Научная статья на тему 'РАЗРАБОТКА МОДЕЛИ ОЦЕНКИ НЕБЛАГОПОЛУЧНОЙ ЭКОЛОГИЧЕСКОЙ СИТУАЦИИ ПРОМЫШЛЕННЫХ РЕГИОНОВ'

РАЗРАБОТКА МОДЕЛИ ОЦЕНКИ НЕБЛАГОПОЛУЧНОЙ ЭКОЛОГИЧЕСКОЙ СИТУАЦИИ ПРОМЫШЛЕННЫХ РЕГИОНОВ Текст научной статьи по специальности «Математика»

CC BY
48
10
Читать
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
ЭКОЛОГИЧЕСКИЙ МОНИТОРИНГ / ПРОГНОЗИРОВАНИЕ / ЗАГРЯЗНЕНИЕ АТМОСФЕРЫ / ПРОМЫШЛЕННО РАЗВИТАЯ ТЕРРИТОРИЯ / МОДЕЛИРОВАНИЕ

Аннотация научной статьи по математике, автор научной работы — Панарин Владимир Михайлович, Маслова Анна Александровна, Трещев Даниил Владимирович

Рассмотрена модель оценки неблагополучной экологической ситуации промышленных регионов, отличительной особенностью которой является ее функциональная возможность в области районирования территорий в зависимости от метеоусловий, которые формируются в пределах исследуемого промышленного региона. Матрица информационного потока описывает показатели текущего районирования, на ближайшую перспективу и в ретроперспективе. Результаты районирования территорий могут найти свое применение при распределении техногенных нагрузок на атмосферу промышленного региона.

i Надоели баннеры? Вы всегда можете отключить рекламу.

Похожие темы научных работ по математике , автор научной работы — Панарин Владимир Михайлович, Маслова Анна Александровна, Трещев Даниил Владимирович

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
Предварительный просмотр
i Надоели баннеры? Вы всегда можете отключить рекламу.

DEVELOPMENT OF A MODEL FOR ASSESSING THE ADVERSE ENVIRONMENTAL SITUATION OF INDUSTRIAL REGIONS

A model _ for assessing the unfavorable ecological situation of industrial regions is considered, a distinctive _ feature of which is its _ functionality in the _ field of regionalization of territories depending on the meteorological conditions that are formed within the studied industrial region. The information flow matrix describes the indicators of the current regionalization, for the short term and in the retro perspective. The results of regionalization of territories can find their application in the distribution of technogenic loads on the atmosphere of an industrial region.

Текст научной работы на тему «РАЗРАБОТКА МОДЕЛИ ОЦЕНКИ НЕБЛАГОПОЛУЧНОЙ ЭКОЛОГИЧЕСКОЙ СИТУАЦИИ ПРОМЫШЛЕННЫХ РЕГИОНОВ»

УДК 621.311.22

DOI: 10.24412/2071-6168-2021-12-265-270

РАЗРАБОТКА МОДЕЛИ ОЦЕНКИ НЕБЛАГОПОЛУЧНОЙ ЭКОЛОГИЧЕСКОЙ СИТУАЦИИ ПРОМЫШЛЕННЫХ РЕГИОНОВ

В.М. Панарин, А.А. Маслова, Д.В. Трещев

Рассмотрена модель оценки неблагополучной экологической ситуации промышленных регионов, отличительной особенностью которой является ее функциональная возможность в области районирования территорий в зависимости от метеоусловий, которые формируются в пределах исследуемого промышленного региона. Матрица информационного потока описывает показатели текущего районирования, на ближайшую перспективу и в ретроперспективе. Результаты районирования территорий могут найти свое применение при распределении техногенных нагрузок на атмосферу промышленного региона.

Ключевые слова: экологический мониторинг, прогнозирование, загрязнение атмосферы, промышленно развитая территория, моделирование.

В настоящее время сложилась наиболее неблагоприятная обстановка с точки зрения экологии во многих регионах Российской Федерации. К основным причинам ее ухудшения можно отнести недостаточно эффективное использование природных ресурсов, недостаточное применение эффективных мероприятий по обращению с отходами, изношенность основных фондов предприятий, экономия на мероприятиях по охране окружающей среды, загрязнение окружающей среды промышленными предприятиями, автотранспортом и т.д. [1].

На кафедре охрана труда и окружающей среды разработана автоматизированная система непрерывного контроля выбросов и сбросов загрязняющих веществ предприятий в атмосферу и водные объекты. Для повышения эффективности системы разработана модель оценки неблагополучной экологической ситуации промышленных регионов.

Данная модель состоит из 2-х частей:

1) модель информационного потока при прогнозировании неблагоприятных ситуаций на основе системы непрерывного контроля загрязнения, обрабатываемого системой в момент времени t.

рР1{1) рР2{1)

fenfc(t)] =

pt'C^t) pt°C2(t)

P0l(O P<p2(t) pvH.1(t) pVH,2(t)

pUros1(t) pUros2(t)

pC^t) pCfrt)

pCl (t) pCf (t)

pc^t) Pc23 (t)

pC}(t) pCi(t)

Pp3(t) ...Ppk(t) pt°C3(t)...pt°Ck(t)

рфз(±) ...p<pk(t)

pvH.3(t)...pvH,k(t)

pUros3(t) ...pUrosk(t)

pc^t) ...pcl(t) pczw ...pck(t) pci(t) ...cl(t) рф) ...pciw

Р^мод.1 (t) РСмод.2 (t) (t)

Р^мод.1 (t) РСмод.2 (о рс2мод.3т...

Р^мод.1 (t) РСмод.2 (t) р ^мод.З (О

РСМюдЛЪ рС1мод.2Ю рС1моДзЮ . рМПА^) рМПА2(0 рКПСА^) рКПСА2(0 pNeispr.1 (£) pNeispr.2 (£) pTeh.x (t) pTeh.2 (t) pSdn2(t) pSda2(t) pSdf2(t)

РСмод.к(.£)

■РСМод.к(Р)

pSdn1(t) pSda1(t) pSdf1(t) nSdn. m

РС2юд.кЮ

рМПА3(Ь) ...рМПАк(Ь) рКПСА3^) ...рКПСА^ pNeispr.3 (t) ...pNeispr.k (t) pTeh.3 (t) ...pTeh.k (t) pSdn3(t) ...pSdnk(t) pSda3(t) ...pSdak(t) pSdf3(t) ...pSdfk(t)

где рпи(£) - значение п-ого показателя, участвующего в информационном потоке в к-ой позиции исследуемого промышленного региона в момент времени Р - величина атмосферного давления в пределах исследуемого промышленного региона; Т°С - температура атмосферного воздуха промышленного региона; ф - влажность атмосферного воздуха; Унк - скорость и

направление ветра; Ur.os. - величина уровня осадков; С}с - концентрация /-ого загрязняющего вещества в атмосферном воздухе в позициях 1...к исследуемого промышленного региона, измеряемая газоаналитическими сенсорными блоками; СМмор.к - концентрация i -ого загрязняющего вещества в атмосферном воздухе в позиции к исследуемого промышленного региона, полученная при помощи моделирования процессов загрязнения атмосферы с учетом параметров всех действующих источников выбросов исследуемого промышленного региона; КПСАк - климатический потенциал атмосферы в позиции к исследуемого промышленного региона, рассчитанный за несколько лет в ретроперспективе; Neispr.k - параметр, отвечающий за возникновение какой-либо неисправности в работе газоаналитических сенсорных блоков в позиции к исследуемого промышленного региона, датчик неисправности сработал - вектор неисправности имеет значение «1», датчик не сработал - «0»; Teh.n - параметр, отвечающий за проведение процедуры технологического обслуживания газоаналитических сенсорных блоков в ИИиУС, (в том случае, если в позиции к исследуемого промышленного региона газоаналитические сенсорные блоки подвергаются процедуре технологического обслуживания, то вектор технологического обслуживания Teh.n в этой позиции имеет значение - «1», в противном случае - «0»); Sdnn - параметр, отвечающий за срабатывание датчика нештатных ситуаций, (в том случае, если в позиции к исследуемого промышленного региона датчик нештатных ситуаций сработал, то Sdnn = 1, в противном случае - 0); Sdan - параметр, отвечающий за срабатывание датчика аварийной ситуации на блоках газоаналитических сенсоров (если газоаналитический сенсорный блок, расположенный в позиции к исследуемого промышленного региона подвергается аварийной ситуации, то вектор аварийной ситуации Sdan в этой точке имеет значение - «1», в противном случае - «0»); Sdon - параметр, отвечающий за срабатывание датчика несанкционированного доступа на газоаналитическом сенсорном блоке, расположенном в позиции k исследуемого промышленного региона (если на газоаналитическом сенсорном блоке, расположенном в точке n исследуемого промышленного региона был зафиксирован несанкционированный доступ, то вектор несанкционированного доступа Sdon в этой точке имеет значение - «1», в противном случае - «0»).

2) модель информационного потока при прогнозировании неблагоприятных ситуаций на время (t+т):

pCnp.i(t + т) pClp2(t + т) pClp3(t + г) ...рСПр.к(Ь + г) pCnp.iCt+r) pC2„p2(t + T) pC2„p3(t + г) ...рС2ПрЛ(Ь + г) pC^1(t +т) рС2пр2(Ь + т) рС2,р3(Ь + т) ..pC3„pk(t + г)

pc2p.i(t + т) pc2p2(t + г) pcip3(t + г) ...pc2p,k(.t + г)

[pnk(t + T)] =

[рМПАпр.!^ т) рМПАПр^ + т) рМПАпр3а + т) ...рМПА^ + г)] где СПрк - концентрация >ого загрязняющего вещества в атмосферном воздухе в позиции к исследуемого промышленного региона, полученная в результате прогнозирования процессов загрязнения атмосферы на момент времени /+т; МПАк - метеорологический потенциал атмосферы в точке п исследуемого промышленного региона, рассчитанный на некоторый период времени 1+т; КПСАк - климатический потенциал атмосферы в позиции к исследуемого промышленного региона, рассчитанный за несколько лет в ретроперспективе; МПАпрогнк - метеорологический потенциал атмосферы в позиции к исследуемого промышленного региона, рассчитанный на непродолжительную перспективу.

Матрица информационного потока наглядно демонстрирует входящие метеопараметры и концентрации загрязняющих веществ с постов стационарного наблюдения в момент времени t. Одновременно с этим в этот же момент времени t система осуществляет математическое моделирование загрязнения и выдает картину прогноза загрязнения на момент времени t+т.

В системе используются несколько моделей, с помощью которых осуществляется моделирование загрязнения составляющих окружающей среды (например, атмосферного воздуха). Точность повышается за счет применения конкретной модели в тех или иных условиях.

Для оценки адекватности применения той или иной модели введен коэффициент расхождения, который определяется сравнением данных концентраций веществ, получаемых с помощью компьютерного моделирования и экспериментальным путем [2, 3].

В конечном итоге, объединяя эти две модели, получим модель оценки неблагополучной экологической ситуации промышленных регионов:

pt°Ci{t) pt°C2(t) pt°C3(t) ...pt°Ck(t) -

P0iW РФ2Ю р0з(О ..-РФкЮ pVH.1(t) PVH,2(t) pVH,3(t) ...pVH,k(t)

pUros1(t) pUros2(t) pUros3(t) ...pUrosk(t)

pc№ pc2(t) pc3(t) ...pck(t)

pC? (t) pc22 (t) pC3(t) ...pCk(t)

pcl(t) pc2 (t) pci(t)...$(t)

pCi(t) pC2(t) pCi(t) ...pCi(t)

Р^мод.1 (t) РСмод.2 (t) (t) I

Р^мод.1 (t) РСмод.2 (О РС1од.З&) ...рС2модлЮ I

Р^мод.1 (t) РСмод.2 (t) р ^мод.З (О ..-РСмо^Ю I

РСмодЛЪ Р^одЛЪ Р^одзЮ ..■РСмод.кЮ [Pndt + т)] = рС^(Ь + т) pClp2(t + т) pC^t + т) ...pC^t + т) .

pCnp.iCt+TT) pClp2(t + T) pClp3(t + г) ...рСПрЛ(Ь + г) pCiïp^t + T) pClp2(t + T) pClp3(t + T) ..pC3„pk(t + г) pCi„p1(t + г) рСПр.2(£ + т) pCl„p3(t + г) ...pC^t + г) рМПА^О рМПА2(^) pMnA3(t) ...pMnAfe(t) pKnCA^t) pKnCA2(t) pKnCA3(t) .рКПСА^ pMnAnp.1(t + т) pMnA„p2(t + т) pMnAnp3(t + г) ...pMnAnp.fc(t + т) pNeispr.1(t) pNeispr.2(t) pNeispr.3(t) ...pNeispr.k(t) pTeh.1(t) pTeh.2 (t) pTeh.3(t) ...pTeh.k(t) pSdn1(t) pSdn2(t) pSdn3(t) ...pSdnk(t) pSda1(t) pSda2(t) pSda3(t) ...pSdak(t) pSdf1(t) pSdf2(t) pSdf3(t) ...pSdfk(t) pSdo1(t) pSdo2(t) pSdo3(t) ...pSdok(t) .

Моделирование загрязнения осуществляется на базе программ «Эколог», «Призма» и

других.

Отличительной особенностью системы является ее функциональная возможность в области районирования территорий в зависимости от метеоусловий, которые формируются в пределах исследуемого промышленного региона. Матрица информационного потока описывает показатели текущего районирования, на ближайшую перспективу и в ретроперспективе. Результаты районирования территорий могут найти свое применение при распределении техногенных нагрузок на окружающую среду, в том числе атмосферный воздух.

Следует отметить, что при реализации системы в пределах конкретных промышленных регионов, набор изучаемых загрязнений должен быть определен исходя из тех загрязняющих веществ, которые присущи именно для территорий исследуемого промышленного региона. Поэтому комплектация газоаналитических сенсоров для определения в воздухе промышленных регионов тех или иных загрязнителей в системе непрерывного контроля выбросов и сбросов загрязняющих веществ одного региона может существенно отличаться от другого.

В результате матричного исполнения обрабатываемого информационного потока система будет являться источником необходимой информации для экологически значимых управленческих решений, направленных на повышение качества атмосферного воздуха на различных уровнях управления.

При разработке модели при усовершенствовании системы непрерывного контроля выбросов и сбросов загрязняющих веществ нашли применение и искусственные нейронные сети (ИНС) [4].

Загрязнение атмосферы взвешенными тяжелыми металлами оценивалось на территории ПАО «Тулачермет» и ПАО «Косогорский металлургический завод». Концентрация вредных веществ в атмосфере по пр. Ленина г. Тула принималась как фоновая. Все измерения проводились в автоматическом режиме.

Ранее проводились измерения на этих же территориях по таким веществам как свинец, кадмий, бензол, NO2, NO4, SO4, CO2 и др. Все получаемые с помощью системы данные о концентрациях собираются на сервере и отображаются в виде таблиц и графиков на интернет-сайте Росприроднадзора.

К входным данным относятся: метеорологические условия и средне-суточные концентрации веществ за предыдущие сутки. На рис. 1-3 представлены измеренные и спрогнозированные посредством ИНС данные концентрации взвешенных частиц тяжелых металлов на обозначенных территориях. Синяя линия - это значения концентраций, полученные экспериментальным путем, красная - прогнозные значения.

260 240 220 200 « 180 Ё 150 ® 140

I 120 | им 80 60 40 20

0 -——

12 81 134 178 236 Ж 306 348 388 454 511 578 615 658 679 — Количества измерений

Рис.1. Значения концентраций, полученные экспериментальным путем и прогнозные значения взвешенных частиц тяжелых металлов на ПАО «Тулачермет»

200 --1—----1—--

180

2 44 104 135

19 262 306 354 392 447 487 538 574 625 666

Количество измерений

Рис. 2. Значения концентраций, полученные экспериментальным путем и прогнозные значения взвешенных частиц тяжелых металлов на ПАО «Косогорский металлургический

завод»

30 87 133 205 262 309 347 421 459 518 595

Количество измерений

Рис. 3. Значения концентраций, полученные экспериментальным путем и прогнозные значения взвешенных частиц тяжелых металлов в г. Тула на пр. Ленина

268

По полученным результатам можно сделать вывод, что нейронные сети более достоверны в исследуемых условиях. Отличие ожидаемого и прогнозного значений похожи для каждого измерительного поста. Значения располагаются в интервале от -10 до 10 мкг. Экспериментальные исследования доказывают, что 57,7% полученных данных о концентрациях для поста ПАО «Тулачермет», 73,3% и 61,5% для станций пр. Ленина и станции ПАО «КМЗ» соответственно находятся в этом интервале.

Главной задачей исследования было разработать удобный и понятный инструмент для оценки неблагополучной экологической ситуации промышленных регионов. ИНС как раз и стал таким инструментом для оценки и прогноза концентраций взвешенных частиц тяжелых металлов.

Статья подготовлена при поддержке ФГБОУ ВО «Тульский государственный университет» в рамках гранта ректора для поддержки молодых ученых, проект «Разработка математических моделей прогнозирования неблагоприятной экологической ситуации на промышлен-но развитых территориях».

Список литературы

1. Андрианов Д.Е., Булаев А.В. Автоматизированная обработка пространственной информации в геоинформационных системах // Автоматизация и современные технологии. М.: Машиностроение. 2007. №8. С. 3-6.

2. Панарин М.В., Маслова А.А., Савинкова С.А., Панарин В.М. Автоматизированная система контроля выбросов загрязняющих веществ на источниках промышленных предприятий // Экология и промышленность России. 2021. Т. 25. № 6. С. 44-48.

3. Панарин В.М., Шейнкман Л.Э., Маслова А.А., Царьков Г.Ю., Гришаков К.В., Рыбка Н.А. Информационно-измерительная система прогнозирования и предупреждения аварийных выбросов газа в атмосферу // Экология и промышленность России. 2020. Т. 24. № 5. С. 9-13.

4. Бурман В.М., Кропотов Ю.А. Автоматизированная распределенная система экологического мониторинга окружающей среды модульного типа // Известия ОрелГТУ. Серия «Информационные системы и технологии». 2008. № 1-2/269(544).С. 53-57.

Панарин Владимир Михайлович, д-р техн. наук, профессор, заведующий кафедрой, panarin-tsu@yandex.ru, Россия, Тула, Тульский государственный университет,

Маслова Анна Александровна, д-р техн. наук, профессор, anna_zuykova@rambler.ru, Россия, Тула, Тульский государственный университет,

Трещев Даниил Владимирович, аспирант, treshyov. danya@,yandex. ru, Россия, Тула, Тульский государственный университет

DEVELOPMENT OF A MODEL FOR ASSESSING THE ADVERSE ENVIRONMENTAL SITUATION

OF INDUSTRIAL REGIONS

V.M. Panarin, A.A. Maslova, D.V. Treshchev

A model _ for assessing the unfavorable ecological situation of industrial regions is considered, a distinctive _ feature of which is its _ functionality in the _ field of regionalization of territories depending on the meteorological conditions that are formed within the studied industrial region. The information flow matrix describes the indicators of the current regionalization, for the short term and in the retro perspective. The results of regionalization of territories can find their application in the distribution of technogenic loads on the atmosphere of an industrial region.

Key words: environmental monitoring, forecasting, atmospheric pollution, industrialized territory, modeling.

Panarin Vladimir Mikhailovich, doctor of technical sciences, professor, head of department, panarin-tsu@yandex.ru, Russia, Tula, Tula State University,

Maslova Anna Aleksandrovna, doctor of technical sciences, professor, anna_zuykova@rambler.ru, Russia, Tula, Tula State University,

269

Treshchev Daniil Vladimirovich, postgraduate, treshyov.danya@yandex.ru, Russia, Tula, Tula State University

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

УДК 621.317

DOI: 10.24412/2071-6168-2021-12-270-275

МЕТОДОЛОГИЧЕСКИЙ ПОДХОД К МНОГОКРИТЕРИАЛЬНЫМ ЗАДАЧАМ КЛАССИФИКАЦИИ АЛЬТЕРНАТИВ ПОСТРОЕНИЯ ПЕРСПЕКТИВНЫХ ТРАНСПОРТНЫХ СЕТЕЙ СВЯЗИ СПЕЦИАЛЬНОГО НАЗНАЧЕНИЯ

А.В. Боговик, А.А. Шляпников, Н.Н. Зайкин, А.В. Свидло, О.А. Губская

В статье предложен методологический подход, базирующийся на реализации процедуры классификации формируемых альтернатив, который может применяться в системе поддержки принятия решений должностных лиц органов управления связью как при решении задач модернизации существующих, так и при построении перспективных телекоммуникационных сетей специального назначения.

Ключевые слова: транспортная сеть связи, класс, показатель, эффективность.

Необходимость развития телекоммуникационных сетей, в том числе транспортных сетей связи специального назначения (ТСС СН), обязывает должностных лиц органов управления связью иметь в своем арсенале и активно применять эффективные методы анализа и синтеза в структуре систем поддержки принятия решений. При этом задачи оценки технологических решений по построению перспективной транспортной сети связи, проверки выполнения оперативно-тактических и технико-экономических требований с учетом накладываемых ограничений, в качестве которых, как правило, выступают выделенные финансовые ресурсы, сравнение решений по построению транспортной сети с существующими системами, являются определяющими. Оперативность и в целом результативность работы должностных лиц, обосновывающих и принимающих решения на этапах формирования, оценки и выбора рациональных вариантов может существенно повыситься, если в системе поддержки принятия решений (СППР) будут реализованы современные методы классификации.

Известно, что задачи классификации человеком объектов, обладающих совокупностью признаков, относятся к наиболее распространенным на практике задачам принятия решений. Многокритериальные задачи классификации отличаются от других многокритериальных задач принятия решений тем, что в них не требуется ранжировать альтернативы. Достаточно распределить их между небольшим числом классов принятия решений. Во многих случаях эти классы могут быть упорядочены по качеству. Тогда объекты, помещенные в класс I, более предпочтительны для лица, принимающего решение (ЛПР), чем объекты, помещенные в класс II, и т.д. Подход к решению подобных задач основан на методе порядковой (ординальной) классификации.

Проблемная ситуация, характерная для рассматриваемой задачи, заключается в том, что у ЛПР имеется конечный набор из N классов ТСС СН, к одному из которых можно отнести конкретный рациональный вариант. Эти классы упорядочены в том смысле, что вариант, который отнесен к первому классу, предпочтительнее для ЛПР, чем вариант, который отнесен ко второму классу, и т. д. Каждый вариант характеризуется оценками по Q показателей эффективности.

Поскольку имеется конечное число показателей эффективности (Q), а каждый показатель имеет шкалу с конечным числом дискретных оценок, можно сформировать множество всех возможных векторных оценок в критериальном пространстве (декартово произведение всех оценок на шкалах показателей). Можно построить полную систему классификации объектов, если сформировать классификацию всех возможных векторных оценок в критериальном пространстве. При решении реальной задачи опытным ЛПР такая классификация будет отражать реальные правила принятия решений и соответственно может быть использована для классификации реальных альтернатив ТСС СН.

270

i Надоели баннеры? Вы всегда можете отключить рекламу.