Лекции для студентов

Лекции по системному анализу в чрезвычайных ситуациях. Часть 4

4. Физическое и компьютерное моделирование риска

Многие аварии и природные катастрофы — от столкновения кометы Шумейкера–Леви с Юпитером до Чернобыльской аварии — демонстрируют целый ряд эффектов, явлений, механизмов, ранее неизвестных науке. Это, на первый взгляд, обесценивает исследования, ранее проводившиеся в этих областях, и ставит под вопрос саму ценность математического и иного моделирования.

Здесь существует принципиальный методический момент — для многих аварий и кризисных ситуаций полномасштабный натурный эксперимент принципиально невозможен. К тому же экономика, социум, техносфера представляют собой уникальные, необратимо развивающиеся системы и дают нам лишь фрагментарное и приблизительное знание, что затрудняет переход от формальных (общих) математических моделей к конкретным. Поэтому приходится исследовать отдельные механизмы и процессы, которые играют ключевую роль в катастрофах, на более простых модельных объектах (зачастую даже относящихся к другой области науки) и далее из этих фрагментов создавать целое.

Возможность поставить компьютерный эксперимент, провести достаточно подробное имитационное моделирование значительно расширили возможности исследователей. Можно проследить десятки и сотни компьютерных катастроф, чтобы найти способы предотвращения реальных. Кроме того, существуют две важные взаимосвязи. Первая — компьютерные модели помогают создать обучающие программы, тренажеры, комплексы для обучения персонала, помогающие эффективно действовать в кризисных ситуациях. Вторая — они часто показывают, какую информацию и в каком объеме следует собирать.

В конце 90-х годов XX века в России была реализована Государственная научно-техническая программа (ГНТП) "Безопасность". Анализ имеющихся математических моделей, проведенный в ее рамках, показал, что их арсенал явно недостаточен. Взаимная увязка этих моделей, которая и позволяет собрать из частей целое, модель аварии или катастрофы, также пока несовершенна. Однако без таких моделей, которые находятся гораздо ближе к фундаментальной науке, чем к инженерным разработкам, риск принимаемых решений был бы гораздо больше — реальные угрозы усугублялись бы нашим незнанием.

Технологии управления риском, по-видимому, будут находиться в центре внимания исследователей и руководителей в следующем веке. Математические модели при этом будут играть двоякую роль. С одной стороны, они позволят оценить ряд принимаемых решений. С другой — в них в ясном, четком и формализованном виде, допускающем проверку, критику и коррекцию, будут выражены имеющиеся представления о рисках, используемых стратегиях и методиках. Коренные изменения в области обеспечения безопасности, происшедшие в последние десятилетия, делают сейчас актуальной проблему построения нового поколения моделей.

Вспомним пример, обсуждавшийся в начале главы, и обратим внимание на новые принципиальные моменты, которые приходится учитывать исследователям.

В упоминавшихся теориях речь шла о денежном выигрыше, с которым связаны принимаемые решения. В действительности ситуация сложнее. Нам приходится обычно иметь в виду не один критерий, а несколько. Например, в простейшем случае следует минимизировать и число жертв, и экономический ущерб. Иногда эту трудность обходят, сводя все к деньгам. К примеру, в американских методиках по повышению безопасности жертвы относятся к экономическому ущербу. При этом человеческая жизнь оценивается в 400 тыс. долл. Однако в общем случае перед нами стоит задача многокритериальной оптимизации. При этом обычно математик строит поверхность "наилучших решений" в пространстве параметров, а руководитель, исходя из принятой стратегии, выбирает точку на этой поверхности.

Вторая проблема связана с вероятностями, фигурирующими в формулах , , или в более сложных функционалах. С одной стороны, исследуемые объекты слишком сложны, чтобы можно было оценить соответствующие вероятности теоретически (например, как в случае игральной кости). С другой стороны, если речь идет о крупных катастрофических событиях, то обычно они редки, и поэтому статистики для оценки вероятностей p_i недостаточно, а в случае новых технологий ее просто нет. Основной подход здесь состоит в том, чтобы по результатам мониторинга, по статистике малых событий той же природы, судить о вероятности катастроф.

Например, по данным о сейсмической активности, о "малых землетрясениях", приходится судить о частоте разрушительных землетрясений в данном регионе.

Кроме того, встает проблема, связанная с уникальностью ситуации или с тем, что принятые решения могут принципиально ее изменить. То есть и выигрыши, и вероятности, и условия принятия решений для второй попытки реализовать какой-либо проект могут оказаться совершенно не такими, как для первой. Условно это можно назвать эффектом решения.

Наконец, при обеспечении безопасности часто сталкиваются с парадоксом планировщика, когда выбранная стратегия оказывается оптимальной в 5‑10‑летней перспективе, удовлетворительной на временах 15‑20 лет и неприемлемой, если иметь в виду более длительную перспективу. Проблема демонтажа энергоблоков АЭС, обновление сети трубопроводов, обеспечение безопасности плотин и водохранилищ дают многочисленные примеры того, что "откладывать на завтра" меры по обеспечению безопасности можно далеко не всегда. Обычно "завтра" наступает гораздо быстрее, чем рассчитывали.