Problems of risk management in the technosphere Problems of risk management in the technosphere Проблемы управления рисками в техносфере 1998-8990 98879 10.61260/1998-8990-2025-1-102-117 Снижение рисков и ликвидация последствий чрезвычайных ситуаций. Обеспечение безопасности при ЧС Risk reduction and elimination of consequences of emergency situations. Ensuring safety in case of emergency Снижение рисков и ликвидация последствий чрезвычайных ситуаций. Обеспечение безопасности при ЧС MATHEMATICAL MODEL FOR JUSTIFYING THE VOLUMES OF ENGINEERING AND TECHNICAL MEASURES TO MINIMIZE DAMAGE FROM NATURAL EMERGENCIES CONSIDERING ANTHROPOGENIC FACTORS МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ОБОСНОВАНИЯ ОБЪЕМОВ ИНЖЕНЕРНО-ТЕХНИЧЕСКИХ МЕРОПРИЯТИЙ ДЛЯ МИНИМИЗАЦИИ УЩЕРБА ОТ ПРИРОДНЫХ ЧРЕЗВЫЧАЙНЫХ СИТУАЦИЙ С УЧЕТОМ АНТРОПОГЕННЫХ ФАКТОРОВ https://orcid.org/0000-0002-4037-1231 Рыбаков Анатолий Валерьевич Rybakov Anatoly V. a.rybakov@agz.50.mchs.gov.ru

доктор технических наук;

doctor of technical sciences;

 https://orcid.org/0009-0003-9732-4449 Постернак Евгений Валерьевич Posternak Evgeniy V. kripsy93@yandex.ru Академия гражданской защиты МЧС России Химки Россия Academy of civil protection of EMERCOM of Russia Khimki Russian Federation Российский государственный социальный университет Москва Россия Russian state social university Moscow Russian Federation 16 05 2025 16 05 2025 2025 1 102 117 12 02 2025 24 02 2025 https://journals.igps.ru/en/nauka/article/98879/view

Рассмотрены вопросы повышения точности прогнозирования ущерба от природных чрезвычайных ситуаций с учетом антропогенных факторов. Показано, что игнорирование данных факторов приводит к недостоверным оценкам ущерба и неэффективному планированию защитных мероприятий. Предложен подход, основанный на интеграции метеорологических и антропогенных показателей в единую модель с использованием нейронной сети. Модель позволяет одновременно прогнозировать ущерб и обосновывать объемы инженерно-технических мероприятий, что способствует более рациональному распределению ресурсов и снижению совокупных потерь от чрезвычайных ситуаций.

The article addresses the issue of improving the accuracy of damage forecasting from natural emergencies while taking anthropogenic factors into account. It is demonstrated that ignoring these factors leads to unreliable damage assessments and inefficient planning of protective measures. An approach is proposed that integrates meteorological and anthropogenic indicators into a unified model using a neural network. The model enables simultaneous damage forecasting and justification of the volumes of engineering and technical measures, contributing to a more rational allocation of resources and a reduction in overall losses from emergencies.

 прогнозирование ущерба чрезвычайные ситуации антропогенные факторы инженерно-технические мероприятия нейронная сеть оптимизация ресурсов метеорологические данные damage forecasting emergencies anthropogenic factors engineering and technical measures neural network resource optimization meteorological data

Управление рисками экстремальных явлений и бедствий для продвижения адаптации к изменению климата (Межправительственная группа экспертов по изменению климата (МГЭИК) // Специальный доклад МГЭИК по управлению рисками экстремальных явлений и бедствий для продвижения адаптации к изменению климата. 2012. 594 с. URL: https://www.ipcc.ch/site/assets/uploads/2018/03/IPCC_SREX_RU_web-1.pdf (дата обращения: 11.02.2025). Upravlenie riskami ekstremal'nyh yavlenij i bedstvij dlya prodvizheniya adaptacii k izmeneniyu klimata (Mezhpravitel'stvennaya gruppa ekspertov po izmeneniyu klimata (MGEIK) // Special'nyj doklad MGEIK po upravleniyu riskami ekstremal'nyh yavlenij i bedstvij dlya prodvizheniya adaptacii k izmeneniyu klimata. 2012. 594 s. URL: https://www.ipcc.ch/site/assets/uploads/2018/03/IPCC_SREX_RU_web-1.pdf (data obrashcheniya: 11.02.2025). Evaluation of ensemble streamflow predictions in Europe / L. Alfieri [et al.] // Journal of Hydrology. 2014. Vol. 517. P. 913–922. DOI: 10.1016/j.jhydrol.2014.06.035. Evaluation of ensemble streamflow predictions in Europe / L. Alfieri [et al.] // Journal of Hydrology. 2014. Vol. 517. P. 913–922. DOI: 10.1016/j.jhydrol.2014.06.035. Pappenberger F., Thielen J., Del Medico M. The impact of weather forecast improvements on large scale hydrology: analyzing a decade of forecasts of the European Flood Alert System // Hydrological Processes. 2011. Vol. 25. № 7. P. 1091–1113. DOI: 10.1002/hyp.7772. Pappenberger F., Thielen J., Del Medico M. The impact of weather forecast improvements on large scale hydrology: analyzing a decade of forecasts of the European Flood Alert System // Hydrological Processes. 2011. Vol. 25. № 7. P. 1091–1113. DOI: 10.1002/hyp.7772. Framing vulnerability, risk and societal responses: the MOVE framework /J. Birkmann [et al.] // Natural Hazards. 2013. Vol. 67. № 2. P. 193–211. DOI: 10.1007/s11069-013-0558-5. Framing vulnerability, risk and societal responses: the MOVE framework /J. Birkmann [et al.] // Natural Hazards. 2013. Vol. 67. № 2. P. 193–211. DOI: 10.1007/s11069-013-0558-5. Anaya-Arenas A.M., Renaud J., Ruiz A. Relief distribution networks: a systematic review // Annals of Operations Research. 2014. Vol. 223. № 1. P. 53–79. DOI: 10.1007/s10479-014-1581-y. Anaya-Arenas A.M., Renaud J., Ruiz A. Relief distribution networks: a systematic review // Annals of Operations Research. 2014. Vol. 223. № 1. P. 53–79. DOI: 10.1007/s10479-014-1581-y. Rawls C.G., Turnquist M.A. Pre-positioning of emergency supplies for disaster response // Transportation Research Part B: Methodological. 2010. Vol. 44. № 4. P. 521–534. DOI: 10.1016/j.trb.2009.08.003. Rawls C.G., Turnquist M.A. Pre-positioning of emergency supplies for disaster response // Transportation Research Part B: Methodological. 2010. Vol. 44. № 4. P. 521–534. DOI: 10.1016/j.trb.2009.08.003. Leveraging machine learning algorithms for improved disaster prediction and management / A. Linardos [et al.] // Frontiers in Environmental Science. 2023. Vol. 11. Article 1194918. DOI: 10.3389/fenvs.2023.1194918. Leveraging machine learning algorithms for improved disaster prediction and management / A. Linardos [et al.] // Frontiers in Environmental Science. 2023. Vol. 11. Article 1194918. DOI: 10.3389/fenvs.2023.1194918. Lu L., Guo W. Automatic Quantification of Settlement Damage using Deep Learning of Satellite Images // arXiv preprint arXiv: 2010.05512. 2020. URL: https://arxiv.org/abs/2010.05512 (дата обращения: 28.01.2025). Lu L., Guo W. Automatic Quantification of Settlement Damage using Deep Learning of Satellite Images // arXiv preprint arXiv:2010.05512. 2020. URL: https://arxiv.org/abs/2010.05512 (data obrashcheniya: 28.01.2025). Рыбаков А.В., Постернак Е.В. Актуальность проблемы повышения качества прогнозирования чрезвычайных ситуаций природного характера // Моделирование технически сложных процессов и систем: сб. трудов ХXXIII Междунар. науч.-практ. конф. Химки, 2023. С. 40–44. Rybakov A.V., Posternak E.V. Aktual'nost' problemy povysheniya kachestva prognozirovaniya chrezvychajnyh situacij prirodnogo haraktera // Modelirovanie tekhnicheski slozhnyh processov i sistem: sb. trudov HXXIII Mezhdunar. nauch.-prakt. konf. Himki, 2023. S. 40–44. МЧС России. URL: https://mchs.gov.ru/deyatelnost/itogi-deyatelnosti-mchs-rossii (дата обращения: 28.01.2025). MCHS Rossii. URL: https://mchs.gov.ru/deyatelnost/itogi-deyatelnosti-mchs-rossii (data obrashcheniya: 28.01.2025). Европейская экономическая комиссия ООН. Статистическая база данных ЕЭК ООН. URL: https://w3.unece.org/PXWeb/ru/ (дата обращения: 28.01.2025). Evropejskaya ekonomicheskaya komissiya OON. Statisticheskaya baza dannyh EEK OON. URL: https://w3.unece.org/PXWeb/ru/ (data obrashcheniya: 28.01.2025). Центр исследований эпидемиологии катастроф. Международная база данных о чрезвычайных ситуациях EM-DAT. URL: https://www.emdat.be/ (дата обращения: 28.01.2025). Centr issledovanij epidemiologii katastrof. Mezhdunarodnaya baza dannyh o chrezvychajnyh situaciyah EM-DAT. URL: https://www.emdat.be/ (data obrashcheniya: 28.01.2025). Новоселов И.Э., Смирнов А.А., Жидков И.С. Изучение влияния параметров перовскитных солнечных батарей на их эффективность при помощи машинного обучения // Международный научно-исследовательский журнал. 2024. № S5 (143). URL: https://research-journal.org/archive/5-143-2024-may/10.60797/IRJ.2024.143.121 (дата обращения: 28.01.2025). DOI: 10.60797/IRJ.2024.143.121. Novoselov I.E., Smirnov A.A., Zhidkov I.S. Izuchenie vliyaniya parametrov perovskitnyh solnechnyh batarej na ih effektivnost' pri pomoshchi mashinnogo obucheniya // Mezhdunarodnyj nauchno-issledovatel'skij zhurnal. 2024. № S5 (143). URL: https://research-journal.org/archive/5-143-2024-may/10.60797/IRJ.2024.143.121 (data obrashcheniya: 28.01.2025). DOI: 10.60797/IRJ.2024.143.121. Расина И.В. Дискретно-непрерывные модели и оптимизация управляемых процессов // Программные системы: теория и приложения. 2011. № 5. URL: https://cyberleninka.ru/article/n/diskretno-nepreryvnye-modeli-i-optimizatsiya-upravlyaemyh-protsessov (дата обращения: 28.01.2025). Rasina I.V. Diskretno-nepreryvnye modeli i optimizaciya upravlyaemyh processov // Programmnye sistemy: teoriya i prilozheniya. 2011. № 5. URL: https://cyberleninka.ru/article/n/diskretno-nepreryvnye-modeli-i-optimizatsiya-upravlyaemyh-protsessov (data obrashcheniya: 28.01.2025). Агарков Ю.Ю. Методы машинного обучения для оптимизации проектирования нейроморфных систем // Инновации и инвестиции. 2023. № 6. URL: https://cyberleninka.ru/article/n/metody-mashinnogo-obucheniya-dlya-optimizatsii-proektirovaniya-neyromorfnyh-sistem (дата обращения: 28.01.2025). Agarkov Yu.Yu. Metody mashinnogo obucheniya dlya optimizacii proektirovaniya nejromorfnyh sistem // Innovacii i investicii. 2023. № 6. URL: https://cyberleninka.ru/article/n/metody-mashinnogo-obucheniya-dlya-optimizatsii-proektirovaniya-neyromorfnyh-sistem (data obrashcheniya: 28.01.2025). Торкунова Ю.В., Милованов Д.В. Оптимизация нейронных сетей: методы и их сравнение на примере интеллектуального анализа текста // IJAS. 2023. № 4. URL: https://cyberleninka.ru/article/n/optimizatsiya-neyronnyh-setey-metody-i-ih-sravnenie-na-primere-intellektualnogo-analiza-teksta (дата обращения: 28.01.2025). Torkunova Yu.V., Milovanov D.V. Optimizaciya nejronnyh setej: metody i ih sravnenie na primere intellektual'nogo analiza teksta // IJAS. 2023. № 4. URL: https://cyberleninka.ru/article/n/optimizatsiya-neyronnyh-setey-metody-i-ih-sravnenie-na-primere-intellektualnogo-analiza-teksta (data obrashcheniya: 28.01.2025).