Problems of risk management in the technosphere Problems of risk management in the technosphere Проблемы управления рисками в техносфере 1998-8990 84945 10.61260/1998-8990-2024-2-117-126 Пожарная безопасность Fire safety Пожарная безопасность PREDICTING THE FIRE EXTINGUISHING TIME OF EXPLOSIVE COMPONENTS USING FIRE EXTINGUISHING HYDROGELS ПРОГНОЗИРОВАНИЕ ВРЕМЕНИ ТУШЕНИЯ ПОЖАРА КОМПОНЕНТОВ ПРОМЫШЛЕННЫХ ВЗРЫВЧАТЫХ ВЕЩЕСТВ ВОДНОГЕЛЕВЫМИ ОГНЕТУШАЩИМИ СОСТАВАМИ https://orcid.org/0009-0003-8474-0478 Воронцов Тарас Сергеевич Vorontsov Taras S. taras.chek@yandex.ru Иванов Алексей Владимирович Ivanov Aleksey V. ivanov.av@igps.ru

кандидат технических наук;

candidate of technical sciences;

 Ивановская пожарно-спасательная академия ГПС МЧС России Иваново Россия Ivanovo fire and rescue academy of State fire service of EMERCOM of Russia Ivanovo Russian Federation Санкт-Петербургский университет ГПС МЧС России Санкт-Петербург Россия Saint-Petersburg university of the State fire service of EMERCOM of Russia Saint-Petersburg Russian Federation 05 07 2024 05 07 2024 2024 2 117 126 14 02 2024 11 04 2024 https://journals.igps.ru/en/nauka/article/84945/view

С помощью методов регрессионного анализа и нейросетевого моделирования определены физические свойства водногелевых составов, обеспечивающие минимальное время тушения пожара модельного очага компонентов промышленных взрывчатых веществ. Нейросетевое моделирование выполнено в программе «STATISTICA Application 10». Максимальное расхождение значений нейросетевой модели с экспериментальными данными 0,18 %. Регрессионный анализ выполнен в программе «REGRAN». Максимальная погрешность целевых значений составила 4,4 %. Анализ экспериментальных данных и результатов математического моделирования показал, что наиболее значимыми свойствами огнетушащих веществ на основе гидрогелей, обеспечивающими минимальное время тушения, являются плотность и поверхностное натяжение. Определены концентрации гелеобразователя, при которых водногелевый состав приобретает оптимальные физические свойства для тушения модельного очага компонента промышленного взрывчатого вещества. Разработаны рекомендации по созданию рецептур гидрогелей с заданными свойствами.

. Using methods of regression analysis and neural network research, it was possible to preserve the physical properties of water-gene compositions and ensure a minimum time for extinguishing a fire in a model fire with components of industrial explosives. Neural network modeling was performed in the STATISTICA Application 10 program. The maximum discrepancy between the results of the neural network model and experimental data is 0,18 %. Regression analysis was performed in the REGRAN program. The maximum error in target results was 4,4 %. Analysis of experimental data and mathematical modeling results showed that the most significant properties of fire extinguishing agents based on hydrogels, providing minimal extinguishing time, are density and surface tension. The concentrations of the gelling agent were determined at which the water-gel composition acquires optimal physical properties for extinguishing a model outbreak of a component of an industrial explosive. Recommendations have been developed for creating hydrogel formulations with desired properties.

 регрессионный анализ нейросетевое моделирование пожаротушение промышленные взрывчатые вещества regression analysis neural network modeling firefighting industrial explosives

Бучельников Д.Ю., Бучельников С.Ю. Тушение пожаров на объектах с наличием взрывчатых веществ и материалов: учеб.-метод. пособие. Екатеринбург: филиал Акад. ГПС МЧС России, 2002. 64 с. Buchel'nikov D.Yu., Buchel'nikov S.Yu. Tushenie pozharov na ob"ektah s nalichiem vzryvchatyh veshchestv i materialov: ucheb.-metod. posobie. Ekaterinburg: filial Akad. GPS MCHS Rossii, 2002. 64 s. Власов Д.А. Взрыв и его последствия: учеб. пособие. СПб.: С.-Петерб. гос. технол. ин-т (техн. ун-т), 2001. 151 с. Vlasov D.A. Vzryv i ego posledstviya: ucheb. posobie. SPb.: S.-Peterb. gos. tekhnol. in-t (tekhn. un-t), 2001. 151 s. High-power acoustic fire extinguisher with artificial intelligence platform / J. Wilk-Jakubowski [et al.] // International Journal of Computational Vision and Robotics. 2022. Vol. 12. № 3. P. 236–249. High-power acoustic fire extinguisher with artificial intelligence platform / J. Wilk-Jakubowski [et al.] // International Journal of Computational Vision and Robotics. 2022. Vol. 12. № 3. P. 236–249. Use of fire-extinguishing balls for a conceptual system of drone-assisted wildfire fighting / B. Aydin [et al.] // Drones. 2019. Vol. 3. № 1. С. 17. Use of fire-extinguishing balls for a conceptual system of drone-assisted wildfire fighting / B. Aydin [et al.] // Drones. 2019. Vol. 3. № 1. S. 17. Воронцов Т.С., Иванов А.В. Исследование физико-химических свойств водногелевых огнетушащих составов в условиях ликвидации горения промышленных взрывчатых веществ и их компонентов // Современные проблемы гражданской защиты. 2022. № 2 (43). С. 50–58. Voroncov T.S., Ivanov A.V. Issledovanie fiziko-himicheskih svojstv vodnogelevyh ognetushashchih sostavov v usloviyah likvidacii goreniya promyshlennyh vzryvchatyh veshchestv i ih komponentov // Sovremennye problemy grazhdanskoj zashchity. 2022. № 2 (43). S. 50–58. Михайлова В.И., Скрипник И.Л., Иванов А.В. Моделирование систем орошения резервуаров нефтепродуктов в условиях применения модифицированных водногелевых составов // Проблемы управления рисками в техносфере. 2019. № 4. С. 51–60. Mihajlova V.I., Skripnik I.L., Ivanov A.V. Modelirovanie sistem orosheniya rezervuarov nefteproduktov v usloviyah primeneniya modificirovannyh vodnogelevyh sostavov // Problemy upravleniya riskami v tekhnosfere. 2019. № 4. S. 51–60. Исследование огнетушащих и теплозащитных свойств водногелевых составов на основе модифицированных наножидкостей / Ш.Г. Гаджиев [и др.] // Науч.-аналит. журн. «Вестник С.-Петерб. ун-та ГПС МЧС России». 2014. № 2. С. 31–37. Issledovanie ognetushashchih i teplozashchitnyh svojstv vodnogelevyh sostavov na osnove modificirovannyh nanozhidkostej / Sh.G. Gadzhiev [i dr.] // Nauch.-analit. zhurn. «Vestnik S.-Peterb. un-ta GPS MCHS Rossii». 2014. № 2. S. 31–37. Исследование огнетушащих свойств воды и гидрогелей с углеродными наноструктурами при ликвидации горения нефтепродуктов / А.В. Иванов [и др.] // Пожаровзрывобезопасность. 2017. Т. 26. № 8. С. 31–44. Issledovanie ognetushashchih svojstv vody i gidrogelej s uglerodnymi nanostrukturami pri likvidacii goreniya nefteproduktov / A.V. Ivanov [i dr.] // Pozharovzryvobezopasnost'. 2017. T. 26. № 8. S. 31–44. Боровиков В.П. Нейронные сети STATISTICA Neural Networks: методология и технология современного анализа данных. М.: Изд-во Горячая Линия-Телеком, 2008. 392 с. Borovikov V.P. Nejronnye seti STATISTICA Neural Networks: metodologiya i tekhnologiya sovremennogo analiza dannyh. M.: Izd-vo Goryachaya Liniya-Telekom, 2008. 392 s. Таранцев А.А. Принципы построения регрессионных моделей при исходных данных с нечетким описанием // Автоматика и телемеханика. 1997. № 11. С. 215–219. Tarancev A.A. Principy postroeniya regressionnyh modelej pri iskhodnyh dannyh s nechetkim opisaniem // Avtomatika i telemekhanika. 1997. № 11. S. 215–219. Nirkhi S. Potential use of artificial neural network in data mining // The 2nd International Conference on Computer and Automation Engineering (ICCAE). 2010. Т. 2. P. 339–343. Nirkhi S. Potential use of artificial neural network in data mining // The 2nd International Conference on Computer and Automation Engineering (ICCAE). IEEE, 2010. T. 2. P. 339–343. Sadeghi-Naini A., Asgary A. Modeling number of firefighters responding to an incident using artificial neural networks // International Journal of Emergency Services. 2013. Vol. 2. № 2. P. 104–118. Sadeghi-Naini A., Asgary A. Modeling number of firefighters responding to an incident using artificial neural networks // International Journal of Emergency Services. 2013. Vol. 2. № 2. P. 104–118. Способ и устройство управления физико-химическими процессами в веществе и на границе раздела фаз: пат. 2479005 Рос. Федерация / Г.К. Ивахнюк, В.Н. Матюхин, В.А. Клачков, А.О. Шевченко, А.С. Князев, К.Г. Ивахнюк, А.В. Иванов, В.А. Родионов. – № 2011118347/08; заявл. 21.01.2010; опубл. 10.04.2013, Бюл. № 10. Sposob i ustrojstvo upravleniya fiziko-himicheskimi processami v veshchestve i na granice razdela faz: pat. 2479005 Ros. Federaciya / G.K. Ivahnyuk, V.N. Matyuhin, V.A. Klachkov, A.O. Shevchenko, A.S. Knyazev, K.G. Ivahnyuk, A.V. Ivanov, V.A. Rodionov. – № 2011118347/08; zayavl. 21.01.2010; opubl. 10.04.2013, Byul. № 10. Bosikov I.I., Klyuev R.V., Dmitrak Yu.V. Analysis of hazardous processes in the natural-industrial system // Advances in raw material industries for sustainable development goals. CRC Press, 2020. P. 422–429. Bosikov I.I., Klyuev R.V., Dmitrak Yu.V. Analysis of hazardous processes in the natural-industrial system // Advances in raw material industries for sustainable development goals. CRC Press, 2020. P. 422–429. Nutrient requirement equations for Indian goat by multiple regression analysis and least cost ration formulation using a linear and non‐linear stochastic model / V. Patil [et al.] // Journal of Animal Physiology and Animal Nutrition. 2022. Vol. 106. № 5. P. 968–977. Nutrient requirement equations for Indian goat by multiple regression analysis and least cost ration formulation using a linear and non‐linear stochastic model / V. Patil [et al.] // Journal of Animal Physiology and Animal Nutrition. 2022. Vol. 106. № 5. P. 968–977. Bohidar N.R., Restaino F.A., Schwartz J.B. Selecting key pharmaceutical formulation factors by regression analysis // Drug Development and Industrial Pharmacy. 1979. Vol. 5. № 2. P. 175–216. Bohidar N.R., Restaino F.A., Schwartz J.B. Selecting key pharmaceutical formulation factors by regression analysis // Drug Development and Industrial Pharmacy. 1979. Vol. 5. № 2. P. 175–216.