Scientific and analytical journal «Vestnik Saint-Petersburg university of State fire service of EMERCOM of Russia» Scientific and analytical journal «Vestnik Saint-Petersburg university of State fire service of EMERCOM of Russia» Научно-аналитический журнал "Вестник Санкт-Петербургского университета ГПС МЧС России" 2218-130X 120419 10.61260/2218-130Х-2026-1-116-125 ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ INFORMATICS, COMPUTER ENGINEERING AND CONTROL ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ METHODOLOGY FOR REAL-TIME FIRE DEVELOPMENT PREDICTION AT THE INITIAL STAGE МЕТОДИКА ПРОГНОЗИРОВАНИЯ РАЗВИТИЯ ПОЖАРА В РЕЖИМЕ РЕАЛЬНОГО ВРЕМЕНИ НА НАЧАЛЬНОЙ СТАДИИ Дейнека Евгений Григорьевич Deineka Evgeny G. https://orcid.org/0000-0002-8261-0712 Вострых Алексей Владимирович Vostryh Alexey V. a.vostrykh@list.ru

кандидат технических наук;

candidate of technical sciences;

 Главное управление МЧС России по Ленинградской области Мурино Россия Main directorate of EMERCOM of Russia in the Leningrad region Murino Russian Federation Санкт-Петербургский университет ГПС МЧС России Санкт-Петербург Россия Saint-Petersburg university of State fire service of EMERCOM of Russia Saint-Petersburg Russian Federation Санкт-Петербургский университет ГПС МЧС России Санкт-Петербург Россия Saint-Petersburg university of State fire service of EMERCOM of Russia Saint-Petersburg Russian Federation 2026 1 116 125 19 12 2025 14 02 2026 https://journals.igps.ru/en/nauka/article/120419/view

Представлена оригинальная методика прогнозирования развития происшествий в режиме реального времени на начальной стадии пожара, состоящая из трёх уровней, каждый из которых осуществляет вычисления по определённому направлению. На первом уровне производится оценка степени доверия к информации, публикуемой пользователями анализируемой социальной сети. На втором уровне производится оценка степени доверия к информации, публикуемой сообществам анализируемой социальной сети. Вычисления на первом и втором уровне осуществляются с помощью алгоритма выявления достоверных источников информации о происшествиях, связанных с пожарами. На третьем уровне выполняется анализ текстового контента, который генерируется пользователями и сообществами исследуемой социальной сети. Для этого задействуется алгоритм анализа текстовой информации. Разработанная методика синтезирует вычислительные механизмы алгоритмом, а также прогнозирует динамику развития пожара. Использование предложенного научно средства в работе подразделений МЧС России гипотетически позволит повысить эффективной работы экстренных служб, что сохранит жизнь граждан и минимизирует материальный ущерб.

This article presents an original method for predicting the development of incidents in real time at the initial stage of a fire. It consists of three levels, each performing calculations in a specific direction. The first level assesses the degree of trust in information published by users of the analyzed social network. The second level assesses the degree of trust in information published by communities of the analyzed social network. Calculations at the first and second levels are performed using an algorithm for identifying reliable sources of information about fire-related incidents. The third level analyzes text content generated by users and communities of the analyzed social network. This is accomplished using a text analysis algorithm. The developed method synthesizes computational mechanisms within the algorithm and predicts fire development dynamics. The use of the proposed scientific tool in the work of units of EMERCOM of Russia will hypothetically improve the efficiency of emergency services, thereby saving lives and minimizing property damage.

 методика прогнозирование происшествий социальные сети оценка достоверности информации methodology incident forecasting social networks accident forecasting assessment of information reliability

Фрэнкс Б. Революция в аналитике. Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики. М.: Техносфера, 2016. 430 с. Frenks B. Revolyuciya v analitike. Kak v epohu Big Data uluchshit' vash biznes s pomoshch'yu operacionnoj analitiki. M.: Tekhnosfera, 2016. 430 s. Онил К. Убийственные большие данные. Как математика превратилась в оружие массового поражения. М.: Издательство АСТ, 2017. 340 с. Onil K. Ubijstvennye bol'shie dannye. Kak matematika prevratilas' v oruzhie massovogo porazheniya. M.: Izdatel'stvo AST, 2017. 340 s. Клаус А. Объединение данных для классификации и извлечения объектов. М.: Исследовательский центр виртуальной реальности и визуализации VRVis, 2015. 340 с. Klaus A. Ob"edinenie dannyh dlya klassifikacii i izvlecheniya ob"ektov. M.: Issledovatel'skij centr virtual'noj real'nosti i vizualizacii VRVis, 2015. 340 s. Метод оценки достоверности количественного анализа риска на объектах нефтегазовой отрасли / А.В. Матвеев [и др.] // Пожаровзрывобезопасность. 2018. Т. 27. № 1. С. 35–49. Metod ocenki dostovernosti kolichestvennogo analiza riska na ob"ektah neftegazovoj otrasli / A.V. Matveev [i dr.] // Pozharovzryvobezopasnost'. 2018. T. 27. № 1. S. 35–49. Буйневич М.В., Максимов А.В., Пелех М.Т. Принципы информационной поддержки системного проектирования развития сети пожарных депо на территории мегаполиса // Научно-аналитический журнал «Вестник Санкт-Петербургского университетаГосударственной противопожарной службы МЧС России». 2017. № 3. С. 129–135. Bujnevich M.V., Maksimov A.V., Pelekh M.T. Principy informacionnoj podderzhki sistemnogo proektirovaniya razvitiya seti pozharnyh depo na territorii megapolisa // Nauchno-analiticheskij zhurnal «Vestnik Sankt-Peterburgskogo universiteta Gosudarstvennoj protivopozharnoj sluzhby MCHS Rossii». 2017. № 3. S. 129–135. Крахмальницкая А.А. Психологические аспекты управления сотрудниками в подразделениях МЧС России: вызовы и решения // сб. трудов Всерос. науч.-практ. конф., посвящённой Дню образования гражданской обороны Российской Федерации. Химки, 2025. С. 284–287. Krahmal'nickaya A.A. Psihologicheskie aspekty upravleniya sotrudnikami v podrazdeleniyah MCHS Rossii: vyzovy i resheniya // sb. trudov Vseros. nauch.-prakt. konf., posvyashchyonnoj Dnyu obrazovaniya grazhdanskoj oborony Rossijskoj Federacii. Himki, 2025. S. 284–287. Буйневич М.В., Шуракова Д.Г., Вострых А.В. Двухуровневая кластеризация субоптимальных зон прикрытия г. Костромы подразделениями МЧС России при возникновении происшествий // Научно-аналитический журнал «Вестник Санкт-Петербургского университета Государственной противопожарной службы МЧС России». 2018. № 2. С. 121–127. Bujnevich M.V., Shurakova D.G., Vostryh A.V. Dvuhurovnevaya klasterizaciya suboptimal'nyh zon prikrytiya g. Kostromy podrazdeleniyami MCHS Rossii pri vozniknovenii proisshestvij // Nauchno-analiticheskij zhurnal «Vestnik Sankt-Peterburgskogo universiteta Gosudarstvennoj protivopozharnoj sluzhby MCHS Rossii». 2018. № 2. S. 121–127. Решение задачи выбора оптимального маршрута следования сил и средств подразделений МЧС России к месту возникновения происшествий с помощью алгоритма Дейкстры / М.В. Буйневич [и др.] // Проблемы управления рисками в техносфере. 2018. № 3 (47). С. 68–79. Reshenie zadachi vybora optimal'nogo marshruta sledovaniya sil i sredstv podrazdelenij MCHS Rossii k mestu vozniknoveniya proisshestvij s pomoshch'yu algoritma Dejkstry / M.V. Bujnevich [i dr.] // Problemy upravleniya riskami v tekhnosfere. 2018. № 3 (47). S. 68–79. Вострых А.В., Шуракова Д.Г. Компоненты специальной информационной технологии построения оптимальных маршрутов // Актуальные проблемы инфотелекоммуникаций в науке и образовании: сб. статей VII Междунар. науч.-техн. и науч.-метод. конф. 2018. С. 213–218. Vostryh A.V., Shurakova D.G. Komponenty special'noj informacionnoj tekhnologii postroeniya optimal'nyh marshrutov // Aktual'nye problemy infotelekommunikacij v nauke i obrazovanii: sb. statej VII Mezhdunar. nauch.-tekhn. i nauch.-metod. konf. 2018. S. 213–218. Theoretical basis for designing integrated security systems of potentially hazardous facilities / A.V. Matveev [et al.] // International Journal of Applied Engineering Research. 2017. Vol. 12. № 22. P. 12357–12361. Theoretical basis for designing integrated security systems of potentially hazardous facilities / A.V. Matveev [et al.] // International Journal of Applied Engineering Research. 2017. Vol. 12. № 22. P. 12357–12361. Вострых А.В. Анализ интерфейсов специализированных мобильных приложений для вызова экстренных служб // Пожарная и техносферная безопасность: проблемы и пути совершенствования. 2021. № 2 (9). С. 78–82. Vostryh A.V. Analiz interfejsov specializirovannyh mobil'nyh prilozhenij dlya vyzova ekstrennyh sluzhb // Pozharnaya i tekhnosfernaya bezopasnost': problemy i puti sovershenstvovaniya. 2021. № 2 (9). S. 78–82. Салехан М., Ким Д.Д. Прогнозирование эффективности онлайн-обзоров потребителей: подход к аналитике Big Data на основе анализа настроений // Поддержка Syst. 2016. С. 30–40. Salekhan M., Kim D.D. Prognozirovanie effektivnosti onlajn-obzorov potrebitelej: podhod k analitike Big Data na osnove analiza nastroenij // Podderzhka Syst. 2016. S. 30–40. Эльберг М.С., Цыганков Н.С. Имитационное моделирование: учеб. пособие. Красноярск: Сиб. федер. ун-т, 2017. 128 с. El'berg M.S., Cygankov N.S. Imitacionnoe modelirovanie: ucheb. posobie. Krasnoyarsk: Sib. feder. un-t, 2017. 128 s. Карпов Ю. Имитационное моделирование систем. Введение в моделирование с AnyLogic 5. СПб.: БХВ Петербург, 2005. 400 с. Karpov Yu. Imitacionnoe modelirovanie sistem. Vvedenie v modelirovanie s AnyLogic 5. SPb.: BHV Peterburg, 2005. 400 s. Григорьев И. Anylogic за три дня. СПб.: СППУ, 2016. 202 с. Grigor'ev I. Anylogic za tri dnya. SPb.: SPPU, 2016. 202 s. Куприяшкин А.Г. Основы моделирования систем. Норильск: НИИ, 2015. 135 с. Kupriyashkin A.G. Osnovy modelirovaniya sistem. Noril'sk: NII, 2015. 135 s. Барсегян А.А. Методы и модели анализа данных: OLAP и Data Mining. СПб.: БХВ-Петербург, 2004. 336 с. Barsegyan A.A. Metody i modeli analiza dannyh: OLAP i Data Mining. SPb.: BHV-Peterburg, 2004. 336 s. Rabinovich A.E. Application of Big Data technology in the field of railway communication // OResiginal research. 2021. Vol. 11. P. 155–161. Rabinovich A.E. Application of Big Data technology in the field of railway communication // OResiginal research. 2021. Vol. 11. P. 155–161. TaduResi A. Railway assets: a potential area for big data analysis // Procedia Computer Science. 2015. Vol. 53. P. 457–467. TaduResi A. Railway assets: a potential area for big data analysis // Procedia Computer Science. 2015. Vol. 53. P. 457–467. Eremenko K. Working with data in any field. How to reach a new level using analytics. M.: Alpina Publisher, 2019. 304 p. Eremenko K. Working with data in any field. How to reach a new level using analytics. M.: Alpina Publisher, 2019. 304 p. Stevens-Davidovits S. Everyone lies. Search engines, big data and the Internet know everything about you. M.: Eksmo, 2018. 384 p. Stevens-Davidovits S. Everyone lies. Search engines, big data and the Internet know everything about you. M.: Eksmo, 2018. 384 p. Gudovskikh D.V. Analysis of emotivity of texts based on psycholinguistic markers with determination of morphological properties // Bulletin of the Vsu. seResies: linguistics and intercultural communication. 2015. № 3. P. 92–97 Gudovskikh D.V. Analysis of emotivity of texts based on psycholinguistic markers with determination of morphological properties // Bulletin of the Vsu. seResies: linguistics and intercultural communication. 2015. № 3. P. 92–97 Pang B. Collecting opinions and analyzing moods // Fundamentals and trends in the search for information. 2008. Vol. 2. № 1/2. P. 543–561 Pang B. Collecting opinions and analyzing moods // Fundamentals and trends in the search for information. 2008. Vol. 2. № 1/2. P. 543–561 Leontiev A.A. Fundamentals of psycholinguistics. SENSE. 1997. 287 p. Leontiev A.A. Fundamentals of psycholinguistics. SENSE. 1997. 287 p. Sadegh M. Collecting Opinions and sentiment Analysis // In: International Journal of Computers and Technologies. 2012. P. 171–178. Sadegh M. Collecting Opinions and sentiment Analysis // In: International Journal of Computers and Technologies. 2012. P. 171–178.