей программ: Model Checking / Под ред. Р. Смелянского. М.: МЦНМО, 2002. - 416 с.

43. Концепция системы основных направлений нормирования требований пожарной безопасности в нормативных документах по пожарной безопасности. М.: ВНИИПО, 1999. - 12 с.

44. Кочнев В.А. Адаптивный метод решения систем линейных уравнений в задачах геофизики // Применение ЭВМ в задачах управления: Сб. науч. тр. -Красноярск: Президиум СО АН СССР, 1985. С. 62-73.

45. Кузнецов В.П. Интервальные статистические модели. М.: Радио и связь, 1991.-352 с.

46. Литтл Р.Дж.А., Рубин Д.Б. Статистический анализ данных с пропусками. -М.: Финансы и статистика, 1990. 336 с.

47. Ляпин Е.А., Лукшин A.B. Оценка эффективности влияния деятельности пожарной охраны на обстановку с пожарами // Пожарная безопасность, информатика и техника. 1997. - № 4 (22). - С. 32-34.

48. Малых В.Л., Пименов С.П., Хаткевич М.И. Объектно-реляционный подход к созданию больших информационных систем // Программные системы: Теоретические основы и приложения. М.: Наука, Физматлит, 1999. - С. 177-184.

49. Матросов В.М., Головченко В.Б., Носков С.И. Моделирование и прогнозирование показателей социально-экономического развития области. -Новосибирск: Наука, 1991. 144 с.

50. Миллер Т., Пауэл Д. и др. Использование Delphi 3. Специальное издание. -К.: Диалектика, 1997. 768 с.

51. Новости // Пожаровзрывобезопасность. 2003. - т. 12. - № 1. - С. 3-6.

52. Норкин В.И. О целочисленном стохастическом программировании // Математические методы моделирования и системного анализа в условиях неполной информации: Сб. науч. тр. Киев: Ин-т кибернетики им. В.М. Глушкова АН УССР, 1991. - С. 26-34.

53. Носков С.И. Технология моделирования объектов с нестабильным функционированием и неопределенностью в данных. Иркутск, РИЦ ГП "Облинформпечать", 1996. 320 с.

54. Носков С.И., Подушко В.Г., Удилов В.П. Газификация сельской местности: целевое программирование пожарной безопасности. Тюмень: 1999. - 150 с.

55. Носков С.И., Жидиханов Б.Р. Автоматизированная система моделирования для поддержки планово-управленческих решений на областном уровне // Per. семинар "Моделирование плановых расчетов и диалоговая оптимизация". Тезисы докл. Севастополь, 1991. - С. 24.

56. Носков С.И., Жидиханов Б.Р. Опыт создания средств автоматизации процессов моделирования и прогнозирования развития региона // Управл. системы и машины. 1993. -№ 3. - С. 100-104.

57. НПБ 202-96. Муниципальная пожарная служба. Общие требования.

58. Перечень нормативных правовых актов, регулирующих вопросы пожарной безопасности и деятельности пожарной охраны. М.: ВНИИПО, 1999. - 44 с.

59. Подбельский В.В., Ионцев H.H. Расширяемый пакет прикладных программ для решения задач автоматизированного проектирования и обработки экспериментальных данных // Интеллектуализация программных средств. -Новосибирск: Наука. Сиб. отд-ние, 1990. С. 30-47.

60. Пожары и пожарная безопасность в 1999 году: Статистический сборник / Под ред. Е.А. Серебренникова, A.B. Матюшина. М.: ВНИИПО, 2000. - 270 с.

61. Пол Ирэ. Объектно-ориентированное программирование с использованием С++. К.: НИПФ "ДиаСофт Лтд.", 1995. - 480 с.

62. Пособие по нормативно-технической работе. М.: ВНИИПО, 2000. - 172 с.

63. Правила пожарной безопасности в РФ (ППБ 01 -03).

64. Рош У.Л. Библия по техническому обеспечению Уинна Роша. Мн.: МХХК "Динамо", 1992.-416 с.

65. Савельев П.С. Пожары-катастрофы М.: Стройиздат, 1988. - 431 с.

66. Семенов H.A. Программы регрессионного анализа и прогнозирования временных рядов. Пакеты ПАРИС и МАВР. М.: Финансы и статистика, 1990.- 111 с.

67. Семиков B.JI. "Неравный брак" // Пожарная безопасность, информатика и техника. 1997. -№ 4 (22). - С. 51-53.

68. Сильвестров Д.С., Семенов H.A., Марищук В.В. Пакеты прикладных программ статистического анализа. К.: Тэхника, 1990. - 176 с.

69. СНиП 21-01-97 "Пожарная безопасность зданий и сооружений" (с изменениями от 03.06.1999 г., 19.07.2002 г.).

70. Собурь С.В. Пожарная безопасность предприятия. Курс пожарно-технического минимума: Справочник. 5-е изд., доп. (с изм.). - М.: Спецтехника, 2001. - 448 с.

71. Сошникова Л.А., Тамашевич В.Н., Уебе Г., ПГеффер М. Многомерный статистический анализ в экономике: Учеб. пособие для вузов / Под ред. В.Н. Тамашевича. М.: Юнити-Дана, 1999. - 598 с.

72. Техническая информация (в помощь инспектору Государственной противопожарной службы). М.: ВНИИПО, 1998. - 33 с.

73. Туркин Б.Ф. Автоматизация управления пожарной охраной: состояние и тенденции развития // Обзорная информация ГИЦ МВД СССР, вып. 4/88. -М.- 1988.-С. 85.

74. Туркин Б.Ф. Автоматизированные системы управления пожарной охраной // В сб. "Совершенствование организации и управления пожарной охраной". -М.: Стройиздат, 1986.-С. 80-105.

75. Туркин Б.Ф. Новые информационные технологии в Государственной противопожарной службе МВД России. Состояние и перспектива // Материалы пятой межд. конф. "Информатизация систем безопасности-96". -М.: МИПБ, 1996.-С. 116-119.

76. Тюрин Ю.Н., Макаров А.А. Статистический анализ данных на компьютере / Под ред. В.Э. Фигурнова. М.: Инфра-М, 1998. - 528 с.

77. Указ Президента РФ от 09.11.2001 г. № 1309 "О совершенствовании государственного управления в области пожарной безопасности" (с изменениями от 8.05.2005 г.).

78. Указ Президента РФ от 10.01.2000 г. № 24 "О Концепции национальной безопасности Российской Федерации".

79. Уэйт М., Прата С., Мартин Д. Язык Си. М.: Мир, 1988. - 512 с.

80. Фалеев М.И. Компьютерные технологии в создании информационного пространства для противодействия бедствиям и катастрофам // ¡Business, №6, 2002, Специальный выпуск "eGoverment". С. 13-15.

81. Федеральный закон от 21.12.1994 г. № 69-ФЗ "О пожарной безопасности".

82. Фридман A.J1. Основы объектно-ориентированной разработки программных систем. М.: Финансы и статистика, 2000. - 192 с.

83. Фролкин Д.Д. Подсистема целочисленного программирования в пакете оптимизации ОМЕГА // Пакеты прикладных программ. Математическое моделирование. М.: Наука, 1989. - С. 117-122.

84. Хенинен А.Я., Павлов Ю.Л. "Статистик-консультант", или Еще один довод в пользу неизбежного // Мир ПК. 1994. - № 6. - С. 92-94.

85. Хлебалин H.A., Шокин Ю.И. Интервальный вариант метода модального управления // Докл. АН СССР. 1991. - т. 316. - № 4. - С. 846-850.

86. Шойгу С.К., Воробьев Ю.Л., Владимиров В.А. Катастрофы и государство. -М.: Энергоатомиздат, 1997.- 161 с.

87. Шойгу С.К. Вступительное слово // ¡Business, №6, 2002, Специальный выпуск "eGoverment". С. 12.

88. Шойгу С.К., Фалеев М.И., Кириллов Г.Н. и др. Учебник спасателя / Под ред. Ю.Л. Воробьева. 2-е изд., перераб. и доп. - Краснодар: "Сов. Кубань", 2002. -528 с.

89. Шумаков П.В. Delphi 3 и разработка приложений баз данных. М.: "НОЛИДЖ", 1998.-704 с.

90. Шураков В.В., Дайитбегов Д.М., Мизрохи C.B., Ясеновский C.B. Автоматизированное рабочее место для статистической обработки данных. -М.: Финансы и статистика, 1990. 190 с.

91. Юрченко Д.И. Вклад ученых ВНИИПО МВД России в создание и развитие теории пожарной безопасности // Юбилейный сб. тр. Всероес. научноисследовательского института противопожарной обороны. М.: ВНИИПО МВД России, 1997. - С. 5-29.

92. Rowe N. Management of regression-model date // Date and Knowledge Eng. -1991. v. 6. - № 4. - P. 349-363.

93. Statistics on the Apple Macintosh // Comput. and Geos. 1991. - v. 17. - № 28. -P. 321-328.