CC BY
67
УДК 504.3.054
Ю. А. Тунакова, С. В. Новикова, А. Р. Шагидуллин, О. Н. Кузнецова
СПОСОБ НЕЙРОСЕТЕВОГО РАСЧЕТА КОНЦЕНТРАЦИИ МЕЛКОДИСПЕРСНОЙ ФРАКЦИИ ПЫЛИ В ПРИЗЕМНОМ СЛОЕ АТМОСФЕРНОГО ВОЗДУХА МЕГАПОЛИСОВ
Ключевые слова: загрязнение атмосферы, искусственная нейронная сеть, РМ10, РМ2,5
Были спроектированы и обучены нейросетевые модели для расчета концентраций мелкодисперсной пы-лиPM2,5 и PM10 в атмосферном воздухе. В качестве входов нейронных сетей использовалась общая концентрация пыли (TSP) и метеоусловия. Средняя ошибка расчета модели, предполагающей зависимость между концентрациями PM2,5 и PM10, составила 0,0034 мг/м3 (38%) для РМ10 и 0,0001 мг/м3 (22%) для РМ2,5. Средняя ошибка расчета моделей, предполагающих отсутствие зависимости между концентрациями PM2,5 и PM10, составила 0,0017мг/м3 (22,9%) для РМ10 и 0,0008 мг/м3 (14,7%) для РМ2,5.
Key words: air contamination, artificial neural network, PM10, PM2,5
The neural network models for calculation of the concentrations PM2,5 and PM10 in ambient air were designed and trained. As inputs of neural networks were used the total concentration of dust (TSP) and the weather conditions. The average error of the model, which involves the relationship between PM2,5 and PM10, made up 0,0034 mg/m3 (38%) for PM10 and 0,0001 mg/m3 (22%) for PM2,5. The average error of the models, which suggests the absence of correlation between the PM2,5 andPM10, made up 0,0017 mg/m3 (22,9°%) for PM10 and 0,0008 mg/m3 (14,7%>) for PM2,5.
Твердые частицы относятся к наиболее распространенным загрязняющим веществам, поступающим в атмосферный воздух городов, в основном в результате выбросов предприятий теплоэнергетики и автотранспорта. Общая масса твердых частиц независимо от их размера обозначается как TSP (ТоМ Suspended Particles). Наиболее опасной для здоровья является мелкая фракция, частицы РМ2,5 (частицы с диаметром менее 2,5 мкм) и РМ10 (частицы с диаметром менее 10 мкм). Опасность мелкодисперсной фракции пыли заключается еще и в том, что вследствие малых размеров она может находиться в воздухе долгое время и переносится на значительные расстояния, приводя к трансграничному загрязнению атмосферного воздуха [1, 2].
В эпидемиологических исследованиях, проведенных в Западной Европе и США установлено, что ведущим экологическим фактором, с которым связаны наибольшее влияние на здоровье населения, является загрязнение атмосферного воздуха взвешенными частицами. Так, по данным доклада Европейского бюро ВОЗ в 2010 г., загрязнение воздуха частицами РМ10 в 40 европейских странах обусловливает до 500 тыс. случаев смерти ежегодно. Длительное воздействие мелкодисперсных твердых взвешенных частиц, содержащихся в воздухе, сокращает продолжительность жизни каждого жителя Европы в среднем на 8,6 месяца. Установлено наличие связи между повышенными уровнями концентраций РМ и увеличением случаев респираторных и сердечно-сосудистых заболеваний, а также снижением продолжительности жизни и ростом преждевременной смертности. По имеющимся оценкам при увеличении концентрации РМ10 на 10 мкг/м3 суточная смертность от всех причин возрастает на 0,2-0,6%.
В условиях хронической экспозиции РМ2,5 каждое повышение концентрации РМ2,5 на 10 мкг/м3 сопряжено с ростом долговременного риска кардио-пульмональной смертности на 6-13% [3-5].
Исследования, проведенные в США, показали, что воздействие частиц РМ, приводит к увеличению общей смертности на 17-26%, одновременно возрастают показатели детской смертности, заболеваемости раком легких и сердечно-сосудистыми заболеваниями.
По оценкам российских гигиенистов хроническое загрязнение воздуха мелкодисперсными взвешенными частицами является причиной от 40 тыс. до 123 тыс. дополнительных смертей в год, что составляет от 2% до 18% от общей смертности городского населения страны. По данным ВОЗ, содержание в воздухе микрочастиц РМ10 и РМ 2,5 является причиной 9% смертей от рака легких, 5% - от сердечно-сосудистых заболеваний, 1% - от заболеваний дыхательных путей [1, 2].
В зарубежных странах изучение фракционного составы пыли проводятся на протяжении последних 30 лет. В Лондоне, например, на крупных городских магистралях создано 16 станций наблюдения за микрочастицами. В США уже в конце ХХ века на сети мониторинга произошел постепенный переход к определению в атмосферном воздухе концентраций фракций РМ вместо всей их суммы - TSP. Более того, в настоящее время в Европе и США нормативы на общую пыль - TSP вообще отменены.
Единым документом, определяющим правила ведения наблюдений за содержанием взвешенных частиц, является [1]. Не смотря на то, что гигиенические нормативы для РМ 2,5 и РМ 10 были приняты в 2010 г. (постановление Главного государственного санитарного врача РФ от 19.04.2010 № 26), на федеральном уровне методические указания по проведению измерений появились лишь в последние годы [10]. Важным является тот факт, что методика устанавливает суточный (24 ч.) режим отбора проб, однако, принятая в РФ система нормирования ориентирована на применение максимальных разовых ПДК, осредненных за 20-30 минутный интервал. При этом отбор проб за этот промежуток времени не
обеспечивает достаточной массы пыли и мелкодисперсных частиц [11]. Кроме того, отсутствуют практика инвентаризации и расчетов рассеивания мелкодисперсных фракций при нормировании выбросов в атмосферный воздух [12].
Вместе с тем исследования последних лет выявили определенные взаимосвязи, позволяющие применять расчетные методы определения фракций РМ. Так, по данным диссертации сотрудника Главной геофизической обсерватории им. А. И. Воейкова С.Г. Цыро [13] результаты расчетного определения РМ10 отличались от инструментальных на 14%, а РМ 2,5 - всего на 3%. Корреляция расчетных концентраций с наблюдениями составила соответственно 0,71 и 0,80. В отношении выбросов автотранспортных потоков также отсутствуют методики инвентаризации, учитывающие выбросы мелкодисперсной фракции. Известны лишь отдельные работы, направленные на анализ концентраций РМ 2,5 и РМ10 в зоне влияния выбросов автомагистралей. Так в работе [14] осуществляется попытка решения обратной задачи моделирования источника эмиссии частиц РМ 2,5 и РМ 10 на автомобильной дороге на основе результатов измерения их концентраций. С учетом недостаточности информации о содержании мелких фракций пыли в атмосферном воздухе актуальными являются исследования их приблизительного соотношения с суммарной массой пыли всех фракций. Однако, согласно [13-17] соотношение между фракциями РМ10 и РМ2,5 и суммарной пылью в разных городах различно. Усреднение коэффициентов (0,26 для РМ2,5 и 0,55 для РМ10), предлагаемых для перевода концентрации общей пыли в концентрацию РМ 2,5 и РМ10, позволяет рассчитывать концентрации мелкодисперсных частиц лишь с большой долей приближения. Поэтому для оценки присутствия в атмосфере частиц РМ расчетные модели должны создаваться для каждого крупного промышленно развитого города отдельного.В отличие от газовых примесей РМ являются в основном сложной гетерогенной смесью многих компонентов, причем их распределения по размерам и химический состав значительно изменяются во времени и пространстве. Концентрация РМ определяется режимом выбросов из различных источников, химиче-скимсостоянием атмосферы и метеорологическими условиями и изучены значительно меньше по сравнению с газовыми примесями. Критический обзор существующего международного опыта в области аэрозольного моделирования [17-20] позволяет рекомендовать для разработки модели методы нейросетевого моделирования.
Поэтому нами была поставлена задача разработки модели расчета концентрации частиц РМ в приземном слое атмосферного воздуха на территории г.Казани с проверкой ее адекватности на основании экспериментальных данных, полученных на автоматизированных постах наблюдений за загрязнением атмосферы. Модель в качестве независимых переменных должна использовать легкодоступные данные, непосредственно влияющие либо очевидно связанные с содержанием РМ в атмосфере. Концен-
трации РМ10 и РМ2,5 будут являться выходами модели.
В качестве непосредственно влияющих факторов было определено общее содержание пыли в атмосферном воздухе на уровне дыхания человека, а также основные метеоусловия.
Вид модели среди прочего будет зависеть от того, существует ли взаимосвязь между содержанием в атмосфере мелкодисперсной фракции РМ10 и РМ2,5. Корреляционный анализ выявил крайне низкую степень такой связи - коэффициент корреляции составил 0,21. Однако на основании корреляционного анализа можно сделать однозначный вывод лишь об отсутствии линейной зависимостями между этими двумя параметрами, тогда как на практике связь может носить сложный нелинейный характер.
В связи с этим были разработаны векторная и скалярные версии моделей. Векторная модель предполагает наличие скрытой взаимосвязи между содержанием в атмосфере микрочастиц РМ10 и РМ2,5 и в качестве выхода определяет вектор параметров (РМ10, РМ2,5)Т. Общий вид модели определяется формулой (1):
ЯТ, Н, Р, V, N П)= (РМ10, РМ2,5)Т (1)
В скалярной реализации связь между содержанием в атмосфере микрочастиц различных диаметров отсутствует. Следовательно, модель будет формироваться двумя независимыми выражениями вида (2)-(3):
/¡(т, Н, Р, V, к, п)= РМ10 (2)
/2(Т, Н, Р, V, N П)= РМ2,5 (3)
Здесь
• Т - температура (С),
• Н - влажность (%),
• Р- атмосферное давление (мм. рт.ст.),
• V- скорость ветра (м/с),
• К- направление ветра (град.),
• П- общее содержание пыли в атмосферном воздухе на уровне дыхания человека (мг/м3),
• РМ10 - содержание в атмосфере микрочастиц РМ-10,
• РМ2,5 - содержание в атмосфере микрочастиц РМ-2,5.
Нейросетевая векторная модель
Была спроектирована нейросетевая модель (Модель 1) вида (1) следующей топологии (рис.1.):
1. Архитектура модели- многослойный персеп-трон,
2. Количество нейронов во входном слое - 6,
3. Количество нейронов в выходном слое - 2,
4. Количество скрытых слоев - 1,
5. Количество нейронов в скрытом слое - 4,
6. Тип функции активации нейронов скрытого слоя- гиперболический тангенс,
7. Тип функции активации нейронов выходного слоя - линейная с насыщением,
8. Способ нормализации входного и выходного векторов - преобразование гиперболическим тангенсом,
9. Алгоритм обучения ети - RProp (эластичное обратное распространение ошибки).
Рис. 1 - Структура нейросетевой векторной модели расчета содержания микрочастиц пыли в атмосфере
Модель была обучена на 2328 кортежах экспериментальных данных, 100 из которых были выделены в качестве тестового множества, в течение 10000 эпох. Результаты обучения и верификации модели:
1. Ошибка обучения - 25%,
2. Ошибка тестирования - 28%,
3. Средняя ошибка расчета фракции РМ10 -0,0034 мг/м3 (38%),
4. Средняя ошибка расчета фракции РМ2,5 -0,0001 мг/м3 (22%).
Графически результаты обучения иллюстрируют рис.2, 3.
Рис. 2 - Расчет векторной модели (зеленая линия) в сравнении с реальными данными (оранжевая линия) для фракции РМ10 (фрагмент для кортежей №№1-319)
Рис. 3 - Расчет векторной модели (зеленая линия) в сравнении с реальными данными (оранжевая линия) для фракции РМ2,5 (фрагмент для кортежей №№1599-2077)
Нейросетевые скалярные модели
Были спроектированы две независимые нейросе-тевые модели вида (2)-(3) следующих топологий:
I. Нейросетевая скалярная модель расчета фракции РМ10 в атмосферном воздухе (Модель 2).
1. Архитектура модели- многослойный персептрон,
2. Количество нейронов во входном слое - 6,
3. Количество нейронов в выходном слое - 1,
4. Количество скрытых слоев - 1,
5. Количество нейронов в скрытом слое - 4,
6. Тип функции активации нейронов скрытого слоя- гиперболический тангенс,
7. Тип функции активации нейронов выходного слоя - линейная с насыщением,
8. Способ нормализации входного и выходного векторов - расчет среднего отклонения,
9. Алгоритм обучения ети - RProp (эластичное обратное распространение ошибки).
Структуру сети представляет рис.4.
Рис. 4 - Структура нейросетевой скалярной модели расчета содержания микрочастиц пыли РМ10 в атмосфере
Обучение модели проводилось по алгоритму эластичного распространения (модификация алгоритма обратного распространения) на 2328 кортежах экспериментальных данных, 100 из которых были выделены в качестве тестового множества, в течение 10 000 эпох. Результаты обучения и верификации модели:
1. Ошибка обучения - 3 0%,
2. Ошибка тестирования - 33%,
3. Средняя ошибка расчета фракции РМ10 -0,0017 мг/м3 (22,9%).
Графически результаты обучения иллюстрирует рис.5.
Рис. 5 - Расчет скалярной модели для фракции РМ10 (зеленая линия) в сравнении с реальными данными (оранжевая линия) (фрагмент для кортежей №№693-1238)
II. Нейросетевая скалярная модель расчета фракции РМ2,5 в атмосферном воздухе (Модель 3).
1. Архитектура модели - многослойный персеп-трон,
2. Количество нейронов во входном слое - 6,
3. Количество нейронов в выходном слое - 1,
4. Количество скрытых слоев - 1,
5. Количество нейронов в скрытом слое - 4,
6. Тип функции активации нейронов скрытого слоя- гиперболический тангенс,
7. Тип функции активации нейронов выходного слоя - линейная с насыщением,
8. Способ нормализации входного и выходного векторов - расчет среднего отклонения,
9. Алгоритм обучения ети - ЯРшр (эластичное обратное распространение ошибки).
Структуру сети представляет рис.6.
Рис. 6 - Структура нейросетевой скалярной модели расчета содержания микрочастиц пыли РМ2,5 в атмосфере
Обучение модели проводилось по алгоритму эластичного распространения на 2328 кортежах экспериментальных данных, 100 из которых были выделены в качестве тестового множества, в течение 10 000 эпох. Результаты обучения и верификации модели:
1. Ошибка обучения - 15%,
2. Ошибка тестирования - 16%,
3. Средняя ошибка расчета фракции РМ2,5 -0,0008 мг/м3 (14,7%).
Графически результаты обучения иллюстрирует рис.7.
0-933 754 143:
Рис. 7 - Расчет скалярной модели для фракции РМ2,5 (зеленая линия) в сравнении с реальными данными (оранжевая линия) (фрагмент для кортежей №№754-1483)
Выводы
Обобщая результаты исследования векторной и скалярных спроектированных моделей, можно сделать следующие выводы:
1. Точность скалярных моделей выше, чем точность векторной модели по каждому из моделируемых параметров. Следовательно, можно предположить, что скрытая связь между содержанием мелкодисперсных фракций РМ10 и РМ2,5 в атмосферном воздухе отсутствует.
2. На основе предыдущего вывода для непосредственного практического использования для моделирования содержания в атмосфере мелкодисперсных фракций РМ10 и РМ2,5 следует использовать отдельные независимые скалярные Модель 2 и Модель 3.
3. Основным входным параметром моделей является содержание в атмосфере общей пыли, измеренное согласно утвержденной Методике.
4. Обе модели в качестве дополнительных входных параметров используют общедоступные данные о метеоусловиях в день проведения измерений содержания пыли в атмосфере.
5. Модель 2 позволяет рассчитывать содержание в общей пыли атмосферного воздуха мелкодисперсной фракции РМ10 с точностью порядка 23%.
6. Модель 3 позволяет рассчитывать содержание в общей пыли атмосферного воздуха мелкодисперсной фракции РМ2,5 с точностью порядка 15%.
Полученные результаты позволяют рекомендовать Модель 2 и Модель 3 к использованию для расчета содержания мелкодисперсных фракций РМ10 и РМ2,5 в атмосферном воздухе на основе данных о содержании в атмосфере общей пыли и данных о стандартных метеоусловиях. Вероятно, точность расчетов моделей можно повысить с использованием дополнительных релевантных входных параметров, таких как коэффициент химического превращения (трансформации) в атмосфере оксида азота в диоксид азота, характеризующего способность атмосферы к самоочищению.
Литература
1. РД 52.04.186-89. Руководство по контролю загрязнения атмосферы (в ред. РД 52.04.667-2005). Росгидромет, Москва, 2006.556 с.
2. Информационный бюллетень «Воздействие взвешенных частиц на здоровье. Значение для разработки политики в странах Восточной Европы, Кавказа и Центральной Азии». Европейское региональное бюро Всемирной организации здравоохранения, 2013. 20 с.
3. Б.А. Ревич, С.Л. Авалиани, Г.И. Тихонова Экологическая эпидемиология. Издательский центр «Академия», Москва, 2004. 384 с.
4. А.Ю. Ломтев, Н.А. Мозжухина, А.О. Карелин, А.В. Мельцер, Г.Б. Еремин, В.А. Никонов,,Пленум научного совета РФ по экологии человека и гигиене окружающей среды «Методологические проблемы изучения, оценки и регламентирования химического загрязнения окружающей среды и его влияние на здоровье населения» (Москва, 17-18 декабря 2015 г.). Москва, 2015. С. 238240.
5. Б.А. Неменко, А.Д. Илиясова, Вестник КазНМУ, 3(1), С. 133-135 (2014).
6. R.E. Peltier, M. Lippmann,J Expo Sci Envi-ron.Epidemiol. ,21(5), P. 473-483 (2011).
7. R.E. Peltier, K.R. Cromar, Y. Ma, Z.H. Fan, J Expo Sci Environ.Epidemiol., 21(5), Р. 484-494 (2011).
8. J.A. Acosta, Á Faz, K. Kalbitz, B. Jansen, S. Martínez-Martínez, JEnviron.Monit. ,13(11), P. 3087-3096 (2011).
9. B. Ganguli, S. Ghosh, S. Sankar,V. Thanasekaraan, V.N. Rayudu, H. Caussy, Res.Rep.Health.EffJnst.,157, Р. 7-44 (2011).
10. Организация мониторинга загрязнения атмосферного воздуха мелкодисперсными частицами: Методические указания. Федеральный центр гигиены и эпидемиологии Роспотребнадзора, Москва, 2009. 5 с.
11. РД 52.04.830-2015. Массовая концентрация взвешен-ныгх частиц РМ10 и РМ2,5 в атмосферном воздухе. Методика измерений гравиметрическим методом.ГГО им. А.И. Воейкова, Санкт-Петербург, 2015. 41 с.
12. Методическое пособие по расчету, нормированию и контролю выгбросов загрязняющих веществ в атмо-сферныш воздух (дополненное и переработанное). ОАО «НИИ Атмосфера»,Санкт-Петербург, 2012. 224 с.
13. С.Г. Цыро, Метеорология и Гидрология, 2, С. 34-46 (2008).
14. М.А. Марченко, В.Н. Ложкин, Н.В. Невмержицкий, Вестник Санкт-Петербургского университета Государственной противопожарной службы МЧС России, 2, С. 13-23 (2015).
15. О.А. Рапопорт, И.Д. Копылов, Г.Н. Рудой, Экологический вестник России, 4, С. 56-61 (2012).
16. Б.А. Неменко, А.Д. Илиясова, Д.М. Сыздыков, Вестник КазНМУ22(2), С. 488-490 (2014).
17. И.В. Май, А.А. Макс, С.Ю. Загороднов, В.М. Чигвин-цев, Известия Самарского научного центра Российской академии наук, 14, 5(3), С. 792-795 (2012).
18. Health risk of particulate matter from long-range transboundary air pollution-Joint WHO/UNECE Convention Task Force on the Health Aspects of Air Pollution. World HealthOrganisation, European Centre for Environment and Health, 2006.
19. Health relevance of particulate matter from various sources. World Health Organisation, European Centre for Environment and Health, 2007.
20. C. Zender, H. Bian, D. Newman. J. Geophys. Res., 108, Р. 4416-4437 (2003).
© Ю. А. Тунакова - д.х.н., профессор, заведующий кафедрой Общей химии и экологииКазанского национального исследовательского технического университета им. А.Н. Туполева - КАИ, juliaprof@mail.ru; С. В. Новикова - д.т.н., профессор кафедры Прикладной математики и информатики Казанского национального исследовательского технического университета им. А.Н. Туполева - КАИ, sweta72@bk.ru; А. Р. Шагидуллин - к.ф.-м.н., старший научный сотрудник лаборатории прикладной экологии Института проблем экологии и недропользования Академии наук Республики Татарстан, Artur.Shagidullin@tatar.ru, О. Н. Кузнецова - к.х.н., доцент кафедры Технологии пластических масс КНИТУ.
© Y. A. Tunakova- doctor of chemistry, professor, head of the department of General chemistry and ecology of Kazan National Research Technical University named after A. N. Tupolev - KAI, juliaprof@mail.ru; S. V. Novikova - doctor of technical science, professor of the department of Applied mathematics and informatics of Kazan National Research Technical University named after A. N. Tupolev - KAI, sweta72@bk.ru; A. R.Shagidullin- candidate of physical and mathematical sciences, researcher, laboratory of applied ecology of the Research Institute for Problems of Ecology and Mineral Wealth Use of Tatarstan Academy of Sciences, Ar-tur.Shagidullin@tatar.ru, О. N. Kuznetsova - candidate of chemical Sciences, assistant Professor of plastics technology, Kazan national research technological University.
