CC BY
42
УДК 504.3.054:004.032.26 П.Л. Папаев, С.П. Дударов
Российский химико-технологический университет им. Д. И. Менделеева, Москва, Россия
ПРИМЕНЕНИЕ ЯЧЕЕЧНО-НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ ДЛЯ ОЦЕНКИ ПОСЛЕДСТВИЙ ЗАЛПОВЫХ ВЫБРОСОВ АММИАКА НА ПРИМЕРЕ РЕАЛЬНОЙ ХИМИЧЕСКОЙ АВАРИИ
В работе рассматривается возможность использования ячеечно-нейросетевых моделей для оценки последствий загрязнения воздуха в результате реальной аварии на опасном производственном объекте. Приведены результаты расчетов концентрационных профилей и токсодоз по ячеечно-нейросетевой модели и в соответствии с методическими указаниями по оценке последствий аварийных выбросов опасных веществ. Выполнен сравнительный анализ этих результатов.
The possibility of application of cellular and neural network models for evaluation of free air pollution consequences resulted by real accident at dangerous object of facility is considered in the work. The results of calculations of concentration profiles and toxic doses using the cellular and neural network model in comparison with special techniques on evaluation of accidental emission sequences of toxic substances are given. Comparative analysis of there sultsiscarriedoff.
В современном индустриальном обществе большинство случаев аварий на химически опасных объектах, связанных с загрязнением атмосферного воздуха, обусловлено рядом причин, основными из которых являются износ производственного оборудования, несовершенство технологического регламента, человеческий фактор. Как правило, при таких авариях наносится большой вред окружающей среде, имеются пострадавшие, а зачастую и человеческие жертвы. В связи с этим в научном сообществе значительное внимание уделяется разработке новых, современных методов решения задачи прогнозирования загрязнения воздуха при аварийных выбросах.
В настоящее время для математического моделирования описываемых процессов используются искусственные нейронные сети, позволяющие эффективно решать задачи экологической и промышленной безопасности, снимая при этом многие ограничения, присущие другим моделям.
Основная цель работы - исследовать возможность использования ячеечно-нейросетевых моделей для решения задачи прогнозирования последствий аварии на химически опасном объекте.
В ячеечно-нейросетевых моделях все пространство атмосферы разбивается на одинаковые ячейки, внутри которых она имеет фиксированные значения характеристик и свойств, однако при переходе от одной ячейки к другой эти значения меняются. В то же время, для каждой ячейки могут иметь место не два или несколько, а бесконечное множество состояний, определяющихся состоянием (характеристиками и свойствами) атмосферы. Возможность оперировать различными состояниями достигается за счет описания их изменения во времени и пространстве при помощи аппарата искусственных нейронных сетей.
Пример решения задачи прогнозирования загрязнения воздуха в результате аварийного залпового выброса рассмотрен в статье [1]. В качестве
входных переменных ячеечно-нейросетевой модели использовались известные состояния ячеек и внешние условия (скорость и направление ветра). Выходными переменными модели являлись состояния тех же самых ячеек в более поздний момент времени или состояния соседних ячеек. Связь между входными и выходными состояниями ячеек устанавливалась с помощью математической модели, реализованной в виде искусственной нейронной сети прямого распространения.
Для исследования возможности применения ячеечно-нейросетевого моделирования при решении задач экологической безопасности было проведено сопоставление данных, полученных с помощью модели, разработанной для аварийного выброса газообразного аммиака, с результатами расчетов по методике [2]. При постоянных метеоусловиях средняя абсолютная ошибка рассчитанных концентраций оказалась близка к нулю, что позволило авторам статьи [1] сделать вывод о практической идентичности полученных результатов данным компьютерного моделирования.
В статье [3] показана возможность использования ячеечно-нейросетевых моделей для прогнозирования последствий залповых аварийных выбросов при переменных метеоусловиях. Для этого в качестве аргументов функции добавляются соответствующие переменные, например, скорость и направление ветра. Проведенные расчеты показали значительные различия в прогнозируемых последствиях залповых аварийных выбросов, рассчитанных при постоянных и переменных метеоусловиях.
Рассмотрим возможность практического использования ячеечно-нейросетевых моделей для решения задач оценки последствий химических аварий на примере реально имевшего место 13.07.1973 залпового выброса аммиака в Потчефструме (ЮАР). Авария произошла на заводе по выпуску удобрений и характеризуется самым большим числом погибших за всю историю аварий на объектах с аммиаком. Ее причиной стало крупное разрушение горизонтального цилиндрического резервуара со сжиженным аммиаком, хранившемся под давлением.
В соответствии с [4], на месте аварии не наблюдалось пролива жидкой фазы. На начальной стадии радиус облака достигал 150 м, а высота выброса составляла 20 м. Всего в результате аварии погибло 18 человек. Из них двое скончались непосредственно на месте аварии. Остальные 16 умерли спустя некоторое время вследствие полученных отравлений. После аварии наблюдался легкий бриз. Для моделирования последствий выброса использовались следующие исходные данные [4]: масса выброса 38 т; условия хранения - в сжиженном состоянии при температуре 15 0С, без обвалования; тип местности - центры небольших городов; метеоусловия - скорость ветра 1м/с, класс устойчивости атмосферы Г.
Для формирования обучающей выборки проведен вычислительный эксперимент с использованием программного комплекса ТОКСИ+ [5]. Объем выборки составил 786 примеров, полученных для различных точек местности, подвергшейся загрязнению, в различные моменты времени после аварии. Была выбрана ячеечно-нейросетевая модель с квадратными ячейками окрестности фон Неймана, включающая 6 входных переменных, соответ-
ствующих концентрациям аммиака в 5 ячейках окрестности в предшествующий момент времени и дополнительным значением концентрации в центральной ячейке на два предшествующих дискретных момента времени назад. Интервал между дискретными моментами времени составляет 100 с. Выходными переменными являются 5 значений концентрации аммиака в прогнозируемый момент времени в ячейках той же окрестности.
Математически нейросетевая модель записывается в общем виде:
^С/ (4 / € /(С (т -1), / € й}, С3 (т - 2)), (1)
где С/ (т) - концентрация аммиака в /-ой ячейке в дискретный момент времени /; / - индекс ячейки (для центральной ячейки окрестности / = 3).
Учитывая специфику переменных и опыт предыдущих работ [1, 3], все значения концентрации аммиака были предварительно прологарифмированы и нормированы с целью соблюдения требования о равномерном распределении примеров обучающей выборки в области допустимых значений каждой переменной. Полученные на выходе нормированные концентрации также денормировались и приводились к значениям концентрации в исходных единицах измерения.
Проведена серия из 12 вычислительных экспериментов по получению концентрационных профилей для их сравнения с результатами прямых расчетов по программе ТОКСИ+ на расстояниях 900 и 1200 м по оси ветра от места выброса, так как, в соответствии с выводами авторов [4], именно на этих расстояниях находится передняя граница зоны порогового поражения при 30- и 60-минутной экспозиции при выбранных условиях аварии.
Вычислительные эксперименты различались:
- выбором координаты на оси ветра для построения концентрационного профиля: 900 м и 1200 м;
- количеством скрытых слоев нейронной сети: один или два;
- количеством нейронов в скрытых слоях;
- значением параметра активационной функции (сигмоида): 0.5, 1.0, 2.0;
- составом примеров обучающей выборки: все примеры, только примеры для ячеек, расположенных на оси ветра;
- способом зацикливания выходных переменных: независимая подача (выходные значения каждой ячейки соответствуют входным значениям своих же ячеек), копирование выходного значения центральной ячейки на все входы, соответствующие данному моменту времени.
Схема использованной модели представлена на рисунке 1.
Сравнительный анализ полученных зависимостей позволил выделить следующие наилучшие настройки: нейронная сеть с одним скрытым слоем, включающим 22 нейрона; параметр активационной функции 1.0; использование всех примеров обучающей выборки, как с осевым расположением базовой ячейки, так и с расположением, отличающимся от осевого; использование копирования значения базовой ячейки на все входные переменные для одного и того же момента времени.
Результаты вычислительных экспериментов (профили изменения концентрации во времени для точек 900 м и 1200 м от места аварии по оси ветра) для наилучших настроек представлены на рис. 2. Сравнительный анализ профилей показывает, что ячеечно-нейросетевая модель сглаживает концентрационный профиль и с увеличением времени после аварии зачастую дает незначительно более высокие значения концентраций. В то же время максимальная абсолютная ошибка составляет около 0.1 % об. - для расстояния 900 м от места выброса и не превышает 0.05 % об. - для расстояния 1200 м от места выброса, что является очень хорошим результатом. Таким образом, можно заключить, что методика [5] и ячеечно-нейросетевые модели позволяют получить очень близкие между собой результаты.
Полученные профили позволяют численно оценить значения токсо-доз, получаемых людьми, находящимися в зоне аварии, при различном времени экспозиции (рис. 3). Из рисунков видно, что оценки токсодоз, получаемые по программе ТОКСИ+ и с помощью ячеечно-нейросетевого моделирования, близки в первой половине времени экспозиции и незначительно расходятся при его повышении. Для рассмотренного примера получено небольшое превышение токсодоз, рассчитанных с помощью ячеечно-нейросетевого моделирования, на 5.7 % - для 30-минутной экспозиции и на 11.7% - для 60-минутной экспозиции. Последнее обстоятельство объясняется обнаруженным ранее небольшим по величине положительным отклонением концентрации, рассчитанной по ячеечно-нейросетевой модели в сравнении с программой ТОКСИ+.
Вместе с тем, очевидно, что полученные уровни токсодоз в точках 900 м при 30-минутной экспозиции и 1200 м при 60-минутной экспозиции значительно превышают не только пороговые, но и смертельные значения (9 кгх/м ), указанные в статье [4] и получаемые при расчете по программе ТОКСИ+.
и о
800
1000 1200 1400 1600 1800 Время после выброса, с
2000
1000
1500 2000 2500 3000 Время после выброса, с
3500
Рис. 2. Изменение концентрации аммиака во времени после аварии
600 t 500 £ 400
И
$ 300
§о 200
о и
£ 100 0
900 м по оси ветра
- - ЯНМ — ТОКСИ+
500 б 400 300 _ 200 100
1200 м по оси ветра ___
■ - ЯНМ — ТОКСИ+
500 1000 1500
Время после выброса, с
2000
1000 2000 3000
Время после выброса, с
0
Рис. 3. Зависимость токсодозы, полученной человеком, неподвижно находящимся в одной точке, от времени после аварии
Полученные результаты оценки зон токсического поражения подтверждаются известными данными о жертвах рассмотренной аварии с залповым выбросом аммиака, так как все они оказались в рассчитанной зоне смертельного поражения. Таким образом, результаты моделирования соответствуют реально имевшим место фактам.
Библиографические ссылки
1. Дударов С. П. Ячеечно-нейросетевые модели в задачах экологической безопасности / С. П. Дударов, П. Л. Папаев и др. - Искусственный интеллект и принятие решений, 2011,№ 2.- с. 31-39.
2. РД-03-26-2007 Методические указания по оценке последствий аварийных выбросов опасных веществ. Утв. приказом Федеральной службы по экологич., технологич. и атомному надзору от 14.12.2007 № 859.
3. Дударов С. П. Оценка последствий химических аварий на опасных производственных объектах с использованием ячеечно-нейросетевых моделей / С. П. Дударов, П. Л. Папаев, А. В. Колосов. - Безопасность труда в промышленности, 2012, № 3. - с. 64-70.
4. Сумской С. И. Сравнение результатов моделирования аварийных выбросов опасных веществ с фактами аварий / С.И. Сумской, К.В. Ефремов и др. - Безопасность труда в промышлености, 2010, № 12. - с. 38-46.
5. Моделирование аварийных ситуаций на опасных производственных объектах. Программный комплекс ТОКСИ+ (версия 3.0): Сборник документов. Серия 27. Выпуск 5 / Колл. авт. - М.: ОАО «Научно-технический центр по безопасности в промышленности», 2006. - 252 с.
