CC BY
2
УДК 004.94
DOI: 10.24412/2071-6168-2023-12-578-579
ИСПОЛЬЗОВАНИЕ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ ПРИ РАЗРАБОТКЕ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ КОНТРОЛЯ ВОЗГОРАНИЯ ТОРФЯНИКОВ
М.Н. Орешина, А.П. Зверев
Контроль в режиме реального времени и удаленное управление параметрами, обуславливающих возникновение лесных пожаров возможно с использованием современных информационных технологий, таких так методы обработки Больших данных, Интернет вещей, сетевые беспроводные технологии, искусственный интеллект и др., что позволяет с высокой точностью проводить анализ данных и определять вероятность событий. Необходимость мониторинга параметров торфяных залежей с целью определения очагов возгорания и быстрого реагирования, направленного на предотвращение торфяных пожаров, вызвано тем, что пожар за короткое время распространяется на больших территориях, при этом уничтожается лесной массив и наносится вред здоровью людей.
Ключевые слова: информационные технологии, БСЛОЛ системы, регрессионный анализ, экологический мониторинг, прогноз вероятности возгорания торфяника, торфяные пожары.
Для прогнозирования физических процессов и явлений используются современные информационные технологии, такие так методы обработки Больших данных, Интернет вещей, искусственный интеллект и др., что позволяет с высокой точностью проводить анализ данных и определять вероятность событий [4].
Торф является полезным ископаемым, используемым в качестве топливного ресурса, однако на ряду с полезными характеристиками он имеет свойство к самовозгоранию. Торфяные пожары это одно из наиболее часто возникающих природных явлений, которое может повторяться с периодичностью раз в 6 -7 лет и наносить вред здоровью населения и окружающей среде. На сегодняшний день необходимы современные исследования с использованием методов прогнозирования торфяных пожаров, с целью их быстрого определения и предотвращения [3].
При прогнозировании ситуации с лесными пожарами используются нейронные сети для детектирования и определения характеристик горящих частиц [5]. При рассмотрении пространственной метеорологической модели атмосферного пограничного слоя применяются численные методы решения интегро - дифференциальных уравнений [6-12].
Определение вероятности появления конкретной антропогенной и природной пожарной опасности п-го типа в момент времени 1, достаточной для зажигания слоя торфа и определение вероятности готовности воспламенения основываются на вероятностных методах исследований [13-15].
Информационно-вычислительные системы для моделирования метеорологических прогнозов рассматривается в работах [16-22].
Таким образом было исследовано, что современные известные архитектуры систем мониторинга распределенных объектов содержат сенсоры, актуаторы, регистрирующие первичные сигналы и преобразующие их в электрический сигнал, данные с этих устройств по средством модема предаются по беспроводным сетям, далее приемные устройства регистрируют сигнал, предают на контроллеры и АРМ оператора и обрабатываются с использованием программных средств. Для обработки сигналов могут использоваться различные аналитические методы, основанные на статистической обработке данных, гибридные модели, методы облачных и туманных вычислений.
Известные методы, являются общими подходами к архитектуре автоматизированных систем контроля и управления параметрами, однако не рассматривают конкретные ситуации, связанные с лесными пожарами. Перед нами стояла задача адаптировать известные методы под конкретную задачу, а именно исследовать зависимость возникновения лесных пожаров торфяников при определенных температурах грунта. Технические аспекты, связанные работой беспроводных сетей, вносящие сбои в работе автоматизированной системы не являлось предметом исследования данной статьи.
В данной статье использовались данные метеосводок, полученные с температурных датчиков метеостанций и переданные, посредством модема и беспроводной связи в пункты операторского контроля для мониторинга природной ситуации. Анализ полученных данных, позволяет предсказать значения температур по годам и выявить тенденции возникновения торфяных пожаров. Ландшафтные пожары, или еще их называют торфяные пожары являются разновидностью лесных пожаров. При данном виде пожаров горит торф, который относится к полезным ископаемым. Сам торф представляет собой остатки мха, деревьев, которые как правило не разложились в условиях болот. Скорость распространения данного вида пожаров составляет от нескольких метров в сутки до 0,5 метров в минуту. Особенностью торфяных пожаров является выделение большого количества дыма, который образуется в результате горения торфа. Последний приводит к задымлению больших территорий. При торфяных пожарах сгорает в 4 - 10 раз больше органики, чем при других видах пожаров. Наибольшее количество двуокиси углерода образуется именно при горении торфяников. Стоит отметить, что суммарное количество углерода в атмосферу при торфяных пожарах в мире может достигнуть порядка 10% от общей суммарной величины выброса при сжигании топлива. Так бурый дым от горения торфяника содержит в своем составе такие примеси как (оксиды серы, угарный газ, летучие смолы и др.). Значительные превышения данных примесей приводит к тому, что здоровье населения близлежащих районов будет резко ухудшаться и увеличиваться смертность людей [1, 2].
Образование таких химических элементов после горения торфяников как диоксид углерода, оксид азота, аммиак, азотная кислота превышают на два порядка допустимые занчения, чем при горении лесов. Также наиболее опасным продуктом горения является сажа. Сама сажа является продуктом не полного сгорания торфа. Кроме рассмотренных ранее частиц сажи опасными будут и пылевидные частицы капель тумана оксидов и других загрязнителей воздуха.
Таким образом торфяные пожары это одно из наиболее часто возникающих явлений, которое может повторяться с периодичностью в 6 -7 лет и может наносить не только вред здоровью на селения, но и окружающей среде [2].
Согласно Указа Президента РФ № 382 от 15. 06. 2022 г. необходимо добиться поэтапного снижения к 2030 году уровня, при котором доля лесных пожаров на землях лесного фонда, ликвидированных в течение первых суток с момента обнаружения, в общем количестве лесных пожаров на землях лесного фонда будет оставлять 100 % [1]. Таким образом, стоит подчеркнуть, что как правило лесной пожар порождает торфяной и соответственно наоборот, отсюда следует, что рассмотрение вопросов торфяных пожаров является актуальным на сегодняшний день.
Поэтому необходимо проанализировать существующие методы мониторинга температуры и создать систему контроля возгорания как торфяников, так и низовых пожаров с целью недопущения горения лесов в начальный момент возгорания, а также по максимальному значению выполнить указание Президента Российской Федерации № 382 от 15. 06. 2022 г [1, 2].
Контроль возгорания торфа можно осуществлять на основе способа, предполагающего установку датчиков температуры внутри торфяника [23]. Особенностью данной системы контроля является то, что каждый из датчиков передает информацию о конкретном месте возгорания торфяника. Однако данная система не всегда будет работать эффективно, на ее работоспособность будет оказывать сильное влияние то, как располагаются датчики. В зависимости от периметра болота можно расположить их таким образом, что возможно будет возгорание в тех местах где отсутствуют датчики. С учетом ранее сказанного возникает вопрос, а каким образом, проконтролировать процесс начала возгорания торфяников, чтобы не допустить процесс подобный тому, что был в Московской области в 2010 году. В качестве такой системы стоит рассмотреть систему контроля возгорания торфяников с учетом прокладки кабеля внутри торфяника. Данный способ предполагает прокладку кабеля на территории торфяника, при этом каждый торфяник ввиду его сложности расположения и периметра может иметь как один, так и несколько контуров. На кабель будут крепиться датчики температуры и влажности. Сам кабель целесообразно прокладывать на глубине от одного до полутора метров. В процессе эксплуатации можно будет анализировать состояние торфяника. Рассмотрим данный процесс более конкретно. В исходном состоянии, когда нет возгорания, то, как температура, так и влажность практически будут находиться в сбалансированном состоянии и данные параметры будут как бы уравновешены. Ни один из параметров не будет превышать норму. Стоит отметить, что в этом случае будет зеленый свет контроля торфяника. Однако, как только произойдет разбаланс, т.е. один параметр станет превышать другой, к примеру температура станет выше, то тогда будет изменяться и влажность, в данном случае влажность станет уменьшаться, за счет самовозгорания, фазового перехода жидкости в пар. Проведенные эксперименты показали, что до 30 0С внутри торфяника ни каких процессов не происходит, торфяник практически не может возгореться. Как только температура внутри его станет более 30 0С начнется процесс возможного возгорания. При этом погрешность корреляции между температурой и вероятностью возгорания может быть вызвана ослеплением солнечными лучами датчика или же его неисправностью. Данный вопрос подлежит дополнительному исследованию. В том случае, когда, температура внутри торфяника превысит 55 0 С можно с высокой долей вероятности констатировать факт о том, что торфяник начал гореть однозначно. Значения температурных датчиков участка SCADA- системы, размещенной на автоматизированном рабочем месте оператора контрольного пункта в разных состояниях, описанных выше, представлены на рис.1.
ГемлеретуравиЁтгойрсие 60
ЧТемпературанцяэшзсие
Температура
еиперэтурэ
Рис. 1. Показатели датчиков температуры
На основе проведенных экспериментов была составлена программа, которая подтвердила данное состояние торфяного болота от нормы до горения. Как было показано ранее при температуре внутри торфяника менее 30 0С он не горит, в промежутке от 30 до 55 0С возможно его возгорание, а при температуре свыше 55 0С он уже будет точно гореть. Данные показатели необходимы для ЕДДС (Единой Дежурно Диспетчерской Службы), чтобы подготовить спасательные формирования для выезда к месту тушения.
Далее стоит остановиться на том факте, а существует ли корреляционная связь между температурой и вероятностью возгорания торфяника. Для проверки данного факта был проанализирован температурный ряд и на основе критерия Дарбина - Уотсона установлена зависимость между й - статистикой и выборочным коэффициентом корреляции между соседними ошибками е£ и е£_! . На основании формулы приведенной ниже
и уп 02 •
М=1 ^
Уравнение (1) вычисляется на основании метода наименьших квадратов и было установлено следующее: коэффициент автокорреляции и остатки первого порядка могут быть записаны в следующем виде:
2(1 - г1) . (2)
Если в выражении (2) г1 - стремится к единице, то соответственно й будет стремиться к нулю. В данном случае имеет место полная положительная автокорреляция. Следовательно, справедлива выдвинутая гипотеза Н1 - о наличии положительной автокорреляции в остатках. В противном случае либо выдвигаются гипотезы об отсутствии автокорреляции или же о наличии отрицательной автокорреляции. Затем был рассмотрен и проанализирован следующий временной ряд. Температура внутри торфяника была выбрана следующим образом: 17, 22, 29, 34, 39, 44, 49, 55.
60 40 20 0
гтггИИ
1,5
0,5
7 8
температура ^^—вероятность возгорания Рис. 2. Зависимость вероятности возгорания от температуры в слое торфа
На основании полученного графика можно сделать следующее заключение, во - первых согласно критерию Дарбина - Уотсона существует автокорреляция между выбранным температурным рядом, во - вторых, с увеличением температуры внутри торфяника повышается вероятность его возгорания.
Использование регрессионных методов для анализа данных метеостанций позволяет рассмотреть графики изменения температуры по дням в июне в период с 2010 по 2015 г предсставлены на рис. 3.
30 25 20 15 10 5 0
—•—июнь 2010 г. —•—июнь 2011 г.
> июнь 2012 г.
> июнь 2013 г. июнь 2014 г.
5 10 15 20 25 30 35 июнь 2015 г
Рис. 3. Графики изменения температуры по дням в июне в период с 2010 по 2015 г
Графики изменения температуры по дням в июне в период с 2016 по 2022 г предсставлены на рис. 4.
30
20
10
10
июнь 2016 г. июнь 2019 г.
15 20
июнь 2017г. июнь 2020 г.
25
30
июнь 2018 г. июнь 2022 г.
35
Рис. 4. Графики изменения температуры по дням в июне в период с 2016 по 2022 г
25 Средние значения температуры в июне с 2010 по 2030 г.
20 15 10 5 0
у - и;ииил -г А. /
5 10 15 20
Рис. 5. Графики изменения температуры в июне до 2030
25
С учетом значений температуры в июне с 2010 по 2022 г. рассчитанны методом наменьших квадратов значения коэффицентов линейной регрессии, что позволяет прогнозировать значения температуры по годам. Уравнение линейной регрессии имеет вид:
у = Ь0 + Ь1х, (3)
где Ьо и Ь1 - коэффициенты модели, х - число, показывающие порядкой номер года с 2010 до 2022 г.
1
0
0
0
0
5
0
По результатам расчетов для данной выборки значений средних температур в июне по годам в период с 2010 до 2022 г, основанной на данных метеосводок, значение коэффициентов составляют bo= 17,995 и b;=0,0015.
В качестве математического аппарата применены регрессионные методы исследования и критериальные зависимости, в частности использован критерий Дарбена - Уотсена. Использование данного критерия позволило проанализировать связь между температурой и вероятностью возгорания, а также проведенный анализ показал возможность возгорания торфяников в ближайшее время в Московской области.
Прогноз данных по изменению температуры в июне до 2030 г. с использованием полученной линейной регрессионной модели, показал, что температура в июне по годам незначительно возрастает от 17,99 до 18,025 (рис.
5).
Прогноз температур в июне до 2030 года выполнен на основании данных, полученных от метеостаций в период с 2010 до 2022 г. Эти данные указаны точками на графике рис. 5. Прогноз на будущий период до 2030 года выполнялся в следующей последовательности. На первом этапе расчитываются средние температуры в июне с учетом данных по дням месяца на протяжении 12 лет. Принимается модель линейной парной регрессии. Далее на основании метода наименьших квадратов расчитываются коэффициенты линейной парной регрессии и определяются прогнозируемые значения температур в период с 2023 по 2030 г.
Без использование современных информационных технологий не возможна реализация систем быстрого реагирования на пажароопасную ситуацию в лесной зоне. Использованне информационных систем, основанных на технологии больших данных, позволило определить влияние температуры окружающего воздуха на вероятность возгорания торфяников. Рассмотренная в данной статье автоматизированная система контроля возгорания торфяников позволит повысить вероятность обнаружения начального процесса возгорания. На основании произведенного расчета, основанного на определении выполнения критерия Дарбина - Уотсена показана корреляция между температурой окружающего воздуха и процессом возгорания торфяника. Выполенные расчеты показали прогноз возможного возгорания торфяников до 2030 г. На основе данного прогноза можно также сделать вывод о том, что вероятность возгорания торфяников повысится незначительно.
Список литературы
1. Указ Президента Российской Федерации от 15.06.2022 г. № 382. [Электронный ресурс] URL: http://www.kremlin.ru/acts/bank/47919#sidebar (дата обращения: 28.09.2023).
2. МЧС РФ: офиц. сайт. [Электронный ресурс] URL: https://mchs.gov.ru (дата обращения: 22.06.2023).
3. Зверев А.П., Нурмагомедов Т.Н. Система мониторинга и прогнозирования торфяных пожаров // Явления и процессы в приборах и аппаратах спасательной техники: Сборник трудов XXXI Международной научно-практической конференции. Химки, 2021. С. 15-19.
4. Орешина М.Н. Информационные технологии при прогнозировании и оценке риска здоровью населения при воздействии негативных факторов окружающей среды // Человек, природа, общество и технологии: Сборник докладов Национальной научно-практической конференции. Москва, 2022. С. 98-100.
5. Проханов С.А., Агафонцев М.В., Касымов Д.П., Фильков А.И., Рейно В.В., Орлов К.Е. Использование нейронных сетей для детектирования и определения характеристик горящих частиц // Математическое моделирование и суперкомпьютерные технологии: Труды XX Международной конференции. Нижний Новгород: Изд. НИ НГУ им. Н.И. Лобачевского, 2020. C. 315-318.
6. Старченко А.В., Данилкин Е.А., Проханов С.А., Лещинский Д.В. Разработка гибридной схемы распараллеливания для численного решения трехмерного уравнения переноса // Материалы XXII Международной конференции по вычислительной механике и современным прикладным программным системам (ВМСППС 2021). Москва, 2021. С. 85-87.
7. Старченко А.В., Кижнер Л.И., Сваровский А.И., Проханов С.А. Влияние параметризаций физических процессов в модели WRF на точность прогноза некоторых метеорологических параметров // Оптика атмосферы и океана. Физика атмосферы: Тезисы докладов XXVII Международного симпозиума. Москва, 2021. С. 89.
8. Старченко А.В., Кижнер Л.И., Данилкин Е.А., Шельмина Е.А., Проханов С.А. Численное моделирование опасных погодных явлений с помощью мезомасштабных метеорологических моделей высокого разрешения // Оптика атмосферы и океана. Физика атмосферы: Тезисы докладов XXVII Международного симпозиума. Москва, 2021. С. 89.
9. Старченко А.В., Шельмина Е.А., Кижнер Л.И., Одинцов С.Л., Проханов С.А., Стребкова Е.А. Применение мезомасштабных моделей для численного исследования качества воздуха в городе при слабом ветре // Оптика атмосферы и океана. Физика атмосферы: Материалы XXVII Международного симпозиума. Томск, 2021. С. D264-D267.
10. Cawson J.G., Hemming V., Ackland A., Anderson W., Bowman D. Exploring the key drivers of forest flam-mability in wet eucalypt forests using expert-derived conceptual models. 2020. Т. 35. С. 1775.
11. Старченко А.В., Данилкин Е.А., Проханов С.А., Лещинский Д.В. К выбору гибридной схемы распараллеливания для численного решения уравнений пространственной мезомасштабной метеорологической модели атмосферного пограничного слоя // Сборник статей десятой Сибирской конференции по параллельным и высокопроизводительным вычислениям. Томск, 2021. С. 7-17.
12. Filkov A., Cirulis B., Penman T. Quantifying merging fire behaviour phenomena using unmanned aerial vehicle technology // International Journal of Wildland Fire. 2020. С. 740-746.
13. Filkov A.I., Duff T.J., Penman T.D. Frequency of dynamic fire behaviours in Australian forest environments // Fire. 2020. Т. 3. № 1. С. 1-17.
14. Filkov A.I., Ngo T., Matthews S., Telfer S., Penman T.D. Impact of australia's catastrophic 2019/20 bushfire season on communities and environment. retrospective analysis and current trends // Journal of Safety Science and Resilience. 2020. Т. 1. С. 44.
15. Prohanov S., Kasymov D., Zakharov O., Agafontsev M., Ershov A. Improvement of firebrand tracking and detection software // Informatics Conference. Preliminary Proceedings. 2019. С. 290-303.
16. Привезенцев А.И., Старченко А.В., Фазлиев А.З., Стребкова Е.А., Проханов С.А., Привезенцев А.И. Научная информационно-вычислительная система METEO+ для моделирования краткосрочных метеорологических прогнозов // Распределенные информационно-вычислительные: Сборник трудов XVIII Российской конференции с международным участием. Новосибирск, 2022. С. 204-208.
17. Старченко А.В., Данилкин Е.А., Шельмина Е.А. Моделирующая система для краткосрочного прогноза погоды и качества приземного воздуха над городом // Оптика атмосферы и океана. Физика атмосферы: Материалы XXVIII Международного симпозиума. Томск, 2022. С. D56-D59.
18. Starchenko A.V., Danilkin E.A., Prokhanov S.A., Kizhner L.I., Shelmina E.A. Supercomputer-based modeling system for short-term prediction of urban surface air quality // Supercomputing Frontiers and Innovations. 2022. Т. 9. № 1. С. 17-31.
19. Привезенцев А.И., Проханов С.А., Фазлиев А.З., Старченко А.В., Стребкова Е.А. Автоматизированный программный комплекс METEO+ для моделирования краткосрочного прогноза погоды и оценки качества приземного воздуха городской агломерации // Научный сервис в сети Интернет. 2022. № 24. С. 406-418.
20. Starchenko A.V., Danilkin E.A., Prohanov S.A., Leshchinskiy D.V. Parallel implementation of a numerical method for solving transport equations for the mesoscale meteorological model TSUNM3 // Journal of Physics: Conference Series^. "International Conference "Marchuk Scientific Readings 2020". 2021. С. 012073.
21. Starchenko A.V., Danilkin E.A., Prohanov S.A., Kizhner L.I., Lechshinsky D.V. Numerical prediction of local meteorological processes above a city with a supercomputer // Journal of Physics: Conference Series. 4. Сер. "International Conference on Computer Simulation in Physics and Beyond, CSP 2020". 2021. С. 012071.
22. Starchenko A.V., Kizhner L.I., Odintsov S.L., Danilkin E.A., Prokhanov S.A., Leshchinskiy D.V., Svarovsky A.I. Numerical simulation of extreme weather phenomena using high-resolution mesoscale meteorological models // Proceedings of SPIE - The International Society for Optical Engineering.27. Сер. "27th International Symposium on Atmospheric and Ocean Optics, Atmospheric Physics". 2021. С. 119165V.
23. Способ обнаружения возгорания торфяников: пат. Рос. Федерации № 2744436; заявл. 30.09.2019; опубл. 09.03.2021, Бюл. № 7. 10 с.
Орешина Марина Николаевна, д-р техн. наук, профессор, [email protected], Россия, Москва, Российский экономический университет им. Г.В. Плеханова,
Зверев Алексей Петрович, канд. техн. наук, доцент, [email protected], Россия, Москва, Московский авиационный институт (национальный исследовательский университет)
THE USE OF INFORMATION TECHNOLOGY IN THE DEVELOPMENT OF AN AUTOMATED FIRE CONTROL SYSTEM FOR PEAT BOGS
M.N. Oreshina, A.P. Zverev
Real-time monitoring and remote control of the parameters that cause the occurrence offorest fires is possible using modern information technologies, such as Big Data processing methods, the Internet of Things, wireless network technologies, artificial intelligence, etc., which allows for high accuracy data analysis and determining the probability of events. The need to monitor the parameters ofpeat deposits in order to identify fire sources and rapid response aimed at preventing peat fires is caused by the fact that the fire spreads over large areas in a short time, while destroying the forest and harming human health.
Key words: information technology, SCADA systems, regression analysis, environmental monitoring, prediction of the probability ofpeat ignition.
Oreshina Marina Nikolaevna, doctor of technical sciences, professor, [email protected], Russia, Moscow, Plekhanov Russian University of Economics,
Zverev Alexey Petrovich, candidate of technical sciences, docent, [email protected]. Russia, Moscow, Moscow Aviation Institute (National Research University)
