Безопасность в техносфере, 2017, № 2(65)

№ 2 (64)/2017 
март–апрель

НАУЧНО-МЕТОДИЧЕСКИЙ И ИНФОРМАЦИОННЫЙ ЖУРНАЛ
SCIENTIFIC, METHODICAL AND INFORMATION MAGAZINE

В номере 
In this issue

Рискология
Riskology

Ю.В. Есипов, М.С. Джиляджи, А.И. Черемисин
Yu.V.Esipov, M.S. Dgiliadgy, A.I. Cheremisin
Логическое и параметрическое моделирование предпосылок  
и установление меры определенности реализации происшествия  
в системе   .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 3
Logical and Parametric Modeling of the Prerequisities and the Establishment 
of a Measure of the Certainty of the Implementation of the Incident in Sistem

контРоль и монитоРинг
Control and Monitoring

В.Л. Злобина, Т.А. Черкасова, М.А. Мизиев
V.L. Zlobina, T.A. Cherkasova, M.A. Miziev
Оценка состояния поверхностных вод с применением многоразовых 
твердофазных полимерных индикаторов в полевых условиях  .  .  .  .  .  .  .  .  .  . 12
Assessment of the State of Surface Waters Using Reusable Solid-Phase Polymer 
Indicators in the Field Environment

Экология техносфеРы
teChnosphere eCology

М.Н. Корсак, С.А. Мошаров, А.М. Скоробогатов, К.О. Юсупова,  
М.И. Кроленко
M.N. Korsak, S.A. Mosharov, A.M. Skorobogatov, K.O. Yusupova,  
M.I. Krolenko
Влияние гелиофизических факторов на весеннее развитие 
фитопланктона в водохранилище  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 19
Influence of Solar Physics Factors on the Spring Growth of Phytoplankton  
in Reservoir

В.И. Стурман, С.А. Панихидников
V.I. Sturman, S.A. Panikhidnikov
Геоэкологические аспекты обеспечения электромагнитной  
безопасности населения в условиях городской среды  
(на примере Санкт-Петербурга)   .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 28
Geoecological Aspects of Maintenance of Electromagnetic Safety of the  
Population in Case of Urban Environment (on the Example of St. Petersburg)

Свидетельство Роскомнадзора

ПИ № ФС77-44004
Издается с 2006 года
Учредитель:
Коллектив редакции журнала
Издается: 
при поддержке МГТУ им. Н.Э. Баумана, 
Федерального учебно-методического объединения 
в системе высшего образования по укрупненной 
группе специальностей и направлений подготовки 
20.00.00 «Техносферная безопасность и природообустройство»
Главный редактор 
Владимир Девисилов
Издатель:
ООО «Научно-издательский центр ИНФРА-М»
Отдел предпечатной подготовки 
Белла Руссо
Выпускающий редактор 
Дарья Склянкина 
Тел. (495) 280-15-96 (доб. 501) 
e-mail: 501@infra-m.ru
Отдел подписки 
Наталья Меркулова 
Тел.: (495) 280-15-96 (доб. 590) 
e-mail: podpiska@infra-m.ru

Присланные рукописи не возвращаются.

Точка зрения редакции может не совпадать  
с мнением авторов публикуемых материалов.

Редакция оставляет за собой право самостоятельно  
подбирать к авторским материалам иллюстрации, менять 
заголовки, сокращать тексты и вносить в рукописи необходимую стилистическую правку без согласования с авторами. 
Поступившие в редакцию материалы будут свидетельствовать о согласии авторов принять требования редакции.

Перепечатка материалов допускается  
с письменного разрешения редакции.

При цитировании ссылка на журнал «Безопасность 
в техносфере» обязательна.
Письма и материалы для публикации  
высылать по адресу:  
127282, Россия, Москва, ул. Полярная,  
д. 31в, стр. 1, журнал «БвТ»  
Тел.: (495) 280-15-96 (доб. 501) 
Факс: (495) 280-36-29 
e-mail: magbvt@list.ru, mag12@infra-m.ru,  
bvt@magbvt.ru 
Сайты журнала:  
http://www.magbvt.ru, http://www. naukaru.ru

© ООО «Научно-издательский центр ИНФРА-М», 
2017

Формат 60×84/8.  Бумага офсетная № 1. 
Тираж 1000 экз.
Подписные индексы:  
в каталоге агентства «Роспечать» —  
18316, объединенном каталоге  
«Пресса России» — 11237

DOI 10 .12737/issn .1998-071X

методы и сРедства обеспечения безопасности

Methods and Means of safety

Н.Б. Рубцова, А.Ю. Токарский, В.Н. Рябченко, А.А. Коновалов
N.B. Rubtsova, A.Yu. Tokarskiy, V.N. Riabchenko, A.A. Konovalov
Остаточные напряжения как возможная причина повреждения 
оборудования и риска для персонала при отключении  
воздушных линий электропередачи . Часть I  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 36
Residual Voltage as a Possible Cause of Equipment Damage and Personnel 
Occupational Risk under Overhead Transmission Lines Outage. Part 1

А.А. Еськин
A. A. Eskin
Напорная флотация с распыливанием жидкости  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 48
Dissolved Air Flotation with Spraying of Liquid

М.В. Обуздина, Е.А. Руш, Л.В. Шалунц
М. V. Obuzdina, E.A Rush, L. V. Shalunc
Сорбционная очистка сточных вод от ионов тяжелых металлов 
модифицированными природными цеолитами  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 56
Sorption Purification of Effluent Water From Heavy Metal Ions  
by Modified Natural Zeolites

ЭнеРго- и РесуРсосбеРежение

energy and resourCe saving

Р.Я. Дыганова, Рикардо Перес, Н.Н. Фахреев
R. Ya. Dyganova, Ricardo Peres, N. N. Fakhreev
Технологии переработки отходов в агропромышленном  
комплексе с использованием термической сушки и утилизации  .  .  . 62
Technologies of Processing of Waste in Agro-Industrial Complex with the Use 
of Thermo-Drying and Thermo-Utilization

обРазование

eduCation

В.А. Девисилов, Е.Н. Симакова
V.A. Devisilov, E.N. Simakova
Актуализация образовательных стандартов  по направлению 
«Техносферная безопасность»: проекты стандартов и проблемы  
их реализации . Часть II — магистратура    .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . 69
Updating of Federal State Educational Standards of Higher Education in the Direction of «Technosphere Safety». Part 2 — Master’s Degree Program

В.А. Девисилов, И.И. Старостин, Д.О. Копытов, С.П. Сущев
V. A. Devisilov, I. I. Starostin, D. O. Kopytov, S. P. Suchshev
Опыт организации  и проведения совместной практики бакалавров 
направления «Техносферная безопасность» МГТУ им . Н .Э . Баумана 
и Севастопольского государственного университета   .  .  .  .  .  .  .  .  .  .  .  .  .  . 80
Experience in organizing and conducting a joint practice of bachelors in 
the direction of “Technosphere Safety” by Bauman Moscow State Technical 
University and Sevastopol State University 

инфоРмиРуем читателя

inforMation

Третья Всероссийская неделя охраны труда . . . . . . . . . . . . . . . . . . . . . . . . . 87
The Third All-Russian Labor Protection Week

Журнал «Безопасность в техносфере» включен в перечень 
ведущих научных журналов, в которых по рекомендациям 
ВАК РФ должны быть опубли кованы научные результаты 
диссертаций на соискание ученых степеней доктора  
и кандидата наук, а также в американскую базу периодических 
и продолжающихся изданий Ulrich’s и базу лучших российских 
научных журналов, размещенную на платформе Web of Science 
в виде Russian Science Citation Index (RSCI) .

РЕДАКЦИОННЫЙ СОВЕТ
Александров Анатолий Александрович (Председатель совета),
ректор МГТУ им. Н.Э. Баумана, зав. кафедрой, д-р техн. наук, 
профессор
Алёшин Николай Павлович, 
зав. кафедрой МГТУ им. Н.Э. Баумана, академик РАН,  
д-р техн. наук, профессор
Аткиссон Алан (Alan Atkisson) — Швеция (Sweden),
президент Atkisson Group, советник Комиссии ООН по 
устойчивому развитию, член Комиссии по науке и технологическому развитию при Президенте Еврокомиссии (EU Commission 
President’s Council of Advisors on Science and Technology)
Бабешко Владимир Андреевич,
зав. кафедрой Кубанского государственного университета, 
директор НЦ прогнозирования и предупреждения 
геоэкологических и техногенных катастроф, академик РАН,  
д-р физ.-мат. наук, профессор
Бухтияров Игорь Валентинович
директор НИИ медицины труда РАМН, чл.-кор. РАН, д-р мед. наук, 
профессор
Гарелик Хемда (Hemda Garelick) — Великобритания (United Kingdom), 
Professor of Environmental Science and Public Health Education, 
School of Health and Social Sciences (HSSC) Middlesex University,
Programme Leader for Doctorate in Professional Studies Environment and Risk (HSSC), PhD.
Касимов Николай Сергеевич, 
Президент географического факультета МГУ им. М.В. Ломоносова, 
вице-президент Русского географического общества,  
зав. кафедрой, академик РАН, д-р геогр. наук, профессор
Махутов Николай Андреевич, 
главный научный сотрудник Института машиноведения  
им. А.А. Благонравова РАН, руководитель рабочей группы  
при Президиуме РАН по проблемам безопасности, чл.-кор. РАН,  
д-р техн. наук, профессор
Мейер Нильс И . (Niels I . Meer) — Дания (Denmark), 
профессор Датского технического университета (дат. Danmarks 
Tekniske Universitet, DTU, англ. Technical University of Denmark)
Соломенцев Юрий Михайлович, 
президент МГТУ «Станкин», зав. кафедрой, чл.-кор. РАН, 
д-р техн. наук, профессор
Тарасова Наталия Павловна,
директор института  проблем устойчивого развития, президент 
международного союза теоретической и прикладной химии 
ИЮПАК (International Union of Pure and Applied Chemistry — IPA)
заведующая кафедрой РХТУ им. Д.И. Менделеева,  
чл.-кор. РАН, д-р хим. наук, профессор

РЕДАКЦИОННАЯ КОЛЛЕГИЯ
Васильев Андрей Витальевич,
зав. кафедрой Самарского государственного технического 
университета, д-р техн. наук, профессор
Вараксин Алексей Юрьевич, 
заведующий отделением Объединенного института высоких 
температур РАН, чл.-кор. РАН, д-р физ.-мат. наук, профессор
Девисилов Владимир Аркадьевич,
доцент кафедры МГТУ им. Н.Э. Баумана, канд. техн. наук
Дыганова Роза Яхиевна,
зав. кафедрой Казанского государственного энергетического 
университета, д-р биол. наук, профессор
Дьяченко Владимир Викторович,
заместитель директора по научной и учебной работе 
Новороссийского политехнического института (филиала) КубГТУ, 
профессор, канд. сел.-хоз. наук, д-р геогр. наук
Егоров Александр Федорович,
зав. кафедрой РХТУ им. Д.И. Менделеева, д-р техн. наук, профессор
Кручинина Наталия Евгеньевна,
декан инженерного экологического факультета, зав. кафедрой 
РХТУ им. Д.И. Менделеева, канд. хим. наук, д-р техн. наук, профессор
Майстренко Валерий Николаевич,
зав. кафедрой Башкирского государственного университета,  
чл.-кор. АН Республики Башкортостан, д-р хим. наук, профессор
Никулин Валерий Александрович,
исполнительный вице-президент Российской инженерной 
академии, ректор Камского института гуманитарных  
и инженерных технологий,  д-р техн. наук, профессор
Павлихин Геннадий Петрович,
д-р техн. наук, профессор МГТУ им. Н.Э. Баумана
Петров Борис Германович,
руководитель Приволжского Управления Ростехнадзора,  
канд. техн. наук, профессор
Пушенко Сергей Леонардович,
заведующий кафедрой Донского государственного технического 
университета,д-р техн. наук
Рахманов Борис Николаевич,
профессор Московского государственного университета путей 
сообщения, д-р техн. наук
Реветрио Роберто ( Roberto Revetrio)
д-р наук (PhD), профессор Университета Генуи, Италия
Рубцова Нина Борисовна,
заведующая научным координационно-информационным 
отделом ГУ НИИ медицины труда РАМН, д-р биол. наук
Севастьянов Борис Владимирович,
зав. кафедрой «Безопасность жизнедеятельности»  
Ижевского государственного технического университета,  
канд. пед. наук, д-р техн. наук, профессор
Сущев Сергей Петрович, 
генеральный директор ООО «Центр исследований 
экстремальных ситуаций», д-р техн. наук, профессор
Трофименко Юрий Васильевич,
зав. кафедрой Московского автомобильно-дорожного 
государственного технического университета,  
д-р техн. наук, профессор
Федорец Александр Григорьевич,
директор Автономной некоммерческой организации  
«Институт безопасности труда», канд. техн. наук, доцент

Рискология  
Riskology

Безопасность в техносфере, №2 (март–апрель), 2017
3

УДК 614.8.084 
DOI: 10.12737/article_598d6bc079a1a2.75307505
Логическое и параметрическое моделирование 
предпосылок и установление меры определенности 
реализации происшествия в системе 

Ю.В. Есипов, профессор, д-р техн. наук1
М.С. Джиляджи, аспирант1,2
А.И. Черемисин, доцент, канд. техн. наук1

1Донской государственный технический университет, г. Ростов-на Дону 
2Симферопольский технологический университет, г. Симферополь, Республика Крым

email: yu-yesipov5@yandex.ru, mufa86@mail.ru, Ansv5@yandex.ru

На основе факторного параметрического моделирования конкретной 
заданной системы «объект —  факторы —  защита —  работник» апробирована 
задача определить количественно меру реализации возможных вариантов 
(исходов) происшествия путем построения параметрических и логических 
предпосылок, выявления их связности относительно выбранного происшествия 
и расчета возможностной (нечеткой) меры происшествия с учетом полноты 
и достоверности представления исходных данных о системе. Приведены 
численные оценки показателей безопасности на практически значимой области 
анализа: воздействие «меньше» или «намного меньше» восприимчивости. 
Продемонстрирована возможность применения параметрической модели 
«воздействие —  ослабление —  восприимчивость» в диапазоне возникновения 
вершинных исходов от травмы (заболевания) до критического или летального 
исхода. Показано, что предложенный метод анализа безопасности и алгоритм 
расчета унифицированный и может быть применен для оценки как 
интегрального, так и дифференциального риска сложных систем.

Ключевые слова:  
безопасность,  
система «защита —  объект —  среда —  
субъект»,  
риск,  
происшествие,  
нечеткие множества,  
логическая функция,  
параметрическая модель 
«воздействие —  ослабление —  
восприимчивость».

1 . Анализ состояния вопроса и формулировка 
задачи
Задача определения количественной меры происшествий в системах вида «факторы —  объект —  защита» рассматривалась разными учеными. П. С. Порецкий решал общую задачу теории вероятностей при 
помощи математической логики (1890); Н. С. Стрелецкий —  при разработке модели «нагрузка–прочность» 
и функции «гарантированного не разрушения» 
(1947); А. Р. Ржаницын при разработке вероятностной 
модели «нагрузка–прочность» и на ее основе введения «функции неразрушимости» Ψ = (R – S) и «характеристики безопасности» γ = (m(R) –  m(S))/(D(Ψ))0,5, 
где m(R) и m(S) —  соответственно математическое 
ожидание нагрузки и прочности, суммарная дисперсия D(Ψ) = (D(R) + D(S)), (1954) [4]. В. В. Болотин 

и Н. А. Махутов разработали статистическую модель 
«нагрузка–прочность» и обосновали критерии статической и динамической прочности и безопасности 
(1965, 1981) [2, 4]; И. А. Рябинин при разработке логико-вероятностных методов исследования надежности 
и безопасности структурно-сложных систем (1976, 
1981) [1, 3]; Дюбуа Д., Прад А. [5], Клир Дж.[6], Орловский С. А., Поспелов Д. А. [2] при разработке теории 
возможностей, введении и обосновании соотношения 
мер необходимости, вероятности и возможности относительно одного события и (или) критерия для конкретно взятой системы (1982–1990) [9, 10]; Махутов, 
Чернявский О. А., Шадчин А. В. [7, 11] при разработке 
теоретических и экспериментальных вопросов оценки достоверности расчета малой вероятности разрушения для единичных конструкций (2005–2010).

Рискология  
Riskology

4

На основе проведенного анализа указанных работ были сформулированы следующие задачи исследования.
Задача № 1: стандартизация и (или) унификация показателей безопасности и методов их расчета, как для 
типовых (статистически описанных), так и для нетиповых («уникальных» или статистически плохо обусловленных) технических и (или) экологических систем.
Задача № 2: обоснование достоверности расчета показателей безопасности и (или) риска систем 
на уровне десятых долей процента и ниже (≤10–3) 
(«снятие проклятия 3 сигм»).
Задача № 3: анализ, исследование и (или) оптимизация: а) способов и средств защиты и страхования; 
б) организационно-технических, конструктивных 
и нормативно-правовых мероприятий с позиций выбора для конкретно взятой системы показателя безопасности и (или) риска в качестве целевой функции.
Решение указанных задач, в первую очередь, основано на выборе и расчете количественной меры 
(вероятности или возможности) реализации происшествий как составляющих показателей безопасности и (или) риска, а также на разработке и апробации 
методов и алгоритмов их достоверного расчета применительно к системам вида «объекты —  факторы —  
защита —  работники» [12, 13, 14].
Формулирование задачи. Требуется в рамках конкретно заданной системы «объект —  факторы —  защита —  работник» установить количественную 
(нечеткую или вероятностную) меру реализации 
возможных вариантов (исходов) происшествия 
и оценить степень эффективности защиты путем: 
построения параметрических и логических предпосылок в системе; учета и выявления их логической 
связности относительно выбранного происшествия 
и конкретной защиты; преобразования логической 
функции происшествия в вероятностную и (или) 
возможностную форму и расчета количественной 
меры реализации происшествия.

2 . Выбор и описание параметрической модели 
происшествия
Раскроем систему «объект —  факторы —  защита —  работник» в следующем виде: «потенциально 
опасный объект (ПОО) —  опасные и вредные факторы (ОВФ) —  способы и средства защиты (ССЗ) —  человек (рабочая бригада)». Вслед за большинством исследователей определим безопасность такой системы 
как свойство с некоторой вероятностью не допустить 
происшествие. При этом упрощенно под риском такой системы понимается вероятный или ожидаемый 
ущерб от возникновения некоторого множества происшествий.

Анализ и оценка безопасности и риска основаны 
на построении лингвистических, логических и параметрических моделей предпосылок, как правило, 
с учетом их связности относительно вершинного исхода —  происшествия в системе [12, 13]. На основе 
принципа предопределенности формально любое 
происшествие как сложное событие, происходящее 
(способное произойти) в рассматриваемой системе, 
можно назвать «вершинным исходом» реализации 
предпосылок, выявленных с помощью анализа или 
экспертизы. Причем варианты реализации происшествия составляют (должны составлять) полную группу несовместимых исходов. В рамках этой группы 
понятие «вершинный исход» означает наихудший 
(самый опасный, вредный и «ущербный») вариант 
развития происшествия. Построение параметрических моделей предпосылок происшествий чаще всего основано на известных моделях вида: «нагрузка — 
прочность»; «нагрузка —  несущая способность»; 
«воздействие —  стойкость»; «доза —  эффект»; «воздействие —  восприимчивость» [4, 8, 11, 15, 16].
В рамках рассматриваемой человеко-машинной 
системы принимается, что понятие «восприимчивость к воздействию» синоним понятия «отклик 
на действие», но шире понятий «несущая способность к нагрузке» или «стойкость к воздействию». 
Это позволяет для установления количественной 
меры возникновения происшествий в системе выбрать в качестве «универсальной» следующую параметрическую модель [4, 12]:

 
«воздействие V = {v} –  ослабление F = {f} – 
 
 восприимчивость R = {r}». 
(1)

В однопараметрическом выражении эта модель 
имеет вид:

 
«v –  f –  r», 
(2)

где: v —  параметр воздействующего фактора; f — 
функция ослабления воздействующего фактора, заданная на интервале вещественных чисел [0, 1], причем условие f = 0 представляет полное ослабление 
(изоляцию действия) фактора, условие f = 1 описывает отсутствие ослабления (защиты от действия) фактора; условия ослабления «внешнего» воздействия 
v на трех уровнях защиты: f1 = 0,001, практически 
полное ослабление воздействия; f2 = 0,01 —  ослабление воздействия до уровня 1% (удовлетворительная 
защита); f3 = 0,1 —  ослабление до уровня 10% (плохая 
защита); r —  параметр восприимчивости объекта 
или элемента или субъекта (человека) к действию 
фактора, который характеризует возможность изме

Рискология  
Riskology

Безопасность в техносфере, №2 (март–апрель), 2017
5

нения состояния или возникновения предпосылки 
происшествия или происшествие.
При этом параметры восприимчивости, как и параметры воздействия, чаще всего выражают через 
основные или производные величины системы физических единиц СИ. С учетом ослабления параметр 
воздействия обозначают s = f ∙ v и однопараметрическую модель представляют в виде «s –  r».

3 . Построение логических и параметрических 
моделей предпосылок происшествия
На основе выражений (1) и (2) самое простое 
лингвистическое описание происшествия имеет вид: 
«Воздействие превышает восприимчивость даже при 
условии установленной и исправной защиты». Ему 
соответствует логическая модель:

 
y1 = x1 ∧ x2, 
(3)

где значением переменной x1 = 1 в оптимистическом 
сценарии выражают конъюнкцию условий «защита 
установлена (x11 = 1) и исправна (x12 = 1)»,

 
x1 = x11 ∧ x12. 
(4)

Условие превышения воздействия над восприимчивостью даже при наличии защиты выразим в виде:

 
если s > r при условии что x1 = 1, то x2 = 1. 
(5)

При пессимистическом сценарии лингвистическое описание происшествия имеет вид: «Воздействие превышает восприимчивость при условии 
либо отсутствия, либо неисправности защиты». Логическая модель имеет вид

 
y2 = z1 ∧ z2, 
(6)

где значение переменной z1 = 1 выражает дизъюнкцию условий «защита не установлена (z11 = 1) или 
не исправна (z12 = 1)»

 
z1 = z11 ∨ z12. 
(7)

Условие превышения воздействия над восприимчивостью без защиты выразим в виде:

 
если s > r | z1 = 1, то z2 = 1. 
(8)

Исходя из требования учета двух альтернативных 
сценариев развития происшествия в системе, объединенную логическую модель происшествия представим как дизъюнкцию

 
Y = y1 ∨ y2. 
(9)

При этом условия вида (4) и (7) называют логическими, а условия вида (5) и (8) —  параметрическими 
предпосылками происшествия [3, 12].
С помощью введенных булевых переменных 
предпосылок логическую модель происшествия (9) 
представим в виде

 
Y = x11 ∧ x12 ∧ x2 ∨ (z11 ∨ z12) ∧ z2. 
(10)

На основании известных правил [1, 3, 12] преобразуем логическую функцию (10) или ее составляющие (4), (9) в ее вероятностную или возможностную 
форму и, например, для y 1 получим:

 
Pro (y1 = 1) = P1 = p11· p12 · p2; 
(11)
 
Pos (y1 = 1) = П1 = min (π11, π12, π2), 
(12)

где p11 и p2; π11 и π2 —  соответственно вероятностная 
и возможностная мера реализации логической (4) 
и параметрической (5) предпосылки оптимистического сценария происшествия.
Как видно, на основании введенных моделей 
можно описать любые происшествия и предпосылки их возникновения в системе. Путем преобразования логических и параметрических моделей в детерминированные, вероятностные и нечеткие модели 
функции реализации, типа (10) в (11) или (12), может 
быть рассчитана вероятностная и (или) возможностная мера реализации происшествий.

4 . Анализ соотношения мер определенности 
реализации происшествия
Очевидно, что с позиций количественной оценки 
защиты, безопасности и риска параметрическая модель происшествия важна и требует детального обоснования. Для этого используем аксиоматическое 
утверждение об отношении мер определенности реализации события —  происшествия по Праду–Дюбуа 
[5. С. 33, зависимость (1.57), с. 99 — сравнение двух 
нечетких интервалов, рис. 3.15], по Клиру [6. С. 113, 
рис. 35 —  классы нечетких мер] и по Поспелову Д. А. 
[2], которое записывается в виде:

 
Nec s
r
Pro s
r
Pos s
r
>
(
) ≤
>
(
) ≤
>
(
) , 
(13)

где под s, r соответственно понимаются в операторе Nec (s > r) —  детерминированные, в операторе  
Pro(s > r) —  случайные, в операторе Pos(s > r) —  нечеткие величины (параметры) параметрической модели реализации вершинного исхода.

Рискология  
Riskology

6

Предполагается, что с учетом достигнутой точности и полноты информации о системе при априорной оценке и принятии решении о безопасности 
предъявляется требование о минимизации (вплоть 
до нуля) вероятности ошибки «не обнаружения 
(пропуска) происшествия» (ошибка 2 рода), а решение о реализации происшествия содержит (может 
включать) ложное решение о его реализации и значение вероятности наступления происшествия может 
быть найдено с ошибкой «ложного происшествия» 
(с ошибкой 1 рода). При этом в [12] показано, что 
на области значений с учетом соотношений параметров воздействие «меньше» или «много меньше» 
восприимчивости: (s < r) или (s << r), —  расчетная 
величина возможностной меры Pos(.) происшествия 
больше или равна вероятностной мере Pro(.), которая 
больше или равна мере необходимости Nec(.) реализации происшествия. При этом считается, что в применяемых зависимостях (2), (13) параметры изменяются монотонно.
Демонстрация варианта соотношения воздействия и восприимчивости при условии детерминированной Nec(s, r), случайной Pro(s, r) или нечеткой 
Pos(s, r) природы происхождения, при которых теоретически выполняется условие Прада–Клира–Поспелова (13) на области изменения параметров (s < r) 
или (s << r), представлена на рис. 1. Как видно из условий верхней части рис. 1, Nec(s > r) = 0. На средней 
части рис. 1 показано, что с учетом случайного разброса параметров s и r выполнимо следующее соотношение 0 ≤ Nec(s > r) ≤ Pro(s > r), причем Pro(s > r) 
= 0.
В нижней части рис. 1 представлен вариант параметрической модели и превышения нечеткого параметра восприимчивости над нечетким воздействием 
на основе трапецеидальной аппроксимации их функций принадлежности μ(s) и μ(r) [12, 17]. Отметим, что 
функция принадлежности μ(s), заданная на области 
значений [0, s], описывает параметр воздействия, 

который реализуется четко или однозначно. В теории возможностей эту область называют «ядром» 
нечеткой величины. На области значений [s, s + Δs] 
воздействие задано или реализуется нечетко, где 
Δs —  абсолютная погрешность рассматривается как 
характеристика «нечеткости».
Функция принадлежности μ(r) описывает нечеткую восприимчивость к воздействию на области (r – Δr, r] с линейным изменением меры от 0 до 1, 
а на области параметра r ≥ r восприимчивость четкая. Это означает, что объект «восприимчив» к воздействию фактора и происходит реализация происшествия или его предпосылки. 
Заметим, что хотя трапецеидальная аппроксимация функции принадлежности и «грубая», она представляет собой простую и весьма информативную 
модель для количественного описания объединения 
и пересечения параметров воздействия и восприимчивости. 
С помощью введенных логической и параметрической моделей предпосылок происшествия (4), (7) 
и (5), (8) и критерия превышения (13) систему «объект —  факторы —  защита —  работник» можно классифицировать как «нетиповую», если ее компоненты 
с позиций их вклада в возможность наступления 
конкретно взятого происшествия априорно имеют 
«уникальный» или статистически плохо обусловленный разброс параметров воздействия, ослабления 
и восприимчивости.

5 . Определение возможностной меры 
превышения нечеткого воздействия над нечеткой 
восприимчивостью
Представим задачу об определении возможностной меры параметрической предпосылки происшествия как задачу о сравнении двух нечетких чисел [5, 
17, 18] с треугольными функциями принадлежности:

 
μs(x), x ∈ {s – Δs, s + Δs};
 
μR(x), x ∈ {r – ΔR, r + ΔR}, 
(14)

где: соответственно s и r —  ядра; интервалы {s – Δs, 
s + Δs} и {r – ΔR, r + ΔR} —  области задания нечетких 
чисел μs(x), причем величины μR(x); Δs и ΔR выражают 
через абсолютные погрешности задания параметров 
воздействия и восприимчивости (рис. 2). При этом 
критерий превышения нечеткого воздействия над 
нечеткой восприимчивостью на области существования этих параметров представим в виде: s > r | s < r.
Требуется определить общую область существования (μs(x) и μR(x)) и точку пересечения функций 
принадлежности; на общей области существования 

Рис . 1 . Демонстрация варианта и условий выполнения соотношения (13) и реализации возможности превышения воздействия над 
восприимчивостью

s

s

Δs
Δr

φ(s)

μ(r)
μ(s)

φ(r)

r

r

Рискология  
Riskology

Безопасность в техносфере, №2 (март–апрель), 2017
7

найти возможностную меру превышения нечеткого воздействия над нечеткой восприимчивостью 
π1 = Pos(s > r | s < r).
Решение. Непустая общая область существования 
нечетких чисел равна интервалу {r –  ΔR, s + Δs}, который показан на рис. 2. Составим для обращенных 
друг к другу линейных характеристик нечеткости два 
уравнения «прямых в отрезках» и найдем координату x 1 точки их пересечения:

 
x 1 = (ΔR ∙ s + r ∙ Δs)/(ΔR + Δs). 
(15)

Далее, если подставить x 1 в уравнение функции 
принадлежности, например, в μs(s = x1), то можно 
получить искомое значение возможностной меры реализации параметрической предпосылки происшествия. Кроме этого, можно воспользоваться частным 
решением возможностной меры по линейным характеристикам нечеткости [12. С. 76]:

 
π1 = 1 – (r1 – s1)/(ΔR + Δs) = μS (x1). 
(16)

В общем виде задача решена, а ее апробацию проведем на примере.
Пример 1. Даны два типовых варианта соотношения характеристик параметров воздействия и восприимчивости.

Вариант 1:
Δs = 3 ∙ ΔR :  1.1) (r – s) = Δs = 3 ∙ ΔR; 
1.2) (r – s) = 3,5 ∙ ΔR; 
1.3) (r – s) = 4 ∙ ΔR. 
(17)

Вариант 2:
Δs = 6 ∙ ΔR:  2.1) (r – s) = Δs = 6 ∙ ΔR;
2.2) (r – s)= 6,5 ∙ ΔR;
2.3) (r – s)= 7 ∙ ΔR. 
(18)

Требуется найти возможностную меру реализации параметрической предпосылки происшествия.
Решение. Решение может быть найдено как аналитическим —  (15), (16), так и графическим способами. 
В итоге получены следующие значения возможностной меры реализации параметрической предпосылки происшествия:
для варианта 1: π11 = 0,25; π12 = 0,125; π13 = 0;
для варианта 2: π21 = 0,14; π22 = 0,07; π23 = 0.

6 . Расчет возможностной меры поражения работника 
при действии факторов химической природы
На предприятии по производству пластмассовых 
изделий на машиниста экструдера действуют негативные факторы (НФ) химической природы: оксид 
углерода (CO), формальдегид (CH2O) и ацетальдегид 
(C2H4O). Для обоснования степени безопасности работ, а также для разработки и обоснования применяемой защиты была поставлена задача рассчитать 
возможностную меру реализации следующих вер
μs(x)

1,0

μR(x)

φ(s)

m(s)

φ(r)

x1

x1

x

x
s – ∆s
s + ∆s
r + ∆R
r – ∆R
s
r

Рис . 2 . Сравнение двух нечетких чисел с треугольными функциями 
принадлежности и их вероятностный аналог

Таблица 1
Исходные данные и расчетные значения возможностной меры трех вершинных исходов  
при действии факторов химической природы

Негативный фактор,  
концентрация 
n, [мг/м3]

Вершинный  
исход 
(i = 1, 2, 3)

Нижняя граница 
восприимчивости 
r1 —  Δi
R [мг/м3]

Верхняя граница 
воздействия 
s1 + Δi
s [мг/м3]

Запас  
безопасности 
zbi

Возможностная 
мера 
πi

Статистическая 
частота 
p*

Оксид углерода  
(CO)

отравление, i =1 ni
20 – 10
10,5 + 10,5
0,46
0,54
0,3…0,7

удушье, i =2 nМР
200 – 100
105 + 105

ЛИ, i =3 nЛИ
2000 – 1000
1050 + 1050

Формальдегид (CH2O)

отравление, i = 1
0,5 – 0,25
0,28 + ,.27
0,42
0,58
0,2…0,5

удушье, i =2
5 – 2.5

ЛИ, i =3
50 – 25

Ацетальдегид (C2H4O)

отравление, i = 1
5 – 2,5
2,5 + 2,4
0,47
0,53
0,25…0,47

удушье, i =2
50 – 25

ЛИ, i =3
500 – 250

Рискология  
Riskology

8

шинных исходов: ВИ1 —  отравление; ВИ2 —  удушье; 
ВИ3 —  летальный исход (ЛИ) (табл. 1).
В ходе анализа и подготовки исходных данных 
предполагалось, что зависимость, описывающая изменение или ослабление параметров применительно к выбранным вершинным исходам —  (2), линейная, а параметрические модели вершинных исходов 
для выбранных негативных факторов подобные 
и на примере действия оксида углерода представлены на рис. 3.
Как следует из левой части рис. 3 (вершинный исход 1), воздействие до (и на уровне) значения ядра 
(10,5 мг/м3) достоверно, при этом вероятность проявления этой величины равна 1, а на уровне верхнего 
значения (на уровне α среза или с учетом выполнения правила «трех сигм») вероятность проявления 
воздействия меньше или равна 0,003 [12]. При этом 
принималось, что относительная погрешность представления параметров восприимчивости и воздействия равна δ = 50%.
Алгоритм подготовки и получения исходных данных для расчета возможностных мер возникновения 
трех вершинных исходов на примере оксида углерода 
содержал следующие этапы.
1) Выбор значений параметра восприимчивости, 
а также погрешности его представления для следующих вершинных исходов.
Вершинный исход (ВИ1) —  отравление. Восприимчивость к отравлению выражается через значение 
ПДК: ni = 20 (мг/м 3); абсолютная погрешность представления параметра восприимчивости: 

 
Δi = δ · ni = + 0,5 · 20 = 10 (мг/м 3).

Вершинный исход (ВИ2) —  удушье. Восприимчивость к удушью условно выражалась через 10-кратное значение ПДК: n i = 200 (мг/м 3); абсолютная 

погрешность представления параметра восприимчивости к удушью:

 
Δi = δ · ni = 0,5 · 200 = 100 (мг/м 3).

Вершинный исход (ВИ3) —  летальный исход. 
Восприимчивость к летальному исходу условно выражалась через 100-кратное значение ПДК: ni = 2000; 
абсолютная погрешность представления параметра 
восприимчивости к удушью: 

 
Δi = δ · ni = 0,5 · 2000 = 1000 (мг/м 3).

2) Измерение (или расчет) значений параметра 
воздействия. Пусть измерение позволило получить 
параметр воздействия как s: nизм = 21 (мг/м 3), а абсолютную погрешность Δ S его представления как 

 
Δs = δ · ni = 0,5 · 21 = 10,5 (мг/м 3).

3) Конкретизация и описание вершинного исхода. С учетом измеренного значения воздействия 
выбираем потенциальный вершинный исход —  отравление, по формуле (16) рассчитываем возможностную меру его реализации. До этого варианта 
расчетное значение приведенного параметрического запаса безопасности составило zbi = 0,46, которому соответствует следующее значение возможностной меры предполагаемого отравления работника:  
πi = 1 —  zbi = 0,54.
4) Если измеренные или расчетные значения воздействия сопоставимы с параметрами восприимчивости других, более тяжелых вершинных исходов, 
то алгоритм расчета возможностной меры их реализации подобен описываемому. При этом заполняют 
вторую и (или) третью строки табл. 1, соответствующих исходу i = 2 и (или) 3.

μs, μr

μr1
μr2
μr3
μs
1,0

r1

r – ∆r

s + ∆s
s

r2
r3

10,5           15,75         20                                       200                                             1000                                  2000 мг/м3

Рис . 3 . Возможность реализации трех вершинных исходов на примере действия оксида углерода

I
II
III

Рискология  
Riskology

Безопасность в техносфере, №2 (март–апрель), 2017
9

Аналогично получены исходные данные и результаты расчета для других вершинных исходов от действия как оксида углерода, так и формальдегида 
и ацетальдегида, которые сведены в табл. 1.
5) Замечания по установлению статистической частоты p* конкретного исхода.
В правой колонке табл. 1 приведены данные, полученные путем опроса работников служб охраны 
труда и медицинских пунктов. Выполнение этого 
этапа экспертизы требует учета, систематизации 
и накопления случаев искомых вершинных исходов 
(или их значимых предпосылок). На наш взгляд, этот 
этап должен быть обязательным для специалистов 
по охране труда, экспертов страхования и инспекторов дорожно-патрульной службы.
Сравнительный анализ показывает приемлемую 
близость полученных результатов расчета возможностных мер со статистическими данными по реализации исходов заболевания или поражения работников, а предложенный алгоритм подготовки и расчета 
количественной меры реализации возможных вариантов происшествия может быть использован для 
решения задач оценки показателей безопасности 
и риска конкретных систем.

7 . Заключение
На основе факторного параметрического моделирования конкретно заданной системы «объект — 
факторы —  защита —  работник» апробирована 
задача определения количественной меры реализации возможных вариантов (исходов) происшествия 
путем: 1) построения параметрических и логических предпосылок; 2) выявления их связности относительно выбранного происшествия и 3) расчета возможностной (нечеткой) меры происшествия 
в пределах достигнутой точности представления 
исходных данных. Приведены численные оценки 
показателей безопасности на практически значимой 
области анализа: воздействие «меньше» или «намного меньше» восприимчивости. Продемонстрирована возможность применения параметрической 
модели «воздействие —  ослабление —  восприимчивость» в диапазоне возникновения вершинных 
исходов от травмы (заболевания) до критического 
или летального исхода. Показано, что предложенный метод анализа безопасности и алгоритм расчета унифицированный и может быть применен для 
оценки интегрального так и дифференциального 
риска сложных систем.

Литература
1. Рябинин И. А., Черкесов Г. М. Логико-вероятностные методы исследования надежности структурно-сложных 
систем. М.: Радио и связь, 1981. 263 с.
2. Поспелов Д. А. Ситуационное управление: теория 
и практика. М.: Наука,1986. 288с
3. Рябинин И. А. Надежность и безопасность сложных систем. СПб.: Политехника, 2000. —248 с.
4. Болотин В. В. Статистические методы в строительной 
механике. М.: Стройиздат., 1965. 324 с.
5. Дюбуа Д., Прад А. Теория возможностей. Приложения 
к представлению знаний в информатике. М.: Мир, 1989. 
286 с.
6. Клир Дж. Системология. Автоматизация решения системных задач / Пер. с англ. М.: Радио и связь, 1990. 
422 с.
7. Махутов Н. А., Зацаринный В. В., Резников Д. В. Особенности статистических подходов при оценке статической прочности // Безопасность в техносфере. 2014. № 2 
(март–апрель). С. 33–39.
8. Стрелецкий Н. С. Основы статистического учета коэффициента запаса прочности сооружений. М.: Стройиздат, 1967. 232 с.
9. Zadeh L. A. Fuzzy sets // Information and Control. 1965. 
Nо. 8, р. 338–353.
10. Обработка нечеткой информации в системах принятия 
решений / А. Н. Борисов, А. В. Алексеев и др. М.: Радио 
и связь, 1989. 304 с.
11. Чернявский О. А., Шадчин А. В. Оценка достоверности 
расчета малой вероятности разрушения для единич
ных конструкций // Проблемы машиностроения и надежности машин. 2010. № 4. С. 118–123.
12. Есипов Ю. В., Самсонов Ф. А., Черемисин А. И. Мониторинг и оценка риска систем «защита —  объект —  среда». М.: Изд. ЛКИ —  УРСС. 3-е изд., 2013. 138 с.
13. Есипов Ю. В., Пустовая Л. Е., Черемисин А. И. Методы расчета показателей безопасности и риска /ДГТУ. 
Р-н-Д. 2016. 84 с.
14. Есипов Ю. В., Джиляджи М. С., Маматченко Н. С. Разработка алгоритма расчета вероятностного показателя 
безопасности технической системы «защита —  объект —  среда» // Безопасность техногенных и природных систем. 2017. № 1. С. 75–89 http://bps-journal.ru
15. Есипов Ю. В., Васильченко Ю. И. Модель отказов «прочность —  нагрузка» при перекрывающихся распределениях параметров в условии их одностороннего допуска 
(статистических подход) // Надежность и контроль качества. 1994. № 3. С. 7–13.
16. Есипов Ю. В. Моделирование опасностей и установление меры определенности происшествия в системе // 
Проблемы машиностроения и надежности машин. 
2003. № 3. С. 112–117.
17. Воронцов Я. А., Матвеев М. Г. Методы параметризованного сравнения нечетких треугольных и трапециевидных чисел // Вестник Воронежского госуниверситета, 
Серия: системный анализ и информационные технологии. 2014. № 2. С. 90–97.
18. Шокин Ю. И. Интервальный анализ. Новосибирск. Наука. 1981. 312 с.

Рискология  
Riskology

10

19. Нечеткие множества в моделях управления и искусственного интеллекта / А. Н. Аверкин и др. М.: Наука. 1986. 312 с.
20. Предельно-допустимые уровни звукового давления (ПДУ 
ЗД) для административных помещений промышленных 

предприятий) /СП 51.13330.2011 Защита от шума. Актуализированная редакция СНиП 23–03–2003
21. Tammy Haslip, Becky: Industrial Noise and Its Effects on 
Humans // Journal of Environmental Studies. 2013. Vol. 14, 
No. 6, р. 721–726.

References
1. Ryabinin I. A., Cherkesov G. M. Logiko-veroyatnostnye 
metody issledovaniya nadezhnosti strukturno-slozhnykh 
system [Logical-probabilistic methods of investigating the 
reliability of structurally complex systems]. Moscow, Radio 
i svyaz’ Publ. 1981. 263 p. (in Russian)
2. Pospelov D. A. Situatsionnoe upravlenie: teoriya i praktika 
[Situational management: theory and practice]. Moscow, 
Nauka Publ., 1986. 288 p. (in Russian)
3. Ryabinin I. A. Nadezhnost’ i bezopasnost’ slozhnykh system 
[Reliability and security of complex systems]. St. Petersburg, 
Politekhnika Publ., 2000. 248 p. (in Russian)
4. Bolotin V. V. Statisticheskie metody v stroitel’noy mekhanike 
[Statistical methods in construction mechanics]. Moscow, 
Stroyizdat Publ. 1965. 324 p. (in Russian)
5. Dyubua D., Prad A. Teoriya vozmozhnostey. Prilozheniya 
k predstavleniyu znaniy v informatike [Theory of Opportunities. Applications to knowledge representation in computer science]. Moscow, Mir Publ., 1989. 286 p. (in Russian)
6. Klir Dzh. Sistemologiya. Avtomatizatsiya resheniya 
sistemnykh zadach [Sistemology. Automation of the 
solution of system tasks]. Moscow, Radio i svyaz’ Publ., 
1990. 422 p. (in Russian)
7. Makhutov N. A., Zatsarinnyy V. V., Reznikov D. V. Oso bennosti statisticheskikh podkhodov pri otsenke stati cheskoyprochnosti [Features of statistical approaches in assessing 
static strength]. Bezopasnost’ v tekhnosfere [Safety in the 
technosphere]. 2014, I. 2, pp. 33–39. (in Russian)
8. Streletskiy N. S. Osnovy statisticheskogo ucheta koeffitsienta 
zapasa prochnosti sooruzheniy [Fundamentals of Statistical 
Accounting of the Factor of Stability of Buildings]. Moscow, 
Stroyizdat Publ., 1967. 232 p. (in Russian)
9. Zadeh L. A. Fuzzy sets // Information and Control. 1965. 
N-Y. 8, pp. 338–353. (in Russian)
10. Borisov A. N., Alekseev A. V. Obrabotka nechetkoy 
informatsii v sistemakh prinyatiya resheniy [Processing of 
fuzzy information in decision-making systems]. Moscow, 
Radio i svyaz’ Publ., 1989. 304 p. (in Russian)
11. Chernyavskiy O. A., Shadchin A. V. Otsenka dostovernosti 
rascheta maloy veroyatnosti razrusheniya dlya edinichnykh 
konstruktsiy [Estimation of reliability of calculation of low 
probability of destruction for single structures]. Problemy 
mashinostroeniya i nadezhnosti mashin [Problems of 
mechanical engineering and reliability of machines]. 2010, 
I. 4, pp. 118–123. (in Russian)
12. Esipov Yu.V., Samsonov F. A., Cheremisin A. I. Monitoring 
i otsenka riska sistem «zashchita —  ob'ekt —  sreda» 
[Monitoring and assessment of the risk of “protection — 
object —  environment” systems]. Moscow, LKI —  URSS 
Publ., 2013. 138 p. (in Russian)
13. Esipov Yu.V., Pustovaya L. E., Cheremisin A. I. Metody 
rascheta pokazateley bezopasnosti i riska [Methods for 

calculating safety and risk indicators]. DGTU [DGTU]. 
Rostov-on-Don, 2016. 84 p. (in Russian)
14. Esipov Yu.V., Dzhilyadzhi M. S., Mamatchenko N. S. 
Razrabotka algoritma rascheta veroyatnostnogo pokazatelya bezopasnosti tekhnicheskoy sistemy «zashchita — 
ob'ekt —  sreda» [Development of an algorithm for 
calculating the probabilistic safety index of the technical 
system 
“protection —  object —  environment”]. 
Bezopasnost’ tekhnogennykh i prirodnykh system [Safety 
of technogenic and natural systems]. 2017, I. 1, pp. 75–89. 
Available at: http://bps-journal.ru. (in Russian)
15. Esipov Yu.V., Vasil’chenko Yu.I. Model’ otkazov 
«proch nost’ —  nagruzka» pri perekryvayushchikhsya 
raspredeleniyakh parametrov v uslovii ikh odnostoronnego dopuska (statisticheskikh podkhod) [The 
“strength-load” failure model with overlapping parameter 
distributions in the condition of their one-sided tolerance 
(statistical approach)]. Nadezhnost’ i kontrol’ kachestva 
[Reliability and quality control]. Moscow, I. 3, 1994, 
pp. 7–13. (in Russian)
16. Esipov Yu.V. Modelirovanie opasnostey i ustanovlenie 
mery opredelennosti proisshestviya v sisteme [Modeling 
of hazards and establishing the measure of the certainty 
of an incident in the system]. Problemy mashinostroeniya 
i nadezhnosti mashin [Problems of machine building and 
machine reliability]. 2003, I. 3, pp. 112–117. (in Russian)
17. Vorontsov Ya.A., Matveev M. G. Metody parametri zovannogo sravneniya nechetkikh treugol’nykh i tra petsievidnykh chisel [Methods of parametrized comparison 
of fuzzy triangular and trapezoidal numbers]. Vestnik 
Voronezhskogo gosuniversiteta, Seriya: sistemnyy analiz 
i informatsionnye tekhnologii [Vestnik Voronezhskogo 
gosuniversiteta, Serie: Systems Analysis and Information 
Technology]. 2014, I. 2, pp. 90–97. (in Russian)
18. Shokin Yu.I. Interval’nyy analiz [Interval analysis]. 
Novosibirsk, Nauka Publ., 1981. 312 p. (in Russian)
19. Averkin A. N. Nechetkie mnozhestva v modelyakh 
upravleniya i iskusstvennogo intellekta [Fuzzy sets in models 
of control and artificial intelligence]. Moscow, Nauka Publ., 
1986. 312 p. (in Russian)
20. Predel’no-dopustimye urovni zvukovogo davleniya 
(PDU ZD) dlya administrativnykh pomeshcheniy 
promyshlennykh predpriyatiy) [Maximum permissible 
sound pressure levels (PDU ZD) for administrative 
premises of industrial enterprises)]. SP 51.13330.2011 
Zashchita ot shuma. Aktualizirovannaya redaktsiya SNiP 
23–03–2003 [SP 51.13330.2011 Protection against noise. 
Updated version of SNiP 23–03–2003].(in Russian)
21. Tammy Haslip, Becky: Industrial Noise and Its Effects on 
Humans// Journal of Environmental Studies Vol. 14, No. 6 
(2013), 721–726.

Рискология 
Riskology

Безопасность в техносфере, №2 (март–апрель), 2017
11

Logical and Parametric Modeling of the Prerequisities and the Establishment 
of a Measure of the Certainty of the Implementation of the Incident in Sistem

Yu.V.Esipov, Doctor of Technical Sciences, Professor, Don State Technical University, Rostov-on-Don
M. S. Dgiliadgy, Postgraduate Student, Simferopol Technological University, Simferopol, Republic of Crimea
A. I. Cheremisin, Candidate of Technical Sciences, Associate Professor, Don State Technical University, Rostov-on-Don

Based on the factor of parametric modeling specifically given system “object —  factors —  protection worker” the problem of 
determining a quantitative measure of the possible implementation options (outcomes) of the occurrence of the incident was 
testedby: 1) construction of parametric and logical assumptions; 2) identifying their coherence in relation to the selected 
occurrence, and 3) calculating possible (fuzzy) measures of the occurrence of the incident taking into account the completeness 
and reliability of the initial data about the system. The numerical estimation of safety parameters in practically important region 
of analysis is given: the impact of “less” or “much less” susceptibility. The demonstration of the possible use of parametric models 
“impact —  attenuation —  sensitivity” in the range of occurrence of apical outcomes from injury (disease) to a critical, or death is 
given. It is shown that the proposed method of security analysis and the calculation algorithm is standardized and can be applied 
to assess both integral and differential risk of complex systems.

Keywords: safety, system “protection —  object —  environment —  subject”, risk, the causal logic of the incident, fuzzy sets, 
logical function, parametric model “influence —  susceptibility”.

VI Всероссийское совещание заведующих кафедрами по вопросам образования  
в области техносферной безопасности, безопасности жизнедеятельности, защиты 
окружающей среды и природообустройства

Место проведения: студенческий оздоровительно-спортивный комплекс «Радуга» Донского государственного 
технического университета (ДГТУ), г. Геленджик, с. Дивноморское, ул. Приморская, д. 10 «А».

Как добираться: от ж/д вокзала г. Новороссийск —  автобусом до с. Дивноморское; от аэропорта г. Геленджик — 
автобусом до с. Дивноморское; от аэропорта г. Анапа —  автобусом до с. Дивноморское; —  трансфер от аэропорта г. Геленджик —  по графику (смотри на сайте ДГТУ).

Сроки проведения: заезд участников —  9 октября 2017 г., рабочие дни совещания —  10–12 октября 2017 г., отъезд 
участников –13 октября 2017 г.

Организационный взнос: 1500–2500 рублей в зависимости от заказанного пакета услуг

Организационный взнос можно оплатить: на месте по прибытии в СОСК «Радуга» за наличный расчет с выдачей 
необходимых финансовых документов для бухгалтерской отчетности; перечислить наличными на расчетный счет 
ДГТУ. (подробная информация об услугах и реквизитах счета см. на сайте ДГТУ).

Повышение квалификации по двум программам (по выбору участника) с выдачей удостоверения установленного образца

Условия проживания и его оплата: студенческий оздоровительно-спортивный комплекс «Радуга» располагает комфортабельными корпусами с 2-х местными комнатами со всеми удобствами. В стоимость проживания входит 3-х разовое 
питание. Стоимость проживания в сутки составляет: —  в номере с кондиционером —  1 360 рублей; —  в номере без кондиционера —  1 260 рублей. При желании единоличного поселения в номере доплата составит: —  в номере с кондиционером — 
960 рублей; —  в номере без кондиционера —  860 рублей. Оплата за проживание будет производиться на месте по прибытии 
ССОК «Радуга» за наличный расчет с выдачей необходимых финансовых документов для бухгалтерской отчетности.

Материалы совещания: планируется издать материалы совещания (учебно-методического характера) тиражом 
в соответствии с поданными авторами и участниками совещания заявками. Авторский материал объемом до 6 страниц не должен иметь рекламный характер. Шаблон представления статей см. на сайте.

Подача заявки на участие в совещании: —  форма заявки приведена на сайте ДГТУ по адресу http://donstu.ru 
в разделе «Новости» «Ближайшие мероприятия» —  «Совещание заведующих кафедрами —  2017»; —  заявка должна 
быть выслана по адресу: psl@rgsu.ru (копия на адрес slpushenko@yandex.ru) до 20.09.2017 г.

Контакты: Пушенко С. Л. по тел. +7 (863) 2019–080, моб. +7–928–900–1303. E-mail: slpushenko@yandex.ru

Информация будет размещаться также на сайте кафедры «Экология и промышленная безопасность» МГТУ 
им. Н. Э. Баумана (www.e9.bmstu.ru, http://mhts.ru) и на сайте федерального учебно-методического объединения «Техносферная безопасность и природообустройство» (www.умо-тбп.рф).

См. 4 полосу обложки журнала.
Оргкомитет совещания

Контроль и мониторинг
Control and Monitoring

12

УДК 556.5:551.4  
DOI: 10.12737/article_598d6d3b878e17.26680767
Оценка состояния поверхностных вод с применением 
многоразовых твердофазных полимерных 
индикаторов в полевых условиях 

В.Л. Злобина, ведущий научный сотрудник, д-р геол.-мин. наук1
Т.А. Черкасова, ведущий научный сотрудник, канд. хим. наук2 
М.А. Мизиев, ведущий инженер, аспирант2 

1Институт водных проблем Российской академии наук 
2Российский химико-технологический университет имени Д.И. Менделеева

email: tacherPUR@yandex.ru

В результате многолетней хозяйственной деятельности возникает большое 
количество антропогенных факторов, изменяющих динамику трансформации 
качества поверхностных вод. Это требует системной оценки поверхностных 
вод. Современные методы базируются на использовании приборов, которые, отработав, подлежат утилизации, или одноразовых бумажных комплектов с разбросом погрешностей определения. В данной работе для экспресс-анализа состояния 
поверхностных вод на присутствие тяжелых металлов были применены твердофазные полимерные индикаторы. Показана возможность внелабораторного 
применения цветных твердофазных полимерных индикаторов многоразового использования, сохраняющих оттенки цвета в течение двух лет и более. Характеристики индикаторов были изучены в лабораторных условиях и апробированы при 
изучении озерных и речных вод в российских регионах (оз. Валдайское, р. Полометь, 
оз. Онежское и др.). Разрабатываемая методология базируется на показаниях четырех параметров: температура, рН, измененный цвет полимерного индикатора 
c последующим сравнением рН и цвета с эталонной шкалой индикатора, суммарный индекс загрязнения воды тяжелыми металлами. Сопоставляя полученные результаты с показателями рабочей шкалы, в которую внесены все четыре показателя, с высокой точностью оценивают уровень загрязнения поверхностных вод 
тяжелыми металлами. Кроме того, этот метод дает возможность установить 
значимую роль донных отложений в формировании качества поверхностных вод. 
Результаты выполненных исследований позволяют увеличить количество наблюдений во времени и пространстве и получить значительную по объему информационную базу об экологическом состоянии водных объектов при их мониторинге.

Ключевые слова:  
цветные полимерные индикаторы, 
тяжелые металлы,  
поверхностные воды,  
мониторинг.

1 . Введение
Поверхностные воды относятся к важным компонентам природной среды и содержат значительные 
запасы пресной воды (водохранилища, озерные системы, реки). В условиях интенсивной хозяйственной 
деятельности их загрязнение стало одной из актуальных экологических проблем [1–4]. Речные и озерные 
системы выступают одним из основных источников 
питьевой воды при водоснабжении городов и поселков. Они становятся основной водно-балансо
вой составляющей и при интенсивном отборе проб 
подземных вод [1, 3]. С увеличением антропогенной 
нагрузки на поверхностные воды происходит распространение загрязнителей [3 5]. В поверхностные 
воды за счет рассредоточенных и локальных источников поступает широкий спектр веществ различного происхождения [1, 3–5], в том числе и широкий 
спектр тяжелых металлов (Zn, Cu, Pb и Ni и др.) [6, 7, 
8]. Концентрация многих токсикантов приближается 
к предельно-допустимым показателям в окружаю