item | Сибирский аэрокосмический журнал ISSN 2712-8970

UDK 004.9 Doi: 10.31772/2587-6066-2020-21-3-323-332

ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ РЕШЕНИЯ ЗАДАЧ МОНИТОРИНГА И ПРОГНОЗИРОВАНИЯ ЧРЕЗВЫЧАЙНЫХ СИТУАЦИЙ НА ОСНОВЕ ИНФОРМАЦИОННОЙ СИСТЕМЫ

И. Н. Пожаркова

Сибирская пожарно-спасательная академия ГПС МЧС России; Российская Федерация, 662972, г. Железногорск, ул. Северная, 1

Статья посвящена модификации автоматизированной информационной системы решения задач мониторинга и прогнозирования чрезвычайных ситуаций природного и техногенного характера с целью повышения эффективности ее функционирования, а именно: повышения скорости выполнения основных операций, снижения вероятности возникновения ошибок. Мониторинг и прогнозирование чрезвычайных ситуаций являются одними из приоритетных направлений в сфере обеспечения защиты населения от ЧС, так как предотвращение и ликвидация их последствий осуществляются на основе решения данных задач. При этом, скорость сбора, обработки и анализа данных во многом определяют эффективность полученных результатов. В статье рассматривается существующая система мониторинга и прогнозирования чрезвычайных ситуаций природного и техногенного характера, ее функциональная модель в нотации IDEF0, характерные особенности, достоинства и недостатки. Предлагается совершенствование системы путем автоматизации ряда задач, связанных с обработкой, передачей и хранением больших объемов данных, поступающих, в том числе, и в режиме реального времени, а также с формированием сводных отчетов по результатам мониторинга и прогнозирования для различных объектов. Рассмотрена информационная архитектура предлагаемого решения, соответствующая модель базы данных. Представлена модель решения задач мониторинга и прогнозирования чрезвычайных ситуаций с учетом предлагаемой модификации автоматизированной информационной системы. Проводится сравнительный анализ времени выполнения основных операций на основе исходной и модифицированной АИС при использовании существующего аппаратного обеспечения, подтверждающий эффективность предлагаемого решения. Предлагаемая автоматизация обмена данными и генерации сводных отчетов по множеству объектов мониторинга позволит упростить анализ полученных результатов и выработку на их основе решений, направленных на предотвращение чрезвычайных ситуаций природного и техногенного характера, а также ликвидацию их последствий.

Ключевые слова: автоматизированная информационная система, мониторинг и прогнозирование чрезвычайных ситуаций, автоматизация, конвертация данных.

References

1. Приказ Министерства Российской Федерации по делам гражданской обороны, чрезвычайным ситуациям и ликвидации последствий стихийных бедствий от 4 марта 2011 г. № 94 «Об утверждении Положения о функциональной подсистеме мониторинга, лабораторного контроля и прогнозирования чрезвычайных ситуаций единой государственной системы предупреждения и ликвидации чрезвычайных ситуаций».
2. Пожаркова И. Н., Зяблицкий А. М. Анализ системы мониторинга и прогнозирования ЧС Республики Алтай как объекта автоматизации // Мониторинг, моделирование и прогнозирование опасных природных явлений и чрезвычайных ситуаций : сб. материалов Всерос. науч.-практ. конф. Железногорск, 2019. С. 156–160.
3. Systems engineering fundamentals. [Электронный ресурс]. URL: https://ocw.mit.edu/courses/aeronauticsandastronautics/16-885j-aircraft-systems-engineeringfall-2005/readings/sefguide_01_01.pdf (дата обращения: 14.1.2020).
4. Mineharu S., Hiroko N. Raw-to-repository characterization data conversion for repeatable, replicable, and reproducible measurements // Journal of Vacuum Science & Technology. 2019. Vol. 12. P. 125–144.
5. Lei Zh., Li-Gang S. Research on data preprocess in data mining // Computer science and engineering, 2018. Vol. 7. P. 314–328.
6. Марц Н., Уоррен Д. Большие данные. Принципы и практика построения масштабируемых систем обработки данных в реальном времени. М. : Вильямс, 2018. 582 с.
7. Malik K., Farhan M. Big-data: transformation from heterogeneous data to semantically-enriched simplified data // Multimedia Tools and Applications. 2016. Vol. 75. P. 12727–12747.
8. Yong-Min L., Won-Bog L. The Development of Protocol for Construction of Smart Factory // Journal of IKEEE. 2019. Vol. 23. P. 1096–1099.
9. Perry D., Parsons N., Costa M. ‘Big data’ reporting guidelines how to answer big questions, yet avoid big problems // The Bone & Joint Journal. 2014. Vol. 96-B, P. 7–32.
10. Taleb I., Dssouli R. Big Data Pre-processing: A Quality Framework // IEEE International Congress on Big Data. 2015. P. 737–751.
11. Alberti-Alhtaybat L. Big Data and corporate reporting: impacts and paradoxes // Accounting, Auditing & Accountability Journal. 2015. Vol. 5. P. 85–102.
12. Henningsson S., Yetton P., Wynne P. A review of information system integration in mergers and acquisitions // Journal of Information Technology. 2018. Vol. 33. P. 255–303.
13. Dughmi S. Algorithmic information structure design // ACM SIGecom Exchanges. 2017. Vol. 2. P. 244–252.
14. Teorey T., Lightstone S., Nadeau T. Database Modeling and Design: Logical Design. Morgan Kaufmann. 2011. 333 p.
15. Постановление Правительства РФ от 24 марта 1997 г. №334 «О Порядке сбора и обмена в Российской Федерации информацией в области защиты населения и территорий от чрезвычайных ситуаций природного и техногенного характера».

Пожаркова Ирина Николаевна – кандидат технических наук, доцент, профессор кафедры инженерно-технических экспертиз и криминалистики; Сибирская пожарно-спасательная академия» Государственной противопожарной службы Министерства Российской Федерации по делам гражданской обороны, чрезвычайным ситуациям и ликвидации последствий стихийных бедствий. E-mail: pozharkova@mail.ru.

Сибирский государственный университет
науки и технологий имени академика М.Ф. Решетнева

Контакты

Контакты

Сибирский АЭРОКОСМИЧЕСКИЙ журнал

ISSN 2712-8970

Социальные сети