CC BY
14
УДК 504.06
'Ю.А. Тунакова, 2А.Р. Шагидуллин, 2В.С. Валиев
'Казанский национальный исследовательский технический университет им. А.Н. Туполева, juliaprof@mail.ru
2Институт проблем экологии и недропользования АН РТ, ipen-anrt@mail.ru
РАЗРАБОТКА МОДЕЛИ ОЦЕНКИ ИНТЕГРАЛЬНОГО РИСКА
В УРБОЭКОСИСТЕМЕ
Представлены подходы для моделирования интегрального риска в урбоэкосистеме, учитывающей вероятность рискового события в конкретной точке занимаемого системой пространства относительно информации о том, насколько часто это событие происходило во всех точках этого же пространства. Разработана регрессионная модель оценки интегрального риска на территории урбоэкосистемы. Предложены подходы для градаций интегрального риска и формирования наборов управляющих природоохранных воздействий.
Ключевые слова: урбоэкосистема; риск; моделирование; природоохранные мероприятия.
Введение
Урбоэкосистему можно представить как сложную несаморегулирующуюся полиструктурную систему, которая состоит из биотических и абиотических компонентов. Огромное количество разнонаправленных и разноразмерных факторов, действующих в урбоэкосистеме, неоднородность их распределения в пространстве, нелинейные взаимосвязи между ними создают значительные сложности для систем принятия управленческих природоохранных решений. Использование теории риска и вероятностных оценок повышает возможности этих систем, позволяя генерировать значительно больший объем экологической информации (Воробейчик и др., 1994; Потапов и др., 2005; Тунакова и др., 2019а,б). Определение перечня управляющих воздействий должно основываться на оценке интегрального риска на территории урбоэкосистемы, для которой проведено зонирование. Под интегральным риском понимается обобщенный вектор такой изменчивости параметров системы, которая может привести к ухудшению ее качественного состояния. Таким образом, задача адекватного расчета интегрального риска является основополагающей для систем принятия природоохранных решений.
Материалы и методы исследования
Интегральный риск предлагается рассчитывать на основании уровней рисков по каждому компоненту урбоэкосистемы с учетом номера кластера, в который входит данный кортеж данных. Кластер здесь выступает в качестве меры интегрального риска для конкретной территории. Предлагается рассчитывать интегральный риск для /-того кортежа данных по формуле:
интегральный
- Р(0Ь/\А) xP(A\КластерiJ,
(1)
где Р - вероятность события; 0Ь/ - событие, состоящее в том, что выбран /-ый кортеж данных; А - событие, состоящее в том, что уровень загрязняющего вещества превышает допустимое пороговое значение, Кластер^ - событие, состоящее в том, что /-ый кортеж отнесен к 5^-му кластеру.
Пусть дан набор из т объектов I = 1,т каждый из которых характеризуется одним и тем же набором из п признаков. Параметрические признаки переведем в события путем сопоставления с их порогами: назовем событие, состоящее в том, что хотя бы один признак любого объекта превышает заданный порог, событием А. Противоположное ему событие - событие В (порог не превышен). Тогда общее пространство признаков составляет т*п состояний типа А или В.
События случайного выбора любого из объектов равновероятны, соответственно имеем: Р(ОЬ)='/т.
Вероятности того, что в объекте 0Ь/ будет превышен порог хотя бы по одному признаку, составит:
р(А\аь') ,
п
где Ы(А/) - число измерений признаков объекта 0Ь/, в которых обнаружены превышения, п - общее число измерений в объекте 0Ь/.
Согласно теореме полной вероятности, вероятность события А определяется формулой:
Если в каждом объекте будут превышения всех признаков (по всем признакам объекта реализует-
2/212!
53
ся событие А, то есть Р(А\ОЬ')=1 (V/ = 1,т ), то
т т
Р(А)= ^ Р(ОЬ1) х Р(А| ОЬ1) = ^— х 1 = 1.
¿=1
и значение полной вероятности будет равно 1: Р(ОЬ;) х Р(Л|ОЬ= Р(ОЬ;) х Р(4|0Ь;)
р(ОЬ11А) = '■
Р)А)
ЕЦ^ Р(ОЬ;) х Р(А 10Ы)
Теперь определим вероятность того, что событие А произошло именно в объекте ОЬ1, то есть вероятность Р(ОЬ'\А). Согласно теореме Байеса, для /-того объекта:
Эти вероятности будем использовать в качестве исходных для построения интегральных критериев и оценок конкретных объектов исследования с учетом состояния других аналогичных объектов.
Получив вероятности Р(ОЬ/\А) превышений допустимых значений тех или иных параметров в объектах, относящихся к разным кластерам, сформируем плотности вероятностей, определяемые как их удельные величины в разных кластерах.
Так как события, состоящие в том, что превышение произошло в /-ом объекте, и событие, что /-ый объект относится к некоторому кластеру S, независимы, то вероятность того, что превышение (событие А) произойдет в объекте ОЬ и кластере S равна произведению соответствующих вероятностей:
Я/итог = Р(ОЫ |А) хр(А|Кластеру. Здесь вероятноств событиз Р^Кластер^), состоящего в том, что пр евышение произошло в кластере S, к которому отнесен кортеж /, определяется по формуле:
Р(л|Кластер^) =
ЖТ
где Ы(А8) — число измерений признаков во всех объектах Кластера S, в которых обнаружены превышения, Ы(А8)- общее число превышений по п признакам во всех т объектах.
При этом вероятность отдельного события А в конкретном кластере будет равна отношению произведения доли событий А в этом кластере с долей относительного числа наблюдений в кластере к сумме всех подобных событий во всех кластерах.
В работе использовано 70 кортежей данных, группирующих информацию о загрязнении различных сред (снег, воздух, почва, волосы и кровь населения) на разных участках урбоэкосистемы г. Казань. Эти участки, в свою очередь, были пред-
варительно сгруппированы в кластеры с помощью авторского метода нейросетевого зонирования (Новикова и др., 2019).
Результаты и их обсуждение
Рассчитанные по отдельным компонентам ур-боэкосистемы (снегу R , воздуху R , почве
4 снег ^ воздух'
Я , волосам R и крови R населения)
почва' волосы г кровь '
риски, в сочетании с интегральным риском хорошо охватываются множественной регрессией (^=0.91, F=95.4, р=0.00012) (рис.). Интегральные риски для каждого кортежа Я используются
^ ^ интегр.
в качестве выходов модели регрессии, а риски по отдельным средам - как входные обучающие вектора. При этом в связи с тем, что отмечена прямая зависимость увеличения риска с увеличением номера кластера, номер кластера N использует-
кластер
ся напрямую как параметр модели.
Я = 0.275хR + 0.328хR + 0.343хR
интегр. снег волосы кровь
+ 0.356хR +0.236хR + 0.0105хN -0.009
воздух почва кластер
(2)
В таблице показано, что наибольшее влияние на выход модели оказывают номер кластера N , а также R , которые имеют наиболее
кластер воздух
высокие значения Ве1а-коэффициентов.
Поэтому модель интегрального риска можно редуцировать, оставив в ней лишь два указанных предиктора, при этом модель останется адекватной ^2=0.70, F=84, р=0.0003):
Я = 0.00715+0.463хR +0.0104хN
интегр. воздух кластер
(3)
Так как риски рассчитаны по числу превышения соответствующих порогов, то можно рассчитать уровень риска состояния атмосферного воздуха, соответствующий превышению 1 показателя в 1 наблюдении.
Для описываемого в настоящей работе набора данных рассчитанное значение составило 0.00253. Таким образом, приняв, что Rвоздух=0.00253хN, где N - число показателей, превысивших свой порог, итоговая модель будет выглядеть:
Я = 0.00715+0.018хN +0.0104хN
интегр. кластер
(4)
Любая из моделей (2)-(4) может быть использована для количественного расчета интегрального риска.
Используя традиционные подходы к оценке состояния урбанизированной территории, можно сформировать следующую градацию рисков:
приемлемый риск - учет индивидуальных потребностей населения, соответствие функциональной организации антропогенно-природной
54
российский журннл ииой экологии
0,045
0,040
0,035
0,010
0,005
е и 10 21
26 31 Зй 41 46 точки не5лод^ний
51 58 61 Ж
■ НЯбГЮДВЕУ = Е
' ряститачн= е
Рис. Наблюдаемые и моделируемые значения интегральных рисков
среды местным природным условиям, потребностям конкретных социальных групп. Полное соответствие требованиям действующих СНиП и СанПиН;
средний риск - антропогенное воздействие без выраженных откликов состояния населения, на природные компоненты не оказывается значительных антропогенных нагрузок; подавляющее большинство показателей соответствуют требованиям действующих СНиП и СанПиН;
высокий риск - отступления от нормы, не приводящих к значительным отклонениям в откликах населения на внешнее антропогенное воздействие и состояния природных компонентов; эпизодические нарушения требований действующих СНиП и СанПиН;
неприемлемый риск - сигнальные случаи откликов населения на внешнее антропогенное воздействие, очаговые нарушения состояния природных компонентов и функциональной системы организации урбанизированной территории с возможным их восстановлением; систематические нарушения требований действующих СНиП и СанПиН;
катастрофический риск - массовые отклики населения на внешнее антропогенное воздействие, крупные поражения природных компонентов; значительные нарушения требований действующих СНиП и СанПиН.
Выделение градаций риска предлагается производить ранжированием по четырем основным квантилям на ранги, соответствующие понятиям «приемлемый», «средний», «высокий», «неприемлемый». Понятие «катастрофический» предла-
гается определять как значение риска, превосходящее правую границу последнего из выделенных квантилей. В зависимости от уровня интегрального риска по каждому определяемому состоянию компонентов урбоэкосистемы выбирается набор мероприятий, исходя из рекомендаций экспертов системы принятия природоохранных решений, например:
• экологический мониторинг в зонах действия стационарных и передвижных источников выбросов и зонах проживания населения, а также селитебных зонах;
• увеличение площади зеленых
насаждений общего пользования за счет городских лесов и лесопарков; формирование озелененных санитарно-защитных зон между жилыми районами и промышленными предприятиями с учетом данных об уровнях интегрального риска; строительство окружных автомобильных дорог, развязок, скоростных магистралей для уменьшения транспортных потоков в черте города - снижение автотранспортной нагрузки;
вынос из зоны предприятий с вредными и опасными производствами - исключение промышленного производства.
Заключение
Разработанная методология оценки интегрального риска предназначена для доступного ис-
Таблица. Удельные весовые коэффициенты факторов модели регрессии
Факторы Beta
Я 0.268
снег
R 0.195
волосы
Я 0.224
кровь
Я 0.323
воздух
Я 0.183
почва
N 0.791
кластер
2/2121
55
пользования специалистами в системе поддержки принятия природоохранных решений любого территориального образования, использующего экспертные оценки в системах соответствующих уровней. Предлагаемые подходы позволяют сократить время и финансовые затраты для получения необходимых параметров, используемых при оценке и прогнозе уровня интегрального риска, что, в свою очередь, позволяет минимизировать систематические и случайные погрешности при последующем анализе данных. В зависимости от полученных значений интегрального риска выбираются необходимые природоохранные мероприятия с целью снижения интегрального риска до приемлемого уровня с учетом требований действующих в системе принятия природоохранных решений нормативных документов.
Работа выполнена при финансовой поддержке РФФИ и Правительства Республики Татарстан в рамках научного проекта № 18-41-160020.
Литература
1. Воробейчик Е.Л., Садыков О.Ф., Фарафонтов М.Г. Экологическое нормирование техногенных загрязнений наземных экосистем. Екатеринбург: Наука, 1994. 280 с.
2. Новикова С.В., Тунакова Ю.А., Шагидуллин А.Р., Кремлева Э.Ш., Валиев В.С., Габдрахманова Г.Н., Кузнецова О.Н. Использование нейросетевых технологий для зонирования территории на примере г. Казани // Вестник Технологического университета. 2019. Т. 22, №5. С. 128-131.
3. Потапов А.И., Воробьев В.Н., Карлин Л.Н., Музалев-ский А.А. Мониторинг, контроль, управление качеством окружающей среды. СПб: РГГМУ, 2005. 600 с.
4. Тунакова Ю.А., Новикова С.В., Шагидуллин А.Р., Валиев В.С. Методология оценки уровня территориального экологического риска для планового управления экологической безопасностью городской среды // Экология и промышленность России. 2019. Т. 23, №10. С. 44-49.
5. Тунакова Ю.А., Новикова С.В., Шагидуллин А.Р., Валиев В.С., Мораис А.Х. Подходы для оценки и управления качеством компонентов урбоэкосистемы с помощью методов нейросетевого моделирования // Теоретическая и прикладная экология. 2019. №4. С. 31-36.
References
1. Vorobeychik E.L., Sadykov O.F., Farafontov M.G. Ekologicheskoe normirovanie tekhnogennyh zagryaznenij
nazemnyh ekosistem [Ecological rationing of technogenic pollution of terrestrial ecosystems]. Yekaterinburg: Nauka, 1994. 280 p.
2. Novikova S.V., Tunakova Yu.A., Shagidullin A.R., Kremleva E.SH., Valiev V.S., Gabdrahmanova G.N., Kuznecova O.N. Ispol'zovanie nejrosetevyh tekhnologij dlya zonirovaniya territorii na primere g. Kazani [The use of neural network technologies for zoning the territory on the example of Kazan] // Vestnik Tekhnologicheskogo universiteta [Bulletin of the Technological University]. 2019. Vol. 22, No 5. P. 128-131.
3. Potapov A.I., Vorobyov V.N., Karlin L.N., Muzalevsky A.A. Monitoring, kontrol', upravlenie kachestvom okruzhayushchej sredy [Monitoring, control, environmental quality management]. Saint Petersburg: RGGMU, 2005. 600 p.
4. Tunakova Yu.A., Novikova S.V., Shagidullin A.R., Valiev V.S. Metodologiya ocenki urovnya territorial'nogo ekologicheskogo riska dlya planovogo upravleniya ekologicheskoj bezopasnost'yu gorodskoj sredy [Methodology for assessing the level of territorial environmental risk for planned management of environmental safety of the urban environment] // Ekologiya i promyshlennost' Rossii [Ecology and Industry of Russia]. 2019. Vol. 23, No 10. P. 44-49.
5. Tunakova Yu.A., Novikova S.V., Shagidullin A.R., Valiev V.S., Morais A.H. Podhody dlya ocenki i upravleniya kachestvom komponentov urboekosistemy s pomoshch'yu metodov nejrosetevogo modelirovaniya [Approaches for evaluating and managing the quality of urban ecosystem components using neural network modeling methods] // Teoreticheskaya i prikladnaya ekologiya [Theoretical and Applied Ecology]. 2019. No 4. P. 31-36.
Tunakova Yu.A., Shagidullin A.R., Valiev V.S. Development of an integral risk assessment model in urban ecosystem.
Approaches are presented for modeling integral risk in an urban ecosystem that takes into account the probability of a risk event at a specific point in space relative to information about how often this event occurred at all points in space. A regression model for assessing the integral risk in the urban ecosystem has been developed. Approaches for gradation of integral risk and formation of sets of environmental management impacts are proposed.
Keywords: urban ecosystem; risk; modeling; environmental protection measures.
российский ЖУРНАЛ лриклллной экологии
Информация об авторах
Тунакова Юлия Алексеевна, доктор химических наук, профессор, зав. кафедрой, Казанский национальный исследовательский технический университет им. А.Н. Туполева - КАИ, Россия, 420126, г. Казань, ул. Четаева, 18, E-mail: juliaprof@mail.ru.
Шагидуллин Артур Рифгатович, кандидат физико-математических наук, старший научный сотрудник, Институт проблем экологии и недропользования АН РТ, Россия, 420087, г. Казань, ул. Даурская, 28, E-mail: Artur. Shagidullin@tatar.ru.
Валиев Всеволод Сергеевич, старший научный сотрудник, Институт проблем экологии и недропользования АН РТ, 420087, Россия, г Казань, ул. Даурская, 28, E-mail: podrost@mail.ru.
Information about the authors
Yulia A. Tunakova, D.Sci. in Chemistry, Professor, Head of Department, Kazan National Research Technical University named after A. N. Tupolev - KAI, 18, Chetaeva st., Kazan, 420126, Russia, E-mail: juliaprof@mail.ru.
Artur R. Shagidullin, PhD in in Mathematic, Senior Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, 420087, Russia, E-mail: Artur.Shagidullin@tatar.ru.
Vsevolod S. Valiev, Senior Researcher, Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, 28, Daurskaya st., Kazan, Russia, 420087, E-mail: podrost@mail.ru.
2/212!
57
