Об анализе временных рядов аварий и инцидентов на опасных производственных объектах
https://doi.org/10.21683/1729-2646-2024-24-4-12-19
Аннотация
Безопасное функционирование любых сложных распределенных систем во многом определяется уровнем развития инструментов анализа и прогнозирования происходящих на них событий. Помимо внешних факторов опасности, значимые угрозы создают т.н. опасные производственные объекты (ОПО). Аварии на таких объектах – предмет постоянного анализа и заботы эксплуатирующих организаций. Вместе с тем, статистика аварийности, накопленная за время функционирования таких объектов, часто неоднородна. Аварии и инциденты на ОПО происходят в разное время, при различном прогнозном фоне, что затрудняет построение и верификацию цифровых моделей подобных объектов. В настоящей работе предлагается алгоритм первичной обработки временных рядов наблюдений для выделения данных, которые можно использовать в дальнейшем для построения и обучения прогнозных моделей с требуемой точностью. Предлагаемый подход может быть реализован средствами языка R, который во многом стал стандартом для статистических расчетов.
Об авторах
А. В. Бочков
АО «НИИАС»
Россия
Россия
Бочков Александр Владимирович – доктор технических наук, Ученый секретарь,
ул. Нижегородская, д. 27, стр. 1, Москва 109029.
М. А. Киркин
ПАО «Газпром»
Россия
Россия
Киркин Максим Александрович – главный эксперт Департамента (В.И. Донцов),
Московский пр-т, д.156, лит. А, Санкт-Петербург, 196105.
Список литературы
1. Бочков А.В. Проблемы оценки опасностей и управления рисками объектов критически важной инфраструктуры Группы «Газпром»: аналитический обзор // Научно-технический сборник «Вести газовой науки». 2018. № 2(34). С. 51-87.
2. Бочков А.В., Сафонов В.С. Специфика анализа и оценок показателей риска редких событий на опасных производственных объектах // Научно-технический сборник «Вести газовой науки». 2020. № 1(42). С. 84-95.
3. Бочков А.В. Использование метода анализа иерархий для целей категорирования критически важных объектов по степени совокупного ущерба и риску противоправных действий // Проблемы анализа риска. 2008. Т. 5. № 4. С. 6-13.
4. Печеркин А.С., Гражданкин А.И., Разумняк Н.Л. Тенденции динамики фоновых показателей опасностей аварий на опасных производственных объектах // Безопасность труда в промышленности. 2022. № 11. С. 14-19. DOI: 10.24000/0409-2961-2022-11-14-19
5. Guo S., Wang Z., Cui K. et al. Analysis of a hazardous factory explosion accident // SHS web of conferences. 2023. Vol. 166. A.n. 01053. 5 p. DOI: 10.1051/shsconf/202316601053
6. Cadei L., Rossi G., Lancia L. et al. Hazardous Events Prevention and Management Through an Integrated Machine Learning and Big Data Analytics Framework // SPE Conference at Oman Petroleum & Energy Show, Muscat, Oman, March 2022. DOI: 10.2118/200110-ms
7. Немчинов Д.В., Селиверстова А.Н., Немчинова А.Л. Управление рисками аварийных ситуаций на опасном производственном объекте (установка каталитического риформинга) // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2022. Т. 2022. № 3. С. 22-29. DOI: 10.24143/2072-9502-2022-3-22-29
8. Basu T., Menzer O., Ward J. et al. A Novel Implementation of Siamese Type Neural Networks in Predicting Rare Fluctuations in Financial Time Series // Risks. 2022. Vol. 10(2). P. 39. DOI: 10.3390/risks10020039
9. Ahmadzadeh A., Aydin B., Kempton D.J. et al. RareEvent Time Series Prediction: A Case Study of Solar Flare Forecasting // 18th IEEE International Conference On Machine Learning And Applications (ICMLA). 2019. DOI: 10.1109/ICMLA.2019.00293
10. Zhuravlev Yu.I., Senko O.V., Bondarenko N.N. et al. A Method for Predicting Rare Events by Multidimensional Time Series with the Use of Collective Methods // Pattern Recognition and Image Analysis. 2019. Vol. 29. Issue 4. Pp. 763-768. DOI: 10.1134/S1054661819040217
11. 11. Leitgöb H. (2020). Analysis of rare events. In book: SAGE Research Methods Foundations. SAGE Publications Ltd, 2020. DOI: 10.4135/9781526421036863804
12. Кораблев Ю.А., Голованова П.С., Кострица Т.А. Емкостный метод анализа редких событий в сфере услуг // Актуальные проблемы экономической теории. 2020. № 3. С. 132-142. DOI: 10.33293/1609-1442-2020-3(90)-132-142
13. Li Y., Leung C.H., Wu Q. Probabilistic Learning of Multivariate Time Series with Temporal Irregularity (June 16, 2023) [Электронный ресурс]. URL: https://arxiv. org/abs/2306.09147 (дата обращения 23.09.2024). DOI: 10.48550/arxiv.2306.09147
14. Jhin S.Y., Lee J., Park N. (2023). Precursor-ofAnomaly Detection for Irregular Time Series (October 13, 2023) [Электронный ресурс]. URL: https://arxiv.org/abs/2306.15489 (дата обращения: 23.09.2024). DOI: 10.1145/3580305.3599469
15. Ojeda C., Palma W., Eyheramendy S. et al. A Novel First-Order Autoregressive Moving Average Model to Analyze Discrete-Time Series Irregularly Observed // Theory and Applications of Time Series Analysis and Forecasting: Selected contributions from ITISE 2021: Conference proceedings. 2023. Pp. 91-103. DOI: 10.1007/978-3-031-14197-3_7
16. Liu X., Zhang F., Liu H. et al. iTimes: Investigating Semisupervised Time Series Classification via Irregular Time Sampling // IEEE Transactions on Industrial Informatics. 2023. Vol. 19. Issue 5. Pp. 6930-6938. DOI: 10.1109/tii.2022.3199374
17. Айвазян С.А. Прикладная статистика. Основы эконометрики. Том 2. М.: Юнити-Дана, 2001. 432 с.
18. Makridakis S.G., Wheelwright S.C., McGee V.E. (1983) Forecasting: Methods and Applications. 2nd ed. New York: John Wiley and Sons Ltd, 1983. 926 p.
19. Makridakis S.G., Wheelwright S.C. Forecasting Methods for Management. 5th ed. New York: John Wiley and Sons Ltd, 1989. 480 p.
Рецензия
Для цитирования:
Бочков А.В., Киркин М.А. Об анализе временных рядов аварий и инцидентов на опасных производственных объектах. Надежность. 2024;24(4):12-19. https://doi.org/10.21683/1729-2646-2024-24-4-12-19
For citation:
Bochkov A.V., Kirkin M.A. On analysing time series of accidents and incidents at hazardous production facilities. Dependability. 2024;24(4):12-19. (In Russ.) https://doi.org/10.21683/1729-2646-2024-24-4-12-19
Просмотров:
284
ISSN 1729-2646 (Print)
ISSN 2500-3909 (Online)
ISSN 2500-3909 (Online)
Послать статью по эл. почте 