Вероятностное управление оползневым риском с использованием байесовских сетей доверия

Целью исследований явилась разработка оценки оползневой опасности, основанной на байесовской сети доверия. Выполнена оценка оползневого риска на базе систематического использования (после ливней, снегопадов и др. природных явлений) экспертных баз фрагментов знаний, реализованных в графических вероятностных моделях – байесовских сетях доверия (Bayesian Belief Network – BBN), позволяющих использовать объективные и субъективные оценки вероятностей и знания экспертов о структуре связей (зависимости и независимости) переменных, для управления неопределенностью и риском. Управление рисками при формировании мелиоративных систем предполагает использование различных детерминированных и вероятностных методов. Одна из важнейших процедур управления риском – его оценка. Опасные природные явления (оползни, сели, водная и ветровая эрозия, затопление, подтопление и размыв земель) могут угрожать жизни, здоровью населения и причинять значительный экономический ущерб. Ограничения ресурсов (временных, финансовых и др.) часто не позволяют проводить полноценный мониторинг и дополнительные исследования с использованием ГИС и других средств. Для минимизации рисков и своевременного принятия управленческих решений по защите людей и территорий требуется использовать методы и модели, основанные на знаниях экспертов (субъективные вероятностные оценки) о причинно-следственных связях и законах распределения интегральных характеристик проявления опасных природных явлений (например, в случае оползневой опасности – коэффициента устойчивости FS склона). В результате использования предложенной методики на реальном примере была получена вероятность оползня на разных этапах наблюдений за склоном. Предложенная идеология вероятностной оценки оползневого риска, опирающаяся на систематическое использование знаний экспертов в байесовских сетях доверия, хорошо себя проявила в рассматриваемом примере. Факторы, по которым оценивалась вероятность оползня, являются универсальными и могут быть использованы для оценки рисков на других участках, где развиваются склоновые процессы.

1. Перегудов Ф.И. Введение в системный анализ: Учебное пособие для вузов. М.: Высшая школа, 1989. 367 с.

2. Семечкин А.Е. Системный анализ и системотехника. М.: SvS-Аргус, 2005. 536 с.

3. Ивонин В.М. Мелиоративные системы: основы общей теории // Мелиорация и гидротехника. 2022. Т. 12, № 1. С. 119-140.

4. Безуглова Е.В. Оползневой риск транспортных природно-технических систем: Монография / Е.В. Безуглова, С.И. Маций, В.В. Подтелков. Краснодар: КубГАУ, 2015. С. 124-140.

5. Кузнецов Е.В. Сельскохозяйственный мелиоративный комплекс для устойчивого развития агроландшафтов: Учебное пособие / Е.В. Кузнецов, А.Е. Хаджиди. СПб.: Лань, 2022. 300 с.

6. Соложенцев Е.Д. Сценарное логико-вероятностное управление риском в бизнесе и технике. Изд. 2-е. СПб.: Издательский дом «Бизнес-пресса», 2006. 530 с.

7. Кацко Д.И. Вариативные подходы к оценке и управлению оползневым риском транспортных систем. / Д.И. Кацко, В.С. Маций / IV Международная научно-практическая молодежная конференция по геотехнике: сборник материалов / отв. ред. Я.А. Пронозин. Тюмень: ТИУ, 2018. С. 47-51.

8. HUGIN EXPERT. Web: The HUGIN Graphical User Interface – HUGIN GUI 9.5 documentation.

9. Сукар Л. Вероятностные графовые модели. Принципы и приложения: Пер. с англ. А.В. Снастина. М.: ДМК Пресс, 2021. 338 с.

10. Маслов Н.Н. Механика грунтов в практике строительства: Учебное пособие. М.: Стройиздат, 1977. 320 с.

11. Костяков А.Н. Основы мелиорации. 6-е изд. М.: Сельхозиздат, 1960. 622 с.

12. Рекс Л.М. Системные исследования мелиоративных процессов и систем. М.: «Аслан», 1995. 192 с.

13. Зайдельман Ф.Р. Мелиорация почв: Учебник. Изд. 2-е. М.: Изд-во МГУ, 1996. 382 с.

14. Мелиорация земель: Учебник / Под ред. А.И. Голованова. СПб.: Изд-во «Лань», 2015. 816 c.

15. Increasing the efficiency of land use as a condition оf ensuring sustainable development of rural areas / E. Artemova, G. Barsukova, D. Derevenets E3S Web of Conf., 510 (2024) 01042.