CC BY
62
материалы всероссийской науч.-практ. конференции - Воронеж, 2013. -С. 33-36.
10. Чудаков А.А., Калач А.В., Посметьев В.В. Метод восстановления рельефа местности по картографическим данным для моделирования чрезвычайных ситуаций, связанных с движением поверхностных вод местного стока / Современные методы прикладной математики, теории управления и компьютерных технологий: материалы VI международной конференции - Воронеж, 2013. - С. 270-271.
11. Думачев В.Н., Пешкова Н.В., Калач А.В., Чудаков А.А. Ситуационное моделирование прорыва противопаводковой дамбы во время аномального наводнения на дальнем востоке летом 2013 года / Вестник Воронежского института ГПМ МЧС России. 2013. - № 4(9). - С 35-39.
12. Думачев В.Н., Пешкова Н.В., Калач А.В., Чудаков А.А. Ситуационное моделирование работы Зейской ГЕС во время аномальных наводнений / Вестник Воронежского института ГПМ МЧС России. 2014. -№ 2(11). - С 18-25.
НАУЧНО-МЕТОДИЧЕСКИЙ ПОДХОД К ОЦЕНКЕ РИСКА ОБМОРОЖЕНИЯ ПРИ ВЫПОЛНЕНИИ РАБОТ НА ОТКРЫТОМ
ВОЗДУХЕ В АРКТИКЕ
Е.В. Шувакин, адъюнкт ВУНЦ ВВС «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина», г.Воронеж
В настоящее время Арктическая зона Российской Федерации (АЗРФ) выделена в приоритетный объект государственной политики, что обусловлено высокой концентрацией в этом макрорегионе геополитических, оборонных, экономических, экологических, научных интересов страны. Но следует учитывать важную особенность АЗРФ, выделяющую ее среди других регионов России и определяющую условия социально-экономического развития, - экстремальные для постоянного проживания человека и организации хозяйственной деятельности природные условия. Поэтому актуальность гидрометеорологического обеспечения потребителей в АЗРФ не вызывает сомнений.
В силу необходимости выполнения оперативных задач подразделения МЧС России в АЗРФ осуществляют свою деятельность на открытом воздухе. При этом существует потенциальный риск получения личным составом травм от холода: переохлаждение всего организма, обморожение отдельных частей тела. Руководителями (органами
управления) должны учитываться определенные требования [1] при проведении работ на открытом воздухе в условиях низких температур.
В настоящее время для оценки состояния человека находящегося на открытом воздухе в зимних условиях используются многочисленные показатели суровости погоды - биоклиматические индексы, среди которых известны индексы: Бодмана, Хилла, Адаменко, Белкина, Осокина, Хайрулина и др. [2,3].
В ряду биоклиматических показателей выделяют так называемые индексы «холодового стресса» - показатели жесткости погоды как факторы, ограничивающие пребывание человека на открытом воздухе и обусловливающие потребность в соответствующей одежде. Согласно действующим в РФ Методическим рекомендациям [1] введен интегральный показатель условий охлаждения (обморожения) - ИПУОО (размерность в баллах).
Для оценки условий обморожения в США и Канаде использовался до 2001 года индекс Сайпла-Пассела [4], который выражается в шкале величины теплопотерь (ккал ч-1м-2).
В настоящее время Национальной службой погоды США и Метеорологической службой Канады используется индекс эквивалентной температуры (оС) [5]. Отмеченные ветро-холодовые индексы (как функции температуры воздуха и скорости ветра) имеют различный физический смысл, по-разному определяют риск обморожения с учетом времени холодового воздействия. Оптимальный вариант биоклиматического показателя, позволяющий оценить на некотором уровне безопасность работы личного состава на открытом воздухе без обморожений, рассматривается в работе [6], где показатель жесткости погоды О определяется как обобщенная функция желательности Харрингтона [7], в виде средней геометрической:
где dj - частные функции желательности (j = 1, 2, ..., p), p -количество частных параметров различной физической сущности.
В данной работе рассматривается специализированный показатель (1) в версии [6], являющийся результатом свертки аналитических индексов ИПУОО, WCI, NWS.
Цель данного исследования - возможность восстановления (прогноза) величины желательности работы личного состава на открытом воздухе без обморожений в конкретном районе АЗРФ по заданным значениям метеорологических параметров.
Данная цель достигается построением регрессионных моделей описания закономерности изменения условных средних значений желательности работы на открытом воздухе без обморожений.
(1)
Исходные данные - архивные выборки по станциям АЗРФ сети Росгидромета, для которых различается долгота положения: Амдерма, Мурманск, Тикси, для января за период 2005-2012 гг. Рассматривались данные срочных наблюдений (Всемирного скоординированного времени): 8 сроков для Мурманска и 4 - для других станций. В качестве контрольных выборок для проверки успешности прогноза по разработанным регрессионным моделям использовались данные за январь 1999-2001 гг.
Введены обозначения: В - специализированный безразмерный показатель жесткости погоды (1) - обобщенная функция желательности работы личного состава на открытом воздухе без обморожений, имеет интервал изменения от нуля до единицы (значение В = 0 соответствует неприемлемому уровню работы на открытом воздухе, значение В =1 -лучшие условия работы в условиях холода); X - предикторные (объясняющие) метеорологические переменные Х= (х(1), х(2), ..., х ())Л, в рассматриваемой задаче х(1) = Т - температура окружающего воздуха (оС), х(2) = V - скорость ветра (м/с).
В таблице даны рассчитанные статистические оценки ветро-холодовых параметров по выборкам рассматриваемых станций.
Учитывая, что параметр желательности (функция Харрингтона [7]) в пределах от В = 0,2 до В = 0,8 имеет зависимость близкую к линейной.
Таблица
Статистические оценки параметров жесткости погоды _по станциям АЗРФ в январе_
Станция Параметры Среднее значение Min значение Max значение Среднее квадр. отклонение
Амдерма (п = 976) V, м/с 8.0 0.0 26.0 4.2
Т, оС -14.5 -35.4 0.9 7.2
В 0.39 0.00 0.76 0.16
Мурманск (п= 1801) V, м/с 4.9 0.0 16.0 2.7
Т, оС -8.8 -29.3 5.0 6.4
В 0.56 0.12 0.81 0.13
Тикси (п = 977) V, м/с 6.4 0.0 25.0 5.4
Т, оС -27.3 -41.7 -9.2 5.7
В 0.20 0.00 0.70 0.15
Модель специализированного показателя жесткости погоды строится в виде классической линейной регрессии. Проведен поиск подходящей аппроксимации /(X) с привлечением аддитивной линейной формы [8]:
/ (X; В) = Ь0 + Ъх{1) + ... + Ък х(к), (2)
где коэффициенты В = (Ъ0, Ъ1, ..., Ък)" оцениваются по методу наименьших квадратов.
Получены следующие формы оцененной функции регрессии для выборок за январь (периода 2005-2012 гг.) по станциям:
Амдерма: Г) = 0,8386 + 0,0200 Т- 0,0193 V, Я2 = 0,95; (3)
Мурманск: Г) = 0,8216 + 0,0181 Т - 0,0213 V, Я2 = 0,96; (4)
Тикси: Г) = 0,7386 + 0,0143 Т - 0,0227 V, Я2 = 0,55, (5)
где
Я2
- оценки коэффициента детерминации, характеризующие долю общей вариации показателя О, объясненной поведением (вариацией) выборочной функции регрессии £>.
Часто в регрессионном анализе используются так называемые бета-коэффициенты (в) [8]. Это стандартизованные коэффициенты регрессии,
Л Л Л
являющиеся безразмерными величинами. Их оценки Д, Д, Рр
используются для сравнения влияния на зависимую переменную факторов, имеющих различную размерность. Так, коэффициент в] показывает, на какую часть среднеквадратичного отклонения (СКО) изменится величина предиктанта при изменении Х] на величину СКО.
В представлении через бета-коэффициенты соответствующие регрессионные зависимости для рассматриваемых станций имеют вид:
Амдерма: Г) * = 0,9122 Т* - 0,5179 V*, (6)
Мурманск: Г) * = 0,9048 Т* - 0,4459 V*, (7)
Тикси: Г) * = 0,5538 Т* - 0,8254 V*, (8)
По значениям коэффициентов зависимостей (6)-(8) можно сделать следующую интерпретацию: для метеорологических условий станций Амдерма, Мурманск наибольший вклад в изменчивость прогнозируемого значения желательности О дает температура окружающего воздуха, на втором месте по влиянию скорость ветра.
По результатам регрессионного анализа можно говорить, во-первых, о статистической надежности (на уровне значимости а = 0,05) полученных оценок коэффициентов регрессии. Во-вторых, представленные оценки коэффициентов детерминации Я2 указывают на высокое качество только моделей регрессии (3), (4), (6), (7) - для станций Амдерма и Мурманск.
Для оценки свойств построенных моделей регрессии (2)-(8) в данной работе успешность прогноза оценивается по средней квадратической ошибке регрессии:
£ Ф1ф - )2 / п2 , (9)
где Оф - фактическое (осуществившееся) значение показателя О (предиктанта); Д - рассчитанное (предсказанное) значение предиктанта; п2 - объем контрольной выборки.
В качестве контрольной выборки использовались значения рассматриваемых параметров для января периода 1999-2001 гг. Значения средней квадратической ошибки регрессии (9) следующие: 0,068 (Амдерма), 0,034 (Мурманск), 0,134 (Тикси). Сравнивая эти значения с aD из таблицы 1, видно, что для станций Амдерма и Мурманск средние квадратические ошибки регрессии более чем в два раза меньше соответствующих оценок aD, поэтому успешность прогноза можно считать удовлетворительной. Для станции Тикси успешность прогноза нельзя считать удовлетворительной, т.к. ошибка регрессии близка к значению СКО предиктанта.
Подобная картина объясняется, по-видимому, различием распределений сочетаний значений температуры воздуха и скорости ветра по станциям.
Таким образом, для климатических условий, подобных условиям Амдермы, Мурманска может быть использована линейная модель (2), для более жестких условий (типа Тикси) следует использовать другую форму модели.
Представленные модели специализированного показателя жесткости погоды в виде желательности работ без обморожений или риска обморожения при работе на открытом воздухе могут способствовать эффективному планированию оперативных мероприятий в погодных условиях АЗРФ, а также оценке влияния климатических изменений, в частности, изменения температуры воздуха.
Список использованной литературы
1. МР 2.2.7.2129-06. Методические рекомендации. Физиология труда и эргономика: Режимы труда и отдыха работающих в холодное время на открытой территории или в неотапливаемых помещениях. Введены в действ. 01.11.2006. - 12 с.
2. Руководство по специализированному климатологическому обслуживанию экономики / Под ред. Н.В. Кобышевой. СПб.: ГГО. 2008. - 334 с.
3. Хайруллин К.Ш., Карпенко В.Н. Биоклиматические ресурсы России // Энциклопедия климатических ресурсов Российской Федерации. СПб.: Гидрометеоиздат, 2005. - С. 25-46.
4. Siple P. A., Passel C. F. Measurements of dry atmospheric cooling in sub-freezing temperatures // Proc. Amer. Philos. Soc., 1945. V. 89. P. 177-199.
5. Report on wind chill temperature and extreme heat indices: evaluation and improvement projects. Washington: DC/NOAA, 2003 [Электронный ресурс]. Систем. требования: Adobe Acrobat Reader, URL: http : //www.ofcm.gov/j agti/r 19-ti-plan/pdf/entire_r 19_ti. pdf.
6. Шипко Ю.В., Шувакин Е.В. Модель показателя жесткости климата для гидрометеорологического обеспечения потребителей в
Арктической зоне России // Информатика: проблемы, методология, технологии: материалы XIV Межд. науч.-методич. конф., Воронеж, 6-8 февраля 2014 г.: в 4 т./ Т. 3. Воронеж, Изд. дом ВГУ, 2014. - С. 57-61.
7. Адлер Ю.П., Маркова Е.В., Грановский Ю.В. Планирование эксперимента при поиске оптимальных условий. М.: Изд-во «Наука», 1976. -280 с.
8. Прикладная статистика. Основы эконометрики: Учебник для вузов. В 2 т./ Т.1: Айвазян С.А., Мхитарян В.С. Теория вероятностей и прикладная статистика. М.: ЮНИТИ-ДАНА, 2001. - 656 с.
