На всякий пожарный В Томском государственном университете обсудили новые способы борьбы с лесными пожарами С 18 по 20 октября в Томском государственном университете собрались ученые из ведущих научных и образовательных организаций разных городов России и зарубежья для участия в традиционной Всероссийской научной конференции «Математическое и физическое моделирование опасных природных явлений и техногенных катастроф». В этом году центральной темой научных дискуссий и обсуждений стала проблема лесных пожаров, что, в общем, неудивительно – вопросы и технологии прогнозирования, диагностики и борьбы с возгораниями стали особенно актуальными в связи с «жарким» летом 2010 для центральной полосы России. -Это лето действительно было необычное, – говорит Г.А. Доррер, профессор Сибирского технологического университета (Красноярск), - несмотря на то, что сильная жара бывала и раньше. Но дело в том, что засухи будут всегда, и лес будет гореть, наша задача – минимизировать ущерб от этих возгораний. Для эффективного тушения пожаров должны взаимодействовать много факторов – в том числе, должны применяться на практике новейшие научные достижения. Новый подход к старой проблеме В представленных на конференции докладах все аспекты проблем, связанных с таким природными явлениями, как пожары – от физической модели явления до математического моделирования процесса с выходом на натуральный эксперимент. На конференции рассматривались фундаментальные исследования возникновения, распространения и экологических последствий пожаров, а также практическое применение научных разработок в этой сфере. Так, новая технология тушения пожаров была предложен томским ученым, заведующим кафедрой физической и вычислительной механики ТГУ Анатолием Гришиным. Научные исследования в области лесных, степных и торфяных пожаров томские ученые ведут уже несколько десятилетий. Технология тушения пожаров с помощью водной струи, когда капли воды растворяются под действием теплового потока, вновь показала свою неэффективность минувшим летом. Анатолий Гришин предлагает новый способ борьбы с низовыми и верховыми пожарами, основанный на применении взрывов так называемых шланговых зарядов типа ПЖВ-2. -В результате взрыва образуется ударная волна, - рассказывает Анатолий Гришин, - и зона пиролиза, в которой имеется как кислород, так и газообразные горючие продукты, взрывается под действием ударной волны. Таким образом удается тушить низовые лесные пожары. Для тушения верховых лесных пожаров шланговые заряды целесообразно размещать в кронах деревьев. Ученые также представили новые методы мониторинга пожаров: например, спутниковый мониторинг характеристик аэрозоля и облачности по данным MODIS, предложенный учеными Института оптики атмосферы СО РАН. Значительное внимание в области прогнозирования лесных пожаров было уделено вопросам нейросетевых технологий – именно они, по мнению ученых Сибирского технологического университета (Красноярск), сегодня являются наиболее эффективным инструментом прогнозирования параметров крупных лесных пожаров. По итогам конференции был принят ряд решений, среди которых – предложить Федеральному агентству лесного хозяйства включить в план внедрения новой системы прогноза пожарной опасности в лесах по условиям погоды на основе научных разработок ТГУ, Института леса СО РАН, Гидрометеослужбы, а также с учетом мировых достижений и практического опыта работы. На базе этих научных достижений будет возможным поэтапное создание Российской системы по прогнозу поведения и последствий лесных пожаров. Кроме того, участники конференции сочли необходимым ходатайствовать перед Правительством РФ об объединении усилий МЧС РФ, Минприроды РФ, Минобрнауки РФ, МВД РФ и Федеральной службы лесного хозяйства в борьбе с лесными пожарами и обеспечении их должным финансированием. По мнению ученых, все-таки именно эффективное взаимодействие данных структур с учетом имеющихся и постоянно обновляющихся научных достижений станет залогом своевременной и результативной борьбы с возгораниями на территории России. Нейросетевые технологии - это компьютерный алгоритм, работу которого можно условно разделить на два основных этапа: обучение и построение прогноза. На первом этапе на вход сети подаются данные, необходимые для формирования обучающей выборки. На втором этапе обучения сеть по введенным значениям определяющих параметров делает прогноз.