Разработка и использование инновационных технологий в структурах МЧС

1.

Дипломный проект по теме:
«Разработка и использование инновационных технологий в структурах МЧС»
Выполнил: Романов Г.А. ЗЧС21.2к

2.

Статистика пожаров Российская Федерация
16000
400000
13362
14000
347210
350000
12000
300000
10000
250000
8372
229000
2005
200000
2024
150000
2005
8000
2024
6000
4000
100000
2000
50000
0
Травмировано людей
0
Количество Пожаров
20
20000
18
18
18000
16
16000
14
14000
12
10
18412
12000
2005
8
2024
8
10000
6
6000
4
4000
2
2000
0
7545
8000
0
Ущерб млрд. руб.
Погибло людей
200
5

3.

Цели и задачи
Цель: разработка модели эффективного внедрения и использования инновационных технологий в
структурах Министерства по чрезвычайным ситуациям для повышения оперативности, точности и
безопасности реагирования на чрезвычайные ситуации.
Задачи:
Классифицировать существующие инновационные технологии
Изучить российский и международный опыт внедрения инноваций в систему реагирования на ЧС
Разработать модель внедрения перспективных инновационных технологий в деятельность одного из
подразделений МЧС.
Оценить экономическую целесообразность внедрения выбранных технологий.

4.

По уровню воздействия
Инкрементальные
Модернизационные
Радикальные

5.

Зарубежный опыт внедрения технологий
Федеральное агентство по управлению чрезвычайными ситуациями (FEMA) активно внедряет ИИ в
свою работу. Например, система AI for Disaster Response (ИИ для реагирования на стихийные бедствия)
используется для прогнозирования ущерба после ураганов и наводнений. Она анализирует данные со
спутников, датчиков и социальных сетей, чтобы определить районы с наибольшей потребностью в
помощи.

6.

Прогнозирование Чрезвычайных Ситуаций
Отдел
мониторинга
и
прогнозирования
чрезвычайных
ситуаций
1. Отделение формирования и актуализации баз данных;
2. Отделение сбора и обработки оперативной информации.
11.06.2025-13.06.2025

7.

Решение
Создание ИИ-системы, которая способна обрабатывать большие массивы данных
и выявлять закономерности, указывающие на возможное возникновение ЧС.
Компонент
Функция
Модуль сбора данных
Получает информацию из открытых источников: Росгидромет,
Яндекс.Погода, ЕГРИ, ГЛОНАСС, соцсети, датчики окружающей среды
Модуль обработки данных
Преобразует сырые данные в структурированный формат для
дальнейшего анализа
Модель машинного обучения Обученная модель, способная распознавать паттерны и делать прогнозы
Модуль вывода
Интегрированный в существующие системы, информационную сеть
МЧС, мобильное приложение «МЧС России», система раннего
предупреждения регионального управления.

8.

Модель машинного обучения
Модели бывают разных типов, заточенные под конкретные задачи
Тип модели
Применение
Преимущества
Логистическая регрессия
Бинарная
классификация
Простота,низкие требования к
ресурсам
CatBoost
Сложные зависимости Высокая производительность
между факторами
Выбираем CatBoost — как наиболее подходящую модель для анализа
разнородных данных с хорошей точностью и скоростью обучения.

9.

Пример работы
Регион: Калининградская область
Период: весна 2024 года
Событие: Возгорание сухой травы вблизи частного сектора
Как система могла бы сработать:
За 2 дня до ЧС модель фиксирует
1. Повышенную температуру воздуха
2. Низкое количество осадков
3. Увеличение числа постов в соцсетях о горящей
траве
Система выдаёт предупреждение уровня "Высокий"
МЧС заранее:
1. Проводит разведку потенциально опасной
местности
2. Оповещает жителей
3. Принимает действия по предотвращению
возгорания или распространения пламени

10.

ЗАКЛЮЧЕНИЕ
Разработка и внедрение алгоритма прогнозирования чрезвычайных ситуаций на основе ИИ
представляет собой социально и экономически целесообразное решение. Такая система позволит:
1. Снизить масштаб последствий ЧС
2. Уменьшить число жертв и пострадавших
3. Сэкономить бюджет региона за счёт своевременного реагирования
Безопасность — это не случайность, а результат знаний и действий.

11.

СПАСИБО ЗА
ВНИМАНИЕ