PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Przestrzenna analiza zagrożeń na podstawie danych historycznych

Treść / Zawartość
Identyfikatory
Warianty tytułu
EN
Spatial Analysis of Hazards Based on Historical Data
Języki publikacji
PL
Abstrakty
PL
Cel: Opis metody przestrzennej analizy zagrożeń. Wprowadzenie: W celu doskonalenia systemu ratownictwa potrzebna jest wiedza na temat występujących na danym obszarze zdarzeń wymagających działania służb ratowniczych. Powinna być ona rzetelnie udokumentowana, a metody wnioskowania wiarygodne. Wiedzę na ten temat czerpiemy zawsze z przeszłości. Może być ona zawarta w zbiorach danych lub w doświadczeniu ekspertów. Korzystanie z wiedzy i doświadczenia ekspertów jest niekiedy konieczne, jednakże zawsze obarczone subiektywizmem. Dane archiwalne natomiast są mniej subiektywne. Wymagają jednak stosowania odpowiednich narzędzi w procesie wydobywania z nich wiedzy i wnioskowania. Dokonując ukierunkowanej analizy statystycznej danych dotyczących pożarów i innych zdarzeń miejscowych, które miały miejsce na danym obszarze w określonym przedziale czasu, możemy wskazać na przestrzenne rozmieszczenie tych zdarzeń. Z przeprowadzonych badań wynika, że ewolucja zmian w rozkładzie gęstości zdarzeń krytycznych jest bardzo powolna. Pozwala to założyć, że rozkład gęstości zdarzeń krytycznych jest w kilkuletnich przedziałach czasowych stacjonarny. Prowadzenie zatem takich analiz może być bardzo przydatne do planowania: rozmieszczenia i potencjału jednostek ratowniczych, w kontekście narzuconych norm czasowych reakcji systemu ratowniczego na incydenty krytyczne. Metodologia: Analiza i prognozowanie statystyczne. Wnioski: Proces pojawiania się zdarzeń krytycznych na wybranym obszarze można opisać za pomocą stacjonarnego (w pewnym przedziale czasowym) procesu Poissona. Prognozy oparte na tym schemacie są w znacznym stopniu wiarygodne pod warunkiem, że oceny ryzyka wystąpienia zdarzeń krytycznych dokonamy agregując prognozy z obszarów podstawowych. Najmniejszym obszarem podstawowym dla takiej analizy może być kwadrat o pow. 1 km2 wyznaczony przez współrzędne topograficzne. Zliczamy liczbę zdarzeń krytycznych w poszczególnych kwadratach podstawowych na przestrzeni np. jednego roku. Rezultatem tego będzie mapa z historyczną gęstością zdarzeń krytycznych na wskazanym obszarze. Z przeprowadzonych badań wynika, że przyjmując wyznaczoną liczbę zdarzeń krytycznych w poszczególnych kwadratach, jako oczekiwaną liczbę zdarzeń krytycznych w rozkładzie Poissona, możemy z dużym stopniem wiarygodności prognozować liczbę zdarzeń krytycznych w roku następnym. Prognoza taka pomimo metodycznej prostoty jest prognozą w 90% wiarygodną. Starano się to wykazać w prezentowanym artykule.
EN
Aim: To describe the process for the conduct of a spatial analysis of hazards. Introduction: Improvements to the rescue system require knowledge of incidents taking place in a given area, which need the intervention from rescue services. Such information ought to be scrupulously documented and inference methods should be plausible. Knowledge of issues is gained from past experience. This may be held on a database or derived from the experience of experts. Use of expert knowledge and experience is at times necessary, however, it is always weighed down with subjectivity. On the other hand, historical data is less subjective. The use of historical data requires an application of appropriate tools during the process of knowledge extraction and formulation of conclusions. It is possible to reveal a spatial dispersion of incidents from a focused statistical analysis of historical data, about fires and other local incidents, which occurred in a given area within a specified time frame. Prior research reveals that evolutionary change in the distribution density of critical incidents is very slow. This allows for an assumption that the density distribution of critical incidents, in a time frame of several years, is static. Therefore, the production of such an analysis can be very useful for planning purposes, to deal with issues concerning the distribution and capability levels of fire stations in context of applied standards for speed of response, to address critical incidents. Methodology: Analysis and statistical forecasting. Conclusions: Emergence of critical incidents in selected areas may be described with the aid of a stationery (in a particularly compartmentalized time frame) Poisson distribution. Forecasts based on this approach have significant credibility, subject to the proviso that the risk evaluation of a critical incident event will be made by aggregating forecasts from initial base areas. The smallest base area for such an analysis may be a square with an area of 1 km2 identified by topographic co-ordinates. The number of critical incidents should be counted for each square over a period of say, one year. The result will reveal a map with a historical density of critical incidents for an identified target area. Research reveals that by accepting an identified number of critical incidents in individual squares, as an anticipated number of critical incidents in a Poisson distribution, it is possible to forecast the number of critical incidents in the following year with a high level of confidence. Such an estimate, despite the simplistic approach, is a forecast with 90% credibility, a point, which this article sought to demonstrate.
Twórcy
autor
  • Uniwersytet Jana Kochanowskiego w Kielcach
autor
  • Centrum Naukowo-Badawcze Ochrony Przeciwpożarowej – Państwowy Instytut Badawczy, Józefów
autor
  • Centrum Naukowo-Badawcze Ochrony Przeciwpożarowej – Państwowy Instytut Badawczy, Józefów
Bibliografia
  • [1] Ciocchetta F., Gilmore S., Guerriero M. L., Hillston J., Integrated Simulation and Model-Checking for the Analysis of Biochemical Systems, “Electronic Notes in Theoretical Computer Science” Vol. 232, 2009, p. 17-38.
  • [2] Guerriero V., Iannace A., Mazzoli S., Parente M., Vitale S., Giorgioni M., Quantifying uncertainties in multi-scale studies of fractured reservoir analogues: Implemented statistical analysis of scan line data from carbonate rocks, „Journal of Structural Geology”, 2009.
  • [3] Koronacki J., Mielniczuk J., Statystyka dla studentów kierunków technicznych i przyrodniczych, WNT, Warszawa 2006.
  • [4] Prońko J., Bezpieczeństwo, zagrożenie, kryzys w kontekście kierowania organizacjami, AON, Warszawa 2011.
  • [5] Prońko J., Zarządzanie ryzykiem w obszarze bezpieczeństwa powszechnego, Wyższa Szkoła Administracji, Bielsko-Biała 2010.
  • [6] Reducing risks, protecting people. HSE’s decision – making process, Her Majesty’s Stationery Office, HSE, Norwich 2001.
  • [7] Evans Ronald J., Boersma J., Blachman N.M., Jagers A.A., The Entropy of a Poisson Distribution: Problem 87-6, „SIAM Review” Vol. 30 Issue, 1988, pp. 314-317
  • [8] Wawrzynek J., Metody opisu i wnioskowania statystycznego, Wydawnictwo Akademii Ekonomicznej im. Oskara Langego we Wrocławiu, Wrocław 2007.
Uwagi
PL
Artykuł został opracowany w ramach projektu nr DOBR/0015/R/ID1/2012/03 pt. „Zaawansowane technologie teleinformatyczne wspomagające projektowanie systemu ratowniczego na poziomach: gmina, powiat, województwo” realizowanego przez konsorcjum naukowe ze środków finansowych Narodowego Centrum Badań i Rozwoju (konkurs nr 3/2012 na wykonanie projektów w zakresie badań naukowych lub prac rozwojowych na rzecz obronności i bezpieczeństwa państwa).
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-9040c4e0-8f4e-4557-9661-fa99204bde7b
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.