CC BY
36
МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА»
№11/2015
ISSN 2410-6070
Заключение.
Обработка сигнала классическим аналоговым режимом позволила достичь предельной концентрационной чувствительности содержания золота на уровне 0.2-0.3 г/т в созданном спектрометре при использовании навески в 1 грамм без химической пробоподготовки. Следует отметить, что полученный ранее аналогичным спектральным методом результат измерения содержания золота на спектрометрической установке, включающей двухструйный плазматрон ДГП-50, спектрограф ДФС-13 с фотографической регистрацией спектров составил величину 1.32 г/т [5] при аналогичной навеске пробы. Список использованной литературы:
1. Жеенбаев Ж.Ж. Двухструйный плазматрон [Текст] / Ж.Ж.Жеенбаев, В.С.Энгельшт - Ф.: Илим, 1983. - 201 с.
2. Чылымов А. Исследование потока плазмы двухструйного плазматрона [Текст] / А.Чылымов, Ж.Ж.Жеенбаев - Ф.: Илим, Препринт, 1985. - 36 стр.
3. Зильберштейн Х.И. Спектральный анализ чистых веществ / Х.И.Зильберштейн - Л.: Химия, 1971. - 415 с.
4. Райхбаум Я.Д. Физические основы спектрального анализа [Текст] / Я.Д.Райхбаум - М.: Наука, 1980. - 159 с.
5. Урманбетов К. Спектральные методы определения золота в рудах [Текст] / К.Урманбетов, Ж.Жеенбаев, О.Абдылдаев, А.Медетов, А.Ажигулов // Известия НАН КР. - 1996. - №4. - С. 17-19.
© Нурсеитова А., Рыскул кызы Гульзат, Саякбаева Б.Б., 2015
УДК 519.8
С.Я.Пак
младший научный сотрудник ФГБУН Институт автоматики и процессов управления Дальневосточное отделение Российской академии наук, г. Владивосток, Россия
МЕТОДОЛОГИЧЕСКИЕ ОСОБЕННОСТИ МОДЕЛИРОВАНИЯ ЖИЗНЕДЕЯТЕЛЬНОСТИ НИЖНИХ ТРОФИЧЕСКИХ СЛОЕВ В ВОДНЫХ ЭКОСИСТЕМАХ
Аннотация
Рассматриваются некоторые методы преобразования базовых моделей функционирования фитопланктона в соответствии с целевыми задачами исследования.
Ключевые слова
Математическая модель, фитопланктон, питательный ресурс, трофическая структура, продуктивность,
дистанционное зондирование, регрессионная функция.
Нижним уровнем трофической структуры водной экосистемы является фитопланктон. Растительные организмы являются носителями хлорофилла, от которого зависит показатель продуктивности водного объекта в целом. Поэтому оценка актуального состояния фитопланктонного сообщества и прогнозирование его развития является неотъемлемой частью оценки экологической обстановки морского региона и объемов доступной кормовой базы для промысловых видов рыб, млекопитающих и море культур.
Традиционно исследовательским аппаратом в решении этих задач, помимо экспериментального кластера, является математическое моделирование. К настоящему моменту обозначено и опробовано весьма внушительное количество математических моделей, связанных с функционированием нижних трофических слоев и их взаимодействием с последующими уровнями водной экосистемы [3, 7-10]. Едва ли представляется возможным выделить абсолютные преимущества тех или иных методологических подходов в решении задач адекватного отражения жизненного цикла фитопланктона и максимального охвата особенностей его репродуктивного механизма. Поэтому, на наш взгляд, выбор модели зависит, в первую очередь, от целевой
МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №11/2015 ISSN 2410-6070
задачи, которую формулирует для себя исследователь.
Рассмотрим ряд аспектов, в русле которых можно рассматривать динамику функционирования фитопланктонного сообщества.
Первая задача связана с моделированием годовой динамики фитопланктона с учетом сезонных особенностей среды его обитания. Подавляющее большинство опубликованных экспериментальных данных свидетельствуют в пользу того факта, что основное влияние на скорость прироста растительной биомассы оказывает питательный ресурс, при этом температурные показатели среды играют не решающую, но регулирующую роль в репродуктивном цикле. Исходя из вышесказанного, нами выбрана модель закрытого типа, основу которой составляют интегро-дифференциальные балансовые уравнения, отражающие взаимовлияние сообщества фитопланктона B и сообщества биогенов A [5]. Температура введена в качестве регулирующей функции:
&c(t, а) _ 1ß)m(ß, ß)y(t, ß)dß ß)x(t, a)y(t, ß)dß + Q{0, a)
dt в
dy(t, ß)
dt
= J к {в, а, ß)rn(ß, a, ß)x(t, a) y(t, ß)da - J v(ß, ß, y)y(t, ß) y(t, y)dy - m(6, ß) y(t, ß)
Здесь I(0, а, Р) - коэффициент пополнения биомассы биогенного элемента а в результате вымирания фитопланктона вида Р и переработки отмершей органики, т(0, Р) - удельная скорость вымирания данного вида. Параметр 0 = 0(1:) нормирован и означает состояние окружающей среды (например, нормированную температуру). При этом 0(0,а, Р) - удельная скорость потребления биогенного соединения а видом Р, х(1, а) и у(1, Р) - концентрации биогенного соединения а и фитопланктона вида Р в момент времени / соответственно. Через Q(0,а) обозначена скорость поступления извне массы биогена. Функция к(0,а,Р) обозначает долю биогена а , идущую на рост биомассы фитопланктона вида Р, у(0, Р, у) - коэффициент конкуренции фитопланктона видов Р и у между собой.
Иной подход в выборе модели возникает, когда мы рассматриваем фитопланктонное сообщество не в качестве непрерывного блока трофической структуры, а как набор некоторых видов, которые находятся в условиях доступности ограниченного числа элементов минерального питания. В этом случае мы отдаем предпочтение дискретной модели на множестве, состоящем из N растительных видов и М биогенов [1, 2]. Самый общий вид модели также описывает взаимодействие двух основных блоков экосистемы следующим образом:
N N N
х =Х 1 и(т] +Х т)кУк )У](х у)А \0, у] )У]
J=1 к=1 J=1
N к=1
У] = И] (х У(0, У] )У] - (т] +Е т]кУк)У]
к=1
В принятых нами обозначениях xi - концентрация в среде /-го биогенного элемента ( = 1,М), У . -концентрация /-го вида фитопланктона (] = 1^), И у - скорость потребления /-го субстрата фитопланктонным организмом /-го вида на единицу биомассы, т . - скорость элиминации организмов /-го вида, I] - доля массы биогена вида /, высвобождающаяся после отмирания организма /-го вида.
Конкретный вид функции скорости роста иДхг,У/)/-го вида фитопланктона, как и функции А(0,У)
, отражающей влияние внешних факторов на данный вид, зависит от концепции, в рамках которой интерпретируется собственно биологических процесс воспроизводства фитопланктона. Упомянутый выбор обычно определяется данными доступной экспериментальной базы либо субъективными предпочтениями исследователя. Тем не менее, существует ряд закономерностей, которые принято считать достаточно
в
A
B
МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №11/2015 ISSN 2410-6070
фундаментальными, такие как зависимость Михаэлиса-Ментен скорости роста биомассы фитопланктона от концентрации присутствующего в среде субстрата [7, 9] или зависимость той же скорости от внутриклеточного содержания биогена в фитопланктоне, предложенная Друпом [8].
Подход, основанный на повидовом разделении фитопланктонных организмов, во многом оправдывает себя при описании динамики растительного сообщества в лабораторных условиях или в условиях выраженного доминирования определенных классов, к примеру, диатомовых, в ограниченном ареале распространения морской биоты.
Другая тактика построения динамической модели связана с оценкой реальных показателей продуктивности больших по площади водных объектов, где получение упорядоченных и систематизированных измерительных данных сопряжено со значительными трудностями, а подчас просто невозможно. Перспективными с этой точки зрения выглядят модели, основанные на базовых представлениях о процессе воспроизводства биомассы [10], но при этом дополненные элементами регрессионного анализа. Такой подход стал реализуем относительно недавно и связан он с появлением спектрорадиометров, которыми оснащены околоземные спутники, обладающих значительными преимуществами по сравнению с подспутниковыми методами экологического мониторинга. Получение данных о концентрации хлорофилла на больших водных площадях и на протяжении длительного временного промежутка (порядка нескольких лет) позволяет использовать базовую модель скорости роста биомассы фитопланктона в качестве регрессионной функции [9].
Вид регрессионной функции основан на классической логике определения приращения биомассы как ее удельного значения, умноженного на разность скорости роста фитопланктона и скорости его элиминации из системы. Конкретный вид функции роста, как и функции смертности, может быть, вообще говоря, любым. Как правило, функция скорости роста представляет собой мультипликативную зависимость от ряда благоприятствующих факторов. Традиционно к ним относятся минеральное питание, освещенность и температура. Зависимость от освещенности, часто предполагается гиперболической (аналогично зависимости Михаэлиса-Ментен) с постоянным значением так называемой константы полунасыщения по освещенности. Регулирующая роль температурного коэффициента выбирается особым образом, в зависимости от конкретной цели исследования.
Модель, использующая большие информационные массивы с данными дистанционного зондирования, также может быть развита с учетом детализации в описании анализируемых в данный момент биологических механизмов [6].
Многие составляющие репродуктивного цикла фитопланктона остаются не изученными. Подробно описать все его компоненты, включая локальную динамику, разного рода взаимосвязи и влияние внешних факторов, набор которых не является постоянным - задача сверхсложная. Главная опасность, сопряженная с построением моделей, имитирующих любое биофизическое явление, заключается в переносе акцента на локальный уровень в ущерб адекватности описания собственно процесса. Поэтому основная стратегия в выборе моделей функционирования одного или нескольких уровней трофической структуры состоит в достижении компромисса между выделением функционального блока имитационной системы, соответствующего узкому профилю предмета исследования, и сохранением базовой идеологии моделирования живых систем.
Список использованной литературы:
1. Абакумов, А.И. Динамика биомассы фитопланктона в зависимости от минерального питания (математические модели) / А.И. Абакумов, С.Я. Пак // Информатика и системы управления. 2010, 3(25), с.10-19.
2. Абакумов, А.И. Модель минерального питания фитопланктона / А.И. Абакумов, С.Я. Пак, А. С. Симонов // Информатика и системы управления. - 2011. - N 1 (27). - С. 17-26.
3. Левич, А.П. Модельное изучение возможностей направленного изменения структуры фитопланктонного сообщества / А.П. Левич, Е.Г. Личман // Журнал общей биологии. 1992. Т. 53. № 5. С. 689-703.
4. Пак, С.Я. Оценка продуктивности Японского моря по спутниковой информации / С.Я. Пак // Информатика и системы управления. - 2014. - № 1 (39). - С. 61-69.
5. Пак, С.Я. Математическая модель сезонной динамики биомасс фитопланктона в морской экосистеме / С.Я. Пак, А.И. Абакумов // Системный анализ проблемы устойчивого развития. Труды ИСА РАН. 2009, т.42, с.265-272.
МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №11/2015 ISSN 2410-6070
6. Пак, С.Я. Модельный способ восстановления состояния фитопланктона в вертикальном столбе воды по
7. спутниковым данным о поверхностном слое / С.Я. Пак, А.И. Абакумов // Информатика и системы управления. 2014. № 3(41). С. 23-32.
8. Силкин, В.А. Биоэкологические механизмы управления в аквакультуре / А.В. Силкин, К.М. Хайлов - Л.: Наука, 1988. - 230 с.
9. Droop M.R. The nutrient status of algal cells in continuous culture // J. Mar. Biol. Assoc. U. K. 1974. V.54. P. 825 - 855.
10. J0rgensen S.E. A eutrophication model for a lake // J. Ecol. Model. - 1976. 2. - Pp.147 - 165.
11. M. A. Mustapha, S. Sei-Ichi, and T. Lihan. Satellite-measured seasonal variations in primary production in the scallop-farming region of the Okhotsk Sea // ICES Journal of Marine Science Vol.66(7), P. 1557-1569. doi: 10.1093/icesjms/fsp142.
© Пак С.Я., 2015
УДК 796
В.Ю.Радоуцкий
к.т.н., профессор кафедры «Защита в чрезвычайных ситуациях»
В.Г.Шаптала
д.т.н., профессор кафедры «Защита в чрезвычайных ситуациях» Белгородский государственный технологический университет
им. В.Г. Шухова А.И.Кудинова
преподаватель кафедры «Огневая подготовка» Белгородский юридический институт МВД России имени И.Д. Путилина
г. Белгород, Российская Федерация
КОМПЛЕКСНАЯ ЗАЩИЩЕННОСТЬ ВЫСШЕГО УЧЕБНОГО ЗАВЕДЕНИЯ ОТ ВНУТРЕННИХ И
ВНЕШНИХ УГРОЗ
Аннотация
В статье проведена идентификация всех источников опасности для высшего учебного заведения и определены определяющие и влияющие факторы безопасности ВУЗа
Ключевые слова
Опасность, защищенность, фактор, безопасность, риск
Необходимым условием защищенности вуза от чрезвычайных ситуаций (ЧС) различного характера является идентификация всех террористических, криминальных, внешних и внутренних техногенных, экологических, природных и других источников опасности, а также их ранжирование по степени значимости. Основными внутренними техногенными угрозами являются [1, с. 34]:
- пожары, взрывы газа и других взрывопожароопасных материалов;
- внезапные обрушения зданий или строительных конструкций;
- аварии на лифтах;
- аварии на электроэнергетических сетях;
- аварии на сетях газоснабжения;
- аварии на системах водоснабжения и канализации;
- аварии на сетях теплоснабжения в холодное время года.
