Содержание к диссертации
Введение
Глава 1 Водосборный бассейн реки как объект исследования 6
1.1 Обоснование выбора речного бассейна как объекта исследования и необходимость использования информационных технологий для анализа его функционирования 6
1.2 Задачи исследований и особенности информационного моделирования в рамках бассейново-ландшафтного подхода 9
1.3 Требования к информационной системе водосборных бассейнов 14
Глава 2. Обзор методов моделирования и инструментальных средств для исследования речных водосборных бассейнов 18
2.1 Анализ подходов к построению моделей геосистемы речного водосборного бассейна 18
2.2 Обзор информационных систем и программных средств моделирования речных водосборных бассейнов 26
Глава 3. Информационная модель речного водосборного бассейна 36
3.1 Формирование информационных описаний для анализа и моделирования геосистем 36
3.2 Информационное описание речного водосборного бассейна 39
3.3 Подход к построению информационных моделей природных объектов, рассмотренный на примере речного водосборного бассейна 46
Глава 4 Разработка модели информационной системы «Водосборные бассейны рек» на примере Владимирской области и ее использование для решения бассейновых задач 61
4.1 Концепция построения информационной системы для прикладных исследований 61
4.2 Модель информационной системы «Водосборные бассейны рек» на примере Владимирской области 90
4.3 Методика анализа характеристик водосборных бассейнов с использованием информационной системы 97
Глава 5. Геоэкологическая характеристика функционирования речных водосборных бассейнов 115
5.1 Информационные модели бассейнов рек Владимирской области 115
5.2 Классификация водосборных бассейнов и их кластеризация по динамике изменения гидрологических характеристик 119
5.3 Прогнозирование гидрологических режимов функционирования бассейнов с использованием нейросетей по результатам классификации и кластерного анализа 147
5.4 Оценка изменения гидродинамических условий при техногенной нагрузке 156
Заключение 162
Выводы 164
Список литературы 165
Приложение 1. Информационное описание водосборного бассейна реки Судогда 174
Приложение 2. Основные экранные формы информационной системы «Водосборные басейны рек». 184
Приложение 3. Сравнительная таблица ландшафтных характеристик водосборных бассейнов рек Владимирской области. 185
- Задачи исследований и особенности информационного моделирования в рамках бассейново-ландшафтного подхода
- Подход к построению информационных моделей природных объектов, рассмотренный на примере речного водосборного бассейна
- Методика анализа характеристик водосборных бассейнов с использованием информационной системы
- Прогнозирование гидрологических режимов функционирования бассейнов с использованием нейросетей по результатам классификации и кластерного анализа
Задачи исследований и особенности информационного моделирования в рамках бассейново-ландшафтного подхода
Речной бассейн является целостной экосистемой, которая чутко реагирует на любое вмешательство человека. Главная цель изучения бассейна - обосновать выбор принимаемого решения в области природопользования таким образом, чтобы последствия его исполнения были минимально ущербны для природы и максимально выгодны для экономики и общества. Принятие решения, как правило, предполагает выбор одной из альтернатив на основе имеющихся предпочтений. В реальности предпочтения зависят от объективно сложившейся в данной организации, отрасли, регионе законодательной базы и отчасти от субъективных взглядов лнд„ тшинимаюших ре-шеняс. Сформулированные в явном виде они представляют собой либо жжвую функцию с набором ограничений, либо экспертные правила, либо просто некоторую концепцию, изложенную в документах. Предпочтения связывают информацию о текущей ситуации с вариантами выбора. Все необходимые знания являются результатом исследования речного бассейна [97], цель которого правильно выявить составляющие типы изменений в наблюдаемом процессе [69], и решения следующих задач: наблюдение, анализ, прогноз, оденка [54, 67, 68].
В настоящее время наблюдение, оценка и прогноз состояния окружающей среды объединены в систему экологических исследований, называемых мониторингом [72]. Мониторинг интегрирует всю разнородную информацию, полученную при решении каждой из задач в отдельности.
Мониторинг - комплексная система, включающая в себя реализацию нееколь ких подзадач или функций [37];
- выделение (определение) объекта наблюдения;
- обследование выделенного объекта наблюдения;
- составление информационной модели для объекта наблюдения: т планирование наблюдений;
- оценка состояния объекта наблюдения и идентификация информационной модели;
- прогнозирование изменения состояния объекта наблюдения;
- представление информации в удобной форме и доведения ее до потребителя.
Мониторинг не включает деятельность но управлению качеством среды, а является источником информации, необходимой для принятия экологически значимых решений [23]. ч
Решение задач в рамках бассейнового подхода требует привлечения разнородной качественной и количественной информации [37, 92]. использования математических моделей, экспертных знаний, и на каждом этапе должно быть обеспечено своевременным предоставлением хорошо структурированных; и упорядоченных данных в соответствий с -запросами ЛИЦ .ЙДВ организаций, принимающих решения; Эту функцию должны выполнять компьютерные информационные системы, созданию которых предшествует этап построения информационевіх моделей [19? 27, 31, 70? 81, 82, 90],
В работе Й качестве объекта моделирования выбран речной водосборный бассейн, который рассматривается как один из уровней организации природных экосистем. Ниже вьщелены некоторые особенности его моделирования, которые непосредственно влияют на выбор соогаетствунжсегоподхода.
Анализ особенностей информационного моделирования природные объектов и решения задач экомониторинта [104] рассматриваются с трех позиций
Во-первых, к модели как отражению реального объекта: Модель находится в состоянии динамического равновесия, как и моделируемый объект, для которого «природный баланс» есть результат непрерывных изменений; как правило, не является локальным неделимым объектом разложима на несколько пространственных компонент и обладает пространственной структурированностью [495 93]; как только геосистема попадает в «поле зрения» человека (возникает задача при» родопользования) ее модель становится объектом целепояагания, что обуславливает управляемое развитие модели в шответсгвии с поставленными задачами. То есть налицо три составляющие: временная, пространственная\и.субъективная. Во-вторых, к состоянию моделирующей системы и информации, которой она оперирует входе построения модели: Здесь характерны большие объемы данных, представленных в табличной форме, в виде неструктурированных описаний, возможна их неточность, противоречивость, неполнота [5, 30]; .наличие .на момент постановки задачи моделей различных типов и степени форшшизащт, при ее решении различные сочетания качественных и количественных подходов; многоуровневая организация знаний об объекте, не всегда достаточная их структурированность, несоответствие уровня сложностиг имеющих »: моделей геосистем целям.
В-третьих, к процессу моделирования: В этом случае имеется заранее неопределенная, нелинейная с возможностью повторного прохождения последовательность этапов развития модели: анализа, проектирования, поиска, обмена информацией; необходимость как последовательного, так и параллельного анализа системы в целом и отдельных ее частей; трудно заранее определить количество и сложность моделей в системе, относительно частая смена локальных целей и как следствие изменение структуры модели или отдельных элементов.
Разнообразие исходных данных является типичной чертой решения бассейновых задач [11,61]. Моделирование требует сведений: « относящихся к разным областям знаний,
относящихся к компетенции различных ведомств,
различной природы: сведения о наблюдаемых фактах и явлениях, о выводах и обобщениях, сделанных на основании множества фактов, информация о научных теориях, призванных объяснять факты и явления, а также описывать взаимосвязи между ними, о гипотезах, прогнозах [75].
Реальная экоинформационная система должна быть комплексной и учитывать информацию о разных процессах и явлениях.
Специфика процесса моделирования геосистем проявляется в том, что в зависимости от сравнения результатов расчетов с фактическими данными часто приходится сильно корректировать и даже кардинально пересматривать уже готовую модель. Антропогенное влияние на изучаемые системы влечет за собой нарушение требования тождественности системы себе самой на период создания моделей [93]. Это обусловливает необходимость учета старения информации. В настоящее время информационное моделирование природных объектов неразрывно связано с компьютерными технологиями. Для удобства специалистов рассматриваемой .предметной области в «информационной системе числовые вычисления всегда должны, идти параллельно со "словесно-логическим рассуждением".
При проектировании информационной системы заранее трудно точно определить количество и качество моделей, которые будут в ней использоваться, из-за проблемного характера решаемых задач и постоянно развивающихся средств их решения (методические, аппаратные и программные средства). Поэтому неизбежен эволюционный характер развития системы. По мере того как достигаются цели и решаются поставленные задачи, возникают новые задачи, либо возникает необходимость достижение большего соответствия между системой и реальным объектом.
Отдельные элементы системы могут быть включены или исключены из системы, без изменения структуры самой системы. Система может быть сконфигурирована, настроена под конкретную прикладную реализацию задач управления или включать в себя несколько различных систем, используемых для комплексного анализа объектов управления. Понимания динамики экологических систем можно достичь при исследовании отдельных элементов и процессов, проводимом параллельно с построением модели. Построение модели является составной частью исследования, позволяющей разобраться в структуре и эволюции системы.
Некоторая неопределенность в отношении правильности описания реакции системы на новые условия будет существовать всегда. В общую картину поведения можно вписать целые новые механизмы: исключенные из исходной модели элементы могут неожиданным образом оказаться существенными.
Подход к построению информационных моделей природных объектов, рассмотренный на примере речного водосборного бассейна
Создание информационной модели речного водосборного бассейна позволит:
1. Упорядочить сведения о бассейне.
2. Выявить существенные связи.
3. Отфильтровать избыточный материал.
4. Наглядно представить и лучше понять феномен речного водосборного бассейна.
5. Создать основу для проектирования информационной системы, обеспечивающей принятие рациональных решений, затрагивающих водосборные бассейны рек Владимирской области.
Предлагается подход к построению информационных моделей природных объектов, определяющий три взаимосвязанных этапа
Каждый этап характеризуется набором действий (табл. 3.1), которые в совокупности определяют его выходной результат, последовательность их вьшолнения произвольная, но целесообразно использование типовых, заранее разработанных сценариев. Сценарий рассматриваем как сочетание операций. Описание действия (операции) предполагает знание того, как меняется состояние предметной области после его совершения, здесь задаются входная информация и выходные результаты. Операция может быть применена как последовательно ко всем элементам системы, так и к отдельным частям с последующим переходом к следующей операции.
Таким образом, для заданной цели определяются один или несколько путей ее достижения - строятся сценарии, являющиеся своего рода методиками, но обладающие большей гибкостью, т.к. свободно модифицируемы
Результатом первого этапа является информационное описание предметной области, структурированное в соответствии с выделенными информационными сечениями. На этом этапе определен следующий набор действий:
Выбор основного объекта исследования. Многие подходы предполагают построение модели системы в целом. Необходимость анализа водосборного бассейна как объекта, а не системы, вытекает из определения, которое предложено в работе [38], посвященной исследованию понятия бистемы: "система есть функциональная совокупность материальных образование известным образом вовлеченных в отношения содействия в создании некоторого устойчивого эффекта, определяющего некоторую действительную возможность получения полезных для субъекта действия результатов, достаточно удовлетворяющих исходной потребности". Отметим необходимое условие существования системы, вытекающее из этого определения: наличие потребности (цели) у субъекта и возможности ее удовлетворения. В рассматриваемом случае не полная определенность исходной постановки не позволяет утверждать, что построенная модель обеспечит достижение цели, она может стать лишь определенным этапом в этом процессе. Поэтому рассматривается не система, а первый шаг - это выбор объекта. Методика является этапом построения модели системы, в соответствии с ней строятся модели каждого из ее элементов.
Сбор доступного материала и его систематизация., то есть составление каталога ресурсов и кратких описаний каждого го них. Каталог может быть составлен в нескольких вариантах при формировании по разным признакам. Эта операция отражает специфику сбора информации по сравнению с аналогичным процессом для задач со строго заданной постановкой (например, техническое задание), для которых, например, применяется объектный анализ.
Выделение информационных сечений на основе анализа имеющегося материала, Эта задача предполагает и обратную - имеется выделенное сечение, но отсутствуют какие-либо сведения о нем, требуется найти недостающий материал, например, провести исследования с целью получения необходимых данных,
Группировка материала по информационным сечениям, отсев избыточной информации, Выделение информационных сечений и группировка по ним собранного материала не является аналогом разбиения на подсистемы, которые выделяются, как правило, по принципу общности выполняемых функций после построения объектных диаграмм. Эта стадия необходима для цели предварительной структуризации рассматриваемого понятия, Формирование содержания каждого сечения, то есть анализ отобранного материала и преобразование его к структурированному виду. Информационное описание получается как результат заполнения всех сечении.
Как уже было отмечено в зависимости от состояния предметной области и начальных условий исследования эта последовательность может быть изменена, например, в устоявшейся предметной области известна етрз сгура и выделения информационных сечений не требуется.
Второй этап завершается формированием структуры рассматриваемого природного объекта. При построении информационных систем в этом случае используют концептуальную схему, которая описывает состав и свойства кошдетуалъной модели базы данных, то есть совокупность типов объектов, атрибутов, зависимостей и идентификаторов, отражающих состояние объектов и их отношений в рассматриваемой предметной области [31]. В этом случае также можно использовать объектный подход, который и выбран в качестве основного формализма как наиболее разработанный и стандартизированный, но разнообразие связей в предметной области и стремление к наглядности модели потребовали отступления от некоторых правил объектного анализа [100].
Описание рассматриваемой предметной области имеет большой объем, содержит много избыточного материала и сильно размыто, поэтому типичный порядок создания объектной модели [58] непосредственно не применим для анализа водосборного бассейна. Ниже рассматривается последовательность построения модели речного водосборного бассейна, основанная на одной из методик объектного анализа, но адаптированная для составления моделей природных объектов, таких как речной водосборйьш бассейн. Она использует результаты выше описанного этапа и определяет следующие шаги:
1 Выделение в группах классов, связанных с объектом исследования.
2. Подготовка словаря данных,
3. Определение зависимостей между объектами.
4. Группировка зависимостей по типам связей.
5. Определение атрибутов объектов и связей.
6. Исследование и усовершенствование модели,
Выделение в группах классов, подготовка словаря данных и определение зависимостей между объектами - типичные для объектного анализа этапы, и применяются без изменений.
Методика анализа характеристик водосборных бассейнов с использованием информационной системы
Любая информационная система нужна «не сама по себе», цель ее создания -решение определенного класса задач. Задачи, решаемые в рамках бассейнового подхода, и их особенности рассматривались в главе I. Информационная система должна позволять детально анализировать какую-либо из сторон объекта или предоставлять для анализа как можно более полную, комплексную, разностороннюю информацию без ее детализации. Выбор варианта решения определяет представление задачи. Решение однотипных задач позволяет использовать одни и те же методы и представления - формальные процедуры и объекты. Их интерпретация в каждом конкретном случае раскрывает содержательную сторону вопроса.
В рамках исследования водосборных бассейнов с использованием информационной системы [106] ставились следующие задачи:
1. Из всей совокупности характеристик выбрать значимые для выявления взаимосвязей между гидрологическими режимами различных водосборных бассейнов.
2. На основе количественного анализа выделить группы сходных в пространстве признаков водосборных бассейнов,
3. Классифицировать бассейны и определить степень принадлежности каждого бассейна ко всем группам предложенной классификации.
4. Выявить взаимосвязи различных характеристик водосборных бассейнов и закономерности совместного функционирования речных бассейнов Владимирской области.
Проведен анализ 15 водосборных бассейнов рек Владимирской области. Анализируемые показатели делятся на наблюдаемые и рассчитываемые. Гидрологические характеристики, среди которых среднегодовые значения модуля стока, среднего расхода, наибольшего расхода воды в реке, минимального расхода воды в межень и расхода в зимний период, ландшафтные, включающие показатели густоты речной сети, залесенности, озерности, заболоченности, распаханности, морфометрические: форма и площадь бассейна, тип речной системы, форма склоновой подсистемы, длина основного водотока и притоков, длина водораздела, ширина, высота, уклон бассейна, коэффициент асимметрии, климатические и экологические относятся к первой группе. Вторую группу составляют интегральные оценки, среднеквадратичное и относительное отклонения и другие, рассчитываемые для выбранных наблюдаемых характеристик.
Используемые для анализа показатели заданы в виде:
векторов интегральных оценок среднемноголетнего расхода, модуля стока; среднеквадратичного отклонения и относительного отклонения этих показателей; морфометрических характеристик и характеристик ландшафтов;
таблиц среднегодовых значений гидрологических показателей;
векторов элементы которых определяют принадлежность бассейна к тому или иному типу.
База данных сформирована на основе водного кадастра, и представлена выборкой значений за 28 лет, с 1961 по 1989 годы. Интегральные оценки рассчитаны с использованием информационной системы. Типологизация бассейнов проведена экспертами экологами, а характеристики подстилающей поверхности и морфометриче-ские показатели получены при анализе электронных карт речных бассейнов Владимирской области,
При решении поставленных задач данные анализируются в трех плоскостях (рис.4.28), что соответствует рассмотрению геосистемы бассейна в пространственном, временном и функциональном измерениях.
В плоскости А рассматривается изменение характеристики во времени для совокупности бассейнов. В информационной системе для анализа этого среза используется информационное представление, показанное на рис.4.29.
В плоскости В сопоставляется изменение различных характеристик одного бассейна на некотором временном промежутке. Соответствующее информационное представление приведено на рис.4.30.
Плоскость С показывает различия в значениях характеристик бассейнов на конкретный момент времени и позволяет проводить исследование показателей, усредненных на некотором временном промежутке. В этом случае представление выглядит следующим образом (рис.4.31).
Исследование бассейнов с использованием информационной системы «Водосборные бассейны рек» для Владимирской области осуществлялось по схеме [98]э приведенной на рис.4.32.
В работах [23, 103] отмечается важная роль информационного обеспечения при классификации исходных данных для целей экологического моделирования. Необхо димость классификации всегда возникает на определенной стадии любого научного исследования. Процесс решения можно разбить на несколько взаимосвязанных этапов:
выделение основания или классификационного признака, на базе которого будут группироваться исследуемые объекты;
определение значений (качественных или количественных) выбранного основания для всех объектов;
сравнение значений и, собственно группировка.
Результатом классификации становится сгруппированное в зависимости от классификационного признака множество объектов. Пересечение групп, выделенных по разным основаниям, позволяет построить систему взаимосвязанных признаков, определить значимые связи для выявления закономерностей явлений.
В качестве классификационных признаков использовались:
1. Морфометрические характеристики: площадь, урезы воды в устье, форма бассейна, форма склоновой подсистемы, тип речной системы.
2. Основные ландшафтные: лесистость, распаханность, густота речной сети и экологические характеристики: индекс загрязнения воды и количество загрязняющих сбросов.
3. Величины, рассчитанные по гидрологическим данным: среднемноголетнее относительное и среднеквадратичное отклонения.
4. Месторасположение и геологический фундамент бассейна.
Прогнозирование гидрологических режимов функционирования бассейнов с использованием нейросетей по результатам классификации и кластерного анализа
Практически важным направлением исследований является прогноз изменений характеристик водосборных бассейнов. Возможный вариант построения прогнозной модели - использование нейросетевых технологий. Для обучения нейронной сети требуются статистические данные, которые удовлетворяют условиям:
должны быть репрезентативны;
наличие зависимости в данных (пусть неочевидной) и тренда;
отсутствие (или минимум) точек, выпадающих из общей совокупности.
В ином случае применение нейронных сетей неэффективно, либо вообще невозможно. Создание нейромодели осложняется следующими обстоятельствами:
1. Наличие в поведении бассейнов нехарактерных точек.
2. Строящаяся зависимость будет неодинаковой для разных по водности лет.
3. Строящаяся зависимость будет неодинаковой для разных периодов в годовом цикле функционирования водосборного бассейна.
4. При учете условий 2 и 3 для некоторых состояний одного водосборного бассейна (характеризуется периодом в году и режимом в многолетнем цикле) может возникнуть проблема нерепрезентативности данных.
Решение последнего вопроса возможно при использовании данных для соответствующих состояний бассейнов-аналогов, здесь четко видна необходимость применения предложенной методики (а также для первого случая, где она очевидна). Ее модификация для выделения не бассейнов-аналогов, а состояний-аналогов позволит решить вторую и третью проблемы. Таким образом, получаемые результаты могут помочь в подготовке данных для создания прогнозных нейросетевых моделей.
Во многих случаях перед прогнозированием целесообразно провести анализ цикличности. Все процессы в природе протекают в пространстве и времени. Повторяемость через определенные промежутки времени параметров этих процессов называется периодичностью.
При анализе статистических данных можно заметить, что изменение гидрологических характеристик рек подчиняется определенным закономерностям, причем значение, скажем уровня, в данный момент времени в какой-то степени зависит от значений этого параметра в прошлом и во многих случаях эта зависимость определяется интервалом между рассматриваемой точкой и одной из предшествующих. Если на эту зависимость не влияет положение выбранного момента на оси времени, то процесс можно назвать цикличным. Для описания такого процесса можно ввести величину, называемую цикличностью.
Пусть дан ряд чисел, например значение среднего уровня воды в реке в разные годы, тогда цикличность означает повторяемость числа во всем пространстве представленных чисел, то есть в зависимости от интервала между двумя числами цикличность определяет "силу" действия одного на другое.
Знание периодичности или цикличности процессов имеет важное значение для прогнозирования поведения различных объектов и их отдельных характеристик, например тенденции изменения речного стока. Нахонодение этих характеристик можно осуществлять различными математическими методами: непосредственное нахождение по аналитически заданной функции, методами математической статистики и т.д. В работе анализ на вдкличность проводился с использованием программного пакета для нейросетей NetMaker. Результаты проведеннык расчетов - графики цикличности для гидрологических показателей рек Владимирской области.
Этот график можно использовать для прогноза изменения интересующего параметра в будущем. График цикличности можно проверить, вычислив уже известное значение и сравнив результаты.
Для решения обеих задач необходимо совместить графики самого процесса и его цикличности так, что начало отсчета цикличности, будет в точке, для которой рассчитывается значение параметра. Значение цикличности для каждой точки надо поделить на сумму всех значений стока, соответствующих этим точкам. Результатом расчета будет сумма произведений полученных относительных величин на соответст-вующее значение стока. Значение силы для казвдой точки делится на сумму всех значений силы в рассматриваемых точках. Результатом расчета будет сумма произведений полученных относительных величин на соответствующее значение стока.
Следует отметить, что в расчете обычно используют только наиболее значимые вершины. Графики цикличности можно использовать для выявления факторов наиболее значимых в данном процессе: определив цикличность для нескольких сопряженных процессов, можно сравнить их пики с пиками исследуемого и те. у которых они совпадут, будут наиболее влиятельными
Применяя полученные результаты можно классифицировать исследуемые объекты, например реки, по наиболее влияющим на них факторам, например влияние на сток годового количества осадков, величины снежного покрова и т.д.
При построении нейросетевой прогнозной модели возможен ряд подходов: определение значения расхода воды в реке в зависимости от соответствующих значений параметра других рек группы; прогноз значения расхода по данным нескольких предшествующих лет (прогнозирование по предыстории); вычисление значения расхода в зависимости от влияния различных факторов (климатические условия, антропогенные воздействия и др.).
Выбор рек для построения модели основывается на проведенной для водосборных бассейнов рек Владимирской области классификации и кластерного анализа, в результате которых выделены группы бассейнов-аналогов, сходных по динамике функционирования и по ряду природных характеристик. В качестве базового набора выбран кластер 7, включающий бассейны рек Бужа, Пра, Гусь, Лух, сходных по гидрологическому режиму фунюгионирования в течении года. На рисунке 5.22 приведены графики изменения среднего расхода для соответствующей группы рек.
Реки рассматриваемой группы имеют сходную динамику функционирования, но различные абсолютные величины расхода, такие данные нельзя использовать для обучения сети в одной прогнозной модели. Поэтом для каждого бассейна рассчитываются относительные значения среднего расхода по формуле: 0 = (А-Апр)/А (5.1), где О - относительные значения среднего расхода; А - абсолютное значение среднего расхода; Апр - абсолютное значение среднего расхода в предыдущий год. Стоит отметить, что полученные кривые среднего расхода для группы водосборных бассейнов рек Бужа, Пра, Гусь, Лух (рис. 5.23) хорошо коррелируют, что дополнительно подтверждает гипотезу о схожести динамики их функционирования. Таким образом, для построения нейросетевой модели будут использоваться полученные относительные значения среднего расхода.
