УДК 614.84 Пожарная охрана. Опасность пожара. Пожары
Эффективное реагирование на ландшафтные (природные) пожары во многом зависит от принимаемых управленческих решений на стратегическом и оперативно-тактическом уровнях управления. Переход от экспертных методов к более структурированным формам принятия решений в области реагирования на ландшафтные пожары является необходимым шагом для повышения эффективности и адекватности действий. Ведущую роль в этом процессе играет интеграция современных технологий и инновационных подходов, например, использование моделей искусственного интеллекта и машинного обучения при прогнозировании ландшафтных пожаров, что позволяет не только ускорить обработку данных, но и предложить более точные и обоснованные рекомендации. Данная статья посвящена разработке информационной модели поддержки принятия стратегических и тактических решений при угрозе ландшафтных пожаров на основе методологии IDEF0. Предлагаемая модель на основе системного подхода позволяет выявить особенности процесса принятия решений по реагированию на ландшафтные пожары. Практическая значимость модели состоит в возможности демонстрации наличия факторов неопределенности и их влияния на результат принятия решений. На основе данной модели предлагается в дальнейшем разработка системы интеллектуальной поддержки принятия решений при угрозе ландшафтных пожаров
информационная модель, поддержка принятия решений, ландшафтные пожары, машинное обучение, факторы неопределенности, реагирование на пожары
1. Мохов И.И., Чернокульский А.В. Региональные модельные оценки риска лесных пожаров в азиатской части России при изменениях климата // География и природные ресурсы. - 2010. - No 2. - С. 120-126. EDN: https://elibrary.ru/MSLSHN
2. Ревич Б.А. Изменения климата и лесные пожары как факторы риска здоровью (аналитический обзор) // Анализ риска здоровью. - 2024. - No 3. - С. 132-145. DOI:https://doi.org/10.21668/health.risk/2024.3.14 EDN: https://elibrary.ru/LSGIGR
3. Sadowska B., Grzegorz Z., Stępnicka N. Forest fires and losses caused by fires-an economic approach // WSEAS Trans. Environ. Dev. - 2021. - V. 17. - С. 181-191. EDN: https://elibrary.ru/TZUIDM
4. Thompson M.P. et al. Potential operational delineations: new horizons for proactive, risk-informed strategic land and fire management // Fire Ecology. - 2022. - V. 18. - No1. - С. 17. -. DOI:https://doi.org/10.1186/s42408-022-00139-2 EDN: https://elibrary.ru/DCBLWD
5. Colavito M. The human dimensions of spatial, pre-wildfire planning decision support systems: A review of barriers, facilitators, and recommendations // Forests. - 2021. - V. 12. - No. 4. - С. 483. -. DOI:https://doi.org/10.3390/f12040483 EDN: https://elibrary.ru/HRKMMG
6. Антонов С.Ю., Исаков Г.Н. Комплексное алгоритмическое обеспечение информационно-аналитической компьютерной системы для борьбы с лесными пожарами // Вестник кибернетики. - 2018. - No 2(30). - С. 145-153. EDN: https://elibrary.ru/YWISKL
7. Максимов А.В., Матвеев А.В. Функции стратегического управления ресурсами территориальных подразделений МЧС России // Вестник Воронежского института ГПС МЧС России. - 2016. - No 3(20). - С. 82-85. EDN: https://elibrary.ru/WLZQWN
8. Медведев Д.В. Модель прогнозирования лесных пожаров на основе нейро-нечеткой системы ANFIS // Научно-аналитический журнал "Вестник Санкт-Петербургского университета Государственной противопожарной службы МЧС России". - 2023. - No 4. - С. 185-198. DOI:https://doi.org/10.61260/2218-130X-2024-2023-4-185-198 EDN: https://elibrary.ru/MXLKBI
9. Медведев Д.В., Матвеев А.В., Смирнов А.С. Применение модели логистической регрессии при принятии решений по определению количества привлекаемых сил на ликвидацию лесных пожаров // Пожаровзрывобезопасность. - 2024. - Т. 33, No 4. - С. 84-96. DOI:https://doi.org/10.22227/0869-7493.2024.33.04.84-96 EDN: https://elibrary.ru/MJLVTY
10. Бородушко И.В., Матвеев А.В. Современные тенденции и стратегические цели развития искусственного интеллекта в Российской Федерации // Национальная безопасность и стратегическое планирование. - 2024. - No 2(46). - С. 66-74. DOI:https://doi.org/10.37468/2307-1400-2024-2-66-74 EDN: https://elibrary.ru/EFWHYT
11. Циберман Н.Ю., Белов В.М. Использование методологии IDEF0 в разработке системы мониторинга // Безопасность цифровых технологий. - 2023. - No 2(109). - С. 71-81. DOI:https://doi.org/10.17212/2782-2230-2023-2-71-81 EDN: https://elibrary.ru/LFVMEH
12. Dorador J.M., Young R.I.M. Application of IDEF0, IDEF3 and UML methodologies in the creation of information models // International Journal of Computer Integrated Manufacturing. - 2000. - Т. 13. - No. 5. - С. 430-445. -. DOI:https://doi.org/10.1080/09511920050117928
13. Tserng H.P. et al. Developing a risk management process for infrastructure projects using IDEF0 // Sustainability. - 2021. - V. 13. - No 12. - С. 6958. -. DOI:https://doi.org/10.3390/su13126958 EDN: https://elibrary.ru/GFDUTX
14. Булдакова Т.И. Исследование сложных систем и процессов. - М.: Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет)". -2016. - 166 с. ISBN: 978-5-7038-4511-0 EDN: https://elibrary.ru/ZCUWNH
