Статистика пожаров как инструмент предотвращения чрезвычайных ситуаций

Введение. Известно, что возникновение чрезвычайных ситуаций (ЧС) является многофакторным процессом, зависящим от большого числа составляющих. Одной из наиболее часто возникающих категорий чрезвычайных ситуаций является возгорание. Возгорания, вне зависимости от объекта, приводят к существенным, а в некоторых случаях катастрофическим социально-экономическим и технологическим последствиям. На предотвращение и минимизацию подобных ситуаций направлена работа Государственной противопожарной службы МЧС России.

Ежегодно в открытых источниках публикуются сведения о возгораниях на промышленных и гражданских объектах [1–4]. Данная статистика носит предупредительный характер, поскольку позволяет оценить связи между некоторыми факторами, приводящими к возникновению ЧС. На основании анализа источников [1–4] удалось выявить следующие факторы, приводящие к возгораниям объектов: нарушение правил эксплуатации электрооборудования и бытовых электроприборов, неисправность производственного оборудования, нарушение технологического процесса производства, неосторожное обращение с огнем, шалость детей с огнем, нарушение правил пожарной безопасности при проведении электрогазосварочных работ, взрывы, самовозгорание веществ и материалов, неисправность и нарушение правил эксплуатации печного отопления, поджоги и прочие неустановленные причины. Однако, несмотря на системность представляемой информации, отсутствуют инструменты, позволяющие её формализовать и построить вероятностный прогноз развития ЧС в текущих условиях. Данные прогнозы необходимы для обозначения значимости профилактических мероприятий с представлением ориентировочных социально-культурных убытков. На основании вышеизложенного считаем, что анализ статистики пожаров и её формализация является практически значимой, актуальной задачей как для промышленности, так и для гражданского населения.

Цель исследования — анализ статистики пожаров и её формализация при прогнозировании ЧС.

Постановка задачи. Представительными статистическими данными по числу возгораний являются значения, опубликованные в [1–4]. Данные материалы являются достоверными и имеют сходимость с результатами, опубликованными в [5–7].

Установлено, что перспективным инструментом формализации статистических данных является использование методов множественного регрессионного анализа, обобщённо суть которых можно представить с помощью математических коэффициентов, оценивающих величину достоверности функциональной аппроксимации некоторого массива данных. На основании анализа [8–10] установлено, что применительно к поставленной задаче наиболее рациональным является использование линейных регрессионных моделей вида:

где b₀, b_i, b_ii, b_j — коэффициенты, характеризующие силу влияния свободных, линейных, квадратичных и парных эффектов взаимодействия математической модели; x_i x_j — факторы, силу влияния которых на рассматриваемый отклик демонстрирует математическая модель.

где b₀, b_i, b_ii, b_j — коэффициенты, характеризующие силу влияния свободных, линейных, квадратичных и парных эффектов взаимодействия математической модели; x_i x_j — факторы, силу влияния которых на рассматриваемый отклик демонстрирует математическая модель.

В качестве параметра, наиболее представительно характеризующего достоверность и тесноту связи эмпирических данных с их математической функцией, примем коэффициент корреляции. Практический опыт оценки достоверности статистических моделей с помощью коэффициента корреляции представлен в работах [11, 12]. Рассмотрим общие закономерности алгоритма использования коэффициента корреляции. Допустим наличие выборки объемом n из величин ( ), ( ),…, ( ) с их совместным распределением, тогда коэффициент корреляции определим как:

Коэффициент корреляции между x и y оценивает эмпирическую меру линейной зависимости между ними. Причем . Если перед всеми суммами поставить множители 1/(n-1),то  позволит учитывать дисперсии и ковариацию с замененными их выборочными оценками. Однако применительно к поставленной задаче ограничимся представлением о численных значениях коэффициента корреляции относительно –1 и +1, где значение –1 говорит об отсутствии связи, а +1 — о наличии.     

После выбора математического инструмента формализации статистики перейдём к анализу эмпирических данных, необходимых для построения вероятностных прогнозов. В таблице 1 представлены данные о пожарах в РФ за 2015–2020 годы, опубликованные в [1].

Таблица 1

Статистика возникновения пожаров в РФ за 2015-2020 годы

Примечание к таблице: фактор возникновения ЧС: 1 — нарушение правил эксплуатации электрооборудования и бытовых электроприборов; 2 — поджоги; 3 — неисправность производственного оборудования, нарушение технологического процесса производства; 4 — неосторожное обращение с огнем; 5 — шалость детей с огнем; 6 — нарушение правил пожарной безопасности при проведении электрогазосварочных работ; 7 — взрывы; 8 — самовозгорание веществ и материалов; 9 — неисправность и нарушение правил эксплуатации печного отопления; 10 — неустановленные; 11 — прочие причины.

Теоретическая часть. На рис. 1 представлено распределение числа возгораний в зависимости от года.

Рис. 1. Распределение числа возгораний в зависимости от года

Анализ представленной статистики позволил установить, что:

• линейная модель (3) с достаточной степенью достоверности характеризует годовое распределение числа возгораний от нарушения правил эксплуатации электрооборудования и бытовых электроприборов при уровне статистической значимости α = 0,05:

при этом коэффициент корреляции равен r = 1,0;

• линейная модель (4) с достаточной степенью достоверности характеризует годовое распределение числа возгораний от прочих причин при уровне статистической значимости α = 0,05:

   y = –47x + 102 996,                                                                                   (4)

  при этом коэффициент корреляции равен r = 1,0;

  • линейная модель (5) с достаточной степенью достоверности характеризует годовое распределение числа возгораний от шалости детей с огнем при уровне статистической значимости α = 0,05:

   y = –20x + 41 500,                                                                                     (5)

  при этом коэффициент корреляции равен r = 1,0;

  • линейная модель (6) с достаточной степенью достоверности характеризует годовое распределение числа возгораний неисправности производственного оборудования, нарушение технологического процесса производства при уровне статистической значимости α = 0,05:

    y = 33x – 66342,                                                                                       (6)

  при этом коэффициент корреляции равен r = 1,0;

  • линейная модель (7) с достаточной степенью достоверности характеризует годовое распределение числа возгораний неосторожного обращения с огнем при уровне статистической значимости α = 0,05:

   y = –1 587,00x + 3 229 995,00,                                                                 (7)

  при этом коэффициент корреляции равен r = 1,0;

  • линейная модель (8) с достаточной степенью достоверности характеризует годовое распределение числа возгораний нарушений правил пожарной безопасности при проведении электрогазосварочных работ при уровне статистической значимости α = 0,05:

   y = –18x + 36909,                                                                                      (8)

  при этом коэффициент корреляции равен r = 1,0;

  • линейная модель (9) с достаточной степенью достоверности характеризует годовое распределение числа возгораний при взрывах при уровне статистической значимости α = 0,05:

   y = 7x – 14100,                                                                                          (9)

  при этом коэффициент корреляции равен r = 1,0;

  • линейная модель (10) с достаточной степенью достоверности характеризует годовое распределение числа самовозгораний веществ и материалов при уровне значимости α = 0,05:

    y = 25x – 50227,                                                                                    (10)

  при этом коэффициент корреляции равен r = 1,0.

  • линейная модель (11) с достаточной степенью достоверности характеризует годовое распределение числа возгораний неисправности и нарушение правил эксплуатации печного отопления при уровне статистической значимости α = 0,05:

   y = 1 175,00x – 2 360 588,00,                                                                  (11)

  при этом коэффициент корреляции равен r = 1,0.

  • линейная модель (12) с достаточной степенью достоверности характеризует годовое распределение числа не установленных возгораний при уровне статистической значимости α = 0,05:

   y = –72x + 146 890,                                                                                (12)

  при этом коэффициент корреляции равен r = 1,0.

  • линейная модель (13) с достаточной степенью достоверности характеризует годовое распределение числа возгораний из-за поджогов при уровне значимости α = 0,05:

    y = 873,00x – 1 738 465,00,                                                                   (13)

  при этом коэффициент корреляции равен r = 1,0.

  Выводы. Из вышесказанного можно заключить:

  – на основании статистики с 2015 по 2020 годы установлено, что наибольшая доля возгораний приходится на поджоги и неосторожное обращение с огнем;

  – доказано, что эффективным инструментом прогнозирования пожаров является использование линейных методов регрессионного анализа;

  – формализация статистики пожаров с использованием линейных регрессионных моделей позволяет структурировать и цифровизировать имеющиеся массивы данных с точки зрения предъявляемых критериев;

  – математическая структуризация статистики с точки зрения предъявляемых критериев позволяет использовать массивы данных в автоматизированном режиме.

Поступила в редакцию 19.05.2022

Поступила после рецензирования 05.06.2022

Принята к публикации 05.06.2022

Об авторах:

Хлебунов Сергей Анатольевич, декан факультета «Безопасность жизнедеятельности и инженерная экология» Донского государственного технического университета (344003, РФ, г. Ростов-на-Дону, пл. Гагарина, 1), кандидат технических наук, ORCID, shlebunov@yandex.ru

Хохлова Кристина Владимировна, студент кафедры «Безопасность жизнедеятельности и защита окружающей среды» Донского государственного технического университета (344003, РФ, г. Ростов-на-Дону, пл. Гагарина, 1), ORCID, cristy2020@yandex.ru

Заявленный вклад соавторов:

С. А. Хлебунов — научное руководство, анализ результатов исследований, доработка текста, корректировка выводов; К. В. Хохлова — формирование основной концепции, цели и задачи исследования, проведение расчетов, подготовка текста, формирование выводов.