CC BY
203
Ю. А. Тунакова, Р. А. Шагидуллина, С. В. Новикова,
Ю. А. Шмакова
МОНИТОРИНГ КАЧЕСТВА АТМОСФЕРНОГО ВОЗДУХА В ЗОНАХ ДЕЙСТВИЯ ПОЛИМЕРНЫХ
ПРОИЗВОДСТВ (НА ПРИМЕРЕ Г. НИЖНЕКАМСКА)
Ключевые слова: полимерные производства, атмосферные выбросы, оценка качества атмосферного воздуха.
Рассмотрены особенности экспериментального экологического мониторинга качества воздушного бассейна на территории г. Нижнекамска. Обосновано использование расчетного экологического мониторинга. Показаны преимущества методов нейросетевого моделирования для определения приземных концентраций примесей в зонах действия полимерных производств.
Key words: polymer production, air emissions, air quality monitoring.
The features of the experimental environmental monitoring of air quality in the basin of Nizhnekamsk. Justified the use of calculated environmental monitoring. The advantages of neural network modeling techniques for determining surface concentrations of impurities in the areas of the polymer industry.
Введение
При наличии значительного числа крупных полимерных производств, сконцентрированных на относительно небольшой площади, загрязнение атмосферного воздуха занимает ведущее место в формировании качества городской среды.
В качестве экспериментальной площадки нами выбрана территория города Нижнекамска, с наибольшей в Республике Татарстан концентрацией полимерные производства на территории населенного пункта.
Анализ уровня загрязнения атмосферного воздуха г. Нижнекамске по данным Государственных докладов о состоянии окружающей среды Республики Татарстан за последние 10 лет показывает, что он изменялся с «повышенного» до «очень высокого» и в 2011 г. опять характеризуется как «высокий» [1].
Ответственной организацией, осуществляющей мониторинг за качеством атмосферного воздуха на территории РТ, является ФГБУ «Управление по гидрометеорологии и мониторингу окружающей среды Республики Татарстан». По данным официального сайта ФГБУ «УГМС РТ» наблюдения проводятся на 6 стационарных постах:
• ПНЗ № 1 пересечение ул. Химиков и Строителей
• ПНЗ № 20 ПАТП
• ПНЗ № 21 пересечении улиц Химиков и
Южная
• ПНЗ № 22 Городской парк
• ПНЗ № 23 Детская городская больница
• ПНЗ № 24 ул. Гагарина
В г. Нижнекамске работают 3 автоматизированных поста контроля за загрязнением атмосферы: ПКЗ -11 (ул. Спортивная, 1а), ПКЗ - 12 (ул. Сююмбике, 54), ПКЗ - 13 (ул. Юности, 36). Автоматизированные посты контроля за состоянием атмосферного воздуха предназначены для круглосуточного и непрерывного мониторинга загрязненности атмосферы. Техническое оснащение и полная автоматизация процесса позволяет посту контроля за загрязнениями (ПКЗ), без участия оператора, собирать данные с
измерительного оборудования и передавать обработанную информацию в центральный диспетчерский пункт (ЦДП). В ЦДП поступают усредненные данные за 20 минут со всех ПКЗ (так называемый «плановый сеанс»), в случае превышения ПДК по какому-либо параметру (сероводород, окислы азота и т.д.) или КЖО (комплекса жизнеобеспечения): скрытие, пожар, отказ сети и т.д. происходит внеплановый сеанс связи.
Также в г. Нижнекамск функционирует передвижная экологическая лаборатория с перечнем измерительного оборудования и измеряемых параметров, соответствующих оснащению автоматизированного ПКЗ. Созданная на основе транспортного средства передвижная лаборатория дает возможность произвести оперативный выезд по указанному адресу и зафиксировать загрязнение атмосферного воздуха.
На территории Нижнекамского промышленного узла работают 6 постов автоматизированного наблюдения, приобретенные и установленные предприятиями (4 поста - «Нижнекамскнефтехим», по одному - у предприятий «Нижнекамскшина» и «ТАНЕКО») [1].
Экспериментальная часть
Согласно действующему нормативному документу РД 52.04.186-89 [2], регламентирующему проведение мониторинга качества атмосферного воздуха, репрезентативность наблюдений за состоянием загрязнения атмосферы в городе зависит от правильности расположения поста на обследуемой территории.
На рисунке 1 показано месторасположение промышленной и селитебной зон, основных источников загрязнения и точек отбора проб воздуха г. Нижнекамска. Как следует из рис. 1, мониторинговые исследования проводятся на значительном удалении от зон влияния источников полимерных производств. Рассмотренные нами ранее преобладающие параметры выбросов позволяют характеризовать источники полимерных производств как низкие, низкотемпературные с малой скоростью выхода газовоздушной смеси из трубы, для которых макси-
мальные приземные концентрации примесей формируются, согласно [3], на расстоянии равном 5-10 высотам труб.
Рис. 1 - Схема размещения основных источников выбросов и современной системы мониторинга атмосферного воздуха г.Нижнекамска
Также крайне ограничен перечень систематически контролируемых на постах примесей, поскольку включает основные примеси (диоксид серы, оксид углерода, диоксид азота) и 5 специфических (оксид азота, сероводород, фенол, аммиак, формальдегид).
Хотя, согласно действующему РД 52.04.18689, перечень веществ, подлежащих систематическому контролю, устанавливается расчетным путем на основе сведений о составе и характере выбросов от источников загрязнения и метеорологических условий рассеивания примесей. Даже на первый взгляд очевидно, что в зонах действия полимерных производств перечень специфических примесей, подлежащих систематическому контролю, должен быть значительно шире и включать не только неорганические компоненты.
В 2011 г. наибольшее превышение среднегодовых концентрации над ПДК отмечено по трем специфическим примесям: по бенз(а)пирену - в 1,7 раза, формальдегиду - в 4,7 раза, взвешенным веществам - в 1,1 раза [1].
Следует отметить, что в целом за последние 10 лет повторяемость превышений ПДК по основным примесям (взвешенным веществам, оксиду углерода, диоксиду азота) проявляется в значительно меньшей степени, чем повторяемость превышений ПДК по специфическим примесям (фенолу, толуолу, бенз (а)пирену и формальдегиду).
Специфические примеси вносят все больший вклад в загрязнение атмосферного воздуха города, поскольку отмечается рост их максимальных и среднегодовых концентрации. Поэтому, на территории концентрации полимерных производств все большее значение приобретают мониторинговые исследования распределения концентраций контролируемых и особенно систематически не контролируемых специфических примесей в приземном слое атмосферного воздуха.
Периодически в приземном слое атмосферы г. Нижнекамска контролируются 11 специфических примесей, которые показаны в табл.1
Таблица 1 - Частота превышения ПДК загрязняющих веществ в среднем за 2011г. по данным лабораторных анализов в г.Нижнекамске
Показатель Класс опасно- сти Количество превышений ПДК Средняя кратность превышений ПДК
Бенз(а)пире н 1 2 1,7
Свинец 1 0 -
Бензол 2 1 4
Ксилол (сумма изомеров) 2 0
Стирол 2 0 -
Взвешенные вещества 3 3 1,2
Сажа 3 0 -
Толуол 3 2 1,7
Этилбензол 3 0 -
Углеводороды суммарные 4 0
Ртуть 1 0 -
Незначительное количество превышений ПДК подтверждает необходимость проведения исследований по определению приоритетного списка специфических примесей, подлежащих систематическому контролю в зонах действия полимерных производств.
Однако, пространственно-временные,
количественные и качественные ограничения, высокая стоимость аналитического оборудования и проведения анализа проб не дают возможности осуществлять полномасштабный
экспериментальный мониторинг за содержанием в приземном слое атмосферы загрязняющих веществ, подлежащих систематическому контролю.
Наиболее экологически и экономически эффективным представляется развитие системы экологического мониторинга на основе использования современных информационных технологий для многоэтапного прогнозирования, позволяющих разрабатывать механизмы управления качеством объектов окружающей среды и оперативного реагирования для предупреждения неблагоприятных ситуаций, то есть системы расчетного экологического мониторинга.
По аналогии с экспериментальным мониторингом, расчетным экологическим мониторингом целесообразно называть регулярную работу по расчетному определению пространственно-временных характеристик качества объектов окружающей среды. Система расчетного экологического мониторинга территории должна создаваться с соблюдением принципов адекватности, масштабности, простран-
ственно-временной организации, комплексности, с использованием данных натурных наблюдений на основании современных информационных технологий [3].
В начале своего развития, как методологии, расчетный мониторинг рассматривался лишь как дополнение к мониторингу экспериментальному и предназначался для моделирования технологических процессов отдельных производств или работы группы промышленных объектов с целью оперативного прогнозирования.
Затем, методы расчетного мониторинга стали активно применять для получения предварительных оценок загрязнения территории при проведении экспертиз на стадии проектирования или реконструкции промышленных объектов. В рамках этого подхода, нашедшего отражение при разработке ряда нормативных документов (например, ОНД-86) поля загрязнения определялись в результате решения уравнений, описывающих распределение загрязняющих веществ в атмосферном воздухе. При этом всегда уточнялось, что использование методов расчетного мониторинга не обеспечивает требуемую точность получаемых данных для объективной оценки состояния окружающей среды [4].
Действительно, если математические модели, рассеивания выбросов, дают большую погрешность при определении концентрации загрязняющих веществ, ввиду вклада неучтенных стационарных и передвижных источников загрязнения, формальности и устареваемости данных инвентаризации источников выбросов, влияния особенностей застройки на рассеивание примесей и др., то можно пересмотреть требования к получаемым показателям, характеризующим состояние исследуемых объектов окружающей среды.
В результате экспериментальных мониторинговых исследований основным получаемым показателем является концентрация загрязняющего вещества. Величина концентрации необходима для целей последующей оценки качества объектов окружающей среды, согласно действующим нормативным документам. Оценка качества осуществляется сопоставлением измеренной концентрации с величиной ПДК для конкретного загрязняющего вещества. Но даже соблюдение величины ПДК не обеспечивает экологическую безопасность населения и территории. Величины ПДК часто пересматриваются в сторону уменьшения нормируемых показателей, так как они устанавливаются в соответствии с данными сегодняшнего дня о токсичности вредных веществ и последствий их действия на окружающую среду.
Поскольку определение величины ПДК производится в опытах с теплокровными животными, то ПДК приемлемы в основном по отношению к ним. Другие звенья экосистемы даже при соблюдении норм ПДК могут пострадать. Более того, основной упор при установлении ПДК делается на исследование влияния данного компонента на организм человека в целом, а он может проявиться в виде неблагоприятных сдвигов физиологических и биохимических показателей, вызвать нарушения отдельных органов, изменить условно-рефлекторную дея-
тельность. ПДК установленные для различных компонентов окружающей среды не коррелируют между собой. Более перспективным является использование вместо санитарно-гигиенических - экологических критериев.
Требуемые показатели состояния объектов мониторинга должны определяться в соответствии с потребностями управляющих органов. Системам принятия решений необходимо иметь обобщенные показатели качества, детализируемые по территории с тенденцией их изменения. Информация, поступающая в систему принятия решений должна быть соответствующим образом обработана, полученные результаты должны соотносится с удобными и легко воспринимаемыми шкалами, например качественными типа «хорошо-плохо», количественными, типа «0-1», «0-10». То есть величина концентрации загрязняющего вещества, получаемая в системе экспериментального мониторинга все равно преобразуется в обобщенные показатели и балльные оценки [3,4]. Следовательно, мы можем оптимизировать использование расчетных методов и инновационных ГТ-технологий, определяя и рассчитывая требуемые показатели, а также повысить точность расчета распределения концентрации загрязняющего вещества по исследуемой территории. Таким образом, будет оптимизирована реализуемая система экологического мониторинга качества атмосферного воздуха в зонах действия полимерных производств и в целом процедура нормирования качества воздушной среды с использованием инновационных ГТ-технологий.
Для ускорения и повышения продуктивности аналитических работ по оценке воздействия на ОС важно наиболее полное использование источников справочной и стандартизованной информации государственной отчетности. При осуществлении оценки интенсивности техногенного воздействия на ОС для решения других задач управления природоохранной деятельностью и качеством ОС, возможности для проведения дорогостоящих и длительных исследований, как правило, вообще отсутствуют. В этих условиях информационной базой для анализа факторов формирования воздушной среды могут быть только стандартные данные и результаты их научной обработки с получением необходимых показателей качества.
Приоритетное значение для экологического мониторинга качества атмосферного воздуха имеют данные с ежегодным обновлением, непосредственно отражающие динамику интенсивности техногенного воздействия на ОС и изменения состояния ее компонентов, но такие данные фрагментарны, и в большинстве случаев не взаимосвязаны между собой. Собственно экологические данные охватывают весьма ограниченный круг параметров.
Показатели с длительным сроком обновления детализируют устойчивые параметры состояния природных объектов на территории и отражают отдельные аспекты использования природноресурсного потенциала.
Общие сведения о предприятиях, как источниках загрязнения атмосферного воздуха, содержатся в экологических паспортах. По стандарту экологический паспорт должен содержать техникоэкономические характеристики, сведения о размещении и производственной структуре предприятий, информацию для расчета материальноэнергетических балансов, расчеты показателей ресурсопотребления и выбросов (сбросов) загрязняющих веществ в ОС, уровни энергоемкости, технологические балансы отдельных производственных циклов, результаты инвентаризации отходов производства.
Вместе с тем, в практике управления экологические паспорта не нашли должного применения. Контроль за составлением экологических паспортов практически не осуществлялся. Большинство экологических паспортов составлялись на низком уровне, не отвечающим требованиям стандарта, а некоторые предприятия вообще не составляли такие паспорта. Поэтому экологические паспорта не заняли должного места в системе нормативно-правовых актов, определяющих регулирование в таких сферах как экологическое нормирование, экологический контроль и управление природопользованием.
Основные сведения о динамике техногенного воздействия на ОС от организованных источников загрязнения содержатся в государственной отчетности. Форма 2ТП (воздух) содержит данные о числе источников загрязнения атмосферного воздуха, количестве отходящих от них загрязняющих веществ, поступлении этих веществ на очистные сооружения, улавливании и утилизации. Все показатели приведены в целом и с подразделением на твердые, газообразные и жидкие отходящие вещества. В сумме последних выделены крупнотоннажные загрязнители (сернистый ангидрид, окись углерода, окислы азота и.т.д.) и прочие газообразные и жидкие вещества (серная кислота и.т.д.). Вместе с тем, используя статистическую информацию для анализа техногенных нагрузок на воздушный бассейн, необходимо учитывать ее специфические особенности.
Статистика состояния загрязнения и охраны атмосферного воздуха создавалась в 70-х годах по ограниченному кругу учитываемых загрязняющих веществ. Причем все ее показатели разрабатывались впервые, в отличие от показателей разделов, посвященных охране других элементов ОС, которые рассматривались как экономические ресурсы и в этом качестве в той или иной степени учитывались статистикой в более ранние периоды. В то же время воздух к числу экономических ресурсов не относился, по-видимому, потому что сохранялась иллюзия его неисчерпаемости и возможности самовосстановления.
Статистикой наиболее достоверно в настоящее время учитываются выбросы вредных веществ от организованных источников - труб. Количество и состав неорганизованных выбросов определяются предприятиями, как правило, менее точно. Реальная масса неорганизованных выбросов в большинстве случаев значительно превышает массу, отражаемую в отчетности, и содержит опасные вещества, не ука-
занные в отчетности. Приборные замеры этих выбросов невозможны, научные методы расчета в большинстве случаев не реализуются.
Таким образом, в силу специфики исходной статистической информации по охране атмосферного воздуха, выполняемые в настоящее время на ее основе расчеты и оценки, объективно являются заниженными.
Наиболее перспективным методом для расчетного экологического мониторинга является инновационное направление в развитии вычислительных технологий - искусственные нейронные сети. Классические расчетные методики представляют собой «жесткую» математическую модель, на вход которой, как правило, подаются параметры источников загрязнений, а в качестве выхода служит концентрация загрязняющего вещества. Основным новшеством предлагаемой методики построения расчетной схемы является использование в качестве исходных данных не только сведений о параметрах источников загрязнений, но и имеющихся данных об экспериментально измеренных концентрациях загрязняющих веществ. В зависимости от этих данных математическая модель (нейронная сеть) адаптивно перестраивается (меняется топология сети), что обеспечивает значительно большую коррелиро-ванность рассчитываемых концентраций с экспериментально измеренными. При использовании такая гибкая математическая модель может быть автоматически скорректирована на основе вновь появившихся результатов измерений. Данный подход открывает новые направления в научных разработках, что позволит значительно увеличить точность расчетных методик.
Данный метод нельзя назвать ни чисто расчетным, ни экспериментальным, так как ему присущи черты обоих подходов. Основная концепция использования нейронных сетей в данной предметной области состоит в следующем: на основании результатов экспериментального мониторинга проводится обучение нейронной сети, где автоматически учитываются как явные, так и скрытые зависимости между исходными данными. В результате обученная сформированная нейронная сеть способна не только рассчитывать загрязнения с высокой точностью, но и строить достоверные прогнозы относительно будущего уровня загрязнения при изменении внешних факторов среды. Таким образом, применение нейронных сетей позволяет использовать достоинства методов расчетного и экспериментального мониторинга.
Кроме того, нейронные сети по сравнению с традиционными методами моделирования позволяют использовать неполные, зашумленные исходные данные, отражать нелинейные, в том числе неявные зависимости между данными, автоматически подбирать корректирующие коэффициенты. Использование обученных нейросетей позволяет значительно повысить точность прогноза изменчивости уровней загрязнения.
В настоящее время использование нейронных сетей ограничивается простыми сетями прямого распространения и в профильных источниках науч-
ной периодической печати за последние годы не приводятся сведения об их использовании для расчетного мониторинга природных объектов.
Таким образом, использование нейронных сетей для целей расчетного экологического мониторинга качества атмосферного воздуха позволяет:
1. Использовать все преимущества классического расчетного мониторинга - простоту расчетов и невысокую стоимость.
2. Повысить точность прогнозов за счет привлечения результатов экспериментального мониторинга в отличие от классических методик.
3. Адаптировать расчетную методику для конкретной территории за счет самообучающейся структуры - автоматического подбора весовых коэффициентов сети без необходимости введения поправочных коэффициентов.
4. Быстро перенастраивать модель в случае изменения структуры входных данных без необходимости изменения состава поправочных коэффициентов.
5. Использовать для расчетов неполные, неточные, зашумленные данные, что представлялось совершенно невозможным для любой другой расчетной методики.
Все искусственные нейронные сети, так же, как мозг человека, состоят из большого числа связанных между собой однотипных элементов - нейронов, которые имитируют нейроны головного мозга (рис. 2).
Рис. 2 - Структура искусственного нейрона
Нейрон состоит из элементов трех типов: умножителей (синапсов), сумматора и нелинейного преобразователя. Синапсы осуществляют связь между нейронами, умножают входной сигнал на число, характеризующее силу связи, (вес синапса). Сумматор выполняет сложение сигналов, поступающих по синаптическим связям от других нейронов, и внешних входных сигналов. Нелинейный
преобразователь реализует нелинейную функцию одного аргумента - выхода сумматора. Эта функция называется функцией активации или передаточной функцией нейрона. Нейрон в целом реализует скалярную функцию векторного аргумента. Математическая модель нейрона выглядит следующим образом:
5 = Ywx + Ъ,
і і
і =1 ,
У = Г (5),
где wl - вес синапса, і=1... п; Ъ - значение смещения; 5 - результат суммирования; хі - компонент входного вектора (входной сигнал), 1=1. .п; у -выходной сигнал нейрона; п - число входов нейрона; / - нелинейное преобразование (функция активации). Совокупность таких искусственных нейронов связывается в некую статичную структуру - нейронную сеть. Свойства сети будут определяться ее топологией, типом активационной функции и весами синапсов [5,6].
Нейронные сети уже сегодня довольно широко используются в задачах моделирования качества природных объектов, но в перспективе их развитие способно дать еще боле мощный новый качественный толчок в решении таких сложных задач, как прогнозирование и моделирование распространения вредных веществ. В первую очередь их преимущество будет сказываться за счет возможности использования неточных и неполных данных в качестве исходных величин для решения таких задач.
Литература
1. Государственный доклад о состоянии природных ресурсов и об охране окружающей среды Республики Татарстан в 2011, «Алекспресс», 2011, 490 с.
2. РД 52.04.186-89, Госкомгидромет, Москва, 1991, 693 с.
3. Безуглая Э.Ю., Смирнова И.В. Воздух городов и его изменения. Астерион, С. Петербург, 2008. 254с.
4. А.И. Потапов, В.Н.Воробьев, Л.Н. Карлин, А.А. Муза-левский Мониторинг, контроль, управление качеством окружающей среды. РГГМУ, С.Петербург, 2005.600 с.
5. О.В. Чекмарёва, Е.В. Бондаренко Комплексная оценка источников выбросов в атмосферный воздух. Методические указания. ГОУ ОГУ, Оренбург, 2004.34 с.
6. С.Осовский Нейронные сети для обработки информации. Финансы и статистика, Москва, 2002, 344с.
7. Р. Калан Основные концепции нейронных сетей. «Вильямс», Москва, 2001, 287с.
© Ю. А. Тунакова - д-р хим. наук, проф., зав. каф. общей химии и экологии КНИТУ им. А.Н. Туполева-КАИ, juliaprof@mail.ru; Р. А. Шагидуллина - канд. хим. наук, нач. отдела нормирования воздействия на окружающую среду Мин-ва экологии и природных ресурсов РТ; С. В. Новикова - канд. техн. наук, доц. каф. прикладной математики и информатики КНИТУ им. А.Н. Туполева-КАИ, sweta.bk@mail.ru; Ю. А. Шмакова - асп. каф. технологии пластических масс КНИТУ, kstu-material@mail.ru.
