Содержание к диссертации
Введение
1. Анализ основных подходов по решению задач оценки риска техногенных угроз в субъектах Российской Федерации 11
1.1 Функциональные задачи органов управления в субъектах Российской Федерации 12
1.2 Основные направления инструментальной поддержки принятия управленческих решений в субъектах Российской Федерации 16
1.3 Существующий процесс оценки риска техногенных угроз в региональных ситуационных центрах 21
1.4 Возможности существующего математического и методического аппарата для оценки риска техногенных угроз в региональных ситуационных центрах 25
1.5 Постановка задачи диссертационного исследования 34
Выводы по первой главе 36
2. Разработка метода оценки состояния потенциально опасного объекта в интеллектуальной системе поддержки принятия решений регионального ситуационного центра 38
2.1 Обоснование и выбор математического аппарата для решения задачи диссертационного исследования 38
2.2 Теоретико-множественное представление процесса возникновения и реализации неблагоприятных событий техногенного характера в интеллектуальной системе поддержки принятия решений регионального ситуационного центра 40
2.3 Вероятностная модель возникновения и реализации неблагоприятных событий техногенного характера в региональном ситуационном центре 46
Выводы по второй главе 56
3. Способы и приемы оценки риска техногенных угроз от потенциально опасных объектов в интеллектуальной системе поддержки принятия решений регионального ситуационного центра 58
3.1 Определение исходных данных для методики оценки риска техногенных угроз от потенциально опасных объектов в региональном ситуационном центре 58
3.2 Алгоритм оценивания и пошагового обновления значений параметров байесовской сети доверия 68
3.3 Алгоритм апостериорного оценивания вероятностей в процессе рекурсивного обхода байесовской сети доверия 72
3.4 Определение ущерба от неблагоприятных событий на потенциально опасном объекте в интеллектуальной системе поддержки принятия решений регионального ситуационного центра 79
Выводы по третьей главе 87
4. Архитектура подсистемы оценки риска техногенного характера интеллектуальной сппр регионального ситуационного центра на основе предложенных программно-технических решений 88
4.1 Предложение по модернизации интеллектуальной системы поддержки принятия решений регионального ситуационного центра 88
4.2 Программная реализация алгоритма оценки риска техногенных угроз в интеллектуальной системе поддержки принятия управленческих решений в регионе 96
4.3 Оценка эффективности предлагаемых технических решений 100
Выводы по четвертой главе 109
Заключение 111
Список терминов 113
Список литературы
- Существующий процесс оценки риска техногенных угроз в региональных ситуационных центрах
- Теоретико-множественное представление процесса возникновения и реализации неблагоприятных событий техногенного характера в интеллектуальной системе поддержки принятия решений регионального ситуационного центра
- Алгоритм оценивания и пошагового обновления значений параметров байесовской сети доверия
- Программная реализация алгоритма оценки риска техногенных угроз в интеллектуальной системе поддержки принятия управленческих решений в регионе
Введение к работе
Актуальность исследования. При повышении объемов
информационного обмена и его динамики в социально-экономических
системах обостряется необходимость оперативного реагирования на
складывающиеся ситуации в регионе, а также принятия обоснованных
управленческих решений. Данная ситуация требует повышения
эффективности управления органов государственной власти (ОГВ) в
субъектах РФ. Для решения управленческих задач в региональных
ситуационных центрах (СЦ) существует комплекс методических,
информационных и аппаратно-программных средств. Основной задачей СЦ
является комплексная оценка проблемной ситуации на основе применения
специальных методов обработки больших объемов информации, а также
оперативное построение и рассмотрение сценариев их развития. При
выработке решений необходимо оценивать риски достижения поставленных
целей (политических, экономических и социальных), своевременно
конструировать варианты решений и наглядно представлять результаты
оценки и прогнозирования их последствий. Основное отличие СЦ от
традиционных систем автоматизации управления состоит в том, что в
режиме реального времени осуществляется анализ последствий
управленческих решений. В региональном СЦ обеспечивается комплексная интеллектуальная обработка информации и коллективная поддержка принятия решений за счет особого распределения функций между машиной и человеком.
Социально-экономическое развитие региона во многом зависит от
расположенных на территории промышленных объектов, представляющих
собой серьезную угрозу общественной безопасности. В связи с этим, от
руководителя в регионе требуется осуществление постоянного контроля за
ситуацией в регионе, в том числе, влиянием потенциально опасных объектов
(ПОО) на нее, и в случае возникновения техногенной опасности, принятия
обоснованных управленческих решений. В этих условиях оказывается остро
востребованной интеллектуальная поддержка принятия управленческих
решений. Это обусловлено неполнотой и противоречивостью поступающих
данных с одной стороны, и ограниченностью по времени срока на принятие
решения с другой. Задачу получения объективной информации о состоянии
ПОО решает региональный СЦ, который в повседневном режиме
функционирования обеспечивает комплексный мониторинг обстановки,
осуществляет количественную оценку техногенных рисков и
информационную поддержку мероприятий по их снижению. С этой целью в реализованных функциях, задачах и принципах системы поддержки принятия решений особое внимание уделяется сфере государственного управления, которое характеризуется необходимостью использования совокупности моделей анализа и оценки социально-экономической и общественно-политической обстановки в регионе, интегрированным
характером процедур принятия решений. Однако анализ существующего математического аппарата, используемого в региональном СЦ, показал его недостаточную эффективность для обработки больших объемов данных и невозможность выявления, оценки и прогнозирования последствий техногенных угроз с учетом возникновения неблагоприятных событий на ПОО в условиях ограниченного ресурса времени. Таким образом, было выявлено противоречие между потребностями в эффективном управлении в социально-экономической системе (регионе) с целью противодействия различного рода техногенным рискам и недостаточными возможностями современных систем интеллектуальной поддержки принятия управленческих решений.
В исследовании рассматривается оперативное управление, реализуемое
сложной организационной системой (региональный СЦ), которое
предполагает оценку выявленного при контроле несоответствия показателей функционирования ПОО (представления знаний об объекте управления) плановым значениям, и предусматривает использование обучения и обобщения в качестве основных процедур при управлении по текущим состояниям.
В трудах современных отечественных и зарубежных ученых представлены фундаментальные научные результаты для дальнейшего развития интеллектуальных систем поддержки принятия решений (СППР). Между тем, существующие подходы к решению задач исследования методов и алгоритмов оценки состояния ПОО в интеллектуальных СППР региональных СЦ, обнаружение в них закономерностей, а также исследование и разработка способов и приемов оценивания риска техногенных угроз носят локальный по областям применений и разрозненный по методам характер. Это делает актуальной тему исследования и обуславливает выбор объекта, предмета и цели исследования.
Объект исследования: процесс выявления опасности и
количественной оценки техногенного риска на ПОО в интеллектуальной СППР регионального СЦ.
Предмет исследования: модели, методы и алгоритмы оценки состояний ПОО в интеллектуальной СППР регионального СЦ.
Цель исследования: повышение достоверности и оперативности принятия решений об угрозах безопасности при интеллектуальной поддержке принятия управленческих решений в регионе.
Для достижения поставленной цели были сформулированы и решены следующие задачи:
-
проанализировать основные направления и средства инструментальной поддержки принятия управленческих решений в СЦ субъектов Российской Федерации;
-
провести анализ существующего математического и методического аппарата для оценки рисков техногенных угроз в интеллектуальных СППР региональных СЦ;
-
разработать способы и приемы оценки состояния ПОО в интеллектуальных СППР региональных ситуационных центров;
-
разработать способы и приемы оценки риска техногенных угроз в интеллектуальных СППР региональных СЦ.
Методы и средства исследования: методы системного анализа,
теорий вероятности и математической статистики, теории распознавания
образов, аппарата байесовских сетей доверия и имитационного
моделирования.
Научная новизна полученных результатов диссертационного
исследования заключается в том, что разработаны:
-
Метод оценки состояния потенциально опасного объекта в интеллектуальной системе поддержки принятия решений регионального СЦ, базирующийся на сценарном описании признакового пространства с помощью байесовской сети доверия и отличающийся использованием формализованной человеко-машинной процедуры возникновения неблагоприятных событий.
-
Методика оценки риска техногенных угроз от потенциально опасных объектов в интеллектуальной системе поддержки принятия решений регионального СЦ, базирующаяся на вероятностной модели возникновения неблагоприятных событий и отличающаяся рекуррентным оцениванием значений параметров и апостериорным оцениванием вероятностей в процессе рекурсивного обхода байесовской сети доверия в региональном ситуационном центре.
-
Архитектура подсистемы оценки риска техногенного характера регионального ситуационного центра, базирующаяся на разработанном методе и методике и позволяющая оценить достоверность и оперативность принятия управленческих решений в регионе.
Положения выносимые на защиту:
-
Метод оценки состояния потенциально опасного объекта в интеллектуальной СППР регионального СЦ.
-
Методика оценки риска техногенных угроз от ПОО в интеллектуальной СППР регионального СЦ.
-
Архитектура подсистемы оценки риска техногенного характера регионального ситуационного центра.
Практическая значимость работы заключается в доведении
разработанных теоретических положений до научно-технических
предложений, реализованных в проекте плана основных мероприятий по
организации работ при создании, развитии и модернизации ситуационного
центра главы субъекта РФ (подтверждено актом из Центра специальной
связи и информации Федеральной службы охраны по Орловской области) и в
использовании результатов диссертационного исследования в учебном
процессе Академии ФСО России на кафедре "Автоматизированные
информационные системы" в учебных дисциплинах: "Математические
методы принятия решений в организационном управлении" и
"Автоматизированные системы специального назначения" (подтверждено актом из Академии ФСО России), кроме того, разработка и реализация подтверждается свидетельствами о государственной регистрации программ для ЭВМ № 2013618522 от 10.09.2013, № 2015615277 от 14.05.2015, № 2015615323 от 15.05.2015, № 2016615632 от 26.05.2016 Федеральной службы по интеллектуальной собственности (Роспатент).
Достоверность научных результатов подтверждается
непротиворечивостью известным способам и приемам оценки техногенных рисков, корректностью применения теории вероятностей и теории графов при построении моделей и методов интеллектуальной поддержки принятия решений, согласованностью с результатами, полученными другими исследователями, а также апробацией основных теоретических положений диссертации в печатных трудах и докладах научных конференциях.
Область исследования. Содержание диссертации соответствует паспорту специальности 05.13.10 – Управление в социальных и экономических системах (технические науки) по следующим областям исследований:
п. 6. Разработка и совершенствование методов получения и обработки информации для задач управления социальными и экономическими системами.
п. 7. Разработка методов идентификации в организационных системах на основе ретроспективной, текущей и экспертной информации.
п. 10. Разработка методов и алгоритмов интеллектуальной поддержки принятия управленческих решений в экономических и социальных системах.
Апробация результатов работы. Основные положения
диссертационной работы докладывались и получили положительную оценку
на 8-й, 9-й, 10-й Всероссийских научно-практических конференциях на базе
Академии ФСО России (г. Орёл, 2013, 2015 и 2017 гг.), XIX Всероссийской
научно-технической конференции студентов, аспирантов и молодых ученых
"Научная сессия ТУСУР–2014", (г. Томск, ТУСУР, 2014 г.), II Всероссийском
форуме "Техногенные катастрофы: технологии предупреждения и
ликвидации" (г. Москва, 2014 г.), Всероссийской научно-практической
конференции "Научное и кадровое обеспечение системы ситуационных
центров как ключевого фактора повышения эффективного государственного
управления" (г. Москва, МГУ имени М.В. Ломоносова, 2016 г.), X
Всероссийской научно-практической конференции "Территориально
распределенные системы охраны" (г. Калининград, ФГКОУ ВО "КПИ ФСБ России", 2017 г.)
Публикации. Основные положения диссертации опубликованы в 8 печатных работах, включая 4 публикации в рецензируемых научных изданиях из перечня ВАК при Минобрнауки РФ, получены 4 свидетельства о государственной регистрации программ для ЭВМ.
Личный вклад автора заключается в разработке основных теоретических положений, выносимых на защиту; в разработке метода и
методики, вошедших в структуру методологии; в разработке компонент программного обеспечения и проведении вычислительных экспериментов, систематизации полученных результатов. Все представленные в диссертации положения, выносимые на защиту, получены лично автором, либо с учетом рекомендаций научного руководителя.
Структура и объем работы. Диссертационное исследование состоит из введения, четырех глав, заключения, библиографического списка и 2 приложения. Общий объем работы составляет 136 страниц, 23 рисунка, 5 таблиц. Библиографический список содержит 136 наименований.
Существующий процесс оценки риска техногенных угроз в региональных ситуационных центрах
Межрегиональный анализ и прогнозирование, оценка уровня и динамики социально-экономического развития регионов основываются на корреляционном анализе, нейронных сетях, сетевом и имитационном моделировании.
Применение технологии когнитивного моделирования дает хорошие результаты при решении задач стратегического планирования. При оптимальном планировании, построении сетевых графиков оптимального выполнения целевых программ широко применяются сетевые модели, методы исследования операций, ситуационный анализ. Оценка электоральных потенциалов и рейтингов политических партий и общественных организаций, кандидатов на выборные должности, прогноз исхода выборов в федеральные и региональные законодательные и исполнительные органы власти, оценка социально-политического потенциала региональной власти производятся с использованием аппарата теории вероятностей и математической статистики, теории Марковских цепей, экспертных методов, сценарных и семантических моделей, образно-когнитивного моделирования и методов распознавания образов.
Текстологические модели в виде семантических карт, частотно-вероятностные методы применяются для выявления новых знаний о проблемах во всех предметных областях, а также поиска закономерностей и связей между явлениями на основе текстовой информации.
Одна из задач управления в сфере национальной безопасности – распознавание конфликтных ситуаций и выявление новых угроз, принятие решений, предупреждающих негативные воздействия. Модели национальной и продовольственной безопасности, устойчивости социума, социальной напряженности, протестной активности населения и др. строятся с помощью индексных и экспертных методов с использованием сценарных технологий, а также семантических моделей.
В чрезвычайных ситуациях процесс управления протекает в условиях дефицита времени, неопределенности и неполной информации. Для поддержки принятия решений в такой обстановке полезно использовать когнитивное, сценарное и ситуационное моделирование с привлечением экспертов [92]. При этом для оценки последствий техногенных и природных чрезвычайных ситуаций используется аппарат дифференциального исчисления. В настоящее время развитие модельного обеспечения регионального СЦ [48] идет в направлении создания комплексов предметно ориентированных моделей. Данный подход является малоэффективным и имеет недостатки. В условиях динамически развивающегося российского общества, разнообразия внешнеэкономических и внешнеполитических отношений постоянно возникают новые проблемные ситуации в предметных областях, новые угрозы национальной безопасности, и как следствие, потребность решения новых задач управления, зачастую оперативного характера. При этом разработка новых предметно-ориентированных моделей постоянно отстает от потребностей практики, поскольку требует привлечения существенных финансовых, трудовых и временных ресурсов.
В связи с недостаточной эффективностью существующих методов информационно-аналитического обеспечения в региональных ситуационных центрах возникает потребность разработки методов и прикладных алгоритмов системного подхода, а также практической реализации процедур получения и обработки разнородной информации. Это позволит повысить эффективность принимаемых решений по задачам оперативного, стратегического и ситуационного управления.
Оценка риска техногенных угроз на потенциально опасных объектах производится в региональных ситуационных центрах в цикле управления [10, 84] на этапе контроля при определении состояния потенциально опасного объекта. В настоящее время сотрудники регионального СЦ, для оценки риска техногенных угроз, как правило, применяют методы экспертных оценок [67,95]. Необходимо отметить, что группа методов экспертных оценок наиболее часто используется в практике оценивания сложных систем на качественном уровне [9]. При использовании экспертных оценок в региональных ситуационных центрах принято считать надежнее мнение группы экспертов, чем отдельного эксперта. В литературе имеются сведения о том, что данное предположение не является очевидным, но при этом утверждается, что в большинстве случаев групповые оценки надежнее индивидуальных. Это происходит при соблюдении ряда требований: распределение оценок, полученных от экспертов, должно быть «гладким»; две групповые оценки, данные двумя одинаковыми подгруппами, выбранными случайным образом, должны быть близки.
Большинство проблем, решаемых методами экспертных оценок, можно разделить на два класса. Проблемы, в отношении которых имеется достаточное обеспечение информацией, относят к первому классу. В этом случае методы опроса и обработки основываются на том, что эксперт – источник достоверной информации; групповое мнение экспертов близко к истинному решению. Второй класс включает проблемы, в отношении которых знаний для уверенности и справедливости указанных гипотез недостаточно. При этом экспертов нельзя рассматривать как источников истинной информации и необходимо осторожно подходить к обработке результатов экспертизы.
Теоретико-множественное представление процесса возникновения и реализации неблагоприятных событий техногенного характера в интеллектуальной системе поддержки принятия решений регионального ситуационного центра
Процесс возникновения и реализации неблагоприятных событий техногенного характера является трудноформализуемым, при его моделировании могут быть использованы: деревья решений, метод анализа иерархий, продукционная модель представления знаний, нечеткие когнитивные модели, нейронные сети, байесовский вывод, а также байесовские сети доверия (БСД) [107,129,136]. Анализ [70] показал, что для решения задачи моделирования процесса возникновения и реализации неблагоприятных событий техногенного характера в интеллектуальной СППР регионального СЦ является байесовский подход, позволяющий с учетом заложенных сценариев развития событий определить вероятность тех или иных причин. При этом за счет учета постоянно поступающей информации о новых событиях, связанных с обстановкой в регионе, а также событиями на потенциально опасном объекте, возможно использовать механизм переобучения, позволяющий уточнить используемую математическую модель и получить более адекватные оценки вероятностей возникновения потенциально опасных событий в регионе [62,69,80].
Для более наглядного (когнитивного) представления данных лицу, принимающему решения, математический аппарат байесовских сетей доверия (байесовский вывод) целесообразно представлять в виде графа, узлы (вершины) которого представлены наблюдениями (информацией о состоянии ПОО), а связи между ними (ребра) показывают их вероятностные зависимости. Таким образом, обоснованность применения аппарата байесовских сетей доверия (БСД) выражается в способности моделировать сложные причинно-следственные вероятностные взаимосвязи между событиями в условиях поступления разнородной информации о них [13,128,130].
Данный математический аппарат широко применяется при диагностировании сложных систем [19, 96,107,115], к которым можно отнести и рассматриваемые в работе социальные и экономические системы – регион. Принципиальной проблемной в данном случае является получения достоверных и адекватных исходных данных для формирования (инициализации) байесовской сети доверия. Как правило, данные проблемы решаются с помощью субъективных оценок экспертов, что не позволяет объективно учесть всю совокупность факторов, влияющих на обстановку и развитие потенциально опасных событий в регионе. Другим подходом, решающим данную проблему, является учет теоретических представлений о развитии событий и их анализе, однако имеющийся на современном уровне математический аппарат также не позволяет учитывать всю совокупность воздействующих факторов. Таким образом, аппарат байесовских сетей доверия, как способ реализации интеллектуальной обработки данных с элементами дообучения, обладает явным преимуществом перед известными подходами и позволяет улучшить известные модели за счет учета оперативно поступающих данных о событиях в регионе и на потенциально опасном объекте [105, 109], а результаты обработки данных могут быть оперативно представлены в виде когнитивных наборов графических данных в интеллектуальных СППР региональных СЦ. 2.2 Теоретико-множественное представление процесса возникновения и реализации неблагоприятных событий техногенного характера в интеллектуальной системе поддержки принятия решений регионального ситуационного центра
Процесс функционирования потенциально опасного объекта в общем случае [31,39] представляется как цепочка последовательных шагов, ведущих от исходных причин (инцидентов) к конечному событию. Данная последовательность Е(аки) = {s - ...- S \п = 1,N , к = 1,К , где S n - одно из N возможных состояний и-го ПОО -го типа, является сценарием развития событий на ПОО в интеллектуальной СППР регионального СЦ. Сценарий задается исходя из потенциально возможных событий, которые могут произойти на ПОО, вызванными отказами оборудования, определяемое его конечной надежностью и конечной стойкостью элементов защиты на объекте, что закладывается при вводе в эксплуатацию 0(ввэпоо) и прописывается в паспорте ПОО. Заданная надежность элементов системы, заложенная производителем, позволяет определить вектор вероятностей начальных состояний системы Q = 11, 0(0),q22,0(0),...,q 0(0),...,qf}0(0)\ в момент времени ї0(ввзПОО). В каждый момент времени t происходит смена состояний, которая имеет вероятностный характер, обусловленный неоднозначностью возникающих неблагоприятных событий в системе. Это определяет не единственность последовательности E(aku) = \s 0 - ... - S j или множество сценариев развития ситуации на ПОО. Структура сценария задается через дерево отказов в виде ориентированного графа, представленного на рисунке 2.1.
Алгоритм оценивания и пошагового обновления значений параметров байесовской сети доверия
Как правило, риск связан с размером ущерба Ски от негативного события или опасного явления в натуральном (число пострадавших и погибших, размер зоны действия опасных факторов) или стоимостном выражении. Существует ущерб от реального (проводится оценка фактического ущерба) и гипотетического негативного события. При этом, если рассматривается гипотетическое негативное событие, то соответствующий ущерб является предполагаемым. Для различных сценариев развития неблагоприятного события в происшествие расчетным методом определяется различные значения ущерба. В результате влияния на размер ущерба большого числа случайных факторов в задачах оценки рассматривается случайная величина ущерба С« = Ri,c«, ,-X«,---,ctw определяемая функцией распределения ( и,п)-Р(и,п и,п) .
В рассматриваемом контексте задачи техногенных угроз, с учетом существующего объекта негативного воздействия, определяемого физическим лицом, целесообразно рассматривать индивидуальный риск [71]. Индивидуальный риск, обусловленный различными неблагоприятными воздействиями характеризуется индивидуальной вероятностью возможного воздействия. При этом под негативными последствиями (характер вреда, ущерба) понимается возможное воздействие опасных техногенных явлений на физическое лицо, выражаемое в виде снижения работоспособности, возникновения заболеваний или травм.
Оценка индивидуального риска основывается на использовании вероятностно-статистического метода (при наличии исходной статистической информации) и теоретико-вероятностном подходе. Для физического лица последствия от негативных воздействий любого вида можно выразить бинарной переменной к„ = 0, при р(в в;) Рдопу с= , (3.48) [cwn = 1, при p(Bw B"w) рдоп, V у/ где Bw - действующая нагрузка (уровень негативных факторов) для заданной характеристики (несущей способности) = 1,ч физического лица, возникающая при появлении неблагоприятного события от состояния SkUn ПОО, в; - несущая способность (стойкость, выносливость) конкретного физического лица, определяемая его медико-биологическими и физиологическим особенностями. В общем случае характеристики (несущие способности) физического лица могут быть представлены картежом B = \xb,yb,B ,B2, ...,B V, .ДР}, а соответствующий ущерб в виде С = п X щ = 1,Л7, п = 1,V.
Величина несущей способности определяется дифференциальными характеристиками негативных воздействий, в частности длительности воздействия. Среди разновидности физических лиц данная величина имеет существенный разброс.
Ущерб от воздействия на физическое лицо может быть обусловлен прямым воздействием или отдаленными последствиями неблагоприятных событий. Соответственно различают две модели количественной оценки ущерба для здоровья физического лица в зависимости от длительности и уровней негативных воздействий.
Факторная модель "действующая нагрузка - критическая нагрузка" (несущая способность) обусловлена прямым кратковременным воздействием опасных (поражающих) факторов произвольной интенсивности, обусловленных происходящими в случайные моменты времени опасными событиями. Ущерб наступает в случае превышения уровнями воздействий В некоторых предельных норм для физического лица. Например, для среднестатистического человека несущие способности могут принимать следующие значения: - эквивалентная доза ионизирующего излучения - 4,5 Зв; - избыточное давление - 100-200 КПа; - электрический ток и = 220В, I = 100мА .
Модель зависимости "доза - эффект" используется для оценки отдаленных последствий, обусловленных опасными явлениями и негативными процессами, характеризуемыми продолжительно действующими слабоинтенсивными негативными факторами.
В контексте рассматриваемой задачи по обеспечению безопасности физического лица предполагается кратковременное нахождение объекта в зоне возможного возникновения техногенных угроз. Поэтому воздействие на физическое лицо необходимо рассматривать в рамках факторной модели.
В соответствии с проведенными ранее исследованиями [108], в качестве распределения случайной величины ущерба F(Ckun) = p(ckun Ckun) рассматриваются нормальный, логарифмически нормальный, экспоненциальный закон распределения, распределения Вейбулла, Рэлея, Стьюдента. При этом зависимость между вероятностью возникновения неблагоприятных событий и ущербом определяется в виде линейной или экспоненциальной функции (1.8, 1.9). Определив плотность распределения вероятностей возникновения неблагоприятных событий с учетом возможных событий, плотность распределения риска вычисляется согласно (1.10, 1.11).
Программная реализация алгоритма оценки риска техногенных угроз в интеллектуальной системе поддержки принятия управленческих решений в регионе
Для оценивания свойств [34] проведен эксперимент, в ходе которого определено математическое ожидание и среднеквадратическое отклонение времени реакции системы на запрос мк и а. Эти свойства - оперативность и достоверность. Для оценки оперативности использована вероятность того, что время интерактивной оценки риска техногенных угроз в интеллектуальной СППР регионального СЦ не превысит допустимое[20,91]. P(T op T треб) 0,95 (4.1) где Tор - время интерактивной оценки риска техногенных угроз населению; T треб - требуемое (допустимое) время. Для оценки достоверности использована вероятность того, что ошибки 1 и 2 рода при оценке риска не превысят допустимое. Д ошш.н треб) 0,9 (4.2)
Исходя из теоремы Ляпунова (центральная предельная теорема) предполагается, что оцениваемые параметры распределены по нормальному закону. Тогда оперативность оценивается как вероятность того, что (Г ) принимает значения из интервала (а,у?), а достоверность оценивается как вероятность того, что (Nош.нс) принимает значения из интервала (а,р). После преобразования с использованием функции Лапласа: Р М(Тор) g-MjTор) (4.3) Р(а Т Р) = Ф( ор) - Ф( о о Для оценки оперативности необходимо определить: а - нижнюю границу интервала, р - верхнюю границу интервала, М(Тор) математическое ожидание времени оценки риска техногенных угроз в интеллектуальной СППР регионального СЦ. P(а N нс J3) = Ф( -M(N ош.нс) ) _ Ф(а-M(N ош.нс) ) (4.4) а а Для оценки достоверность необходимо определить: а - нижнюю границу интервала, р - верхнюю границу интервала, М(Ыош.нс) математическое ожидание количества ошибок 1 и 2 рода при оценки риска техногенных угроз в интеллектуальной СППР регионального СЦ. Оценка произведена по критерию пригодности. Для оценки оперативности критерий имеет вид: Ро(Тор 7треб) Рз(Тор Гтреб) (4.5) где Ро(Тор Tтреб) - оцениваемая вероятность; Рз(Тор Tтреб) - заданная в системе требований вероятность. Для оценки достоверности критерий имеет вид: Pо(Nош.нс Nтреб) Pз(Nош.нс Nтреб) (4.6) где Pо(Nош.нс Nтреб) - оцениваемая вероятность; Pз(Nош.нс Nтреб) -заданная в системе требований вероятность. 102 В качестве способа оценки эффективности (качества) системы был выбран экспериментальный способ, основанный на расчете частных показателей.
Целью проведения эксперимента является определение наличия и характера зависимости времени оценки риска техногенных угроз населению в интеллектуальной СППР регионального СЦ от количества ПОО, участвующих в анализе.
В ходе эксперимента будет учитываться следующий фактор: количество ПОО, участвующих в процессе оценки риска техногенных угроз населению в регионе. В соответствии с целями эксперимента следует выделить следующий отклик (измеряемый параметр) - время оценки риска и достоверность оценки риска.
Допустимая вероятность ошибки 2 рода не должна превышать 0,01 (/? 0,01), а допустимая вероятность ошибки 1 рода не должна превышать значения 0,05 (а 0,05). На основании того, что выбран только один фактор и предполагается получение эффекта по заданным уровням, то следует применить модель постоянных эффектов. Так как эксперимент носит статистический характер и рассматривается один фактор, то целесообразно для анализа применить методику однофакторного дисперсионного анализа экспериментальных данных.
Для определения принадлежности случайной величины к рассматриваемой генеральной совокупности применяется критерий Диксона. В результате проведения эксперимента получены следующие числовые значения: Результаты эксперимента Уровень фактора Время оценки риска (сек) 2 3 4 5 6 7 8 9 10 МинимальноеколичествоПОО 12,1 13,8 10,2 11,3 13,8 12,4 10,3 13,2 12,7 11,6 МаксимальноеколичествоПОО 18,2 21,8 17,3 17,9 18,9 18,1 18,4 17,1 16,3 21, 4 Достоверность оценки риска 2 3 4 5 6 7 8 9 10 МинимальноеколичествоПОО 4,2 3,4 3,6 5,3 4,2 4,1 4,6 2,3 5,2 3,6 МаксимальноеколичествоПОО 3,9 5,4 3,2 6Д 4,2 3,5 4,5 3,1 3,3 4,4 Ниже приведен расчет коэффициентов Диксона для времени оценки риска. min У 2 У\ Г\\ = Уп-\-У\ ru = жУп-Уп-\ Уп У 0,33 0,171 (4.7) (4.8) Для второго уровня фактора: min У 2 У\ Г\\ = Уп-\-У\ „max Г11 = Уп-Уп-х Уп Уг 0,157 0,191 (4.9) (4.10) Для результатов, отражающих достоверность оценки риска: min У 2 У\ ГП = Уп-1-Уі 0,317 (4.11) 104 Уп-Уп-х (4.12) „тах и Уп Уі пых = n n-v = 0 Для второго уровня фактора: гШт У г-Ух ПП77 (4.13) гп = = и,и// Уп-\ У\ max Уп-Уп-\ noQ1 (4.14) Расчётные значения коэффициентов меньше табличного значения для заданного количества повторений эксперимента (0,597), следовательно, проверяемые значения не являются аномальными. Мощность: р = 1-/? = 1-0,01 = 0,99. Определение мощности производится по оперативным характеристикам, которые описывают зависимость ошибки второго рода от параметра Ф, с различными степенями свободы: Ф= 1 (4Л5) где: п - число реплик эксперимента; а - число уровней фактора; 52 - дисперсия ошибки (обусловленная различиями внутри уровней); тг- - отклонение средней по уровню от математического общего среднего (обусловлено различиями между уровнями). Для расчета мощности эксперимента для показателя оперативности оценки риска техногенных угроз населению в интеллектуальной СППР регионального СЦ значения 52 и rt : 82 =10,1 , хх =2,92 , г2 =3,55 . Вычислим значение параметра Ф: Ф 2 10 (2,92+ 3,55) QO1 (4.16) опер 2П0д Рассчитаем количество степеней свободы: =а-1 = 1 (4.17) 105 32=N-a = \S (4.18)
По оперативным характеристикам, с учетом рассчитанного значения параметра Ф и значений количества степеней свободы числителя и знаменателя, определяем, что р стремится к 0,01, следовательно, мощность критерия составляет 0,99. Обобщая вышесказанное можно сделать вывод, что количество реплик равное 10 достаточно для удовлетворения условий эксперимента для показателя оперативность оценки риска в интеллектуальной СППР регионального СЦ.
Для расчета мощности эксперимента для показателя достоверности оценки риска рассчитать значения S2 и ri : 82 =0,0033 , хх =0,0125 , г2 =0,0097 . Вычислим значение параметра Ф: . 10 (0,0125+ 0,0097) (4 19) Ф = = 3,36 дост 2 0,0033 Рассчитаем количество степеней свободы: $х=a-\ = \ (4.20) 32=N-a = \S (4.21)
По оперативным характеристикам, с учетом рассчитанного значения параметра Ф и значений количества степеней свободы числителя и знаменателя, определяем, что р стремится к 0,01, следовательно, мощность критерия составляет 0,99. Обобщая вышесказанное можно сделать вывод, что количество реплик равное 10 достаточно для удовлетворения условий эксперимента для показателя достоверности оценки риска.
В ходе проведения эксперимента важно оценить влияние различных факторов на переменную отклика, т.е. нас интересует проверка равенства, а эффектов обработок (уровней). При нормальном законе распределения случайной величины для проверки гипотезы о равенстве дисперсий различных уровней фактора используется Критерий Фишера (F - критерий).