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 75108 10.61260/2218-130X-2024-2023-4-185-198 ТРУДЫ МОЛОДЫХ УЧЕНЫХ WORKS OF YOUNG SCIENTISTS ТРУДЫ МОЛОДЫХ УЧЕНЫХ IMPLEMENTATION OF THE ANFIS NEURO-FUZZY SYSTEM FOR FOREST FIRE MANAGEMENT МОДЕЛЬ ПРОГНОЗИРОВАНИЯ ЛЕСНЫХ ПОЖАРОВ НА ОСНОВЕ НЕЙРО-НЕЧЕТКОЙ СИСТЕМЫ ANFIS https://orcid.org/0009-0002-9436-4376 Медведев Дмитрий Валерьевич Medvedev Dmitry V. meedvedevdv@mail.ru Санкт-Петербургский университет ГПС МЧС России Saint Petersburg university of State fire service of EMERCOM of Russia 14 02 2024 14 02 2024 2023 4 185 198 27 10 2023 11 11 2023 https://journals.igps.ru/en/nauka/article/75108/view

Рассмотрены существующие инновационные подходы как отечественных, так и зарубежных ученых к интеллектуальному прогнозированию, а также управлению лесными пожарами. Представлена реализация применения нейро-нечеткой системы ANFIS для прогнозирования лесных пожаров с целью повышения надежности и достоверности получаемых прогнозных данных. Проведен анализ признакового пространства при рассмотрении лесных пожаров, представлена корреляционная матрица, характеризующая степень влияния признаков на прогнозируемые показатели. Построена структура нейро-сетевой модели с соответствующими лингвистическими переменными и функциями принадлежности. Представлены результаты обучения системы ANFIS на основе исторических данных на территории Ленинградской области за период с 2015 по 2023 г. Полученные результаты позволяют повысить эффективность оперативного прогнозирования динамики развития лесных пожаров, обосновывать принятие управленческих решений по их ликвидации.

The existing innovative approaches of both domestic and foreign scientists to intelligent forecasting, as well as forest fire management, are considered. The implementation of the application of the ANFIS neuro-fuzzy system for predicting forest fires in order to increase the reliability and reliability of the forecast data obtained is presented. The analysis of the feature space when considering forest fires is carried out, a correlation matrix is presented that characterizes the degree of influence of features on the predicted indicators. The structure of the neural network model with the corresponding linguistic variables and membership functions is constructed. The results of the ANFIS system training based on historical data in the Leningrad Region for the period from 2015 to 2023 are presented. The results obtained make it possible to increase the efficiency of operational forecasting of the dynamics of forest fires, to justify the adoption of management decisions on their elimination.

 лесные пожары прогнозирование ANFIS нейро-нечеткая система управление forest fires forecasting ANFIS neuro-fuzzy system management

Берестенькова М.В. Интеллектуальная система прогнозирования лесных пожаров // Хвойные бореальной зоны. 2012. Т. 30. № 5-6. С. 64-67. EDN TTNHLP. Beresten'kova M.V. Intellektual'naya sistema prognozirovaniya lesnyh pozharov // Hvojnye boreal'noj zony. 2012. T. 30. № 5-6. S. 64-67. EDN TTNHLP. Колпаков В.Ф. Применение нечеткого моделирования для информационной поддержки принятия решений при ликвидации лесных пожаров // Пожаровзрывобезопасность. 2017. Т. 26. № 7. С. 65-73. DOI: 10.18322/PVB.2017.26.07.65-73. EDN ZIDWQZ. Kolpakov V.F. Primenenie nechetkogo modelirovaniya dlya informacionnoj podderzhki prinyatiya reshenij pri likvidacii lesnyh pozharov // Pozharovzryvobezopasnost'. 2017. T. 26. № 7. S. 65-73. DOI: 10.18322/PVB.2017.26.07.65-73. EDN ZIDWQZ. Матвеев А.В., Богданова Е.М. Классификация методов прогнозирования чрезвычайных ситуаций // Национальная безопасность и стратегическое планирование. 2018. № 4 (24). С. 61-70. EDN YTPZYL. Matveev A.V., Bogdanova E.M. Klassifikaciya metodov prognozirovaniya chrezvychajnyh situacij // Nacional'naya bezopasnost' i strategicheskoe planirovanie. 2018. № 4 (24). S. 61-70. EDN YTPZYL. Петрова И.Ю., Глебов А.А. Прогнозирование электропотребления с помощью нейро-нечеткой системы ANFIS // Наука и образование: научное издание МГТУ им. Н.Э. Баумана. 2006. № 7. С. 3. EDN HYSJDN. Petrova I.Yu., Glebov A.A. Prognozirovanie elektropotrebleniya s pomoshch'yu nejro-nechetkoj sistemy ANFIS // Nauka i obrazovanie: nauchnoe izdanie MGTU im. N.E. Baumana. 2006. № 7. S. 3. EDN HYSJDN. Дуболазов В.А., Сомов А.Г. Прогнозирование и оценка экономических данных при помощи адаптивной системы нейро-нечеткого вывода ANFIS // Экономика и менеджмент систем управления. 2017. № 4-4 (26). С. 411-418. EDN ZXQAKF. Dubolazov V.A., Somov A.G. Prognozirovanie i ocenka ekonomicheskih dannyh pri pomoshchi adaptivnoj sistemy nejro-nechetkogo vyvoda ANFIS // Ekonomika i menedzhment sistem upravleniya. 2017. № 4-4 (26). S. 411-418. EDN ZXQAKF. Оперативное прогнозирование теплового потока при пожаре в вертикальном стальном резервуаре с защитной стенкой с использованием ANFIS / Т.С. Станкевич [и др.] // Пожаровзрывобезопасность. 2020. Т. 29. № 5. С. 13-39. DOI: 10.22227/PVB.2020.29.05.13-39. EDN FFGNIX. Operativnoe prognozirovanie teplovogo potoka pri pozhare v vertikal'nom stal'nom rezervuare s zashchitnoj stenkoj s ispol'zovaniem ANFIS / T.S. Stankevich [i dr.] // Pozharovzryvobezopasnost'. 2020. T. 29. № 5. S. 13-39. DOI: 10.22227/PVB.2020.29.05.13-39. EDN FFGNIX. Бутырский Е.Ю., Матвеев А.В. Математическое моделирование систем и процессов. СПб.: Информ. изд. учеб.-науч. центр «Стратегия будущего», 2022. 733 с. DOI: 10.37468/book_011222. EDN CCRIRT. Butyrskij E.Yu., Matveev A.V. Matematicheskoe modelirovanie sistem i processov. SPb.: Inform. izd. ucheb.-nauch. centr «Strategiya budushchego», 2022. 733 s. DOI: 10.37468/book_011222. EDN CCRIRT. Яковлев Д.В., Звягинцева А.В., Ус Н.А. Нейросетевое моделирование в прогнозировании возникновения лесных пожаров // Информация и безопасность. 2009. Т. 12. № 3. С. 397-404. EDN KWCIVB. Yakovlev D.V., Zvyaginceva A.V., Us N.A. Nejrosetevoe modelirovanie v prognozirovanii vozniknoveniya lesnyh pozharov // Informaciya i bezopasnost'. 2009. T. 12. № 3. S. 397-404. EDN KWCIVB. Ражников С.В. Информационно-аналитическая поддержка управления оповещением населения при ландшафтных (природных) пожарах // Сибирский пожарно-спасательный вестник. 2023. № 2 (29). С. 95-106. Razhnikov S.V. Informacionno-analiticheskaya podderzhka upravleniya opoveshcheniem naseleniya pri landshaftnyh (prirodnyh) pozhara// Sibirskij pozharno-spasatel'nyj vestnik.2023. № 2 (29). S. 95-106. Wildland Fire Burned Areas Prediction Using Long Short-Term Memory Neural Network with Attention Mechanism / Li Zhongzhi [et al.] // Fire technology. 2021. Vol. 57. P. 1-23. DOI: 10.1007/s10694-020-01028-3. Wildland Fire Burned Areas Prediction Using Long Short-Term Memory Neural Network with Attention Mechanism / Li Zhongzhi [et al.] // Fire technology. 2021. Vol. 57. P.1-23. DOI: 10.1007/s10694-020-01028-3. Forest Fire Prediction with Imbalanced Data Using a Deep Neural Network Method / C. Lai [et al.] // Forests. 2022. Vol. 13. № 7. P. 1129. DOI: 10.3390/f13071129. Forest Fire Prediction with Imbalanced Data Using a Deep Neural Network Method /C. Lai [et al.]//Forests. 2022. Vol. 13.№ 7. P. 1129. DOI: 10.3390/f13071129. Cortez P., Morais A. A Data Mining Approach to Predict Forest Fires Using Meteorological Data. In New Trends in Artificial Intelligence // Proceedings of the 13th EPIA 2007 - Portuguese Conference on Artificial Intelligence, Guimarães, Portugal, December 2007; Neves, J., Santos, M.F., Machado, J., Eds. P. 512-523. Cortez P., Morais A. A Data Mining Approach to Predict Forest Fires Using Meteorological Data. In New Trends in Artificial Intelligence // Proceedings of the 13th EPIA 2007 - Portuguese Conference on Artificial Intelligence, Guimarães, Portugal, December 2007; Neves, J., Santos, M.F., Machado, J., Eds. P. 512-523. Andrews Patricia L. Current status and future needs of the BehavePlus Fire Modeling System // International Journal of Wildland Fire. 2014. № 23. P. 21-33. DOI: 10.1071/WF12167. Andrews Patricia L. Current status and future needs of the BehavePlus Fire Modeling System // International Journal of Wildland Fire. 2014. № 23. P. 21-33. DOI: 10.1071/WF12167. Price S., Germino M.J. Modeling of fire spread in sagebrush steppe using FARSITE: an approach to improving input data and simulation accuracy // Fire Ecology. 2022. № 18. P 18-23. DOI: 10.1186/s42408-022-00147-2. Price S., Germino M.J. Modeling of fire spread in sagebrush steppe using FARSITE: an approach to improving input data and simulation accuracy // Fire Ecology. 2022. № 18. P. 18-23. DOI: 10.1186/s42408-022-00147-2. Mahmoud H., Chulahwat A. Unraveling the Complexity of Wildland Urban Interface Fires // Scientific Reports. 2018. № 8. P. 9315. DOI: 10.1038/s41598-018-27215-5. Mahmoud H., Chulahwat A. Unraveling the Complexity of Wildland Urban Interface Fires // Scientific Reports. 2018. № 8. P. 9315. DOI:10.1038/s41598-018-27215-5. Nebot À., Mugica F. Forest Fire Forecasting Using Fuzzy Logic Models // Forests. 2021. № 12 (8). P. 1005. DOI: 10.3390/f12081005. Nebot À., Mugica F. Forest Fire Forecasting Using Fuzzy Logic Models // Forests. 2021. № 12 (8). P. 1005. DOI:10.3390/f12081005.