CC BY
121
УДК 66.01-66.04
Л. Р. Асфандиярова (к.т.н., доц.), Р. Н. Асфандияров (к.х.н.), А. Р. Рашидова (асп.), Г. В. Юнусова (асп.)
Анализ сезонных изменений концентраций загрязняющих веществ в р. Белая
Филиал Уфимского государственного нефтяного технического университета в г. Стерлитамак 453118, г Стерлитамак, рб, пр. Октября д.2; тел. (3473) 242518, e-mail: asp-rashidova@rambler.ru
L. R. Asfandiarova, R. N Asfandiarov, A. R. Rashidova, G. V. Yunusova
Analysis of seasonal changes in concentrations of pollutants in the river Belaya
Ufa State Petroleum Technological University, Sterlitamak branch 2, Pr. Oktyabrya, 453118, Sterlitamak, Russia; ph. (3473) 243574, e-mail: asp-rashidova@rambler.ru
Применением статистического метода анализа временных рядов проведен экологический мониторинг состояния воды р. Белая в районе г. Стерлитамак до и после сброса очищенных сточных вод за 6 лет. Произведена оценка вклада загрязняющих веществ в общую изменчивость состояния водного объекта. Установлен вклад детерминированной составляющей и случайной компоненты, выявлены сезонные эффекты.
Ключевые слова: водоем; временные ряды; детерминированная компонента; корреляция; математическая модель; регрессия; сезонная компонента; случайная компонента; факторы.
Самой крупной рекой г. Стерлитамака является р. Белая. Среди рек города она имеет главное промышленное значение. Очистные сооружения Стерлитамакского промышленного узла представляют собой современный комплекс очистных сооружений, промышленных и хозяйственно-фекальных стоков и включает следующие основные стадии очистки: механическая очистка хозяйственно-фекальных сточных вод, адсорбционная очистка промышленных сточных вод, нейтрализация промышленных сточных вод, механическая очистка промышленных сточных вод, смешение механически очищенных хозяйственно-фекальных и промышленных стоков, биологическая очистка сточных вод в аэротенках, обеззараживание сточных вод. Поскольку количество и состав стоков в зависимости от времени года значительно меняется, представлялось целесооб-
By use of statistical method of time series environmental monitoring of water status R. White in the area Sterlitamak before and after the discharge of treated wastewater for 6 years is carried out. The estimation of the contribution of pollutants in the overall variability of the condition of the water is done. The contribution of deterministic component and a random component is established, the seasonal effects are identified.
Key words: body of water; correlation; deterministic component; factors; mathematical model; regression; time series; the random component; seasonal component.
разным оценить влияние очищенных стоков на состав воды р. Белая, которая являет основной водной артерией республики.
При эксплуатации очистных сооружений водоподготовки осуществляется постоянный контроль за качеством воды в водоеме. В результате систематических измерений формируются массивы данных, которые отображают изменения показателей качества воды в течение времени. Приемлемым способом анализа подобных систематических данных в периоды характерного изменения качества воды в водоисточнике являются статистические методы обработки 1. Целью исследования являлось исследование динамических свойств многолетней изменчивости стока р. Белая и оценка качества очистки сбрасываемых сточных вод.
Дата поступления 02.11.13
Материалы и методы
В качестве метода для проведения статистического анализа выбран метод анализа временных рядов. Он предназначен для определения структуры временного ряда. Обрабатываемые значения представляют временной ряд: данные характеризуют объект за ряд последовательных периодов времени. Каждый уровень временного ряда формируется под воздействием большого числа факторов, которые
2
условно делятся на три группы
1. факторы, формирующие тенденцию ряда;
2. факторы, формирующие циклические колебания ряда;
3. случайные факторы.
Тесноту линейной связи текущего и предыдущего уровней ряда характеризует коэффициент автокорреляции.
С помощью статистического исследования — анализа временных рядов рассчитаны трендовая, сезонная и случайная составляющие показателей качества воды «до» и «после» сброса очищенных сточных вод. Сезонная декомпозиция временных рядов показателей проведена по аддитивной модели. В качестве тренд—циклических компонент рассмотрены ступенчатые функции среднегодовых значений.
Для выделения детерминированных составляющих принята аддитивная модель 2:
^=¿1+ г=(гп+01+з)+ г, , (1)
где хг — элементы временного ряда;
— детерминированная компонента;
— случайная компонента;
(Ьт+сг) — тренд-циклическая компонента;
— сезонная компонента; г — время.
После выделения детерминированных компонент из временных рядов содержания загрязняющих веществ в воде, оставшиеся компоненты являются результатом случайных событий, так называемые случайные компоненты. Случайные компоненты анализируемых показателей носят хаотичный характер.
Для оценки сезонной компоненты рассчитаны сезонные индексы анализируемых показателей в речной воде «до» и «после» сброса очищенных сточных вод.
Расчет вели по формуле:
Для оценки степени влияния сезонных факторов на изменчивость временных рядов, использовался коэффициент сезонности:
Si - Si
(3)
где
и Si - max и min значения сезонных
2
1
S, =-
m +
1 +к -X+ip (2)
11=i
индексов .
Разработана математическая модель, описывающий процесс формирования загрязнения водного объекта при внесении изменений в технологию очистки сточных вод на очистных сооружениях, для оценки тенденции показателя в последующие периоды, оптимизации процесса очистки или управления им.
Построение зависимости процесса загрязнения водного объекта от нескольких факторов производили с применением программного обеспечения, ограничившись для упрощения задачей оптимизации линейной моделью. В качестве входящих параметров были установлены: концентрация анализируемого показателя в реке «до» сброса сточных вод в р. Белая, расчетные коэффициенты. Расчеты производили с помощью программного обеспечения Microsoft Office Excel 3.
Результаты и их обсуждения
В табл. 1 приведены среднегодовые данные показателей характеризующих состояние водного объекта «до» и «после» за последние 6 лет в створе р. Белая до и после сброса очищенных сточных вод.
Показатели pH (2%), растворенный кислород (1-2 %), БПК-20 (10%), SO42- (8-9 %), из года в год меняются незначительно. Все остальные показатели ХПК (15%), БПК5 (10%), взвешенные вещества (15-20 %), нефтепродукты (14.5%), хорид ионы (44%), ионы аммония (40%), фенолы (46%), сухой остаток (30%), нитриты (1-30 %), нитраты (3-22 %) изменяются существенно. Эти показатели относятся к техногенным для борьбы, с которыми важен выбор коагулянта на этапе механической очистки промышленных сточных вод.
Полученные данные позволили выделить три группы примесей по периоду изменения их содержания в воде: с периодом 6 месяцев, с периодом 12 месяцев и с отсутствием определенной закономерности изменения. К первой группе относится хлорид ион. Ко второй груп-
max
Таблица 1
Створ реки Белая
Показатель 2005 2006 2007 2008 2009 2010
о ч после о ч после о ч после о ч после о ч после о ч после
рн 7.7 7.9 7.8 7.9 7.7 7.8 7.7 7.9 7.8 8.03 7.7 7.8
С1-, мг/дм3 70.8 121.3 71.0 132.8 115.9 175.7 148.8 190.5 124.1 187.5 209.9 253.1
ЭОд2-, мг/дм3 35.3 38.6 34.2 35.0 40.0 44.9 44.5 49.4 43.0 48.3 45.8 61.9
ХПК*, мгО2/дм3 18.3 21.6 19.0 21.8 18.6 20.6 15.3 17.4 13.2 14.9 13.4 15.3
БПК5", мг/дм3 2.89 3.21 2.80 3.44 2.00 2.16 3.10 3.30 3.29 3.46 3.42 3.67
БПК20", мг/дм3 3.25 3.64 3.42 3.74 3.69 3.88 3.02 3.20 3.52 3.74 3.07 3.40
Ж/ Ю-'1, мг/дм3 26 40 15 19 22 30 18 22 16 20 14 18
Н/п ■ 10-2, мг/дм3 65 76 49 56 50 56 33 38 30 120 26 32
Фенолы 10-4,мг/дм3 7 13 6 12 4 11 1 4 0 0 0 0
Раств. О2, мг/дм3 5.79 5.73 6.07 6.04 5.96 6.0 5.06 5.13 5.25 5.19 5.48 5.64
Взв. в-ва, мг/дм3 6.95 8.66 6.86 7.79 6.85 8.43 10.37 6.10 6.54 7.24 8.25 9.56
Сух. ост., мг/дм3 286.0 408.6 267.7 412.5 382.5 512.5 444.2 598.9 354.2 487.7 523.7 623.5
Нитриты 10-4,мг/дм3 898 1283 1024 1088 798 1036 916 1092 716 708 733 850
Нитраты, мг/дм3 4.58 5.09 4.32 4.67 4.24 4.36 4.57 5.29 5.20 5.47 5.03 6.46
* БПК-5 — биологическое потребление кислорода за 5 суток.
* БПК -20 — биологическое потребление кислорода за 20 суток.
* ХПК — химическое потребление кислорода.
пе: рН, ХПК, БПК5>20, ионы 8042—, ЫН4+, фенолы, растворенный кислород, взвешенные вещества, сухой остаток, нитрит и нитрат-анионы. В третью группу входят нефтепродукты.
Исследованы временные ряды по 14 показателям, характеризующим состояние водного объекта в которых также содержится информация об особенностях и закономерностях протекания процесса. Проведен статистический анализ, который позволяет выявить и использовать выявленные закономерности для оценки характеристик процесса в будущем, т.е. для прогнозирования 4.
Рассмотрим на примере одного показателя С1- (хлорид-ион) Концентрация хлоридов в речной воде подвержена заметным сезонным колебаниям, коррелирующим с изменением общей минерализации воды 5. По общему содержанию хлоридов в речной воде за 6 лет наблюдается тенденция к увеличению (рис. 1-а). Минимальная концентрация хлоридов до сброса стоков составляет — 66 мг/л, максимальное — 307 мг/л и после сброса очищенных стоков тт-119 мг/л, тах-337 мг/л. Допустимая концентрация хлоридов — 300 мг/л, следовательно, после сброса очищенных сточных вод в реке белая возможны превышения по данному показателю.
Характер месячных изменений повторяется, они имеют почти один и тот же характер в
каждом годовом периоде с явно выделенным пиком в сентябре месяце (рис. 1-б). Амплитуда сезонных изменений увеличивается вместе с трендом.
График трендовой составляющей (рис.1-в) указывает на постепенное увеличение концентрации хлоридов в реке после сброса очищенных сточных вод.
Сезонные изменения концентрации хлоридов в годичном цикле, выражены четко (рис.1-г). Наиболее высокие значения типичны для осеннего периода (сентябрь), далее содержание резко падает и достигает минимума либо зимой в январе месяце, либо весной в марте. Уменьшение концентрации хлорид-ионов весной связано с половодьем, а увеличение в осенний период со снижением объема поверхностного водотока.
Показатель случайной составляющей (рис. 1-д) временного ряда хлоридов до и после сбросов сточных вод меняются хаотично. Явно выраженный пик случайной компоненты в апреле 2006 г. способствовало резкому повышению концентрации сульфатов в воде, обусловленный влиянием случайных факторов. Вызвали резкое понижение концентрации нитритов в воде до сброса случайные факторы июль, октябрь-2009, после сброса стоков январь, ап-рель-2010гг.
Определение вкладов тренда, сезонной и случайной компонент в показатель хлорид-ион за период 2005—2010 гг. показало (табл. 2), что наибольший вклад до и после сброса стоков вносится за счет тренда (62 и 72% соответственно). Вклад сезонной компоненты не велик (16 и 14 % соответственно). Вклад случайности составляет 22 и 14 % соответственно.
MifMiftiiftiifti
is gis gis gis gis б
300,0000
L
150,0000 __/—,—^Jr
100,0000 До
Ннварь 211115 Апрель 2005 Июль 2005 Октябрь 2005 Январь 2006 Апрель 2006 Июль 2006 Октябрь 2006 Январь 2007 Апрель 2007 Июль 2007 Октябрь 2007 Январь 2008 Апрель 2008 Июль 2008 Октябрь 2008 Январь 2009 Апрель 2009 Июль 2009 Октябрь 2009 Январь 2010 Апрель 2010 Июль 2010 Октябрь 2010
-До
я? у у Jf Jfi
>JÏ СГ * S
До
д
Рис. 1. Графики временного ряда показателя хлорид-ионов в речной воде: а) значения параметра, б) детерминированная составляющая, в) трендо-вая составляющая, г) сезонная составляющая, д) случайная составляющая
Проведенный мониторинг с помощью статистической обработки данных, позволил выявить увеличение тренд-циклической компоненты временных рядов после сброса сточных вод в створах воды р. Белая за последние годы, что говорит о наличии постоянного источника загрязнения воды и увеличении его влияния. В табл. 2 представлены результаты, полученные расчетным путем по вкладам компонентов контролируемых показателей.
Вклад компонент в общую изменчивость ряда представлен в табл. 2.
Для всех показателей средняя тенденция до сброса составляет 35.8%, после сброса тенденция — 54.07%. Также выявлено преобладание сезонной компоненты, по сравнению с тренд-циклической вклад сезонной до и после сброса невелик (19.8 и 15.5 %) соответственно. Однако, наибольший вклад в изменчивость всех показателей до сброса в р. Белая вносит случайная компонента (44.1%), после сброса стоков составляет (30.3%), значительный вклад случайной величины в изменчивость показателей качества воды предполагает возможность «проскока» загрязнений в очищенную воду.
Таким образом, результаты, полученные при исследовании показателей качества воды реки Белой до и после сброса очищенных сточных вод в створе г. Стерлитамак могут являться основой для повышения эффективности очистки сточных вод на очистных сооружениях.
Прогнозирование загрязнений водного объекта методом математического моделирования. Разработка математической модели, описывающей процесс формирования загрязнения водного объекта при внесении изменений в технологию очистки сточных вод на очистных сооружениях, для оценки тенденции показателя в последующие периоды, оптимизации процесса очистки или управления им.
Построение зависимости процесса загрязнения водного объекта от нескольких факторов производили с применением программного обеспечения, ограничившись для упрощения задачей оптимизации линейной моделью 6.
В качестве входящих параметров были установлены: концентрация анализируемого показателя в реке «до» сброса сточных вод в р. Белая, расчетные коэффициенты. Расчеты производили с помощью программного обеспечения Microsoft Office Excel. После исключения незначимых коэффициентов получили уравнение регрессии (1):
у=a + Ь1-х1 + Ь2х2 + ... + bp-Xp (1)
а
в
50
г
100
0000
Таблица 2
Вклады компонент контролируемых показателей по результатам исследований реки Белая до сброса сточных вод с очистных сооружений и после них
Показатель Результаты мониторинга среднемесячных значений показателей (2005-2010 гг.)
Вклад компоненты, %
Тенденция Сезонная Случайная
до после до после До после
рн 11 15 53 56 36 29
Хлорид-анион 62 72 16 14 22 14
Сульфат-анион 26 61 9 4 66 35
ХПК 50 75 28 15 22 10
БПК-5 11 34 9 7 80 59
БПК-20 45 44 10 9 45 47
Аммонийный ион 33 62 16 10 51 28
Нефтепродукты 78 80 9 8 13 13
Фенолы 70 89 10 4 19 7
Растворенный кислород 30 47 24 18 45 34
Взвешенные вещества 12 32 38 27 50 40
Сухой остаток 43 64 19 12 38 23
Нитрит-анион 23 48 8 13 69 39
Нитрат-анион 8 34 30 20 62 46
Среднее значение 35.8 54.07 19.9 15.5 44.1 30.3
Так как в нашем случае у зависит только от 1 параметра, поэтому общий вид формулы:
у = а + &1-Х1,
где У — расчетное прогнозируемое значение концентраций «после» очистки;
х1 — значение концентрации компонента «до» очистки;
а — коэффициент; Ь1 — коэффициент.
Значения коэффициентов а и Ь для каждой модели анализируемого показателя, а также рассчитанное значение адекватности полученных уравнений с использованием критерия Фишера представлены в табл. 3.
Высокие значения показателя адекватности модели свидетельствуют о достаточно адекватном математическом описании показателей качества речной воды (39—96 %) и с помощью уравнения первого порядка.
Опытные (экспериментальные) и расчетные (прогнозируемые) значения концентраций анализируемых показателей (на примере одного показателя - хлоридов) представлены на рис. 1.
МГ/А»7....... 350,00 300,00 250,00 После (эксп] После (прогноз)
____, .
лЛ ./Л ЛА
150,00 лЛЛ/ 1
50,00
А ¿¡л А л ¿¡О ¿А ¿Ао/ Алла-. £ & £ о £ а - о & а Б а а. о о. л г 5 а а -: Ь & л т —> 3 3 £ 5 * 3 3 & 2 "£ 5 3X5X3;
Рис. 2. Экспериментальные и прогнозируемые значения показателей качества речной воды (на примере показателя - хлоридов)
Таким образом, получены уравнения регрессии для каждого показателя временных рядов, совокупность которых представляет собой математическую модель, с помощью которой возможно прогнозировать состояние водного объекта в будущем.
Таким образом на основании полученного уравнения регрессии было установлено, что на формирование концентраций в реке Белая влияет исключительно концентрация веществ до сброса (ХД Подтверждена возможность использования разработанной модели для прогнозирования процесса загрязнения водного объекта на данный момент и в отдаленные периоды для урегулирования процесса очистки сточных вод перед сбросом в водоем р. Белая.
Таблица 3
Коэффициенты уравнений регрессии, адекватность моделей
Анализируемые Коэффициент - а Коэффициент - b1 Адекватность
показатели моделей, %
РН 0.22 0.98 85
Хлорид-анион 70.21 0.86 82
Сульфат-анион 2.78 1.09 62
ХПК 0.96 1.08 94
БПК-5 0.66 0.88 64
БПК-20 0.55 0.91 71
Аммонийный ион 0.006 1.37 81
Нефтепродукты 0.006 1.04 94
Фенолы 0.0001 1.64 90
Растворенный кислород 0.1 0.98 96
Взвешенные вещества 1.01 0.78 73
Сухой остаток 223.92 0.74 73
Нитрит-анион 0.03 0.75 39
Нитрат-анион 0.58 0.99 72
Разработана математическая модель позволяющая производить обработку экспери-
ментальных данных и прогнозирование эффективности процесса очистки стоков, а также оценивать состояние водного объекта.
References
Alekhin O. A. Osnovy gidrokhimii [Basics hydrochemistry ]. Leningrad: Gidrometeoizdat Publ., 1970. 444 p.
Beliaev Iu. K., Nosko V. P. Osnovnye poniatiia i zadachi matematicheskoi statistiki [Basic concepts and problems of mathematical statistics]. Moscow: Moscow state university Publ., 1998.
Bykovskii N. A., Fanakova N. N., Kantor E. A., Kantor L. I. Primenenie metoda analiza vremennykh riadov dlia issledovaniia soderzha-niia magniia i kal'tsiia v vode reki Belaia. Monitoring prirodnykh ekosistem: sb. statei Vserossiiskoi nauchno-prakticheskoi konferen-tsii [Proc. Russian scientific and practical conference «Monitoring of natural ecosystems»]. Penza,
2008. P.34.
Grishina E. P. Osnovy khimii okruzhaiushchei sredy [Fundamentals of Environmental Chemistry ]. Vladimir: Vladimir state university,
2009. 60 p.
Tiurin Iu. N., Makarov A. A. Analiz dannykh na komp'iutere [Analysis of the data on the computer].- Moscow: INFA-M Publ., 1998. 528 p.
Kharabrin A. V., Kantor L. I., Kantor E. A. Issledovano v Rossii. 2004. No.45. P.483.
Литература
1. Алехин О. А. Основы гидрохимии.— Л.: Гидро-метеоиздат, 1970.— 444 с.
2. Беляев Ю. К., Носко В. П. Основные понятия и задачи математической статистики.— М.: Изд-во МГУ, ЧеРо, 1998.
3. Быковский Н. А., Фанакова Н. Н., Кантор Е. А., Кантор Л. И. Применение метода анализа временных рядов для исследования содержания магния и кальция в воде реки Белая// Мониторинг природных экосистем: сб. статей Всероссийской научно-практической конференции.— Пенза, 2008.- С.34.
4. Гришина Е. П. Основы химии окружающей среды. — Владимир : Изд-во Владим. гос. ун-та, 2009.- 60 с.
5. Тюрин Ю. Н., Макаров А. А. Анализ данных на компьютере.— М.: ИНФА-М, 1998.— 528 с.
6. Харабрин А. В., Кантор Л. И., Кантор Е. А. // Исследовано в России.— 2004.— №45.— С.483.
1
2
3
4
5
6
