CC BY
7
СИСТЕМНЫЙ АНАЛИЗ, УПРАВЛЕНИЕ И ОБРАБОТКА ИНФОРМАЦИИ
УДК 004.67
ОЦЕНКА ТРАНСФОРМАЦИИ ГЕОТЕХНИЧЕСКОЙ СИСТЕМЫ В ПЕРИОД БИФУРКАЦИИ НА ПРИМЕРЕ ИНФОРМАЦИОННОЙ ОБРАБОТКИ ГИДРОГЕОЛОГИЧЕСКИХ ДАННЫХ
Н.В. Дорофеев, Е.С. Панькина, А.В. Греченева
В статье рассматривается алгоритм оценки качественных изменений геологического участка геотехнической системы на примере информационной обработки данных об уровне воды в реке Ока и количестве провалов. В статье приводятся зависимости изменения количества провалов от уровня воды в реке, определяются значения бифуркационных параметров. В статье так же приводится алгоритм предварительной обработки данных об уровне воды. Приводятся результаты интерполяции сплайном данных зависимости количества провалов от динамики уровня воды в реке за текущий и предыдущий год.
Ключевые слова: информационная обработка, уровень поверхностных вод, карстовые провалы, трансформация, геотехническая система, бифуркации
Одними из ключевых процессов, влияющих на устойчивость геотехнической системы, являются процессы, протекающие в геологической среде. Эти процессы отражают не только гидрогеологические особенности местности, но и изменение техногенной нагрузки на геологическую среду. [1, 2] Таким образом, на этапах всего жизненного цикла геотехнической системы важной задачей является оценка гидрогеологических процессов, при определении которой учитывается режим подземных вод и кар-стоопасность территории (развитие суффозионных процессов) [3, 4]. Анализируя данные о развитии карстово-суффозионных процессов, уровень речного стока и минерализацию воды появляется возможность провести коррекцию прогнозных оценок развития деструктивных процессов в геотехнических системах [5 - 9].
Данная работа направлена на повышения эффективности систем мониторинга геодинамических процессов в геотехнических системах за счет разработки алгоритма оценки изменения риска развития суффозионных процессов на основе информационной обработки данных о динамике уровня подземных и поверхностных вод.
Применяемые методы и подходы. Описание предлагаемого подхода покажем на примере данных изменения уровня воды в реке Оке и образования новых провалов в районе города Дзержинск Нижегородской области (рис. 1). Из представленных графиков видна хорошая корреляция разнородных данных при условии смещения данных о количестве провалов на один год ранее - резкое уменьшение уровня воды в реке совпадает с ростом количества провалов в следующем году, а увеличении уровня воды в реке происходит снижение количества новых провалов на следующий год.
Рис. 1. Графики уровня воды в реке Ока и количества новых провалов
Таким образом, для получения прогнозной оценки развития суффозионных процессов важно учитывать не только факт уменьшения или увеличения уровня воды в реке, но и саму величину изменения. Графики динамик изменения количества провалов и уровня воды в реке представлены на рис. 2, который отражает результаты интерполяции с помощью thin-plate spline.
Динамика появления новых провалов за предыдущий год. чип '.-
Рис. 2. Результаты интерполяции
Результаты интерполяции наглядно показывают, что резкое снижение уровня воды в реке предшествует резкому повышению количества провалов, при этом последующее снижение уровня воды в реке приводит к снижению количества провалов. Отсортировав по возрастанию разницу динамики изменения уровня воды в реке за предыдущий и текущий годы с соответствующей ей разницей динамики изменения количества провалов за предыдущий и текущий год получим зависимости, представленные на рис. 3. В этом случае зависимость динамики появления провалов от динамики уровня воды в реке будет иметь вид, показанный на рис. 4.
Из графиков видно, что большое количество провалов образуется при резкой смене динамики воды с положительной на отрицательную, при этом в некоторых случаях количество новых провалов пропорционально скорости увеличения воды в предыдущий год и скорости уменьшения воды в текущий год. Разница в углах наклонах и точках излома кривых отражает гидрогеологические особенности анализируемых участков. Это означает, что нарушение устоявшегося гидрогеологического режима, появление качественных изменений в геологической среде отразится в зависимостях образования новых провалов от изменения уровня вод.
О 5 10 15 20 25 30 35 40 45 50
11омср комбинации
Рис. 3. Отсортированные значения
-5-4-3-2-1012345 Разница изменений уровня волы в реке за предыдущий и текущий год
Рис. 4. Зависимость динамики появления провалов от динамики уровня воды в реке
При разбиении анализируемой территории на отдельные участки были получены схожие взаимосвязи уровня воды и образования новых провалов (рис. 5).
я Ё1
о 3
о с -3
5-4-3-2-10 1 2 3 4
Разница изменений уровня воды в реке за предыдущий и текущий год
Рис. 5. Результаты анализа для отдельных участков
Приведенные на рис. 5 зависимости хорошо описываются полиномом третьей степени, при этом коэффициенты полинома косвенно отражают гидрогеологические параметры анализируемого участка. Отклонение значений коэффициентов полинома от
допустимых значений указывает на качественное изменение геологической среды. Точками бифуркаций являются переходы динамики уровня воды в реке и динамики появления провалов за предыдущий год через определенную на основании полинома отметку.
Принимая во внимание выше сказанное, алгоритм оценки качественных изменений можно представить в следующем виде:
определение знака динамики уровня воды за предыдущий X и текущий У год; определение динамики образования провалов 2=2ХУ—1; оценка значения динамики уровня воды за предыдущий год Ьр; оценка значения динамики уровня воды за текущий год Ьс; определение коэффициентов полинома;
оценка динамики появления провалов N = /(2, Ьр, Ьс, Ыр), где Ыр - динамика провалов за предыдущий год. Реализацию функции прогнозирования провалов предлагается осуществлять на основе нейронной сети, описанной авторами в работе [10];
определение момента выхода значений коэффициентов полинома за допустимые значения;
изменение уровня риска нарушения устойчивости геотехнической системы Я = I(сов//, V) , где I - оператор отображения изменения зависимости количества провалов от уровня воды в реке на категории опасности, описанные вектором V, на основе изменения коэффициентов полинома сов//.
Результаты и обсуждения. Практическая проверка предлагаемого алгоритма проводилась на данных 2005 - 2019 годов по изменению уровня воды в реке Ока и появлению новых провалов в районе г. Дзержинск Нижегородской области (рис. 6). В качестве категории опасности были выбраны следующие диапазоны: III категория - от 0 до 5 провалов, II категория - от 5 до 10 провалов и III категория - больше 10 провалов.
Рис. 6. Результаты оценки геодинамического риска
Из рис. 6 видно, что разработанный алгоритм позволяет более гибко определять уровень геодинамической опасности и прогнозировать количество провалов в будущем году по данным текущего и предыдущего года. За период наблюдения в контрольных точках на исследуемой территории качественных изменений в геологической среде не было выявлено.
Выводы. Для получения более полного представления о точности прогнозных оценок, получаемых на основе разработанного алгоритма необходимо расшить набор обучаемой выборки для нейронной сети, а так же провести практическую проверку других территориях, имеющих отличный режим подземных и поверхностных вод и другие геологические особенности. Кроме этого необходимо расширение набора дан-
ных, соответствующих времени качественного изменения геологической среды. Представленные в работе результаты позволяют расширить методологическую базу систем прогнозирования геодинамической устойчивости.
Работа выполнена при финансовой поддержке гранта Президента Российской Федерации № МД-1800.2020.8.
Список литературы
1. Бочевер Ф., Гармонов В., Лебедев А., Шестаков В. Основы гидрогеологических расчётов. М.: Недра, 1965. 307 с.
2. Шестаков В., Невечера И., Авилина И. Методы оценки ресурсов подземных вод в районах водозаборов прибрежных районов. М.: КДУ, 2009. 192 с.
3. Romanov R.V., Kuzichkin O.R., Dorofeev N.V., Grecheneva A.V. The assessment of the influence of the hydrogeological regime of rivers on the conditions of the decentralized water supply in karst areas // IOP Conference Series: Earth and Environmental Science. 2020. 459 (4). art. no. 042086. DOI: 10.1088/1755-1315/459/4/042086.
4. Kuzichkin O.R., Romanov R.V., Dorofeev N.V., Grecheneva A.V. Organization and application of information and analytical support for geological monitoring of water use // IIOAB Journal. 2020. Vol. 11(1). P. 20-26.
5. Печеркин А. А. Геодинамика сульфатного карста 1986 года. Иркутск: изд-во Иркут. ун-та, 1986. 169 с.
6. Grecheneva A.V., Kuzichkin O.R., Romanov R.V., Bykov A.A. Analisysofinflu-ence of endogenous factors on results of geoecological express-control of water resources // Jour. of Eng. and Appl. Science. 2017. № 12(24). P. 6852-6857.
7. Дублянский В., Кикнадзе Т. Гидрогеология карста альпийской складчатой области СССР. М.: Наука, 1984. 128 с.
8. Токарев С.В. Оценка уязвимости карстовых подземных вод к загрязнению на примере массива Ай-Петри, горный Крым // Вопросы географии. 2018. № 147. C. 143160.
9. Климчук А.Б., Токарев С.В. Рекомендации по охране подземных источников питьевого водоснабжения в карстовых регионах // Спелеология и карстология. 2014. № 12. С. 5-16.
10. Dorofeev N.V., Romanov R.V., Grecheneva A.V., Pankina E.S. Algorithm for predicting of the transition of a key point of geodynamic control to the risk zone // IOP Conf. Series: Earth and Environmental Science. 548. 2020. 052068. P. 1-5.
Дорофеев Николай Викторович, д-р техн. наук, доцент, заведующий кафедрой, dorofeevnv@yandex. ru, Россия, Владимир, Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых,
Панькина Екатерина Сергеевна, научный сотрудник, pankina@,bsu.edu.ru, Россия, Владимир, Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых,
Греченева Анастасия Владимировна, канд. техн. наук, доцент, [email protected], Россия, Владимир, Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых
ASSESSMENT OF GEOTECHNICAL SYSTEM TRANSFORMATION DURING THE BIFURCATION PERIOD ON THE EXAMPLE OF INFORMATION PROCESSING OF
HYDROGEOLOGICAL DATA
N.V. Dorofeev, E.S. Pankina, A.V. Grecheneva 152
The article discusses an algorithm for assessing qualitative changes in the geological site of a geotechnical system using the example of information processing of data on the water level in the Oka River and the number of sinkholes. The article presents the dependence of the change in the number of sinkholes on the water level in the river, determines the values of the bifurcation parameters. The article also provides an algorithm for preliminary processing of data on the water level. The results of spline interpolation of the data of the dependence of the number of dips on the dynamics of the water level in the river for the current and the previous year are presented.
Key words: information processing, surface water level, karst sinkholes, transformation, geotechnical system, bifurcations.
Dorofeev Nikolai Viktorovich, doctor of technical sciences, docent, head of the department, dorofeevnv@yandex. ru, Russia, Vladimir, Vladimir State University,
Pankina Ekaterina Sergeevna, researcher, pankina@,bsu. edu. ru, Russia, Vladimir, Vladimir State University,
Grecheneva Anastasia Vladimirovna, candidate of technical sciences, docent, gre-cheneva@yandex. ru, Russia, Vladimir, Vladimir State University
УДК 621.865.8
СИСТЕМА УПРАВЛЕНИЯ ШАГАЮЩИМ МОБИЛЬНЫМ РОБОТОМ С ИСПОЛЬЗОВАНИЕМ ГЕНЕТИЧЕСКОГО АЛГОРИТМА
А.С. Самойлова, П.А. Груничев, С.А. Воротников
Рассмотрена система управления шагающим мобильным роботом (ШМР), построенная на основе генетического алгоритма и автомата Мили. Показаны основные аспекты реализации данной системы управления для модели ШМР с шестью опорными конечностями (гексапода) в программе V-REP. Представлены результаты моделирования перемещения ШМР по разным типам поверхностей. Показано преимущество предложенного подхода для случаев частичного повреждения кинематической схемы ШМР. Выполнено сравнение результатов работы генетического алгоритма с базовым алгоритмом управления ШМР.
Ключевые слова: ШМР, гексапод, штатный режим, аварийный режим, походка тройками, генетический алгоритм, автомат Мили.
Основным требованием при разработке систем управления шагающими мобильными роботами (ШМР), является обеспечение высокой производительности и надежности алгоритмов движения. Роботы данного типа, как правило, предназначены для перемещения в частично - или полностью недетерминированных средах [1]. При этом система управления должна оставаться робастной, как при изменении рельефа и свойств грунта, так и при более серьезных проблемах, в частности, связанных с повреждениями конструкции опорных конечностей [2]. Отметим, что эти проблемы также могут иметь различный уровень фатальности - от потери работоспособности отдельного привода конечности, до потери управления всей опорной конечностью или даже несколькими конечностями.
