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 68367 ПОЖАРНАЯ ТАКТИКА, ФИЗИКО-ХИМИЧЕСКИЕ ОСНОВЫ ПРОЦЕССОВ ГОРЕНИЯ И ТУШЕНИЯ FIRE-FIGHTING TACTICS, PHYSICO-CHEMICAL PRINCIPLES OF BURNING AND EXTINGUISHING PROCESSES ПОЖАРНАЯ ТАКТИКА, ФИЗИКО-ХИМИЧЕСКИЕ ОСНОВЫ ПРОЦЕССОВ ГОРЕНИЯ И ТУШЕНИЯ APPLICATION OF «DEEP LEARNING» WHEN FORECASTING FIRE-DANGEROUS INDICATORS OF OXYGEN-CONTAINING ORGANIC COMPOUNDS ПРИМЕНЕНИЕ «DEEP LEARNING» ПРИ ПРОГНОЗИРОВАНИИ ПОЖАРООПАСНЫХ ПОКАЗАТЕЛЕЙ КИСЛОРОДСОДЕРЖАЩИХ ОРГАНИЧЕСКИХ СОЕДИНЕНИЙ Королев Д С Korolev D S Калач А В Kalach A V Воронежский институт ГПС МЧС России ru Voronezh institute of State fire service of EMERCOM of Russia ru Воронежский институт ГПС МЧС России ru Voronezh institute of State fire service of EMERCOM of Russia ru 25 03 2017 25 03 2017 2017 1 60 66 12 03 2017 20 03 2017 https://journals.igps.ru/en/nauka/article/68367/view

В целях уменьшения погрешности при определении пожароопасных свойств органических веществ при помощи способа прогнозирования на основе молекулярных дескрипторов и искусственных нейронных сетей, реализуемых оригинальной компьютерной программой «Нейропакет КДС 1.0», было решено модифицировать имеющийся программный продукт путем внедрения компьютерной библиотеки Deep Learn Toolbox. Представленная библиотека реализует моделирование искусственных нейронных сетей путем «глубокого обучения». В этом случае искусственная нейронная сеть имеет два и более скрытых слоя. Проводили верификацию данных, основываясь на некоторых справочных данных. Установлено, что полученные данные в результате работы модифицированной программы дают относительную погрешность по сравнению со справочными данными, не превышающую 5 %.

For the purpose of reduction of an error in case of determination of fire-dangerous properties of organic substances by means of a forecasting method on the basis of molecular descriptors and artificial neural networks, realized by the original computer program «Neyropaket KDS 1.0» it was decided to modify the available software product by implementation of computer library Deep Learn Toolbox. The provided library realizes modeling of artificial neural networks by «deep training». In this case the artificial neural network has two and more hidden layers. Carried out verification of data, based on some help data. It is established that the obtained data as a result of work of the modified program give a relative error in comparison with help data not exceeding 5 %.

 глубокое обучение молекулярные дескрипторы пожарная безопасность свойства веществ искусственные нейронные сети deep training molecular descriptors fire safety properties of substances artificial neural networks

Технический регламент о требованиях пожарной безопасности: Федер. закон от 22 июля 2008 г. № 123-ФЗ (одоб. Советом Федерации 11 июля 2008 г.) // Рос. газ. 2008. № 163. Tehnicheskiy reglament o trebovaniyah pozharnoy bezopasnosti: Feder. zakon ot 22 iyulya 2008 g. № 123-FZ (odob. Sovetom Federacii 11 iyulya 2008 g.) // Ros. gaz. 2008. № 163. Королев Д.С., Калач А.В., Каргашилов Д.В. Прогнозирование пожароопасных свойств веществ и материалов с использованием дескрипторов и нейронных сетей // Науч.-теоретич. журн. «Вестник БГТУ им. В.Г. Шухова». 2015. № 4. С. 100-103. Korolev D.S., Kalach A.V., Kargashilov D.V. Prognozirovanie pozharoopasnyh svoystv veschestv i materialov s ispol'zovaniem deskriptorov i neyronnyh setey // Nauch.-teoretich. zhurn. «Vestnik BGTU im. V.G. Shuhova». 2015. № 4. S. 100-103. Королев Д.С., Калач А.В., Рудаков О.Б. Прогнозирование пожароопасных свойств веществ // Безопасность в техносфере. 2015. Т. 56. № 5. С. 3-6. Korolev D.S., Kalach A.V., Rudakov O.B. Prognozirovanie pozharoopasnyh svoystv veschestv // Bezopasnost' v tehnosfere. 2015. T. 56. № 5. S. 3-6. Королев Д.С., Калач А.В., Каргашилов Д.В. Свидетельство о государственной регистрации программы для ЭВМ № 2016614070 «Нейропакет КДС 1.0»; правообладатель ФГБОУ ВО Воронежский ин-т ГПС МЧС России. № 2016611455; заяв. 24.02.16; зарегистрировано в реестре программ для ЭВМ 16.04.16. Korolev D.S., Kalach A.V., Kargashilov D.V. Svidetel'stvo o gosudarstvennoy registracii programmy dlya EVM № 2016614070 «Neyropaket KDS 1.0»; pravoobladatel' FGBOU VO Voronezhskiy in-t GPS MChS Rossii. № 2016611455; zayav. 24.02.16; zaregistrirovano v reestre programm dlya EVM 16.04.16. Cybernetic methods of drug design. I. Statement of the problem the perceptron approach / S.A. Hiller [et al.] // Comput. Biomed. Res. 1973. V. 6. № 5. P. 411-421. Cybernetic methods of drug design. I. Statement of the problem the perceptron approach / S.A. Hiller [et al.] // Comput. Biomed. Res. 1973. V. 6. № 5. P. 411-421. Zupan J., Gasteiger J. Neural networks: a new method for solving chemical problems or just a passing phase? // Anal. Chim. Acta. 1991. V. 248. № 1. С. 1-30. Zupan J., Gasteiger J. Neural networks: a new method for solving chemical problems or just a passing phase? // Anal. Chim. Acta. 1991. V. 248. № 1. S. 1-30. Freeman J.A., Skapura D.M. Neural networks: algorithms, applications and programming techniques. Addison-Wesley Publishing Company: Menlo Park, CA, 1991. 414 p. Freeman J.A., Skapura D.M. Neural networks: algorithms, applications and programming techniques. Addison-Wesley Publishing Company: Menlo Park, CA, 1991. 414 p. Сайт Deep learning (глубокое или глубинное обучение). URL: http://www.insycom.ru/html/metodmat/dp.pdf (дата обращения: 20.11.2016). Sayt Deep learning (glubokoe ili glubinnoe obuchenie). URL: http://www.insycom.ru/html/metodmat/dp.pdf (data obrascheniya: 20.11.2016). Ngoc L.M., Yoon- Mo K. Quantitative prediction of lipase reaction in ionic liquids by QSAR using COSMO-RS molecular descriptors // Biochemical Engineering Journal. 2014. Vol. 87. № 5. Pp. 33-40. Ngoc L.M., Yoon- Mo K. Quantitative prediction of lipase reaction in ionic liquids by QSAR using COSMO-RS molecular descriptors // Biochemical Engineering Journal. 2014. Vol. 87. № 5. Pp. 33-40. Free S.M., Jr., Wilson J.W. A Mathematical Contribution to Structure-Activity Studies // J. Med. Chem. 1964. V. 7. № 4. P. 395-399. Free S.M., Jr., Wilson J.W. A Mathematical Contribution to Structure-Activity Studies // J. Med. Chem. 1964. V. 7. № 4. P. 395-399. Golender V.E., Rozenblit A.B. Logico-structural approach to computer-assisted drug design // Med. Chem. (Academic Press). 1980. V. 11. № 9. P. 299-337. Golender V.E., Rozenblit A.B. Logico-structural approach to computer-assisted drug design // Med. Chem. (Academic Press). 1980. V. 11. № 9. P. 299-337. Корольченко А.Я., Корольченко Д.А. Пожаровзрывоопасность веществ и материалов и средства их тушения: справ. в 2-х ч. 2-е изд., перераб. и доп. М.: Асс. «Пожнаука», 2004. Ч. I. 713 с. Korol'chenko A.Ya., Korol'chenko D.A. Pozharovzryvoopasnost' veschestv i materialov i sredstva ih tusheniya: sprav. v 2-h ch. 2-e izd., pererab. i dop. M.: Ass. «Pozhnauka», 2004. Ch. I. 713 s. Корольченко А.Я., Корольченко Д.А. Пожаровзрывоопасность веществ и материалов и средства их тушения: справ. в 2-х ч. 2-е изд., перераб. и доп. М.: Асс. «Пожнаука», 2004. Ч. II. 774 с. Korol'chenko A.Ya., Korol'chenko D.A. Pozharovzryvoopasnost' veschestv i materialov i sredstva ih tusheniya: sprav. v 2-h ch. 2-e izd., pererab. i dop. M.: Ass. «Pozhnauka», 2004. Ch. II. 774 s.