CC BY
37
УДК 004.891.2
Н.З. Султанов, доктор технических наук, профессор, заведующий кафедрой систем автоматизации производства Аэрокосмического института, ФГБОУ ВО «Оренбургский государственный университет» e-mail: Sultanov@mail.osu.ru
А.В. Семыкин, магистр кафедры систем автоматизации производства Аэрокосмического института, ФГБОУ ВО «Оренбургский государственный университет» e-mail: avsemykin2016@yandex.ru
СИСТЕМА ПРОГНОЗИРОВАНИЯ ЗАТОПЛЕНИЙ
Данное исследование направлено на теоретическое обоснование концепции системы прогнозирования затоплений и подтоплений и анализ целесообразности ее практического воплощения.
В статье рассматривается актуальность темы исследования, недостатки существующих систем, а также экономическое обоснование проекта. Практическую ценность данной работы следует понимать в сфере нескольких аспектов сохранения жизни людей. Во-первых, разработка системы прогнозирования позволит оперативно планировать эвакуацию населения с территорий, подвергающихся затоплению. Во-вторых, система поможет рассчитать необходимый объем сил, технических средств и затрат на эвакуацию. И, в-третьих, позволит минимизировать экономический ущерб и сократить денежные средства на восстановление инфраструктуры. В ходе подготовительного этапа подробно рассмотрены и сформированы основные цели и задачи исследования, определены пути и способы достижения заявленных в задачах результатов.
Целью данного исследования явилось определение наиболее походящего метода прогнозирования, которое было произведено путем сравнительного анализа достоинств и недостатков каждого из методов, а также их применимости в рамках решаемой задачи. В качестве математического аппарата прогнозирования, в результате проведения сравнительного анализа, был выбран математический аппарат нейронных сетей.
Ключевые слова: система прогнозирования, затопление, подтопление, анализ, прогноз.
Проблема прогнозирования затопления территорий во все времена была чрезвычайно актуальна. Затопление территорий всегда сопровождалось человеческими и экономическими потерями, кроме того, для ликвидации последствий наводнений всегда привлекались достаточно большие ресурсы. Стоит отметить, что для более эффективного планирования мероприятий по ликвидации чрезвычайных ситуаций, а также, при необходимости, эвакуации населения, необходимо иметь прогноз развития паводковой ситуации на том или ином гидрологическом объекте. Вследствие низкой скорости обработки исходных данных персоналом, возникает идея автоматизации технологического процесса прогнозирования. Поэтому в данной статье будут рассмотрены основные проблемы прогнозирования затоплений, а также представлены основные разработки аппарата прогнозирования.
1. Проблема прогнозирования затоплений. Недостатки имеющихся технических и программных решений
Затопление территорий на протяжении всей истории человечества грозило для людей гибелью и уничтожением имущества. Потому очень важным условием сохранения жизни людей и их собственности является прогнозирование затоплений и принятие мер по ликвидации последствий чрезвычайных ситуаций. Однако данный вид прогноза
заставляет работать с большими объемами информации в течение весьма ограниченного времени. Кроме того, при изменении гидрологических условий может потребоваться корректировка прогнозов. И при этом важно помнить, что эффективность ручного труда в данных условиях низка. Поэтому появляется необходимость автоматизации данных расчетов при помощи компьютерных систем.
Проведенный анализ современных методов мониторинга затоплений территорий выявил недостаточную эффективность современных методов сбора информации о чрезвычайных ситуациях и их прогнозировании, что подтверждает достаточно высокую актуальность темы исследования и ее практическую ценность. Данное исследование актуально не только для Оренбургской области, но и для Российской Федерации в целом.
Оренбургская область располагается в бассейнах крупных рек: Урала, Волги, Тобола и на бессточной территории. За последние годы чрезвычайные ситуации, обусловленные весенним половодьем, произошли в населенных пунктах, расположенных в бассейне 39 водотоков области. При этом сведения о гидрологическом режиме имеются только на 19 из указанных водотоков (бассейн реки Урал - 10 из 23, реки Самары - 9 из 16 водотоков). Кроме сети государственных гидрологических постов действуют сезонные водомерные посты, организованные ГУ МЧС по Оренбургской области. На них ведётся
периодический контроль над ходом уровня вод около населенных пунктов. Современная сеть гидрологических постов охватывает основные водотоки и наиболее крупные водохранилища. Между тем, не под наблюдением остаётся значительная часть водных объектов, в том числе 225 бесхозных [2].
Приведенные выше статистические данные указывают на недостаточный охват водных объектов Оренбургской области средствами оперативного контроля гидрологической ситуации. Следовательно, для решения проблемы получения своевременных прогнозов о гидрологической ситуации в масштабе области необходимо создать единую областную сеть автоматизированных постов мониторинга контроля уровня воды и прогнозирования величины территорий возможного затопления. Работа в области мониторинга затоплений ведется многими российскими и зарубежными научно-исследовательскими организациями, в том числе Уральским федеральным университетом, Институтом космических исследований Российской академии наук (ИКИ РАН), Оренбургским научным центром УрО РАН, Институтом прикладной математики имени М.В. Келдыша, Сибирским федеральным университетом, Оренбургским государственным университетом. Данным направлением занимались такие ученые как А.С. Петросян (ИКИ РАН), В.В. Влацкий, М.Ю. Тихова (Оренбургский научный центр УрО РАН), Т.Г. Елизарова, О.В. Булатов (Институт прикладной математики имени М.В. Келдыша). Среди иностранных исследовательских организаций и институтов можно выделить такие, как:
- Esri CIS (разработчик ArcGIS Standard)
- DHI Water & Environment (MIKE HYDRO RIVER)
- Google (Google Flood Map)
Однако при анализе публикаций [1, 3 ,9], а также при лабораторных испытаниях, представленных выше программных продуктов, был выявлен ряд проблем и недостатков. Полученные результаты исследований, а также найденные в ходе работы решения проблем легли в основу новой концепции проектирования системы прогнозирования затоплений.
Целью исследования, как уже говорилось ранее, стала разработка автоматизированной системы прогнозирования затоплений на основе технологии нейронных сетей.
Для достижения поставленной цели, на первом этапе, нами были выполнены следующие задачи:
1) показана актуальность разрабатываемой темы и ее практическая ценность;
2) обоснована научная новизна исследования;
3) дана характеристика гидрологической ситуации в Оренбургской области;
4) выявлены основные проблемы мониторинга паводковой ситуации, найдены возможные пути их решения.
Объектами исследования можно считать методы прогнозирования чрезвычайных ситуаций и способы повышения их эффективности путем разработки новых технических и программных средств.
Научная новизна исследования состоит в следующем:
1) рассчитаны методы энергообеспечения постов гидрологического контроля с учетом местных климатических условий;
2) создана модель датчика воды, устойчивая к отказам и влиянию внешней среды, отказоустойчивость модели проверена путем ряда натурных экспериментов;
3) разработана новая, более экономически эффективная архитектура постов мониторинга гидрологической ситуации на основе микроконтроллера ARDUINO;
4) предложен метод анализа и прогнозирования гидрологической ситуации при помощи нейронной сети с автоматически корректируемым процессом обучения на основе данных, получаемых в режиме реального времени.
Теоретическая значимость работы заключается в разработке математических и функциональных моделей процесса прогнозирования затопления, электрических принципиальных схем постов контроля, способов энергообеспечения постов контроля гидрологической ситуации, наиболее подходящих под специфику природных условий, алгоритмов опроса постов контроля и интерпретации информации. Также большую теоретическую значимость имеет процесс программной реализации процедуры прогнозирования чрезвычайных ситуаций при помощи математического аппарата нейронных сетей.
Практическую же ценность данных исследований следует рассматривать на базе нескольких аспектов:
- разработка системы прогнозирования позволит оперативно планировать эвакуацию населения с территорий, подвергающихся затоплению, рассчитывать необходимый объем сил, технических средств, а также затрат на эвакуацию;
- система поможет минимизировать экономический ущерб, сократить затраты на восстановление инфраструктуры.
Приведенные выше аспекты актуальности и практической ценности указывают на необходимость проведения дальнейших исследований и проектных работ с целью практической реализации системы прогнозирования затоплений и получения опытных образцов оборудования и программного обеспечения. В качестве инструментов исследования были использованы методы статистического и вероятностного анализа, математический аппарат нейронных сетей. Достоверность и обоснованность результатов была доказана при помощи практических опытов и математического моделирования ситуации затопления в системе МайаЬ 2015.
Основные результаты исследований обсуждены и одобрены на двух конференциях: Компьютерная интеграция производства и ИПИ-технологии (Оренбург, 2015), Академическая наука: проблемы и достижения (North Charleston USA, 2015). Результатом выполнения данной работы будет являться экономически эффективная система прогнозирования затоплений, разработанная в соответствии с требованиями заказчика.
Данная тема исследования приобрела особую актуальность в свете событий в городе Крымске, Краснодарского края, летом 2013 года. По опубликованным данным, наводнение привело к гибели 153 человек, безвестному исчезновению 2 человек, причинению тяжкого вреда 5 местным жителям. Было затоплено более 7,2 тысяч жилых домов. Полностью утратили имущество 29 тысяч граждан, частично - более 5,5 тысяч.
Рисунок 1. Структура потерь имущества Рисунок 2. Структура потерь среди населения
Главой МЧС России Владимиром Пучковым было отмечено: «К сожалению, комплексной работы проведено не было, со стороны руководителей на местах и отдельных служб были допущены ошибки. Не все население было оповещено в установленные сроки» [2].
Проблема затопления территорий является вполне актуальной и для Оренбургской области. Далее, в таблице, приведены данные, характеризующие гидрологическую ситуацию в Оренбургской области.
Из данных таблицы видно, что в бассейнах круп-
Таблица 1. Характеристика гидрологической ситуации в Оренбургской области [6]
Бассейны рек Количество сельских населенных пунктов Количество городов Численность населения (1.01.2012) тыс. чел Плотность населения, чел/км2
Урал 889 8 1760,2 22
Волга 804 4 477,5 12
Тобол 7 - 3,8 2
Бессточная область 14 - 12,7 3
нейших рек находится, а значит, подвергается предполагаемому затоплению, значительное число населенных пунктов. Кроме того, в бассейне реки Урал расположены основные промышленные центры Оренбургской области: в центральной части - Оренбург, на востоке области - Орск. Затопление территорий данных городов может привести к значительному снижению промышленного производства.
Существует ряд факторов риска, которые отрицательно влияют на гидрологическую обстановку Оренбургской области:
1) Оренбургская область располагается в бассейнах трёх крупных рек: Урала, Волги, Тобола и на бессточной территории;
2) при небольшом среднегодовом стоке весеннее половодье проходит в отдельные годы с широким затоплением поймы;
3) населенные пункты Оренбургской области расположены в бассейне 39 водотоков области. При этом сведения о гидрологическом режиме имеются только на 19 из указанных водотоков (бассейн реки Урал - 10 из 23, реки Самары - 9 из 16 водотоков), а 225 гидротехнических сооружений - бесхозные [6].
Все вышеперечисленные факты говорят о недостаточном развитии системы оповещения и прогнозирования затоплений в пределах Оренбургской области. Для более полного и точного прогнозирования затоплений территории необходимо расширить сеть существующих гидрологических постов и автоматизировать их для более полного и точного получения информации о текущей гидрологической ситуации и впоследствии более точного составления прогнозов затопления территории.
На основе уже имеющихся научных работ различных авторов нами был составлен обзор существующих методов прогнозирования, а также выявлены их основные достоинства и недостатки.
В настоящее время для прогнозирования используются следующие методы [1, 3, 4]:
1. Дистанционное зондирование Земли.
Дистанционное зондирование можно представить как процесс, с помощью которого собирается информация об объекте, территории или явлении без непосредственного контакта с ними [4].
Основными преимуществами использования данных дистанционного зондирования можно считать: возможность получения информации в различных спектральных диапазонах; охват космическими снимками больших площадей; высокая периодичность получения данных; возможность получения данных о труднодоступных областях; камеральный характер работ; использование данных различного разрешения в зависимости от решаемой задачи; возможность трехмерного анализа пространственных данных.
К основным недостаткам использования данных дистанционного зондирования отнесем требование обязательного наличия высокой квалификации и практического опыта у оператора; неэффективность при исследовании на небольших территориях; высокую стоимость программного обеспечения.
2. Использование ГИС-систем.
Основными преимуществами использования ГИС-систем является: удобное для пользователя отображение пространственных данных (картографирование пространственных данных, в том числе в трехмерном измерении, более удобно для восприятия, так как упрощает построение запросов и их последующий анализ); интеграция данных внутри организации.
Геоинформационные системы объединяют данные, накопленные в различных подразделениях компании или даже в разных областях деятельности организаций целого региона. Коллективное использование накопленных данных и их интеграция в единый информационный массив дают существенные конкурентные преимущества и повышают эффективность эксплуатации геоинформационных систем.
В результате анализа имеющихся источников нами был сделан вывод о том, что алгоритмы, лежащие в основе ГИС-систем, не позволяют осуществлять оперативное прогнозирование развития затопления территории. Например, в работе И.А. Шишкина [15] рассматривается ГИС-система прогнозирования наводнений на основе уже имеющихся данных, но без учета оперативного изменения гидрологической обстановки на водных объектах. Мы считаем, что в реальных условиях работы системы прогнозирования необходимо опираться как на данные прошлых лет, так и на оперативные
данные текущего контроля. Эти данные, с заданной точностью и в режиме реального времени, возможно получить только от стационарных объектов автоматического измерения и контроля уровня воды в водоеме. Кроме того, в основу проектирования ГИС-системы положены данные, которые были получены при использовании сети рукотворных мелиоративных каналов.
В работе Д.В. Чуносова [13] также предлагается система оценки риска наводнений и мер инженерной защиты. Однако стоит отметить, что только автоматизированная система мониторинга и оценки рисков наводнений позволяет получить объективные и своевременные данные для принятия необходимых решений и составления эффективного плана ликвидации последствий чрезвычайных ситуаций.
Также стоит заметить и тот факт, что для эффективных действий по ликвидации последствий затоплений и подтоплений необходимо осуществлять прогнозирование развития ситуации на длительный период с достаточно высокой степенью достоверности. По нашему мнению, для ускорения составления прогнозов затоплений, а также повышения их достоверности необходимо применять нейронные сети для более эффективного и быстрого поиска решения. Для корректировок прогноза, в соответствии с текущими данными гидрологической ситуации, необходимо получать достоверные и оперативные данные и, при необходимости, производить автоматическую коррекцию поведения нейронной сети, ее переобучение. Кроме того, используемый метод построения системы анализа и прогноза паводковой ситуации в виде модуля готовой системы, описанный Р.Р. Шарафутдиновым [14], по нашему мнению, не является оптимальным, так как фактически нарушает целостность системы сбора информации. Программный продукт, описанный в данной статье, не может функционировать автономно и самостоятельно, что является существенным минусом.
Кроме того, в наших предыдущих статьях [10, 11] были описаны типичные недостатки метода программного прогнозирования гидрологической ситуации при неавтоматизированном сборе данных:
- слабая степень автоматизации прогнозирования зон затопления.
Рассчитывается лишь математическая модель возможного затопления, но расчеты не привязаны к конкретным условиям местности, сложившимся на данный период, также не учитываются настоящие сезонные условия и изменения, которые могли произойти на данной территории (как рукотворные, так и естественного характера).
По нашему мнению, при проектировании системы необходимо обеспечить возможность изменения прогноза затопления территории во времени и в зависимости от сложившихся гидрологических условий. Кроме того, система должна иметь возможность к самообучению.
- достаточно высокая стоимость существующих систем прогнозирования.
Описанные недостатки определили основные направления дальнейших исследований в рамках текущего проекта:
1) автоматизация процесса сбора и обработки информации о затоплении территорий;
2) создание программного обеспечения для автоматического анализа и составления прогнозов затопления на значительные отрезки времени;
3) поиск вариантов повышения экономической эффективности проекта и способов снижения затрат на практическую реализацию и эксплуатацию проекта.
2 Анализ особенностей процесса затопления. Выбор метода прогнозирования затоплений
В ходе рассмотрения недостатков существующего программного обеспечения нами был сделан вывод о необходимости разработки нового типа программного обеспечения для прогнозирования затоплений. Были проанализированы основные типы математических моделей и методов прогнозирования с целью выбора метода, наиболее подходящего под исходные условия исследования. Необходимость поиска оптимального метода прогнозирования была продиктована рядом ограничений:
1) процесс затопления территорий не является линейным;
2) существует множество разнородных факторов, влияющих на процесс затопления территории (температура, рельеф дна, скорость течения, наличие естественных преград в русле реки);
3) процесс поиска решения должен быть мак-
симально автоматизирован и занимать как можно меньше времени.
При анализе ряда источников [5, 7, 14] нами было выявлено, что наиболее полно удовлетворяют данным условиям нейро-сетевые модели и методы.
Среди достоинств данного метода можно отметить:
1) нелинейность моделей;
2) масштабируемость;
3) высокую адаптивность;
4) единообразие анализа и проектирования;
5) множество примеров применения [11, 5, 8].
Заключение
В процессе первичных исследований возможности автоматизации прогнозирования затоплений нами был изучен вопрос актуальности данных разработок, выявлена научная и практическая ценность данных исследований.
Нами, в ходе работы, была охарактеризована гидрологическая ситуация на реках Оренбургской области и выявлены основные гидрологические объекты для проведения практической части исследования, рассмотрены основные методы мониторинга затоплений, существующие в данное время, а также выявлены их основные достоинства и недостатки.
В рамках текущего исследования нами было предложено, в качестве аппарата прогнозирования, использовать математический аппарат нейронных сетей, как наиболее подходящий по условиям и ограничениям. Завершение данного этапа исследований позволяет перейти к проектированию и практическому воплощению основных узлов системы прогнозирования затоплений.
Литература
1. Введение в дистанционное зондирование [Электронный ресурс]. - Режим доступа: http://e-lib.gasu.ru/ eposobia/gis/7.html - (дата обращения: 15.05.16).
2. Волков, В. Трагедия Крымска учит многому. / В. Волков. // Гражданская защита. - 2013. - .№1. - С. 22-24.
3. Геоинформационная система [Электронный ресурс]. - Режим доступа: http://dic.academic.ru/dic.nsf/ ruwiki/22609 - (дата обращения: 15.05.16).
4. Конспект лекций по дисциплине «Дистанционное зондирование и фотограмметрия» для студентов 2 курса направление подготовки 120100 Геодезия и дистанционное зондирование (осенний семестр). -Новосибирск: СГГА, 2012. - 99 с.
5. Нейронные сети [Электронный ресурс].- Режим доступа: https://vk.com/tproger/neuralnetwork?z= video89048600_Ш848959%2F305843a89377a88023%2Fpl_post_-30666517_Ш7562 - (дата обращения: 15.05.16).
6. Падалко, Ю.А. Анализ паводковых ситуаций на территории Оренбургской области Степи Северной Евразии. - Материалы VI международного симпозиума и УШ международной школы-семинара «Геоэкологические проблемы степных регионов» - Оренбург: ИПК «Газпромпечать», 2012. - 940 с.
7. Понятие математических моделей и методов [Электронный ресурс]. - Режим доступа: http://pandia. тЛех^78/241/45860^р - (дата обращения: 15.05.16).
8. Преимущества и достоинства искусственных нейронных сетей [Электронный ресурс]. - Режим доступа: http://neuropro.ru/neu3.shtml - (дата обращения: 15.05.16).
9. Семыкин, А.В. Система прогнозирования затоплений. Обоснование актуальности темы исследования. Концепция исследования. [Электронный ресурс]. - Режим доступа: http://sci-article.ru/stat. php?i=1431706433 - (дата обращения: 15.05.16).
10. Султанов, Н.З., Семыкин, А.В. Концепция системы прогнозирования затоплений / Султанов Н.З., Семыкин А.В. Академическая наука - проблемы и достижения. Материалы VI международной научно-практической конференции. - USA: Nort Charleston, 2015. - 238 с.
11. Султанов, Н.З., Семыкин, А.В. Применение новых технических решений для автоматизации системы прогнозирования затоплений. / Султанов Н.З., Семыкин А.В. - Компьютерная интеграция производства и ИПИ-технологии: материалы VII Всероссийской научно-практической конференции. -Оренбург: 2015. - 325 с.
12. Чуносов, Д.В. Обоснование мероприятий по защите от подтопления урбанизированных территорий на основе теории риска: дис. ... канд. техн. наук: 05.23.07 / Чуносов Дмитрий Валерьевич; [Место защиты: Науч.-исслед. ин-т ВОДГЕО]. - Москва: 2012. - 133 с. РГБ ОД, 61 12-5/3204.
13. Чучуева, И.А. Модели прогнозирования: нейронные сети [Электронный ресурс]. - Режим доступа: http://www.mbureau.ru/blog/modeli-prognozirovaniya-neyronnye-seti - (дата обращения: 15.05.16).
14. Шарафутдинов, Р.Р. Обработка пространственной информации об объектах речной сети для определения характеристик подтопления промышленных объектов при паводках: дис. ... канд. техн. наук: 05.13.01 - Системный анализ, управление и обработка информации / Шарафутдинов Рашид Рустэмович. -Уфа: 2009. - 149 с.
15. Шишкин, И.А. Геоинформационная система оценки состояния инженерных сооружений защиты территорий от подтопления: дис. ... канд. техн. Наук: 25.00.35 Геоинформатика /Шишкин Илья Александрович. - Санкт-Петербург: 2014. - 172 с.
