ΑΝΑΠΤΥΞΗ ΛΟΓΙΣΜΙΚΟΥ ΑΣΑΦΟΥΣ ΠΡΟΣΑΡΜΟΣΤΙΚΗΣ ΟΜΑ ΟΠΟΙΗΣΗΣ ΜΕ ΕΦΑΡΜΟΓΗ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΕΚΤΙΜΗΣΗΣ ΕΠΙΚΙΝ ΥΝΟΤΗΤΑΣ

Transcript

1 ΑΝΑΠΤΥΞΗ ΛΟΓΙΣΜΙΚΟΥ ΑΣΑΦΟΥΣ ΠΡΟΣΑΡΜΟΣΤΙΚΗΣ ΟΜΑ ΟΠΟΙΗΣΗΣ ΜΕ ΕΦΑΡΜΟΓΗ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΕΚΤΙΜΗΣΗΣ ΕΠΙΚΙΝ ΥΝΟΤΗΤΑΣ Εργαστήριο ασικής Πληροφορικής ΠΘ Ορεστιάδα ΒΑΓΓΕΛΟΥ Η ΜΑΡΙΑ Μεταπτυχιακή φοιτήτρια Τµήµατος ασολογίας ΠΘ Επιβλέπων Λ. Σ. Ηλιάδης Αναπληρωτής Καθηγητής ΠΘ

2 ΕΙΣΑΓΩΓΗ Το πρόβληµα των δασικών πυρκαγιών Το δάσος είναι ένας ανεκτίµητος, ανανεώσιµος, φυσικός πλουτοπαραγωγικός πόρος ο οποίος εκτίθεται συχνά σε σοβαρούς κινδύνους από φυσικά και ανθρωπογενή αίτια. Μεταξύ των αίτιων αυτών είναι οι δασικές πυρκαγιές από τις οποίες καταστρέφονται κάθε χρόνο σηµαντικές εκτάσεις, µε σοβαρότατες δυσµενείς συνέπειες. Ενδεικτικά αναφέρονται: η µείωση της αξίας των παραγόµενων δασικών προϊόντων η αύξηση της επιφανειακής απορροής από τη βροχή που συµβάλλει στην διάβρωση του εδάφους και τη δηµιουργία πληµµυρών η καταστροφή της πανίδας αγροτικών εκτάσεων και δοµηµένων περιοχών η απώλεια της ανθρώπινης ζωής Οικονοµικές απώλειες και αίσθηµα ανασφάλειας για τους πολίτες

3 ΠΕΡΙΓΡΑΦΗ ΤΟΥ ΠΡΟΒΛΗΜΑΤΟΣ Οι δασικές πυρκαγιές θεωρούνται φυσικό φαινόµενο και αναπόσπαστο στοιχείο των Μεσογειακών δασικών οικοσυστηµάτων. Σε αυτά εξαιτίας των κλιµατικών συνθηκών συσσωρεύετε πλεονάζουσα βιοµάζα (χόρτα φύλλα, βελόνες, κλαδιά, κ.λπ.) η οποία αν δεν αποµακρυνθεί µε κάποιο εναλλακτικό τρόπο (βόσκηση ζώων, απόληψη ξυλείας) έχει ως φυσική κατάληξη την πυρκαγιά. Η συχνότητα εκδήλωσης δασικών πυρκαγιών αυξάνεται σηµαντικά εξαιτίας των ανθρώπινων δραστηριοτήτων (αµέλεια, πυροµανία, εξασφάλιση οικονοµικού οφέλους). Το αποτέλεσµα είναι η εκτροπή της φυσικής ισορροπίας και της διαδοχής των ειδών και µακροχρόνια η υποβάθµιση των δασικών οικοσυστηµάτων. Το πρόβληµα των δασικών πυρκαγιών προκύπτει κυρίως στις Μεσογειακές χώρες, την Αυστραλία, τον Καναδά και τις Ηνωµένες Πολιτείες.

4 Η κατάσταση των δασικών πυρκαγιών στην Ελλάδα Στη χώρα µας, κατά τα τελευταία 0 έτη, ο αριθµός των πυρκαγιών υπερτριπλασιάσθηκε ως αποτέλεσµα ανθρωπογενών δραστηριοτήτων. Σε αυτό ΣΥΝΤΕΛΟΥΝ Η αύξηση της διαθέσιµης βιοµάζας ως αποτέλεσµα της εγκατάλειψης της υπαίθρου Η δόµηση τουριστικών οικισµών στην ελληνική ύπαιθρο συχνά σε επαφή µε τηδασικήβλάστηση Ανάπτυξη ζωνών µίξης δασών-οικιστικών περιοχών σε αστικά κέντρα Αύξηση της αξίας της γης και δηµιουργία συµφερόντων οικοπεδοποίησης και καταπατήσεων

5 Ανασκόπηση της βιβλιογραφίας Για να µπορέσουν οι αρµόδιοι φορείς να υιοθετήσουν αποτελεσµατικά µέτρα πυροπροστασίας, χρειάζονται τη βοήθεια της σύγχρονης τεχνολογίας και πιο συγκεκριµένα την υποστήριξη προγραµµάτων υπολογιστών, που βοηθούν στη λήψη αποφάσεων. Οι Deeming και άλλοι (978), ανέπτυξαν το εθνικό σύστηµα υπολογισµού του κινδύνου πυρκαγιάς το National Fire Danger Rating System (NFDRS), το οποίο χρησιµοποιείται ακόµα στιςηπα. το EFFIS (European Forest Fire Information System) εκτιµά τον καθηµερινό και τον µακροπρόθεσµο κίνδυνο πυρκαγιάς Αναπτύχθηκε από το Ινστιτούτο για την περιβαλλοντική και τη αειφόρο διαχείριση της γης (Institute for Environmental and Sustainability Land Management) το οποίο βρίσκεται στη Ιταλία (Ayanz et al., 00). Το EFFIS είναι µια προσπάθεια προς την δηµιουργία ενός κοινού ευρωπαϊκού δείκτη για τον κίνδυνο των πυρκαγιών.

6 FFIREDESSYS Το εργαστήριο ασικής Πληροφορικής του ηµοκρίτειου Πανεπιστηµίου Θράκης (Iliadis, 007) έχει αναπτύξει ένα σύστηµα υποστήριξης αποφάσεων (DSS), µε δύο υποσυστήµατα ΥΠΟΣΥΣΤΗΜΑ περιλαµβάνει ένα ευρετικό σύστηµα (Heuristic System) ΥΠΟΣΥΣΤΗΜΑ περιλαµβάνει ένα σύστηµα Ασαφούς Λογικής (Fuzzy System) τα οποία πραγµατοποιούν ταξινόµηση επικινδυνότητας δασικής πυρκαγιάς για τα δασικά διαµερίσµατα της Ελλάδας καθώς επίσης και προβλέψεις για τα προβλήµατα πυρκαγιάς της επόµενης χρονιάς µε τη χρήση ΑΣΑΦΩΝ ΙΑΣΤΗΜΑΤΩΝ ΑΝΑΜΕΝΟΜΕΝΩΝ Έχει υιοθετηθεί σε ΗΠΑ Andrew M. Beavers, Thomas S. Ruzycki, Matt Kunze CEMML Wildland Fire Risk Assessment Of Western Military Installations. Colorado State University, Department of Defense USA και Αυστραλία

7 Στόχοι της παρούσας διατριβής Η λήψη αποφάσεων κάτω από συνθήκες αβεβαιότητας, όπως συµβαίνει στις φυσικές καταστροφές, απαιτεί την εκτίµηση αξιόπιστων δεικτών επικινδυνότητας που θα οδηγήσουν σε έγκαιρο σχεδιασµό προστασίας και µείωσης απωλειών. Στόχος της παρούσας διατριβής είναι η ανάπτυξη µιας πρωτότυπης ευέλικτης και ευφυούς επιστηµονικής προσέγγισης για τον καθορισµό οµάδων επικινδυνότητας ως προς τις δασικές πυρκαγιές στον Ελλαδικό χώρο, µε βάση τη συχνότητα των δασικών πυρκαγιών και την καµένη έκταση.

8 ΥΛΙΚΑ ΚΑΙ ΜΕΘΟ ΟΙ Στοιχεία Ασαφούς Άλγεβρας Ο κατάλληλος τρόπος για την αναπαράσταση των εννοιών του πραγµατικού κόσµου είναι η υιοθέτηση της Ασαφούς Άλγεβρας. Η ασαφής λογική προτάθηκε από τον Zadeh το 969 για να ξεπεραστεί πλέον η άποψη πως οτιδήποτε λέγεται σχετικά µε κάτι είναι απόλυτα αληθές ή απόλυτα ψευδές. Στα ασαφή σύνολα γίνεται χρήση των συναρτήσεων µέλους για την εκτίµηση των βαθµών µέλους κάθε οντότητας. Οι συναρτήσεις αυτές απεικονίζονται στο κλειστό διάστηµα [0,]. Χαρακτηριστικά παραδείγµατα συναρτήσεων είναι: Τριγωνική συνάρτηση µέλους 0 if < a (-a) / (c-a) if [a,c] µ s ( x) = (b-) / (b-c) if [c,b] 0 if b

9 Τραπεζοειδής συνάρτηση µέλους µ s Σιγµοειδής συνάρτηση µέλους 0, if a (-a) / (m-a), if (a,m) ( Χ ) =, if [m,n] (b-) / (b-n), if (n,b) 0, if b f( x; a, c) = + e a( x c)

10 Ανάλυση συστάδων Ο όρος ανάλυση συστάδων (ΑΣΥ) (cluster analysis), ο οποίος πρωτοχρησιµοποιήθηκε από τον Tryon το 99, εµπεριέχει έναν αριθµό διαφορετικών σε κατηγορίες. αλγορίθµων και µεθόδων για την οµαδοποίηση δεδοµένων Αποσκοπεί στην ταξινόµηση διαφορετικών δεδοµένων σε συστάδες µε τέτοιο τρόπο ώστε ο βαθµός συσχέτισης µεταξύ δύο αντικειµένων να είναι µέγιστος περίπτωση. αν ανήκουν στην ίδια συστάδα ή ελάχιστος στην αντίθετη

11 -Axis Y-Axis -Axis Y-Axis Παράδειγµα Παράδειγµα κλασσικής κλασσικής Ανάλυσης Ανάλυσης συστάδων συστάδων

12 Ασαφής ανάλυση συστάδων Τα ασαφή σύνολα είναι συναρτήσεις που απεικονίζουν µια τιµή, η οποία µπορεί να είναι µέλος του συνόλου, σε έναν αριθµό απότο0 έως το. O αριθµός αυτός δηλώνει το βαθµό συσχέτισης της τιµής µε το ασαφές σύνολο και καθορίζεται από τη συνάρτηση συµµετοχής του ασαφούς συνόλου. Στην Ασαφή ανάλυση Συστάδων ΑΑΣΥ κάθε σηµείο ανήκει σε όλες τις συστάδες αλλά µε διαφορετικό Βαθµό Μέλους ΟσκοπόςτηςΑΑΣΥ ΑΑΣΥ είναι η αναγνώριση και η ποσοτικοποίηση των συστάδων που προκύπτουν. Η ποσοτικοποίηση έχει δύο διαδικασίες : Α. τον καθορισµό της συµµετοχής ενός σηµείου δεδοµένων σε κάθε συστάδα Β. τον καθορισµό του κέντρου της.

13 Ασαφής vs Κλασσικής ανάλυσης συστάδων F F H H ΗσυστάδαF περιγράφεται από το σύνολο τιµών {(,0.9), (,0.8), (,0.7), (4,0.6), (5,0.55), (6,0.4), (7,0.5), (8,0.0), (9,0.0)}.

14 Ο αλγόριθµος ασαφούς ΑΣΥ Fuzzy c-meansc Ο πιο γνωστός αλγόριθµος ασαφούς ΑΣΥ είναι ο fuzzy c-means.

15 . Περιγραφή του αλγόριθµου ασαφούς ΑΣΥ Fuzzy c-meansc Ο αλγόριθµος ασαφούς ΑΣΥ fuzzy c-means περιέχει δύο διαδικασίες: Α. τον υπολογισµό των κέντρων των συστάδων και Β. την ανάθεση των ευκλείδεια απόσταση. σηµείων στα κέντρα χρησιµοποιώντας την Η διαδικασία επαναλαµβάνεται έως ότου τα κέντρα των συστάδων σταθεροποιηθούν. Το άθροισµατωνβαθµών µέλους για κάθε σηµείο σε όλες τις συστάδες θα πρέπει να ισούται µε. Για την εφαρµογή του αλγορίθµου απαιτούνται δύο βασικές εξισώσεις. c j = i i [ µ ( x )] m j i i [ µ ( x )] j i m x () Συνάρτηση υπολογισµού κέντρου συστάδας

16 . Περιγραφή του αλγόριθµου ασαφούς ΑΣΥ Fuzzy c-meansc Στην πρώτη επανάληψη του αλγορίθµου θέτουµε τα κέντρα των συστάδων σε αυθαίρετες τιµές, συνήθως µηδέν και υπολογίζουµε για αυτά τους βαθµούς µέλους των σηµείων. Έτσι περνάµε στην δεύτερη βασική διαδικασία του αλγόριθµου που είναι ο υπολογισµός του βαθµού µέλους κάθε σηµείου σε κάθε συστάδα. µ ( x ) = j i d p k= ji d m ki m () Συνάρτηση υπολογισµού βαθµού µέλους

17 Ψευδοκώδικας του αλγόριθµου ασαφούς ΑΣΥ Fuzzy c-meansc

18 . Καινοτόµος επέκταση του µοντέλου του αλγόριθµου Fuzzy c-means µε την υιοθέτηση ασαφούς κριτηρίου τερµατισµού Στην παρούσα διατριβή υλοποιήθηκε µια καινοτόµος προσέγγιση επέκτασης του αλγορίθµου Fuzzy c-meansc προς την κατεύθυνση της υιοθέτησηςενόςδυναµικού και ευέλικτου κριτηρίου τερµατισµού. Χρησιµοποιείται µια δυναµική τριγωνική συνάρτηση, ηοποίαµας δίνει βαθµούς µέλους και η σύγκρισή τους καθορίζει τον τερµατισµό του προγράµµατος. Ζητούµενο είναι ο υπολογισµός του βαθµός µέλους του κέντρου της κάθε συστάδας που προκύπτει από κάθε επανάληψη ως προς το προηγούµενο κέντρο της αντίστοιχης συστάδας. Όταν αυτός θα αρχίζει να προσεγγίζει τη µονάδα, θα σηµαίνει ότι η απόσταση µεταξύ τους είναι πολύ µικρή και έτσι οι συστάδες σταθεροποιούνται.

19 . Καινοτόµος επέκταση του µοντέλου του αλγόριθµου Fuzzy c-means µε την υιοθέτηση ασαφούς κριτηρίου τερµατισµού Κάθε φορά που γίνεται η ανανέωση των κέντρων κάθε συστάδας υπολογίζεται η απόσταση του καθενός από το αντίστοιχο προηγούµενο κέντρο της. Στην υλοποίησή αυτή δηµιουργούνται τρεις συστάδες και έτσι σε κάθε επανάληψη προκύπτουν τρεις αποστάσεις. Αν η απόσταση αυτή είναι µηδενική τότε ο βαθµός µέλους του κέντρου αυτού ως προς το προηγούµενο είναι η µονάδα, δηλαδή ταυτίζονται. if d = 0 µ = 0 if d > dmax (/d max)+ Συνάρτηση παραγωγής κριτηρίου τερµατισµού

20 . Καινοτόµος επέκταση του µοντέλου του αλγόριθµου Fuzzy c-means µε την υιοθέτηση ασαφούς κριτηρίου τερµατισµού Για να θεωρηθεί το κάθε κέντρο συστάδας σταθερό, επιλέγουµε οβαθµός µέλου τουωςπροςτοπροηγούµενο αντίστοιχο κέντρο να είναι τουλάχιστον 0,9. Σε κάθε επανάληψη συγκρίνεται ο προηγούµενος βαθµός µέλους του κέντρου κάθ συστάδας µε τον παρόντα και αυτό που ζητάµε είναι ο τελευταίος να είνα µεγαλύτερος. Επιτρέπουµε στοπρόγραµµα νακάνειέως0 επαναλήψεις.

21 Περιοχή και δεδοµένα εφαρµογής Ηεφαρµογή του προγράµµατος πραγµατοποιήθηκε µεδεδοµένα δασικών πυρκαγιών από το 98 έως το 00. Από το 98 έως το 997 τα δεδοµένα (αριθµός των πυρκαγιών και αριθµός στρεµµάτων των καµένων εκτάσεων) αφορούν τα δασαρχεία της χώρας Από το έτος 999 έως και το 00 τα δεδοµένα που συλλέχθηκαν αφορούν τους Νοµούς της χώρας.

22 Αποτελέσµατα εφαρµογής Παρουσιάζονται ενδεικτικά τα αποτελέσµατα εφαρµογής του προγράµµατος γιαταέτη98,984, 999 και 000. Aποτελέσµατα για το έτος 98

23 Aποτελέσµατα για το έτος 984

24 985 ΑΣΑΡΧΕΙΟ ΠΙΟ ΕΠΙΚΙΝ ΥΝΟ CLUSTER ΜΕ ΚΕΝΤΡΟ (8,5,,4) ΑΣΑΡΧΕΙΟ ΕΥΤΕΡΟ ΠΙΟ ΕΠΙΚΙΝ ΥΝΟ CLUSTER ΜΕ ΚΕΝΤΡΟ (,58, 654,) ΚΑΒΑΛΑΣ 0, ΠΟΛΥΓΥΡΟΥ ΘΑΣΟΥ 0,996 ΠΑΤΡΩΝ 0, ΑΙΓΑΛΕΩ 0,0574 ΛΑΥΡΙΟΥ 0,9999 ΜΕΓΑΡΩΝ 0,0067 ΡΑΜΑΣ 0,99986 ΠΟΡΟΥ 0,0009 ΑΜΑΛΙΑ ΟΣ 0,99946 ΧΑΛΚΙ ΟΣ 0,00088 ΜΕΓΑΡΩΝ 0,99077 ΧΑΝΙΩΝ 0,00068 ΑΙΓΑΛΕΩ 0,94075 ΞΥΛΟΚΑΣΤΡΟΥ 0,0000 ΘΕΣΠΡΩΤΙΑΣ 0,9056 ΑΜΦΙΛΟΧΙΑΣ 0,0007 ΑΜΦΙΛΟΧΙΑΣ 0,955 ΘΕΣΠΡΩΤΙΑΣ 0,00064 ΧΑΛΚΙ ΟΣ 0,7090

25 986 ΑΣΑΡΧΕΙΟ ΠΙΟ ΕΠΙΚΙΝ ΥΝΟ CLUSTER ΜΕ ΚΕΝΤΡΟ (5,54, 88,88) ΑΣΑΡΧΕΙΟ ΕΥΤΕΡΟ ΠΙΟ ΕΠΙΚΙΝ ΥΝΟ CLUSTER ME ΚΕΝΤΡΟ (,97, 686, ) ΚΟΡΙΝΘΟΥ 0,99999 ΠΑΤΡΩΝ ΧΑΛΚΙ ΟΣ 0,807 ΓΥΘΕΙΟΥ 0, ΘΕΣΠΡΩΤΙΑΣ 0,0456 ΛΑΣΙΘΙΟΥ 0,99996 ΣΑΜΟΥ 0,0054 ΠΥΡΓΟΥ 0, ΜΟΛΑΩΝ 0,0005 ΛΑΡΙΣΗΣ 0,99997 ΧΙΟΥ 0,00069 ΟΛΥΜΠΙΑΣ 0, ΛΑΜΙΑΣ 0,00048 ΑΜΦΙΛΟΧΙΑΣ 0,99976 ΡΟ ΟΠΗΣ 0,0006 ΧΑΝΙΩΝ 0,9995 ΠΕΝΤΕΛΗΣ 0,000 ΡΕΘΥΜΝΗΣ 0, ΚΥΠΑΡΙΣΣΙΑΣ 0,00064 ΚΥΜΗΣ 0,997777

26 Aποτελέσµατα για το έτος 999

27 Aποτελέσµατα για το έτος 000

28 987-00

29 Forest Department Thesprotia Larisa Dodekanhsa Lamia Lasithi Chalkida Chios Hrakleio Molaoi Samos Atalandi Kapandriti Levadia Karditsa Rethymno Ioannina Kerkyra Gytheio Thasos Mesologgi Patra Amfoloxia Tripolh Volos Number of Appearences in the first 0 of the most risky CLUSTER Number of Appearences in the first 0 of the Second most risky CLUSTER

30 Περιορισµοί Ο αλγόριθµος Fuzzy c-means απαιτεί από τον προγραµµατιστή να θέσει ως εξωτερικούς περιορισµούς τον αριθµό των συστάδων που θα προκύψουν καθώς και τον ορισµό τηςπαραµέτρου ασάφειας. Κάθε µια από τις οντότητες που οµαδοποιήθηκαν, δασαρχείο ή νοµός, περιγράφονται από δύο παραµέτρους που είναι ο αριθµός των πυρκαγιών και ο αριθµός των καµένων στρεµµάτων. Σε µια µελλοντική επέκταση του αλγορίθµου τόσο ο αριθµός των παραγόντων θα µπορούσε εύκολα να επεκταθεί µε µικρό επιπλέον κόστος προγραµµατισµού και υπολογιστική ισχύος.

31 PREFECTURE Lakonia Arkadia Larisa Ioannina Fthiotida Voiotia Samos Evoia Kefallhnia Korinthia Kyklades Lesvos Magnhsia Chios Lasithi Argolida Kavala Messhnia Aitoloakarnania Atiikh Number of Appearences in the first 0 of the most risky CLUSTER Number of Appearences in the first 0 of th Second most risky CLUSTER 0 0

32 Μελλοντική εργασία Στην παράµετρο ασάφειας δόθηκε η τιµή,5 µετά από µελέτη διαφόρων εφαρµογών του αλγορίθµου Fuzzy c-means αλλά και µε πειραµατισµούς στην συγκεκριµένη εφαρµογή. Μελλοντικά θα γίνουν πειράµατα µε διάφορες τιµές της παραµέτρου ασάφειας Σε µελλοντικές χρήσεις του FUCEMFUTEC θα µπορούσε να γίνει εφαρµογή µε διαχωρισµό των δασικών εκτάσεων για παράδειγµα σε δάση, χορτολιβαδικές εκτάσεις και θάµνους.

33 ΣΥΜΠΕΡΑΣΜΑΤΑ Με βάση τα ιστορικά δεδοµένα που υπήρχαν διαθέσιµα έγινε κατάταξη για κάθε έτος, των νοµών και των δασαρχείων σε δύο και τρεις συστάδες επικινδυνότητας αντίστοιχα. Παρατηρούµε στα αποτελέσµατα του προγράµµατος ότι συγκεκριµένα δασαρχεία και νοµοί εµφανίζονται επανηληµένα στις πρώτες δέκα θέσεις των συστάδων επικινδυνότητας και απαριθµώντας τις εµφανίσεις στις δύο πιο επικίνδυνες συστάδες καταλήξαµε σε δύο πίνακες.

34 Εµφανίσεις των 40 πιο επικίνδυνων δασαρχείων

35

36 Αντίστοιχη κατάταξη για τους νοµούς παρουσιάζεται στον παρακάτω πίνακα. Εµφανίσεις των 0 πιο επικίνδυνων νοµών

37

38 Οι από τους 0 νοµούς οι οποίοι χαρακτηρίστηκαν από το σύστηµα ως επικίνδυνοι, αντιµετώπισαν σφοδρές δασικές πυρκαγιές το καλοκαίρι του 007. Ονοµαστικά η Λακωνία, η Αρκαδία, η Βοιωτία, η Εύβοια, η Κεφαλλονιά, η Κορινθία, η Μαγνησία, η Φθιώτιδα και η Αττική αποτελούν ορισµένες από τις καµένες περιοχές της Ελλάδας για αυτό το χρονικό διάστηµα. Είναι εντυπωσιακό ότι η Λακωνία και η Αρκαδία οι οποίες χαρακτηρίστηκαν ως οι πιο επικίνδυνες από το FUCEMFUTEC, είναι πράγµατι δύο περιοχές οι οποίες υπέστησαν σοβαρό πρόβληµα από δασικές πυρκαγιές. Ένα ποσοστό αστοχίας στα αποτελέσµατα του συστήµατος ήταν αναµενόµενο µιας και δεν υπήρχαν διαθέσιµα δεδοµένα δασικών πυρκαγιών µετά το 00. Μια µελλοντική προσπάθεια θα αφορούσε την συλλογή δεδοµένων για τα έτη 00 έως 007 και την εισαγωγή τους στο σύστηµα.