Бесплатный автореферат и диссертация по сельскому хозяйству на тему

Вероятностно-множественные методы моделирования распространения лесных пожаров

ВАК РФ 06.03.03, Лесоведение и лесоводство, лесные пожары и борьба с ними

Автореферат диссертации по теме "Вероятностно-множественные методы моделирования распространения лесных пожаров"

А к адом и я наук СССР Ордопз Лапхтя Скб;фскоя отдздэпиа Ккстагу» Ласа к давэтши пу. В.И.Сукппзвя

На прзппх руясот.си УДК 634.0.434519.55

ПВАЛШКШ ТАТЬЯНА 1ШКШ1ШША

ВЕГатгаОСТНО-!ЛЮЖЕСТВИйЖ истода }ЮДЕЛИР0ВА1Ш РАСГО'ОСТРА] ЕН1У! ЛЕСНЫХ П02АГ0В Спощтлыгасть 03.03.03 пЛосоводв1Шо и лосоводство.

Лвсныо покори и борьба с ник/."

Двгорофора? диссертации на соискшшэ ученой отопош! кандидата технических. наук

Красноярск - 1991

Работа шпсшшна в Вычислительном центре СО All СССР в г.Красноярске

Научная руководитель - кандидат фкэ.-мат. наук.-с.н.с.

О.Ю.Воробьев

О^щиалыше оппоненты: доктор технических наук.профф.

Г.А.Доррер

кандидат технических иоук.с.н.с. В.Г.Гусев

Ведущая организация - Томский государственннп университет им. В.В.Куйбышева

Защита состоится " " 19ЭДг. на заседании

специализированного совета по адресу: 660С136 г. Красноярск, Академгородок, ИЛиД СО Alt СССР

С диссертацией ыоано ознакомиться в библиотеке Института Леса и древэсшш им.В.Н.Сукачева СО All СССР.

Автореферат разослан " //

Ученый секретарь специализированного

совета, доктор с.-х. наук Р.М.БаОшщона

Актуальность теми. Пробло?^а прогнозирования распростра-попяя лесных позоров яапяотся одним из осиов!'ых направлений в исследованиях по борьбе с лесными погарпми.

Лесной покор - стихийное природное явление. Для него характерны случайность возникновения, слошсоть ¿1 случайность распространения горения. Наблюдения па течением лесного позара весьма затруднено в силу территориальной удаленности. Тупюнио лесного повара, даке при самой совершенной технике, но всегда приводит к успеху из-за отсутствия информации о скорости распространения пояара и форма его контура. Все это позволяет говорить об актуальности разнообразных научных исследований в области моделирования лесных яокаров, с целью их двлыюСкего использовашм при прогнозировании. распространения и тушении лесных пожаров.

При исследовании процессов горения и распространения лесных поваров, для прогнозирования их развития привлекаются методы (¿йзшш, химии, математики. С га помощь» роша-втся задачи прогнозирования поаарной опасности лесов,рзсп-ространония контура горящей кро;жн по лаской территории.

В последнее время перспективным направлением в области моделирования лесных погаров является прогноз его распространения на основе дистанционных наблюдений за его течением.

Традиционно математические модели лесных покаров описывают процессы физические, химические, газовой динамики, тепломассопереноса,происходящие при лесных покарах (А.Ц.Гришин, 1978, Р. Ротерме л, 1972,Г.Н.Коровин,1959,Н.П.Курбатский, Г.П.Тел1щин,1976 и др.). Модели рассчитывают скорость распространения лесного пожара и другие ого физические характеристики, динамику контуров покера (Г.А.Доррер). Все модели требуют знания большого количества параметров лесоиироло-гической обстановки и являются детерминированными.

Предлагаемый вероятностно-множественный подход своим стохастическим характером позволяет учесть стихийность процесса; прогнозировать среднюю геометрическую ферму пожара

(контур),шсш>стве2шае отклонения от сродней £ормн, вероятности достижения п захвата огнем участков леса; использовать аэрокоамчоские измаршиш контролируемого лесного nosnpa.

Работа по гена диссертации про Бодалась в рамках целевой коьялексной научно-технической програ>ля1 ГШГГ СССР, Госплана СССР и Alt СССР О.Ц.С27, раздел OS.II(постановление от 12.12.80г. <2474/ 25Q/I32).

Цель роботы состоит в разработке, исследовании и практической использовании алгоритмов ц программного обеспечения для построения кодоля распространения лесного покара,включая продваритолышЗ шаг - идентификация (привязку модели к конкретной лосопирологичосксй обстановке) и последующий шаг -попосредстаешшй прогноз геометрических, вероятностных, шюгостввшшх характеристик позара. Зпдячшл! исследования являются:

- обоснование возможности воролтностно-многественного подхода для прогнозирования распространящейся геометрии лесного nosapa,

- разработка методов и алгоритмов вероятностно-множественной вдоптиржацЕЛ,

- разработка алгоритмов срзднзмерного прогноза распространения лесного погара и прогноза среднеиершх отклонений,

- разработка программного обеспечения, используццего ряд ок-сперименталышх данных о контролируемых лесних покаррх,

- проведение численных расчетов прогноза распространения DTiix лесных пожаров,

- внедрение полученных результатов. "

Котчда послодоводия основанн на использовании тоории сродноморного моделирования,исследований по лесной пирологии, теории вероятностей и математической статистики, про-'гртгаровакия, методов Ыовте-Корло.

Научная новизна. В диссертационной работе получены ноше результаты:

- разработана котоды и алгоритм вероятностно-мнокественной

идентификации ¡додели распространения низового лесного поза-ра. Идентификация параметров модели проводится на основе карты лесопирологических одпородностей и по крайней мере двух контуров контролируемого лесного понара.

- разработан метод и алгоритм идентификации ..аржетров ве-роятностно-шокестввнной модели распространения шгзових лесник попаров, использугадЛ рассчитанную предварительно скорость движения пожара.

- разработаны алгоритмы прогнозирования множественных характеристик распространения лесного . пожара:его среднего множественного состояния и ююжествэнних отклошниЧ случайных состояний позара от его средней форма, а такте его числовых и вероятности, характеристик.

- получены простейшие алгоритмы моделирования распространения верхового пожара, пятнистого понара и объемного случайного распространения на примере развития понара в здании.

- разработано програшное обеспечение для моделирования лесных поваров и позаров в зданиях и сооружениях.

Практическая ценность и реализация результатов исследований. Предлагаемые в работе алгоритмы, позволяют осуществлять геометрическое и вероятностное моделирование распространения лесных покаров. Исследования показали возможность использоваш1я разработанных алгоритмов для предварительной идентификации и шеледущего прогноза распространения понара. Причем, для решения этих задач достаточно ограниченной геометрической информации:несколько контуров понара, зафиксированных в последовательные моменты времени и карта лесо-пирологических одаородностей. Выходными данными могут быть как вероятностные, числовые, так и множественные характеристики процесса.

Созданы комплексы программ, с помощью которых мовяо проводить идентификацию и прогнозирование распространения лесных пожаров, а тага:е поларов в зданиях и сооружениях. Данное программное обеспечение предполагается использовать в качестве одного из блоков при создании оперативной

диалоговой ciictoj.ci прогаоза лесншс понаров. Комплекс прог-pa'SJ "ПРОГНОЗ" идентификации и прогноза лоспых поваров, разработанный по ЦКП ГКНТ и All СССР, вклшон в состав авто-цатизировашюй систогл! обработки оорокосмачаской информации и шодроп в 11ЛеД СО Ali СССР. Комалэкс программ идентификации к прогаоза развития покаран в зданиях передан по хоздоговору ШШ ПО ГЕД СССР. СшгаочоскиЗ окономкчосккй о©ект от шод-раглхя составил 134 rue.руб.

Дгтробг.д!;« роботы. Розульташ диссертационной работа догладывались и обсуздалнсь па Всесокхшой кокфорэшдш "Обработка гаобрсаошй и дистанциопнав исслодовашт* (йэво-cnö;spcK,I93I), па III.V Г&олпг-соьанарах "Иопарачэтричоские и робсстшю клтодц статпстага: и кибернетике"(Красноярск, IS3I .Щрюпскоо,ISS5), па коафоршщкн ОАОУ Гослосхоз (Красноярск, 1934), па II Цзздународцом симпозиуме по системному кюлизу п пэдолнровшши (Берлин,1535), на Всэсоьзппх конфз-рэшдаяг по иахонико роагарущих срод(Красноярск, 1933, Комарова, IS90), па Всесоюзно« совещании "Анализ вреыашшх рядов и ого прзйпош d окошй!ко(Львов, 1988), на семинара лаборатория IUKÜ (три ТГУДВЗЭ), па сокшаро 1Ш ДВО АН СССР(1990).

П.уб.пга<сштк. По результатам исследований опубликовано 10 работ.

Структура работа. Объом диссертационной работы 137 стр. игзнпописпого текста. Диссертация состоит из основной часта, ршшчгвдэй о со0я:евздошо,4 глаш и заклшаниа на 3 стр., списка латоратурц из S7 иеп^эновопий па 10 стр. и приложения из б стр.- Работа к:эот расушж и теблшщ на 41 стр.

б

СОДЕРЖАНИЕ РАБОТЫ

в первой гллве работы дана краткая характеристика лес-1шх пожаров, представлен обзор сущестзупща математических моделей лесных поваров, выделены возможные подходы к моделированию лесных пожаров:вероятностный - детерминированный; о использованием непосредственных значений физических параметров - с использованием физической сущности процесса посредством ее выражения через геометрические характеристики пожара.

Лесной пожар - стихийное природное явление, . наносящее большой урон народному хозяйству. Сложность физико-химических превращений, сопровождающих возникновение и распространение лесных пожаров, обуславливает трудность их изучения и моделирования. Существует огромное разнообразие лесных горючих материалов как по структуре, так и по составу. К тому же значительно влияние внешних условий и их изменений (метеоусловия, топография местности и т.п.)

Математические модели лесных поааров по их назначению условно разбивают на три классагмодели фундаментального уро-еня, тактическое(диспетчерское) моделирование, стратегическое моделирование (Доррер Г.А.,КурОатский Н.П.,1978)

Математические модели первого класса в качестве исходного набора данных используют набор физических характеристик лесного пожара, таких как тип лесных горючих материалов, запас лесных горючих материалов, их влажность, температура и влажность воздуха, скорость и направление ветра л т.д. Итогом моделирования является скорость движения фронта пожара. К моделям этого класса относят

- модель Гришина A.M.(1978), которая представляет собой всеобъемлщую систему дифференциальных уравнений и граничных условий газовой динамики, тепломассообмена, фазовых и химических превращений при горении,

- модель Гостинцева Ю.А..Суханова Л.А.(1977), модель Фонса (1Э46), Ван-Вагнора (1967),Коровина Г.Н.(1969),Курбатского

И.П., Телицина (1976), Сухинина А-И-(1975), Канаве Э.В. (1977),

- модель Ротермела (1972), в которой скорость движения фронта пожара считается пропоционалъной отношению анергии, выделяемой при сгорании к анергии, необходимой для нагревания горючих материалов до температуры воспламенения.

К моделям второго класоа относят модель динамики контуров пиоових пожаров (Доррвр Г.А.,1979), в которой либо используется скорость движения горения в основном направлении (модели Ротерлела.Софронова,Коровина), либо скорость движения фронта идентифицируется по принципам гамильтоновой механики. На еэ основе рассчитываются контуры пожаров. Входными данными является набор параметров, характеризующих ле-сопирологичоскую обстановку.

Все вышепереречисленные модели являются детерминированными в используют физические характеристики лесного пожара, окружающей его среды, что вызывает ряд затруднений. Так например,практически невозможно измерить точно все необходимые для ввода в модель параметры из-за погрешности измерения приборов. К тому же из-за локальных условий местности данные измерения могут варьировать в определенных пределах.

Использование вероятностного подхода поможет избежать лекоторнх трудностей, благодаря стохастическому характеру самой («дели. Распространена пожара по лесной территории, предварительно разграниченной на участки, однородные по ст-ноаению к горению, можно моделировать с помощью поля вероятностей лекального распространения .- ( рх (1,3), 1=Т~71

,т ), "дэ 1 характеризует направление распространения, а Д - номер лесопирологической однородности. Любое рх(1,л задает локальную вероятность распространения горения из •точки х в 1-том направлении по З-той однородности и явля ется сродпеГ локальной скоростью в соответствующих направлении и однородности.

Рассмотрим теперь проблему моделирования распространения лесных пожаров с другой стороны. Использования большого

количества физических параметров лесопирологической обстановки дает достаточно пожую физическую картину исследуемого природного явления. Но известно, что довольно хорошев приближение изучаемого физического процесса мокяо получить посредством некоторых интегральных характеристик данного процесса. К таким характеристикам можно отнести геометрическую форму пожара, которая чувствительна и меняет свой вид ь зависимости от направления и скорости ветра, изменения влажности горючего, топографии местности и т.п. Поэтому поля локальных вероятностей можно восстанавливать (идентифицировать) с помощью измеряемых интегральных характеристик - текущих контуров контролируемого лесного пожара.

Идея глобального мониторинга, утвердившаяся в последнее время, повысила актуальность задач, использующих дистанционные наблюдения. Именно оперативные дистанционные измерения и необходимы для пополнения информации о контурах наблвдаемого лесного пожара.

На основе вышесказанного можно сделать заключение о возможности использования для моделирования лесного пожара вероятностно- множественной модели.

во второй главе работы представлены методы вероятностно - множественного моделирования распространения низового лесного пожара, верхового лесного пожара, распространения с образованием новых очагов и метода статистического моделирования вероятностно-множественных характеристик процесса распространения лесного пожара.

В качестве модели распространения низового лесного пожара используется замкнутый процесс случайного распространения (Воробьев о.ю.,1976). Рассматривается распространение пожара по области лесной территории ЯеН2. Процесс случайного распространения (ПСР) представляет собой последовательность случайных конечных множеств в дискретные моменты моделирования { К^ДеТ ), К^- случайное конечное множество (сим). Моделирование К. определяет множество точек на лес-

пой территории, захваченных пожаром к моменту времени г. Глобальное распространение (К^.) представляется через объединение локальных распространений из каждой точки текущего

состояния в зависимости от вероятностей локального распрост-

т

ранения рх V x « а: Д = и ^ и вероятностей воспламенения ^

к1=иЧ<Рх-ех) • . <1 )

где локальное случайное конечное множество. V х^ характеризуется однородностью правил распространения горения. Прячем, V х о х р = {р(1,Д), 1=ГТТ, Л=>ТТт ), g « Л=Т75),

где - вероятность участия точек из Х^ в процессе, при условии, что к нам возможен переход горения. Среднее состояние ПОР определено как среднемерноо множество (с/м).

В данной главе приведены типичные формы распространения фронтов низова». лесных пожаров и соответствующие им характеристики вероятностно-множественной модели.

Посредством двухслойной вороятностно-мношственной модели описывается распространение пожара по двум горизонтальным слоям лесных горючих материалов,разнесенным то вертикали. В нижпзн слое X имитируется распространение низовой части пожара, в верхнем у с Е2 распространение по поло1у древостоя. Связь между слоями осуществляется посредством вероятностей подогрева 11= ,..направленных из каждой точки г а X в точки окрестности у<У (у находится на прямой,проходящей через х и перпендикулярной х ). Для моделирования простейшего распространения устойчивого верхового пожара № X ъ у используются два зависимых одномершл замкнутых ГОР: { К,, иг ), I Ь», М ).

(О

*1 3 хо ХцГ У \<Р.8)

Ь, = О (2)

I г

- и ?у СЧ.Г) и Н^л.р)

у»Ь1 х«К ^

где локальное скм подогрева, ч и Г - соответственно вероятности распространения и воспламенения на слое у. Для моделирования простейшего распространения Зеглого верхового

поавра на X используется одномерный замкнутый ПСР, о на у -

длительный ПСР (Ц , 1=Т7п, 1«Т), что позволяет имитировать скачкообразное дайкен/е фронта пожара.

К, = х0

Ки( = и (р,8)

х«Кг

I}1» » а (3)

ь1и - и 2у(Ч»Г^ )и\(к,Г),1И,(П-и

(П) (1) (1)

Ц - и ( . \ Л )

(1+п (1) (1+1) т где 1'=Ц \ц , .Лу множество точек с одинаковой интенсивностью горения, одинаковым запасом лгм.

Приведены несколько примеров численного моделирования верхового лесного пожара. Рассмотрены частные случаи представленных моделей.

В работе предложен метод моделирования распространения с образованием новых очагов, позволяющий имитировать выброс распространения на расстояние по пространству,большее чем вспольвовалооь в предыдущих моделях. Демонстрируются численные расчеты данного распространения.

йае одним шагом к созданию модели верхового покера является предг "валенная в работе трехмерная вероятностно-мно-кественная модель случайного распространения, которая создавалась для моделирования распространения пожара в зданиях. Рисунки диссертационной работы иллюстрируют предварительную идентификацию модели и последующий прогноз распространения. Расчеты получены с использованием данных модельного вкспе-римента, проводимого во ВНИИ ПО ЩЦ СССР.

Представленные в главе множественные статистические методы позволяют получать оценки среднемерного множества с h -уровнем среп и в -интервалом сроза, среднемерного мно-Езства поросочетая екм, сроднемерного множества объединения екм, среднемерного множества симметрической разности екм и cAt (среднемерного отклонения), вероятностей достигения и захвата огнем задшшого участка территории. Данные мнокест-вошше оценки используют предварительно вычисленные оценки вероятностей покрытия точек х с ДГ соотв«тствунцими mhospct-вами. В работе приведены несколько числв1шых расчетов перечисленных множественных статистических оценок.

В третьей главе излагаются методы и алгоритмы вероятно-стио-кно^ствекной нденти$ихации модели распространения лесного пожара, приводятся результаты численного исследования сходимости алгоритмов. Идентификация является шагом, продва-'ряпдеа моделирование процесса,с целью определения параметров модели, соответствующих конкретной лесопирологической обстановке. Для вероятностно-множественного подхода параметрами, задащими распространоние повара, является поле вероятностей

локального распространения.

В работе дана постановка задачи идентификации распространения лесных пожаров в терминах теории среднемерного моделирования. Рассматривается распространение пожара по области лесной территории X . Предполагаются известными карта лесопиролошчееких однородностей и по крайней мере два к-контура лесного пожара в последовательные моменты времени Xq и Хт. М-контуром в момент t названо подмножество лесной территории,пройденной и захваченной огнем к данному моменту времени t. Зададим точность процедуры идентификации eiXg.X,,). Так как средняя форма моделируемого состояния характеризуется с/м JKj. , то определим меру отклонения между моделью и экспериментом как

Л « сИЛ^.Х,) = Ц(Дт\ \t - \х(\\ Л^) И)

Задача статистической идентификации по средаемериому множеству с заданной точностью е и вероятностью не меньшей а состоит в отыскании такого набора вероятностей локального

распространения р*н'(р*м'« р ) что S(£))2: а , где

S(e) = {p(N*« ф ridtfjjKr.X,.)! s е ) - область достижения заданной точности.

Статистическая итеративная процедура идентификации на (ш-1) шаге имеет такой вид:

р£1 = хл(хо-Рпм))Л). <s>

где JyK,. ) - статистическая оценка по N реализациям

среднемерного состояния ПСР в момент т , начавшегося в XQ и определяемого набором вероятностей .

В работе представлен алгоритм срэднемерюй идентификации для плоского случая. Алгоритм производит последовательную оценку вероятностей локального распространения, начиная

с некоторого р0 : pjH),p|K).....p¿M), до тех пор, пока не

выполняется ограничение на мару опслоненкя. Иера отклонения рассчитывается в области пересечения каждого конуса направлений и каждой ьднородаости : зд =( 3^(1,3), l=t7s ,J=TTm )

Слодущий рассматриваемый в работе метод - иденти4яка-ция по двум моментам. Иноаоствешшн аналогом первого момента являотоя срэдаемврнов миокоотво jT^. (Х0,р),ьнплогоч второго кашнта/ - среднемэрноо отклонение (Хд.р)» /( /^(Xq.p) д Kj.), иначе множественный разброс.

Введение в рассмотрела второй задачи идентификации по средаемэрному множеству и среднешрному отклонению объясняется следующими причинами. Измеренный посредством дистенцио-шшх наблвдений, контур повара , не является точиым контура изучаемого покера. Существует некий разброс в практических измерениях, который мошю рассчитать, применив веро-ЙТНОСТНО-МНОЕОСТВОШШЗ аппарат. Отсада и возникает вторая постановка задг*ш вдантфиацки, которая преследует цель приблазкть ко только среда® ©орму моделируемого множества к бксшргаттольноуу, но и и>долируе!шй разброс (сроднемерноо отклонение к вкспоришнтальиоцу разбросу). Поэтому мира отклонения иазду шсспоркмонтш я кодельп будот оцениваться вектором

Л • Idj.dj] - td1(/Kr.XT).d2(//KT.//Xr)í <b>

•й точность 6 « t6|1.

Предполагаются изшзстшйш карта лосопи[юлогт>чес.ких од-зородностой, бкспориментальные контуры К0, и оксперимон-

толышй разброс - JÍj^.

Задача статистической рдонтефжвцга по дпум моментам с задвшюй точность» с и вероятностью нз («шш^й а состоит

в отыскании-таких р(м* s t , что f4p(NÍ«.- г>Ц")) ? а. где

2<е> - (р(м>* «р иа( 5 е ).

Алгоритм идентификации разбивается на два этапа. В первом проводится средноморная идентификация, во втором - пересчет вероятностей и времени моделирования ведется с цель» сохрано!шя ноизмешшм с/и, но приближения моделируемого а экспериментального разбросов.

В работе сформировано понятие сходимости итеративного алгоритма средиеморной идентификации Приводятся результата числешюго исследопания сходимости :

установлена зависимость коры отклонения от числа Монте-Карло реализаций скм; дисперсии площади скм 5 от числа реализаций; продемонстрировано, что расггроделение 5 в нсихштитико близко к нормальному при определенных соотношениях между1 вероятностями и временем моделирования. Результаты численного анализа сходимости приведены, даны некоторые рекомендации но улучшению сходимости.

Предложен метод и алгоритм идентификации вероятностей локального распространения, использующий скорости движения пог.прл. Входные дпшшо истода: карта лесопирологичоских од-нородноптой, один роилышЗ контур пог.ара и скорость движения. яоаврп, которая является либо результатом наблюдений, либо детерминированных моделей. Скорость лесного пояэра можно считать случайной величиной в силу влияния случайных.факторов на развитие лесного пожара, наличия случайных флуктуация при игморении физических параметров - входных данных детерминированных моделей. Предположим, что V Я*^ известны средние скорости двшкишя пожара по восьми направлениям распространения: V = {1=Т7П ,3=Г7т ). Задача идентификации состоит п отысклшш средних локальных скоростей процесса случайного распрстранвнйя по известной сродней скорости распространения покпра в основном направлении, значение которой к мелируется на основе физических характеристик пожара. Га^мгктшо дна метода штрокс;п<шуш скорости дискретными'■случайны?*« величинами. В норном случпо требуется равенст-

во математических ожиданий V и случайной величины (с.в.)

Г 1 . Р

€ = Ч о . 1-р • 80 ВТ0Р°Н случае требуется равенство и маг 2• Р1

тематических ожиданий и дисперсий V ис.в. т) = •{ 1, р2

1 О. Р3

Случайные величины £ и т) представляют собой дискретные локальные скорости распространения пожара, а их распределения являются искомыми параметрами вероятностно-множественной модели.

в четвертой главе работы представлены результаты применения алгоритмов вероятностно-множественной идентификации и прогноза распространения лесных пожаров.

Разработанные алгоритмы среднемерной идентификации (гл.З) и моделирования (гл.2) реализованы в виде комплекса прикладных программ "ПРОГНОЗ". Комплекс позволяет по имеющимся экспериментальным данным (карты контуров и карты однородностей) проводить восстановление вероятностей локального распространения, моделирующих ПОР, идентичный рассматриваемому лесному пожару и прогнозировать в последующие моменты времени распространяющуюся геометрию данного лесного пожара.

Численное моделирование по результатам экспериментов с помощью "ПРОГНОЗа" осуществлялось на ЭВМ серии ЕС и микрокомпьютере МЕИА-бО ."ПРОГНОЗ" имеет блочно-модульнув структуру , языком программирования является Р0КГ}Ш1-1У. В диссертации приведена блок-схема головной пршфаммы и краткие алгоритмы решения, используемых в нем подпрограмм. Работа на компьютерах серии ЕС осущестйляется под руководством операционной системы ОС ЕС, а на МЕЯА-бО под управлением операционной системы с разделяющимися переменными РАФОС. Входные данные, сформированные в виде числовых массивов, хранятся в отдельном файле. Па микрокомпьютере работа с ко-шиексом происходит в диалоговом режиме. Пользователь может выбирать набор контуров для идентификации; моменты прогнози-

рования; число Монте-Карло реализаций, необходимые при идентификации и прогнозе; точность прогноза и идентификации. Выходные дашшв: прогнозируемые м-контуры лесного пожара, их. площадь, периметр выводятся по аоланив пользователя на принтер, экран дисплея, графопостроитель.

Диалоговый комплекс "ПРОГНОЗ" является результатом первого отапо поотроошш оптоматиоиропаиноД оиотсми опоритшз-

ного вероятностно-множественного прогноза геометрии распространяющегося лесного пожара. Функциональное? назначение основных блоков автоматизированной системы достаточно подробно освещено в диссертационной работе.

Создание комплекса проводилось согласно программе работ по решении целевой научно-технической программы 0.Ц.027, утвержденной постановлением ГКНТ, Госплана СССР и Президиума АН СССР от 12.12.00 Й474/250/132. "ПРОГНОЗ" внедрен В ЙЛиД СОАН СССР, акт внедрения представлен в приложении.

Прогнозирование распространяющейся геометрии лесного поаара проводилось для двух натурных экспериментов, которое осуществлялись сотрудниками ИЛиД СО АН СССР.

В ходе первого эксперимента на опытном полигоне 100x100 м было выделано десять однородных участков, включая склон к роке, водный участок и участки с одинаковой растительностью. Продолжительность эксперимента - полтора часа. За ото время было зафиксировано 7 контуров лесного пожара. На карту территории наносилась плоская квадратная решетка 41x41 узлов (размеры одного учла в реальных единицах

2.5x2.5 м2) и проводилась нумерация от I до 7 влозешшх м-контуров и нумерация от I до 10 однородных участков. Эти массивы являлись входашми данными. По набора?4 из двух контуров проводилась идентификация и для контроля осуществлялся прогноз шестого или седьмого м-контуров. Погрешность прогнозирования составляет 10-12%.

Для определения контуров второго оксперишштв использовалась ^»рофотосъомка. Различалось четыре участка, однородных по отношении к гороняв. За время эксперимента, продолвавшв-

гося четыре часа, Сило зафиксировано семь контуров покера. Для обработки корт аа план полигона наносилась решетка

50x1СО узлов. Реальные размеры каждого узла 20x20 м2. В результате, аналогично первому эксперименту сформированы массивы карты однородности и карты и-контуров. Варианты расчетов различались по наборам м-контуров, выбранным для идентификации, по прогнозируемым и-контурам, а также но числу итераций, количеству реализаций скм, точности алгоритмов. Погрешности прогнозирования составляют IZ-Z0X, что вполне удовлетворительно для практичеисих целей.

Па рис.1 представлен результат прогнозирования седьмого м-контура первого эксперимента. Отмочены экспериментальное, прогонзируемое множества. ИдентиЗзжация проводилась по 4 и 5 м-контурам. Погрешность прогнозирования составляет 12%. Па рис.2 изображены моделируемый и экспериментальный 7 м-кон-тур, соответствующие второму эксперименту. Идентификация проводилась по Б и 6 ы-контурам. Погрешность прогнозирования составляет 13%.

Результаты первого лесопирологаческого эксперимента были использованы при численной реализации алгоритма идентификации вероятностей локального распространения по средним скоростям движения пожара. Восстановленные вероятности определяют характерную картину данного лесного кокара, но имеют равномерный характер завышения. Это объясняется тем, что используемые в алгоритме средние скорости движения огня превышают необходимые для вероятностно-множественных моделей сроднив локальные скорости распространения. Данный вывод согласуется с результатом, полученным Г.А.Доррером об увеличении сродней скорости возмущешюго контура по сравнению со средним значением нормальной скорости, характеризующей локальное распространение.

Разработанные алгоритмы сроднемерной идентификации и прогноза реализованы также в виде пакета прикладных программ идентификации и моделирования двухмерного и трехмерного процесса распространения пожара в зданиях. Проьедин ряд расче-

tod с использованием результатов экспериментов на моделях зданий. В диссертации эти расчеты проиллюстрированы соответствующими рисунками. Пакет программ передан по хоздоговору с фактическим экономическим эффектом 134 тыс. руб. и внедрен во ВНИИ ПО МВД СССР. Акты внедрения представлены в приложении к работе.

основные результаты работы

1. Для низового шаара систематически изложены метода и ' алгоритмы вероятностно-множественного моделирования его распространения . Представлена таблица основных типов распространения фронтов низового лесного повара я даны характеристики соответствуй^« км процессов случайного распространения.

2. Для верхового пожара приведена двухслойная модель распространения. Нч ее основе рассчитаны примеры моделирования распространения.

3. Разработано модель распространения с образованием тобых очагов, дшш примеры численного моделирования.

4. Приведены методы статистической оценки вероятностно-шюжаствошшх характеристик:

- сродаомэрного множества с h-уровнем среза,

- среднэморного мнокоства с ö-интервалсм среза,

- сродаемерного объединения скм, сродаемерного пересечения скы, среднемерного отклонения скм с/м.

- вероятностей достижения и захвата процессом горения участков на лесной территории. *

С. 0}ормулирована задача сроднемориоа идентификации параметров рассматриваемой модели - вероятностей локального распространения. Необходимые даннне для ндеитаЗйквции: карта лесопирологнческих однородаостей и два реальных контура лесного пожара.

Разработан метод срэднемерной идентификации, приблиааю-гдаЯ первый момент (сроднемерное множество) к реальному м-ко-

нтуру лесного пожара. На основе метода получены алгоритмы среднемерной идентификации для плоского случая. Трехмерная задача идентификации разработана и реализована алгоритмически для распространения пожара в здании. Проведено численное исследование сходимости алгоритмов.

Предложен метод и алгоритм идентификации .использущий оредиюю скорость движения пожара. Входные данные для данного метода: карта лесопирологических однородностей, один реальный контур пожара и средняя скорость движения пожара, которая является результатом наблюдений или других моделей.

Приведена содержательная постановка зада"и и алгоритм идентификации модели по двум моментам: среднемерному множеству и среднемерному отклонению.

6. На основе разработанных алгоритмов созданы комплексы прикладных программ среднемерной идентификации и прогнозирования распространения лесных пожаров и пожаров в зданиях.

Приведены результаты вычислительных экспериментов среднемерной идентификации, идентификации по средним скоростям движения пожара и прогноза распространения реальных контролируемых лесных пожаров и проведенных в экспериментальных условиях пожаров в зданиях.

В плане практического применения созданных комплексов прикладных программ приводится описание автоматизированной системы прогноза распространения лесного пожара. Акты внедрения разработанного математического и программного обеспечения (прогноз лесных пожаров - в ИЛиД ССАН СССР, прогноз пожаров в зданиях - в ВНИИ ПО МВД СССР) приводятся в приложении к диссертационной работе.

а)

Основные положения диссертации изложены в следующих работах:

1. Воробьев O.D., Иванилова Т.Н. Разработка математических моделей лесного пожара с целью прогнозирования его распробт-рянения: Отчет за 1977-1980 г.г. по программе "Сибирь"./ ВЦ СО АН СССР.- Новосибирск,1980.- С.259-260.

2. Воробьев о.Ю., Иванилова Т.Н. Вероятностно-множественные методы идентификации случайного распространения.-Красноярск,

1981.- 48 с.-(Препринт/ ВЦ СО АН СССР;й 35).

3. Иванилова Т.Н. Программное обеспечение прогноза случайного распространения.(лесные пожары, пожары в зданиях)Красноярск, 1982.- 32 с.-(Препринт/ ВЦ СО АН СССР;» 22).

4. Воробьев O.D., Ивэнилова Т.Н.Прогнозирование в среднеме-рном на основе оперативных дистанционных измерений // Всесоюзьое совещание ОИДИ-81: Тез. докл./ ВЦ СО АН СССР.-Ковосибирск, 1981.- С.165-166

Ь. Воробьев 0.0., Иванилова Т.Н. Общие принципы математического обеспечения прогноза распространетш лесных поваров на основе среднемерного моделирования // Конференция ОАСУ Гослесхоз : Тез. докл./ ИЛиД СО АН СССР.- Красноярск , 1984.

6. Иванилова Т.Н. Вероятностно-множественная идентификация в моделировашт лесных пожаров // Труды II Международного симпозиума по системному анализу и моделированию.- Берлин, 1985.- С. Т85-188.

г.

7. Иванилова Т.Н. Среднемерное прогнозирование объемного случайного распространения (пожары в зданиях и сооружениях) .- Д'П. ВИНИТИ от 19.07.85, Д 5259-85 Деп.

8. Данилова Т.Н. Моделирование множественных отклонений пространствешюго состогашя лесного пожара // Труды III Международного симп. по системному анализу л моделированию.-Берлин,1983.- С.141-145.

9. Иванилова Т.Н. Когаэчно-нноЕвственпнй оперативный прогноз распространения лесного покора // Всесоюзное совещание по мохвнике реагирупдих срод: Тоз. докл./ СиОТИ.- Красноярск,

1988.- С. 128-130.

10. Иванилова Т.Н. Идентификация параметров вароятностно-шюгоствешюй модели случайного распростршюшя по скоростям движения лесного покара // Управление в производственных и технических системах / КрПИ.- Красноярск, 1990.- С.1П-И7.

Рис. I. СроднемэрныИ прогноз седьмого м~контурв.

I эксперимент. —~ эталон, - прогноз,

-х - очаг, Ь -- 5130 сел. Средяемерноя идентификация проводилась по 4 п 5 м-нонту-рам.

.л

Рио. 2. Срадгймврщй прогноз седьмого м-контура. 2 экспершонт.

-прогноз, ——~ аталон, -Ь = 4 час.6 шш. Оред-

неморная идентификация проводилась по 5 и 6 м-ксипурам. 24