1. Наука
  2. Видання
  3. Наука і техніка Повітряних Сил Збройних Сил України
  4. 1(34)'2019
  5. Алгоритм повышения точности прогнозирования процесса возникновения чрезвычайных ситуаций на основе регрессионных моделей

Алгоритм повышения точности прогнозирования процесса возникновения чрезвычайных ситуаций на основе регрессионных моделей

Г.В. Иванец, М.Г. Иванец
Аннотации на языках:


Анотация: Для прогнозирования процесса возникновения чрезвычайных ситуаций в государстве широко используются мето-ды регрессионного анализа. Регрессионная модель такого процесса, как правило, носит нелинейный характер и пред-ставляется в виде степенного полинома. При оценке параметров модели методом наименьших квадратов не всегда обеспечивается постоянство дисперсии остатков для каждого наблюдения или группы наблюдений. Это приводит к тому, что параметры регрессионной модели не будут иметь минимальную дисперсию, что ухудшает точность про-гноза. В статье предложен алгоритм прогнозирования процесса возникновения чрезвычайных ситуаций с учетом оши-бок регрессионной модели и уточнения оценок ее параметров на основе взвешенного метода наименьших квадратов. Результаты экспериментальных исследований подтверждают эффективность применения взвешенного метода наи-меньших квадратов для повышения точности прогнозирования процесса возникновения чрезвычайных ситуаций при использовании регрессионных моделей.


Ключевые слова: чрезвычайная ситуация, регрессионная модель, взвешенный метод наименьших квадратов, точность прогноза

Список литературы

1. Звіт про основні результати діяльності Державної служби України з надзвичайних ситуацій у 2017 році [Елект-ронний ресурс]. – URL: www.dsns.gov.ua/files/2018/1/26/Zvit%202017(KMУ).pdf.
2. Guskova N.D. Threats of natural character, factors affecting sustainable development of territories and their prevention / N.D. Guskova, E.A. Neretina // Journal of the Geographical Institute Jovan Cvijic, SASA. – 2013. – Vol. 63, Issue 3. – P. 227-237. https://doi.org//10.2298/ijgil303227g.
3. System approach for readiness assessment units of civil defense to actions at emergency situations / V.V. Tiutiunyk, H.V. Ivanetz, I.A. Tolkunov, E.I. Stetsyuk // Scientific Bulletin of National Mining University. – 2018. – Vol. 1. – P. 99-105. https://doi.org/10.29202/nvngu/2018-1/7.
4. Development of combined method for predicting the process of the occurrence of emergencies of natural character / H. Ivanets, S. Horielyshev, M. Ivanets, D. Baulin, I. Tolkunov, N. Gleizer, A. Nakonechnyi // Eastern-European Journal of Enterprise Technologies. – 2018. – Vol. 5, Issue 10(95). – P. 48-55. https://doi.org/10.15587/1729-4061.2018.143045.
5. Голован Ю.В. Защита населения в чрезвычайных ситуациях. Организационно-методический комплекс / Ю.В. Голован, Т.В. Козырь. – Дальневосточный государственный технический университет, Издательство “Проспект”, 2015. – 219 с.
6. Іванець Г.В. Аналіз стану техногенної, природної та соціальної небезпеки адміністративно-територіальних одиниць України на основі даних моніторингу / Г.В. Іванець // Збірник наукових праць Харківського національного університету Повітряних Сил. – 2016. – № 3(48). – С. 142-145.
7. Neisser F. The future is now! Extrapolated riskscapes, anticipatory action and the management of potential emergencies / F. Neisser, S. Runkel // Geoforum. – 2017. – Vol. 82. – P. 170-179. https://doi.org/10.1016/j.geoforum.2017.04.008.
8. Extrapolation of Functions of Many Variables by Means of Metric Analysis / A. Kryanev, V. Ivanov, A. Romanova, L. Sevastianov, D. Udumyan // EPJ Web of Conferences. – 2018. – Vol. 173:03014. https://doi.org/10.1051/epjconf/201817303014.
9. Development of the technique for restricting the propagation of fire in natural peat ecosystems / K. Migalenko, V. Nuianzin, A. Zemlianskyi, A. Dominik, S. Pozdieiev // Eastern-European Journal of Enterprise Technologies. – 2018. – Vol. 1, Issue 10(90). – P. 31-37. https://doi.org//10.15587/1729–4061.2018.121727.
10. Predictor-weighting strategies for probabilistic wind power forecasting with an analog ensemble / C. Junk, L. Delle Monache, S. Alessandrini, G. Cervone, L. von Bremen // Meteorologische Zeitschrift. – 2015. – Vol. 24, Issue 4. – P. 361-379. https://doi.org/10.1127/metz/2015/0659.
11. Morariu N. A neural network model for time series forecasting / N. Morariu, E. Iancu, S. Vlad // Romanian Journal of Economic Forecasting. – 2009. – Issue 4. – P. 213-223.
12. Pradhan R.P. Forecasting Exchange Rate in India: An Application of Artificial Neural Network Model / R.P. Pradhan, R. Kumar // Journal of Mathematics Research. – 2010. – Vol. 2, Issue 4. – P. 111-117. https://doi.org/10.5539/jmr.v2n4p111.
13. Al-Jumeily D., Ghazali R., Hussain A. Predicting Physical Time Series Using Dynamic Ridge Polynomial Neural Networks / D. Al-Jumeily, R. Ghazali, A. Hussain // PLoS ONE. – 2014. – Vol 9, Issue 8. – P. e105766. https://doi.org/10.1371/journal.pone.0105766.
14. Szoplik J. Forecasting of natural gas consumption with artificial neural networks / J. Szoplik // Energy. – 2015. – Vol. 85. – P. 208-220. https:// doi.org/10.1016/j.energy.2015.03.084.
15. Баласянян С.Ш. Сравнительный анализ методов регрессии и метода группового учета аргументов при модели-ровании процессов переработки полезных ископаемых / С.Ш. Баласянян, Э.М. Геворгян // Известия Томского политех-нического университета. Инжиринг георесурсов. – 2016. – Т. 327, №4. – С. 23-34.
16. Nivolianitou Z. Towards emergency management of natural disasters and critical accidents: The Greek experience / Z. Nivolianitou, B.A. Synodinou // Journal of Environmental Management. – 2011. – Vol. 92, Issue 10. – P. 2657-2665. https://doi.org/10.1016/j.jenvman.2011.06.003.
17. Новоселов С.В. Проблемы прогнозирования количества чрезвычайных ситуаций статистическими методами / С.В. Новоселов, С.А. Панихидников // Горный информационно-аналитический бюллетень. – 2017. – № 10. – С. 60-71.
18. Національна доповідь про стан техногенної та природної безпеки в Україні у 2013 році / УНДІ ЦЗ ДСНС України. – Київ, 2014. – 542 с.