Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Bezpieczeństwo i Technika Pożarnicza

2 2015

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: statistical forecasting

Sortuj według:

Ogranicz wyniki do:

Przestrzenna analiza zagrożeń na podstawie danych historycznych

Prońko J., Kielin J., Wojtasiak B.

Bezpieczeństwo i Technika Pożarnicza

2015

Nr 3

77--92

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.

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.

Klasyfikacja zdarzeń na podstawie danych historycznych

Prońko J., Kielin J., Wojtasiak B.

Bezpieczeństwo i Technika Pożarnicza

2015

Nr 3

93--109

Cel: Opis metody klasyfikacji zdarzeń krytycznych stanowiącej uzupełnienie przestrzennej analizy zagrożeń. Wprowadzenie: Klasyfikacja zdarzeń krytycznych pozwala na ocenę zdolności zorganizowanego systemu ratowniczo-gaśniczego do sprostania wymaganiom występującym na danym terenie. Powinna ona opierać się na analizie danych historycznych, ponieważ tylko one dają prawdziwy obraz występujących na danym terenie zdarzeń krytycznych. Co więcej w kontekście stabilności procesu ich pojawiania się, opisanego rozkładem Poissona, pozwalają przewidywać przyszłość w kilkuletniej perspektywie czasowej. Tym samym pozwalają ocenić zdolność systemu ratowniczo-gaśniczego do realizacji, na akceptowalny poziomie, stawianych przed nim zadań. Prezentowana w niniejszym artykule klasyfikacja zdarzeń krytycznych oparta została na naiwnym klasyfikatorze bayesowskim, który zakłada niezależność cech klasyfikacji. Pomimo swojej mylącej nazwy i prostoty założeń jest on bardzo skutecznym narzędziem klasyfikacji. W artykule zaprezentowano założenia metodyczne prowadzenia klasyfikacji zdarzeń krytycznych, opisano algorytm wykorzystania klasyfikacji zdarzeń krytycznych w przestrzennej analizie zagrożeń oraz zaprezentowano przykład takiej analizy dla jednego z powiatów. W badaniach wykorzystano dane zgromadzone w Systemie Wspomagania Decyzji dla Stanowisk Kierowania w wersji FireBird SWD-ST 2,5. Metodologia: Analiza i prognozowanie statystyczne. Wnioski: Cechami wyróżniającymi poszczególne incydenty krytyczne są: rodzaj zdarzenia; czas trwania działań ratowniczych; ilość użytych do działań ratowniczych sił i środków. Wstępne wyróżnienie cech klasyfikacyjnych związane jest z istotą prowadzonych analiz, których głównym celem jest ocena adekwatności potencjału i czasowych możliwości reakcji systemu ratowniczo-gaśniczego. Dominującymi zatem cechami konstytuującymi daną kategorię zdarzeń będą: - rodzaj zdarzenia definiowany pod kątem niezbędnego wyposażenia i wyszkolenia; - wielkość zdarzenia definiowana pod kątem ilości sił i środków niezbędnych do prowadzenia skutecznej akcji ratowniczej i usuwania skutków. (Ponieważ analizy opierają się na danych historycznych należy zatem brać pod uwagę ilość zadysponowanych do danego zdarzenia sił i środków). - czas trwania działań ratowniczych, który wspólnie z zadysponowanymi siłami i środkami definiuje wielkość zdarzenia. Przeprowadzona analiza, której efekty jedynie w ograniczonym zakresie przedstawiono w niniejszym artykule, udowadnia słuszność przyjętych założeń.

Aim: To describe an approach in the classification of critical incidents, which are aggregated for a spatial analysis of threats. Introduction: Classification of critical incidents allows for a capability evaluation of an organized firefighting and rescue system, to meet the demands identified in a given area. It should be based on an analysis of historical data and only such information provides a realistic representation of critical incidents, which occur in a given area. In the context of process stability, this profile can be illustrated by the Poisson distribution and will facilitate short term forecasting. Additionally, such data allows for performance evaluation of the firefighting and rescue system in context of tasks placed upon the system. The critical incident classification, presented in this article, is based on the naive Bayesian codifier, which assumes the independence of classification characteristics. Despite the misleading name and simplified assumptions, it is a very effective tool in the classification process. The article presents methodological assumptions for grading of critical events, describes the algorithm used for the codification of such incidents in the course of spatial threat analysis and provides an example of such an analysis for one of the districts. The study used data stored in the support system for decision making in Command and Control Centres, Fire Bird version 2.5 SWD-ST. Methodology: Statistical analysis and forecasting. Conclusions: The distinguishing features of critical incidents are: type of event, operation duration and volume of resources used during incidents. The initial distinction of classification features is linked to the essence of the analysis, whose main objective is to assess the adequacy of potential and timely response of the firefighting and rescue system. Therefore, dominant features for a given category of incident will be: type of event, defined in terms of required equipment and training; the size of incident, defined in terms of the volume of resources necessary to conduct an effective rescue operation. Since the analysis is based on historical data, it is necessary to take into account the volume of resources deployed to a given incident and finally; the duration for the operation, which together with resources used, defines the magnitude of the incident. The analysis and outcomes, of which a limited range is presented in this article, confirms the validity of assumptions.