Дослідження причин виникнення надзвичайних ситуацій на основі даних офіційної статистики

Коваленко Роман Іванович

Національний університет цивільного захисту України

https://orcid.org/0000-0003-2083-7601

Калиновський Андрій Якович

Національний університет цивільного захисту України

https://orcid.org/ 0000-0002-1021-5799

Журавський Максим Миколайович

Національний університет цивільного захисту України

https://orcid.org/0000-0001-8356-8600

Кащавцева Валерія Олексіївна

ГУ ДСНС України у Харківській області

https://orcid.org/0000-0002-1584-4754

DOI: https://doi.org/10.52363/2524-0226-2021-33-8

Ключові слова: надзвичайна ситуація, пожежа, статистичні дані, кореляційний зв’язок, прогнозна модель

Анотація

Досліджується залежність між офіційними показниками демографічної, соціальної і економічної статистики та кількістю надзвичайних ситуацій, які виникають на території регіонів України. У якості показників демографічної, соціальної і економічної статистики були відібрані наступні: чисельність наявного населення; утворення та поводження з відходами; загальна площа житлового фонду; посівна площа зернових та зернобобових сільськогосподарських культур; реальний наявний дохід, у відсотках до відповідного періоду попереднього року. Залежність між вказаними показниками перевірялася шляхом проведення кореляційного аналізу. У 56 % відсотках досліджуваних випадків між загальною кількістю надзвичайних ситуацій і показником чисельності наявного населення, яке проживає на території областей та в місті Києві спостерігається середня та висока сила кореляційного зв’язку. Між іншими проаналізованими в роботі показниками демографічної, соціальної і економічної статистики та загальною кількістю надзвичайних ситуацій випадків виявлення середньої та високої сили кореляційного зв’язку було значно менше. Не зрозумілою є причина отримання у 48 % випадків від’ємних значень коефіцієнтів кореляції між загальною кількістю надзвичайних ситуацій та показником утворення і поводження з відходами. При цьому, числове значення коефіцієнтів кореляції дозволяє стверджувати про середню та високу силу кореляційних зв’язків. Ймовірно це може бути випадковістю і пов’язано з невеликим об’ємом вибірки. Встановлену залежність між показниками загальної кількості надзвичайних ситуацій та чисельності наявного населення було описано рівнянням лінійної регресії. Адекватність регресійної моделі перевірялася за критерієм Фішера і забезпечує коефіцієнт кореляції не нижче 0,7, що підтверджує достовірність розробленої математичної моделі.

Посилання

1. Alfonso, G-M. (2020). A GIS-physically-based emergency methodology for predicting rainfall-induced shallow landslide zonation. Geomorphology, 359, 107121. doi: 10.1016/j.geomorph.2020.107121
2. Leonardo, N. F., Didier, A.V-O, Liang, Z., Manoel, F. C., Elbert, E. N. M. (2020). Global fire season severity analysis and forecasting. Computers & Geosciences, 134, 104339. doi: 10.1016/j.cageo.2019.104339
3. Pham, B. T., Jaafari, A., Avand, M., [et al.]. (2020). Performance Evaluation of Machine Learning Methods for Forest Fire Modeling and Prediction. Symmetry, 12, 1022. doi: 10.3390/sym12061022
4. George, E. S., Imad, H. E., George, M. (2011). Efficient forest fire occurrence prediction for developing countries using two weather parameters. Engineering Appli-cations of Artificial Intelligence, 24, 888‒894. doi: 10.1016/j.engappai.2011.02.017
5. Volkan, S., Omer, K., Merih, G. (2020). A Bayesian network model for predic-tion and analysis of possible forest fire causes. Forest Ecology and Management, 457, 117723. doi: 10.1016/j.foreco.2019.117723
6. Guangyin, J., Qi. W., Cunchao, Z., Yanghe, F., Jincai, H., Xingchen, H. (2020). Urban Fire Situation Forecasting: Deep sequence learning with spatio-temporal dynamics. Applied Soft Computing, 97, 106730. doi: 10.1016/j.asoc.2020.106730
7. Mohsen, Y., Seyyed, A. H., Mahdi, F. (2021). Spatiotemporally explicit earth-quake prediction using deep neural network. Soil Dynamics and Earthquake Engineer-ing, 144, 106663. doi: 10.1016/j.soildyn.2021.106663
8. Rebecca, E., Hannah, C., Andrea, F., [et al.]. (2020). Emergency flood bulletins for Cyclones Idai and Kenneth: A critical evaluation of the use of global flood forecasts for international humanitarian preparedness and response. International Journal of Disaster Risk Reduction, 50, 101811. doi: 10.1016/j.ijdrr.2020.101811
9. World Fire Statistics. Report № 25. Retrieved from http://www.ctif.org/sites/default/files/2020-06/CTIF_Report25.pdf [in English].
10. Informacijno-anality`chna dovidka pro vy`ny`knennya NS v Ukrayini upro-dovzh 2019 roku. Retrieved from https://www.dsns.gov.ua/ua/Dovidka-za-kvartal/103179.html [in Ukrainian].