CC BY
126
© Л.А. Бахвалов, А.М. Могирев, 2011
Л.А. Бахвалов, А.М. Могирев
ЭКОЛОГИЧЕСКАЯ БЕЗОПАСНОСТЬ И ЭКОЛОГИЧЕСКИЕ РИСКИ ПРЕДПРИЯТИЙ РОСАТОМА
Рассмотрены понятие экологического риска и математические методы, позволяющие оценить абсолютные значения риска для оценки влияния технологических процессов горнорудного перерабатывающего предприятия на окружающую природную среду и экологическую безопасность.
Ключевые слова: экологические риски, экологическая безопасность, окружающая среда, месторождения урана, горнорудный комбинат, переработка урана, математические методы.
Описание месторождения Алданского района
Одной из важнейших задач, стоящих перед Россией в 21 веке является развитие атомной энергетики и в том числе освоение новых месторождений урана. Самым перспективным из новых предприятий отрасли является Эльконский горнометаллургический комбинат (ЭГМК), расположенном на Элькон-ском рудном поле в Алданском горнопромышленном районе республики Саха (Якутия). Разведанные запасы оцениваются в 346 тыс. т (7 % мировых запасов урана) и планируется добывать на них 5000 тонн урана в год. Опытно-промышленная добыча урана, а также попутно золота и серебра на нём началась в 2010 году [1,2].
Новое производство, кроме готовой продукции, будет сопровождаться появлением больших объемов радиоактивных отходов (РАО) и вредных химических веществ (ВХВ), создающих значительную нагрузку на окружающую среду (ОС). В случае ЭГМК главными отходами являются горные отвалы при добыче и хвосто-хранилище гидрометаллургического завода. Ежегодно будет сбрасываться на хвостохранилище более 3,11014 Бк альфа-излучающих радионуклидов, в том числе 230Т^ 226Ra, 222Ип, 210РЬ и 210Ро. Производство не является полностью замкнутым, и для него разрешены контролируемые лимитированные выбросы и сбросы. Отработанные породы, чтобы не создавать дополнительной нагрузки
на окружающую среду, будут помещаться обратно в шахтное пространство. [1]
Главным системным возмущением в системе экологической безопасности являются эмиссии технологических процессов перерабатывающего предприятия и связанных с ним подразделений в окружающую природную среду. К ним относятся, в первую очередь: выбросы, сбросы, твердые некондиционные отходы (ТО) радионуклидов и вредных химических веществ. Кроме того, будут проявляться физические эмиссии в виде тепловых и акустических воздействий на окружающую среду.
Количество и состав образуемых в процессе добычи отходов определяется химико-минералогическим составом перерабатываемых руд, методами их добычи и переработки, а так же нетехническими отходами: проливы растворов и пульп, воды от мытья оборудования, щепа, фильтровальное полотно, банно-прачечные воды и др. При кислотном выщелачивании подавляющая часть радия (99,3—99,6%) не растворяется и остается с твердым рудным остатком, в отличие от тория, который почти на 80%, от содержания в исходной руде, переходит в раствор. Концентрация радия в сбросных растворах может достигать более 3.7Е+4 Бк/л, а в мелких суспензированных твердых частицах растворов - на порядок больше 22^а на 1 г твердого. Общая схема образования отходов представлена на рис. 1. [1]
В табл. 1 приведены данные по количеству растворенного изотопа 22^а в хвостах и в химическом концентрате в зависимости от технологического процесса переработки руды [1]. Из изотопов тория наиболее опасным является альфа-излучатель 230Тк
В жидких отходах урановых гидрометаллургических предприятий содержится значительное количество химически токсичных веществ: серной кислоты, сульфатов, карбонатов, хлоридов и нитратов, оснований (аммиака, извести и т. п.), а в рафинатах после экстракционных процессов находятся алкилфосфаты, вторичные и третичные амины, спирты, керосин. Особую опасность представляют сбросные растворы после жидкостной экстракции, содержащие органические экстрагенты. Объем жидких отходов составляет 1—5 т/т руды в зависимости от применяемой технологической схемы: на заводах с кислотным выщелачиванием объем несколько выше - 2 - 5 т /т руды.[1, 5].
Отвалы пустых пород Товарная руда
Ф Ф
пыль, загрязнение почвы, гидросферы, атмосферы Гидрометаллургический завод
*
радон, пыль, ЕРН Дробление, измельчение
ф
радон, аэрозоли кислот, ЕРН Выщелачивание
Ф
аэрозоли, у-излучение смолы Сорбция
газовоздушные выбросы растворителей, экстрагентов Экстракция
*
газовоздушные выбросы урана, аммиака Получение концентрата
Отвалы забалансовых руд, хвостов обогащения
радон, пыль, ЕРН, загрязнение почвы, гидросферы, атмосферы
загрязнение атмосферы, гидросферы, почвы химическими и радиоактивными веществами
Хвосто
хранилище
маточник экстракции, экстрагенты, МН4+
Рис. 1. Источники образования и выделения вредных химических и радиоактивных веществ
Таблица 1
Количество растворенного 226Ra в зависимости от технологии переработки руды
Количество растворенного радия
Технологическая схема При выщелачивании, % общего количества в руде В хвостах, % В химическом концентрате, %
Кислотное выщелачивание 0,4-0,7
Жидкостная экстракция 95 5
в рафинате 80
в песках и шламах 15
Сорбция из пульп 93 7
Содовое выщелачивание 1,5-2,2 100
Одно из наибольших воздействий на окружающую среду оказывают твердые отходы: нарушение ландшафта, загрязнение земель и отчуждение их для складирования отходов, воздействие на растительность, атмосферу и гидросферу за счет ветровой и водной эрозии, выделения радона, выщелачивание ливневыми водами тяжелых металлов и радионуклидов.
Таблица 2
Среднее количество радиоактивных отходов, образующихся на урановом заводе
Источник Отходы Количество, Бк/сут Количество, Кг\сут
Дробилка Уран-238 5,70E+06 0,475
Торий-230 5,70E+06 0,0000075
Радий-226 5,70E+06 1,56є-7
Радон-222 5,70E+06 1,02є-14
Бункеры с рудой Уран-238 1,15Б+06 0,096
Торий-230 1,15Б+06 1,51316є-6
Радий-226 1,15Б+06 3,147є-8
Радон-222 1,15Б+06 2,058є-15
Сушилка желтого кека Уран-238 9,40E+06 0,78
Хвостовой пруд Радон-222 от 2,74E+10 до 4^+10 От 4,9є-11 до 7,944є-11
Твердые отходы рудников по химическому составу представляют собой в основном исходную руду с более низким содержанием урана. В этих отходах содержание урана — сотые доли процента, а радия — от 5^10-11 до Ь10"10 г/г.
Торий, радий и долгоживущие дочерние продукты распада радона 210РЬ и 210Ро могут быть выщелочены из хвостов, что может привести к загрязнению поверхности и грунтовых вод (табл. 2). Частицы песков и шламов, из которых сложены хвосты, разносятся ветром или иным способом попадают во внешнюю среду. Объем твердых отходов, образующихся на заводах почти равен объему поступающей на переработку руды.
Хвостовые отвалы являются потенциальными загрязнителями окружающей среды при несоблюдении надлежащих правил их удаления и хранения. Достаточно высокая радиоактивность тонко измельченных хвостов ГМЗ обуславливает постоянное выделение радона, значение которого может достигать до 40 Бк/м2.
Одним из самых токсичных загрязнителей газообразных отходов при добыче и переработке урановых руд является радон. Однако не весь радон, образующийся в хвостовом отвале, выделяется. Некоторая его часть удерживается самими хвостами, а какая-то
часть подвергается распаду, прежде чем он диффундирует из хвостового отвала в атмосферу.
Экспериментально установлено, что лишь одна четверть образующегося радона выделяется из хвостов и что в действительности лишь радон, образовавшийся в первом метре слоя хвостов, выделится в атмосферу. Таким образом, четверть всего образующегося радона в каждом куб. метре хвостов на поверхности хвостового отвала выделится в атмосферу через каждый кв. метр поверхности, т. е. из хвостового отвала выделится 250 (пкКи/м2)/с.
Концентрация 22бRa в хвостах колеблется от 100 до 1000 пкКи/г, причем более высокие значения обусловлены хвостами после переработки богатых руд (~0,3 %). Количество радона, выделяющегося из хвостового отвала, в некоторой степени зависит от относительного соотношения шламовой и песковой фракции хвостов [5, 13].
Еще одним источником радиоактивности при добыче и переработке урановых руд являются радиоактивная пыль и газы. Газовые выбросы рудников несут с собой во внешнюю среду радиоактивную пыль и радон. Концентрация радона в рудничном воздухе зависит от содержания урана в руде, от плотности горных пород и от коэффициента эманирования.
Для оценки влияния технологических процессов перерабатывающего предприятия и связанных с ним подразделений на окружающую природную среду и экологическую безопасность определим понятие экологического риска.
Обзор научных публикаций показывает, что все большее распространение получает такой подход к определению риска неблагоприятного события, который учитывает не только вероятность этого события, но также все его возможные последствия. Вероятность события или процесса здесь выступает одним из компонентов риска, а мера последствий (ущерба) — другим. Такое двумерное определение риска используется при количественном оценивании риска [8].
Риск, нельзя рассматривать в отрыве от возможных последствий проявления данной опасности. Риск — количественная мера опасности с учетом ее последствий. Поэтому риск R может быть определен как произведение вероятности опасности рассматриваемого события или процесса P на ожидаемый ущерб Q[6,7]: Наиболее привлекательной как с точки зрения общетеоретической дис-
куссии, так и в контексте нашего исследования, представляется точка зрения, в соответствии с которой риск это “двумерная величина” [9] или совокупность двух величин (вероятности наступления нежелательного события и возможных потерь от его наступления) [8]. Необходимо отметить, что такая позиция не является, вообще говоря, каким-то открытием: понятие риска и его математическое выражение в течение нескольких десятилетий использовалось в теории статистических решений [17] и в теории игр [17,18], хотя, быть может, маскируясь в ряде случаев термином “средние потери”. Более того, понятия “риск поставщика” и “риск заказчика” были введены в оборот, по-видимому, еще в 20-х годах. В общем случае, если имеется некоторое множество событий, образующих “полную группу” (в смысле теории вероятности), вместе с вероятностями событий и размерами ущерба от их наступления, то риск, понимаемый как величина ожидаемого ущерба, вычисляется по формуле:
где А1, А2, ..., АN - полная группа событий; Р(А1), Р(А2), ..., Р(А^) -вероятности событий; и(А1), и(А2), ..., ЦА^) - размеры ущерба, связанные с наступлением событий.
Интересно отметить, что из формулы (1) могут быть выведены (при определенных дополнительных условиях) все частные интерпретации риска.
Так, например, если N=1 и, следовательно, Р(А)= 1 (слишком вырожденная ситуация), то величина риска будет равна:
то есть риск равен просто величине ущерба от наступления события А1, что и соответствует одной из частных интерпретаций
Если же п=2 и Ц(А2)=1, и(А])=0 (двух альтернативная ситуация, при которой единичный ущерб возникает лишь при наступлении события А2), величина риска будет равна:
то есть величина риска совпадает с вероятностью наступления нежелательного события.
Дальнейшее развитие рассмотренной здесь модели, основными компонентами которой являются:
N
(1)
я = u (4),
(2)
я = Р( Л),
(3)
(А:, А2, ..., АN}, {Р(А1), Р(А2), ..., Р(АN)}, (ЩАО, ЩА2), ..., U(АN)},
(4)
возможно в нескольких направлениях:
• возможен переход к континуальной ситуации, когда от дискретного множества событий мы переходим к некоторому непрерывному множеству событий Х. При этом от дискретного набора вероятностей мы переходим к функции плотности вероятностей Д(х), а от дискретного множества ущербов также к некоторой непрерывной функции и(х). При этом аналогом выражения (1) будет:
Я = | /(х) • и(x)dx, (5)
X
• возможно развитие событийно-вероятностной схемы, при которой от “линейной” схемы событий можно перейти, например, к древовидной схеме событий, вероятностей и ущербов, то есть к дереву возможных событий (ДВС).
В качестве иллюстрации этого направления развития может быть рассмотрена следующая модельная ситуация. Пусть, например:
- исследуемый объект может находиться всего в двух состояниях: Sn (нормальное состояние) и Sa (аварийное состояние);
- вероятность аварий измеряется величиной Ра, а вероятность нормального состояния - величиной Рп;
- в нормальном состоянии Sn ущерб измеряется величиной Цп, а в аварийном состоянии Sa ущерб зависит от сценария развития аварии;
- развитие аварии (в состоянии Sa) возможно по одному из т сценариев Sal, Sa2, ..., Sam;
- указанные сценарии также образуют полную группу, а их вероятности равны соответственно Р^(аО), Р^(а2)), ., Р^(ат));
- указанным сценариям соответствуют ущербы ЩБ(а ;)).
С учетом перечисленных условий величина риска может быть вычислена с помощью выражения:
N
Я = Рп • и(Sn) + X Р(S(а,) • и(S(а.)), (6)
1=1
Полученное выражение (6) заметно отличается от (1). Для своих последующих рассмотрений мы принимаем концепцию риска, при которой он оценивается с помощью модели, приводящей к формуле (1), или с помощью моделей, получающихся некоторые обобщения этой модели.
Написанные здесь выражения (или те, которые могут быть получены как обобщение рассмотренных здесь моделей) позволяют оценить абсолютные значения риска, то есть значения риска, которые имеют вполне определенную размерность. Для таких оценок, впрочем, требуется точное знание довольно большого числа параметров: как самих вероятностей тех или иных событий, так и размеров ущерба от их наступления. К сожалению, надежной информации такого рода (о статистике аварий и катастроф, их вероятностей) в настоящее время нет, это отмечается почти во всех публикациях, написанных на эту тему. Аналогичное положение имеет место для размеров ущерба от наступления тех или иных событий. Хотя в последнее время появилось довольно много методик оценки ущерба от аварий и/или катастроф (в том числе и экологического), говорить о достаточности информационного и методического обеспечения рассматриваемого направления исследований еще преждевременно.
Предварительный анализ показал, что Алданский горно-металургический комбинат является экологически опасным предприятием, поэтому необходимо иметь возможность прогнозировать уровень неблагоприятных событий[12].
На одном из самых крупнейших порталов России "Русский MSDN" службы Analysis Services предоставляют ресурсы для разработчиков программного обеспечения, которые являются подмножеством всех алгоритмов, использующихся для интеллектуального анализа данных. [14]
Но для создания каких-либо моделей данных, сначала необходимо проанализировать весь массив, осуществляя поиск определенных закономерностей и трендов, чтобы выявить пригодные к использованию закономерности и получить подробную статистику. Модели анализа данных могут иметь различные формы, включая следующие[15]:
• Набор правил, описывающих группирование данных.
• Дерево принятия решений, прогнозирующее ситуации.
• Математические модели прогнозов.
• Набор кластеров, описывающих связи вариантов в наборе данных и.т.д.
Одним из удобных и то же время достаточно простых, а поэтому интенсивно используемых а прикладных исследованиях, способов описания статистических зависимостей между количественными переменными является регрессия.
Был подготовлен массив данных для построения моделей прогнозирования скорости течения реки Алдан от ее гидрогеологических и метеорологических характеристик.
Для обеспечения возможности прогнозирования ситуации в будущем необходимо иметь возможность относить наблюдаемые характеристики ситуаций в одну или несколько групп.
То есть решить задачу классификации возможных наблюдений на априорно заданные группы на основе анализа значений признаков (скорость течения реки и объем выброса урана). Если аналитику известны свойства объектов каждого класса, то тогда новое наблюдение относится к определенному классу, данные свойства распространяются и на него.
Но получение оценок экспертов довольно сложно организуемая и трудоемкая задача. Альтернативой может служить применение таких видов статистического анализа, как кластерный анализ или самоорганизующиеся карты Кохонена. [16]
Это именно тот тип задач, которые решает алгоритм метода К средних. В общем случае метод К средних строит ровно К различных кластеров, расположенных на возможно больших расстояниях друг от друга.
Для решения следующей задачи классификации данных с априорно определенными классами используется множество различных моделей: логистическая регрессия, дискриминантный анализ, нейронные сети, деревья решений, машины опорных векторов, метод к-ближайших соседей, алгоритмы покрытия и др. При построении моделей необходим массив информации, в котором выходная переменная (метка класса) задана для каждого наблюдения.
------------------------------------- СПИСОК ЛИТЕРАТУРЫ
1. Кузин Р.Е., Никонов В.И., Соловьёв В.Г., Шаталов В.В. Экологические проблемы освоения резервных урановых месторождений, НТС «Уран Рос-сии»,2008.
2. Отчет по научно-исследовательской работе «Определение фоновых активностей естественных и техногенных радионуклидов в образцах окружающей среды по внешнему контуру Эльконского урановорудного района». Фонды ВНИИХТ. ТИ/217-П , 2007г.
3. Нормы радиационной безопасности НРБ - 99.- М.: Минздрав Рос-сии,1999. - 115с.
4. ГОСТ Р 22.0.05-94, УДК 001.4.658.382.3:006.354, Группа Т00
5. Письмо: «О радиационной обстановке на территории Российской Федерации в 2009 году», Министерство природных ресурсов и экологии РФ, федеральная служба по гидрометеорологии и мониторингу окружающей среды, от 21 января 2010 года N 140-212
6. Меньшиков В.В., Техногенные системы и экологический риск, М., Издательство МНЭПУ, 2008
7. Hallenbeck W.H Quantitative Risk Assessment for Environmental and Occupa-tional Health. Boca-Raton, 1993. 212 p.
8. Меньшиков B.B., Швыряев A.A. Опасные химические объекты и техногенный риск : Учебное пособие. - М.: Изд-во Химия, фак. Моск. ун-та, 2003. - 254 с.
9. Kasperson R.E., Renn O., Slovic P. et al. The Social Amplification of Risk: A Conceptual Framework, Risk Analysis. 1988. Vol. 8. N 2. P. 177-187.
10. Chicken J.C., Harbison S.A. Differences Between Industries in the Definition of Acceptable Risk, New Risks. New York, 1990. P. 123-128.
11. Kunreuther H., Slovic P. Science, Values, and Risk, Challenges in Risk Assessment and Management. Thousand Oaks; London, 1996. P. 116-125.
12. INES Руководство для пользователей международной шкалы ядерных и радиологических событий. — Вена: МАГАТЭ, 2010. — 235 с.
13. Юрген Кройш, Bольфганг Нойманн, Детлеф Аппель, Питер Диль, Ядерный топливный цикл Публикация, посвященная ядерным проблемам No.3, Heinrich Bull Foundation, 2006 г.
14. http://msdn.microsoft.com/ru-ru/library/ms 175595.aspx
15. http:// exponenta. ru/soft/Others/stata/ vsu. pdf
16. http://www.basegroup.ru/library/practiсе/comparative analysis/ЕШ
КОРОТКО ОБ АВТОРАХ ------------------------------------------------------
Бахвалов Лев Алексеевич - профессор, доктор технических наук,
Могирев Александр Максимович - аспирант 1 года обучения, кафедра АСУ. Московский государственный горный университет,
Moscow State Mining University, Russia, ud@msmu.ru
