Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Analiza statystyczna" wg kryterium: Temat


Wyświetlanie 1-4 z 4
Tytuł:
Przestrzenna analiza zagrożeń na podstawie danych historycznych
Spatial Analysis of Hazards Based on Historical Data
Autorzy:
Prońko, J.
Kielin, J.
Wojtasiak, B.
Powiązania:
https://bibliotekanauki.pl/articles/373585.pdf
Data publikacji:
2015
Wydawca:
Centrum Naukowo-Badawcze Ochrony Przeciwpożarowej im. Józefa Tuliszkowskiego
Tematy:
analiza ryzyka
analiza statystyczna
prognozowanie statystyczne
risk analysis
statistical analysis
statistical forecasting
Opis:
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.
Źródło:
Bezpieczeństwo i Technika Pożarnicza; 2015, 3; 77-92
1895-8443
Pojawia się w:
Bezpieczeństwo i Technika Pożarnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Klasyfikacja zdarzeń na podstawie danych historycznych
Classification of Incidents on the Basis of Historical Data
Autorzy:
Prońko, J.
Kielin, J.
Wojtasiak, B.
Powiązania:
https://bibliotekanauki.pl/articles/373236.pdf
Data publikacji:
2015
Wydawca:
Centrum Naukowo-Badawcze Ochrony Przeciwpożarowej im. Józefa Tuliszkowskiego
Tematy:
analiza ryzyka
analiza statystyczna
prognozowanie statystyczne
klasyfikacja statystyczna
analysis of hazards
statistical analysis
statistical forecasting
statistical classification
Opis:
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.
Źródło:
Bezpieczeństwo i Technika Pożarnicza; 2015, 3; 93-109
1895-8443
Pojawia się w:
Bezpieczeństwo i Technika Pożarnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Model reagowania systemu ratowniczo-gaśniczego
Rescue and Firefighting Response Model
Autorzy:
Prońko, J.
Kielin, J.
Wojtasiak, B.
Powiązania:
https://bibliotekanauki.pl/articles/372858.pdf
Data publikacji:
2016
Wydawca:
Centrum Naukowo-Badawcze Ochrony Przeciwpożarowej im. Józefa Tuliszkowskiego
Tematy:
modelowanie statystyczne
analiza statystyczna
eksploracja danych
statistical modelling
statistical analysis
examination of data
Opis:
Cel: Przedstawienie i uzasadnienie stochastycznego modelu reakcji systemu ratowniczo-gaśniczego na zaistniałe incydenty krytyczne. Wprowadzenie: Poznawanie rzeczywistości zawsze wiąże się z tworzeniem myślowych modeli – wyobrażeń badanych zjawisk, układów, systemów. Tworzymy je w celu: • zrozumienia mechanizmów rządzących danym: zjawiskiem, układem, systemem; • odkrywania zależności między zmiennymi i prognozowania ewolucji zjawisk; • ustalania wpływu poszczególnych zmiennych na efekty procesu. Przedmiotowe modele nie są wierną kopią rzeczywistości, a jedynie ich uproszczonym obrazem, dlatego też powinny charakteryzować się przystępnością i prostotą poznawczą oraz zgodnością z danymi empirycznymi na akceptowalnym dla badacza poziomie. W artykule zaproponowano stochastyczny model reakcji służb ratowniczych na zaistniałe incydenty krytyczne oparty na danych zgromadzonych w bazach PSP. Proponowany model, zdaniem autorów, mógłby być przydatny do opracowania programu komputerowego wspomagającego podejmowanie decyzji w zakresie optymalizacji rozmieszczenia JR oraz ich zasobów osobowych i rzeczowych adekwatnie do opracowanej mapy ryzyka incydentów krytycznych. Metodologia: Analiza statystyczna, modelowanie statystyczne. Wnioski: Zaproponowany model reagowania służb ratowniczych na zaistniałe incydenty krytyczne oparty na danych historycznych uwzględnia szereg czynników niemożliwych do uwzględnienia w modelach deterministycznych. Zaliczyć do nich możemy: • zindywidualizowany poziom wyszkolenia zespołów ratowniczych; • infrastrukturę drogową danego terenu; • konstrukcję systemu przekazywania informacji; • techniczne parametry sprzętu, jakim dysponują zespoły ratownicze. Z powyższych względów jest on znacznie dokładniejszy – lepiej opisuje rzeczywistą sprawność systemu ratowniczego w danym terenie. Posiada on również szereg wad: • jest pracochłonny w zastosowaniu; • wymaga rzetelnych danych historycznych (w przypadku danych, którymi dysponowali autorzy rzetelność jest raczej mała); • otrzymany wynik zależy od założonego a priori poziomu ufności; • efekt obliczeń nie jest konkretną liczbą, lecz zakresem liczb. Pomimo wskazanych wad autorzy są zdania, że warto stosować dany model zwłaszcza w połączeniu z oceną ekonomiczną inwestycji poczynionych w zakresie tworzenia systemu ratowniczo-gaśniczego. Dopiero taka kompleksowa ocena – poczynionych nakładów i otrzymanych efektów w ujęciu ekonomicznym – może być przydatna w reorganizacji systemu ratowniczego.
Aim: Description and justification of the stochastic model of the firefighting and rescue system in response to critical incidents Introduction: Recognition of reality is always associated with the cognitive construction of models, representing an analysis of events, arrangements and systems. These are created so that: • mechanisms controlling a given event, arrangement and system can be understood; • links between variables and predictions of event developments can be explored; • the impact of particular variables on the effects of this process can be established. Constructed models are not exact copies of reality, but only simplified images. For that reason they ought to be characterised by straightforwardness and cognitive simplicity, and compliance with empirical data at an acceptable research level. This article contains a proposed stochastic model of emergency response to critical incidents, based on the data accumulated by the National Fire Service database. The authors believe that the proposed model may be of use in the development of a computer programme, which could be harnessed to support decisions about the distribution of fire stations, accompanying personnel and equipment, so as to adequately address mapped critical incident risks Methodology: Statistical analysis and statistical modelling. Conclusions: The proposed emergency reaction model to emerging critical incidents, based on historical data, takes into account a range of factors, which could not be incorporated in deterministic models. These include: • customised training level of rescue teams; • road network for a given area; • design of information systems; • technical parameters of equipment used by rescue teams. For the aforementioned reasons, the stochastic model is much more accurate and better describes efficiency of the rescue system in a given area. It also has a number of disadvantages: • It is labour intensive in practice; • It requires reliable historical data (Integrity of data made available for this study was somewhat weak) • Derived result depends on the assumed priori confidence level; • the result from calculations is not a specific number but a range of numbers. Despite identified drawbacks, it is considered that the use of the model is worthwhile, especially when linked to an investment appraisal of resources necessary for the creation of a firefighting rescue system. A comprehensive appraisal, taking account of outlays and derived economic outcomes, may be helpful with the reorganisation of the rescue system.
Źródło:
Bezpieczeństwo i Technika Pożarnicza; 2016, 41, 1; 115-126
1895-8443
Pojawia się w:
Bezpieczeństwo i Technika Pożarnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Przykład zastosowania modelu reagowania systemu ratowniczo-gaśniczego
Illustrative Application of a Firefighting and Rescue Response Model
Autorzy:
Prońko, J.
Kielin, J.
Wojtasiak, B.
Powiązania:
https://bibliotekanauki.pl/articles/373179.pdf
Data publikacji:
2016
Wydawca:
Centrum Naukowo-Badawcze Ochrony Przeciwpożarowej im. Józefa Tuliszkowskiego
Tematy:
modelowanie statystyczne
analiza statystyczna
eksploracja danych
statistical modelling
statistical analysis
examination of data
Opis:
Cel: Prezentacja wyników uzyskanych przy zastosowaniu modelu opisującego reagowanie systemu ratowniczo-gaśniczego oraz modelu przestrzennej analizy zagrożeń dla jednego z powiatów. Wprowadzenie: Model opisujący reagowanie systemu ratowniczo-gaśniczego oraz przestrzennej analizy zagrożeń został opisany w artykułach: Przestrzenna analiza zagrożeń na podstawie danych historycznych i Klasyfikacja zdarzeń na podstawie danych historycznych (BiTP Vol. 39 Issue 3, 2015) oraz Model reagowania systemu ratowniczo-gaśniczego (w aktualnym numerze kwartalnika – przyp. red.). Niniejszy artykuł zawiera natomiast obliczenia i prognozy otrzymane przy zastosowaniu powyższych modeli do oceny funkcjonowania systemu ratowniczo-gaśniczego na terenie jednego z powiatów. Ze względu na ograniczenia objętościowe ujęto w nim jedynie podstawowe wyniki. Pozwalają one jednak na ocenę przydatności zaproponowanych algorytmów postępowania. W artykule zamieszczono wyniki uzyskane z zastosowaniem standardowych metod obliczeniowych, jednakże model konstruowany był przede wszystkim pod kątem budowy systemów komputerowych wspomagających planowanie systemu ratowniczo-gaśniczego w oparciu o dane historyczne. Budowa takiego systemu i w konsekwencji jego stosowanie przyczyniłoby się, zdaniem autorów, do zwiększenia efektywności tego systemu, rozumianej jako wzrost skuteczności przy ograniczonych zasobach finansowych. Metodologia: Analiza, wnioskowanie i modelowanie statystyczne. Wnioski: Wyniki przeprowadzonych analiz wyraźnie wskazują na duże możliwości zastosowania zaproponowanego modelu do zdarzeń charakteryzujących się pewną historyczną stabilnością: pożary, kolizje i wypadki komunikacyjne, inne zagrożenia miejscowe. Natomiast w przypadku zdarzeń gwałtownych i bardzo rzadko występujących: usuwanie skutków działania sił natury oraz duże pożary i zagrożenia miejscowe, model ten jest trudny do zastosowania ze względu na skromność danych historycznych. Istotnym ograniczeniem przeprowadzonych analiz jest aproksymacja rozkładów empirycznych przyjętymi a priori rozkładami teoretycznymi. Uwzględniając jednak możliwości dzisiejszych systemów komputerowych, można zamiast tego zastosować sieci neuronowe, które na podstawie danych historycznych nauczą się znacznie dokładniej symulować rozkłady empiryczne poszczególnych zmiennych. Tym samym otrzymane wyniki będą bardziej wiarygodne i obciążone mniejszą nadmiarowością. Wyniki zaprezentowane w niniejszym artykule wyraźnie wskazują na przydatność tego modelu do planowania systemu ratowniczo – gaśniczego, nawet jeżeli nie powstanie oparta na nim aplikacja komputerowa.
Aim: To reveal outcomes obtained with aid the firefighting and rescue response model and area risk analysis for one district. Introduction: The model, describing responsiveness of the firefighting and rescue system and area analysis of hazards, were described in articles: Spatial analysis of hazards based on historical data and Classification of incidents based on historical data (BiTP Vol. 39 Issue 3, 2015) and, Rescue and firefighting response model (in the current issue of the quarterly - editorial note). This article contains calculations and forecasts derived from the use of aforementioned model, to evaluate the performance of the firefighting and rescue system across one district. Because of content volume constraints, only basic results are included. Nevertheless, these allow for an evaluation of the usefulness of proposed algorithms. The article contains results obtained by the application of standard calculation methods. However, the model was primarily intended for computerised systems, which supported firefighting and rescue planning activity, based on historical data. The authors’ view is that the construction of such systems and consequently their application, would increase the effectiveness of the system and be recognised as an effectiveness increase with limited financial outlay. Methodology: Analysis, inference and statistical modelling. Conclusions: Results from the analysis clearly indicate a high level of plausibility in the application of the proposed model to incidents, which have some historical stability, such as: fires, vehicle collisions, road traffic accidents and other local hazards. However, in the case of devastating and very rare incidents; removing the effects of natural catastrophes and large fires, and local threats, the model is difficult to apply because of modest availability of historical data. A significant limitation approximation of empirical distributions accepted by a priori of theoretical distributions. However, considering the capabilities of current computer systems, one can substitute this by neural networks, which, based on historical data, can learn to simulate empirical distributions of individual variables much more accurately. At the same time, obtained results will be more reliable and less burdened by extremes. Results presented in this article clearly demonstrate the usefulness of this model for planning associated with the firefighting and rescue system, even if a desktop application, with principles of the model, is not developed.
Źródło:
Bezpieczeństwo i Technika Pożarnicza; 2016, 41, 1; 127-138
1895-8443
Pojawia się w:
Bezpieczeństwo i Technika Pożarnicza
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-4 z 4

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies