Содержание к диссертации
Введение
ГЛАВА I. Современное состояние проблемы прогнозирования последствий ЧС 10
1.1 Обзор существующих методов и базовые подходы 11
1.1.1 Технологии моделирования и прогнозирования чрезвычайных ситуаций 11
1.2 Обоснование выбора рассматриваемых типов чрезвычайных ситуаций природного и техногенного характера для осуществления прогнозирования 13
1.2.1 Классификация и перечень факторов риска возникновения чрезвычайных ситуаций природного и техногенного характера 14
1.3 Методики моделирования и прогнозирования чрезвычайных ситуаций природного и техногенного характера с использованием базовых уравнений гидродинамики 23
1.3.1 Математические модели движения волны 23
1.3.2 Математические модели формирования стока жидкости 28
1.3.3 Лесные пожары: основные понятия и определения 34
1.4 Краткое введение в математические и программно-аналитическое обеспечение и инструментарий для моделирования и прогнозирования чрезвычайных ситуаций 40
1.4.1 Аппарат нечетких множеств в математическом моделировании 40
1.4.2 Отображение результатов математического моделирования в географических информационных системах
ГЛАВА II. Разработка общих подходов на основе математических методов анализа последствий ЧС и соответствующих моделей их распространения 57
2.1 Математическое моделирование распространения волны прорыва речной плотины 57
2.1.1 Конечно-разностная аппроксимация 57
2.1.2 Устойчивость и сходимость разностной схемы 61
2.2 Математическое моделирование последствий аварийных разливов нефти и нефтепродуктов при авариях на магистральных нефтепродуктопроводах 64
2.2.1 Разработка математической модели, описывающей движение нефтепродуктов 64
2.2.2 Устойчивость и сходимость разностной схемы 68
2.3 Моделирование распространения лесного пожара 70
2.3.1 Разработка математической модели распространения лесного пожара 70
2.3.2 Соотношения для расчета скоростей движения кромки пожара 74
2.3.3 Учет влажности воздуха и крутизны склона на распространение лесных пожаров с учетом отсутствия лесных горючих материалов 75
2.3.4 Расчет количества непригодной к реализации древесины 77
ГЛАВА III. Разработка и реализация численных методов для прогнозирования последствий распространения ЧС на основе адекватных математических моделей в ассоциации с методами отображения результатов с использованием ГИС-технологий 79
3.1 Прогнозирование распространения волны прорыва речной плотины 79
3.1.1 Назначение программного обеспечения «Волна 2.0» 79
3.1.2 Вычисление параметров прорыва 83
3.1.3 Разработка и реализация методов получения исходных данных с электронной географической карты для моделирования прорыва плотины в программе «Волна 2.0» 84
3.1.4 Данные о створах по реке 85
3.1.5 Отображение результатов моделирования на электронной карте 88
3.1.6 Описание системы прогнозирования распространения волны прорыва 88
3.2 Прогнозирование последствий аварийных разливов нефти и нефте продуктов при авариях на магистральных нефтепродуктопроводах 91
3.2.1 Составляющие части загрязнения 91
3.2.2 Моделирование распространения нефтепродуктов в установившихся руслах 92
3.2.3 Описание системы прогнозирования последствий аварийных разливов нефти и нефтепродуктов при авариях на магистральных нефтепродуктопроводах 105
3.3 Прогнозирование распространения лесных пожаров 112
3.3.1 Решаемые задачи 112
3.3.2 Описание системы прогнозирования распространения лесных пожаров 116
ГЛАВА IV. Результаты использования разработанных математических моделей распространения последствий ЧС и их визуализация для информационно-аналитического обеспечения и поддержки принятия решений на базе адаптированного к данным задачам инструментария ГИС-технологий (на примере Владимирской области) 120
4.1 Результаты прогнозирования распространения волны прорыва на речной плотине 120
4.1.1 Результаты прогнозирования в программе «Волна 2.0» 120
4.1.2 Результаты моделирования прорыва плотины на р.Содышка 123
4.2 Результаты прогнозирования последствий аварийных разливов нефти и нефтепродуктов при авариях на магистральных нефтепродуктопроводах 126
4.2.1 Результаты поиска наиболее вероятного пути водотока на электронной карте 126
4.2.2 Результаты прогнозирования распространения нефтепродуктов 132
4.3 Результаты прогнозирования распространения лесных пожаров 137
Заключение 144
Выводы 145
Список использованных источников
- Классификация и перечень факторов риска возникновения чрезвычайных ситуаций природного и техногенного характера
- Устойчивость и сходимость разностной схемы
- Назначение программного обеспечения «Волна 2.0»
- Результаты прогнозирования последствий аварийных разливов нефти и нефтепродуктов при авариях на магистральных нефтепродуктопроводах
Введение к работе
Актуальность работы
В настоящее время значительное внимание уделяется вопросам охраны окружающей среды и прогнозирования последствий чрезвычайных ситуаций (ЧС) природного и техногенного характеров. Для их решения необходим комплексный подход, с использованием больших объемов экологической, картографической и другой количественной информации о состоянии компонент природной среды, что требует использования современных инструментов математического моделирования. Наиболее эффективными методами обработки и анализа подобных объёмов информации на сегодняшний день являются методы, основанные на использовании географических информационных систем, позволяющих проводить одновременный анализ многомерных данных и аналитическую обработку с использованием цифровых карт. Это упрощает процедуры прогнозирования, делает их наглядными и позволяет оценить комплексное воздействие техногенных факторов на природную среду с возможностью оперативного выявления аномалий и принятия необходимых мер для их устранения. Поэтому разработка и создание новых подходов на основе достижений современных информационных технологий, а также адекватного математического обеспечения и предложение конкретных средств для моделирования и прогнозирования последствий ЧС является актуальной задачей в аспекте информационно-аналитического обеспечения и поддержки принятия управленческих решений.
Целью работы является разработка базовых методов для комплексного анализа, моделирования и прогнозирования последствий ЧС природного и техногенного характера с применением современных технологий математического моделирования и вычислительного эксперимента с отображением результатов в географической информационной системе (ГИС) и их использованием на конкретной территории - Владимирской области.
Для достижения поставленной цели в работе решены следующие задачи:
-
разработаны математические модели на базе утвержденных в Министерстве Российской Федерации по делам гражданской обороны, чрезвычайным ситуациям, и ликвидации последствий стихийных бедствий (МЧС) методик прогнозирования последствий распространения ЧС;
-
созданы алгоритмы для анализа многофакторных ситуаций, которые реализованы на базе ГИС Arc View Gis 3.3 и ArcGIS 9.3;
-
проведены вычислительные эксперименты по прогнозированию последствий ЧС с использованием данных по конкретной территории;
-
предложена технология и выполнена визуализация распространения последствий ЧС с применением ГИС-технологий;
5) предложены технологии для прогнозирования ряда ЧС.
Методы исследований
Поставленные задачи решались методами численного решения дифференциальных уравнений, теории нечетких множеств, вычислительного эксперимента.
Соответствие диссертации паспорту специальности
Диссертация соответствуют паспорту научной специальности 05.13.18. «Математическое моделирование, численные методы и комплексы программ»:
в части формулы специальности - «...применение математического моделирования, численных методов и комплексов программ для решения научных и технических, фундаментальных и прикладных проблем...»;
в части области исследования - п. 5: «Реализация эффективных численных методов и алгоритмов в виде комплексов проблемно-ориентированных программ для проведения вычислительного эксперимента».
Достоверность основных научных положений и выводов работы подтверждается их сравнением с экспериментальными данными, а также опытом практического использования разработок в производственной и научной областях.
Обоснованность научных результатов подтверждается корректным использованием математического аппарата, адекватного решаемым задачам.
Научная новизна работы определяется разработкой в едином комплексе фундаментальных основ и прикладных методов для проведения математического моделирования, численных экспериментов и использования созданных комплексов программ для реализации сформулированной цели и решения обозначенных задач и сводится к следующему:
разработке адекватных математических моделей и оригинальных алгоритмов для прогнозирования последствий ЧС, в том числе на базе теории нечетких множеств, опирающихся на утвержденные в МЧС методики;
анализу точности оценки последствий ЧС, которые в значительной степени определяются правильным выбором управляющих параметров, положенных в основу вычислений;
разработке методов компьютерной поддержки отображения последствий ЧС на основе ГИС-технологий с соответствующим программно-аналитическим обеспечением;
созданию информационной системы с привязкой к реальной местности для наглядной оценки и анализа последствий ряда ЧС в динамике их развития;
впервые проведённому с единых позиций зонированию и оценки риска конкретной территории (на примере Владимирской области) с учетом последствий и путей распространения ЧС - прорыва плотины, аварии на нефтепро-дуктопроводе, лесных пожаров.
Практическая ценность работы заключается в разработке и реализации математических подходов и методик, программных средств моделирования, анализа и прогнозирования последствий ЧС и путей их распространения, в т.ч. с применением аппарата нечетких множеств и ГИС-технологий.
Положения, выносимые на защиту
-
Математические модели и алгоритмы, созданные в едином комплексе для моделирования, анализа и отображения последствий ЧС с применением аппарата нечетких множеств и ГИС-технологий.
-
Прикладные аспекты сопряжения разнообразных математических методов, моделей и алгоритмов с инструментарием современных информацион-
ных технологий, для которых разработаны соответствующие программно-аналитические модули, интерфейсы и сервисы.
3. Приложение разработанных подходов и методик для зонирования и оценки рисков конкретной территории (на основе созданной аналитической базы данных по Владимирской области) в условиях распространения последствий ряда ЧС: прорыва плотины, аварии на нефтепродуктопроводе, лесных пожаров.
Личный вклад автора состоит в самостоятельном проведении вычислительных экспериментов, а также в участии в обсуждениях на всех этапах работы, как при постановке задач, так и при реализации и интерпретации полученных результатов. Общее направление исследований определялось научным руководителем диссертации.
Апробация работы
Основные результаты работы докладывались и обсуждались на следующих научно-технических конференциях: «Экология речных бассейнов. Вторая международная научно-практическая конференция», 2002, г. Владимир; «Экология и рациональное природопользование», 2002, г. Санкт-Петербург, Санкт-Петербургский государственный горный институт (технический университет); «Математические методы, информационные технологии и физический эксперимент в науке и производстве». Научно-техническая конференция факультета информатики и прикладной математики, 2003, г. Владимир; «Современные геоинформационные системы для предупреждения и ликвидации ЧС. Теория и практика» Первая всероссийская конференция, 2003, г. Москва; «XII Всероссийская научно-методическая конференция «Телематика - 2005», 2005, г. Санкт-Петербург; «Экология речных бассейнов», 3-я международная научно-практическая конференция, 2005, г. Владимир; «XIII Всероссийская научно-методическая конференция «Телематика - 2006», 2006, г. Санкт-Петербург; «XIV Всероссийская научно-методическая конференция «Телематика-2007», 2007, г. Санкт-Петербург; «XV Всероссийская научно-методическая конференция «Телематика - 2008», 2008, г. Санкт-Петербург «XVI Всероссийская научно-методическая конференция «Телематика - 2009», 2009, г. Санкт-Петербург; «Интеллектуальные системы (INTELS 2010)», Девятый Международный симпозиум, 2010, г. Владимир.
Публикации
Основные результаты работы опубликованы в 24 изданиях, в том числе в 11 статьях, из которых 4 - из списка ВАК Минобрнауки, а также представлены в научно-технических отчетах НИР в рамках ряда федерально-целевых и ведомственных научно-технических программ, в том числе для решения задач в сфере ответственности региональных подразделений МЧС. Имеется 5 свидетельств об официальной регистрации разработанных программ на ЭВМ.
Объем и структура диссертации
Диссертация изложена на 184 страницах машинописного текста. Состоит из введения, четырех глав, списка использованных источников из 83 наименований, заключения и 3 приложений.
Классификация и перечень факторов риска возникновения чрезвычайных ситуаций природного и техногенного характера
Прогнозирование ЧС и их последствий - это опережающее отражение развития ЧС на основе анализа причин их возникновения, источников ЧС в прошлом и настоящем и условий их реализации.
Прогнозирование включает в себя ряд элементов. Один из них -информация об объекте прогнозирования, раскрывающая его поведение, а также закономерности этого поведения и процессы (в т.ч. фундаментальные), его определяющие. На основе консолидированных данных строится математическая модель поведения объекта, которая позволяет с использованием соответствующего математического аппарата определить неизвестные параметры модели, спрогнозировать состояние интересующего объекта в некоторый будущий момент времени и/или в определенный период времени/сезон.
В основе всех методов, способов и методик прогнозирования лежит эвристический или математический подход.
Суть эвристического подхода состоит в использовании мнений специалистов-экспертов на основе произошедших ранее событий. Он находит применение для прогнозирования процессов и явлений, формализовать которые достаточно трудно, но имеется достаточное количество информации по истории их развития. Поэтому определенные (качественные) суждения можно сделать с использованием феноменологических/эмпирических подходов (на этом основаны и методы нечетких множеств).
Математический подход заключается в использовании имеющихся данных о некоторых базовых характеристиках прогнозируемого объекта, их обработке математическими методами, моделировании, а в итоге -получении зависимостей, связывающих указанные характеристики во времени, в т.ч. в рамках определенных уравнений, и вычислении с помощью найденной зависимости характеристик объекта в требуемый момент/промежуток времени.
Этот подход предполагает применение определенных моделей и/или экстраполяции данных и зависимостей. Под математической моделью (математическим описанием) некоторой системы (объекта) понимается совокупность соотношений, выражающая в формализованном виде связь между входными и выходными параметрами этой системы.
Для математического прогнозирования характерны следующие этапы: - сбор и обработка исходных данных; - выбор и обоснование математических моделей по объекту прогнозирования; - обработка информации об объекте прогнозирования, ее уточнение, получение дополнительных характеристик, влияющих на устойчивость объекта к внешним воздействиям; - непосредственно прогнозирование (обычно, ближнє- и среднесрочное), т.е. получение характеристик объекта в заданный момент времени в будущие временные промежутки. Отметим также, что в последнее время популярность приобретает комплексный подход, когда при решении задач математического моделирования особое внимание разработчики именно прикладных систем уделяют построению моделей, основанных и на экспертных оценках — на нечетких, приближенных рассуждениях экспертов с их использованием в компьютерных системах. Математическая теория нечетких множеств, предложенная в свое время Л.Заде (см., напр. [14,19,20]), позволяет описывать нечеткие понятия и знания, оперировать этими знаниями и делать определенные выводы.
Практическое доминирование применения аппарата нечетких множеств и нечеткой логики в задачах математического моделирования ЧС обусловлено тем, что описание условий и методов решения задачи происходит на языке, близком к естественному, а также тем, что согласно теореме FAT (Fuzzy Aproximation Theorem) любая математическая система может быть аппроксимирована соответствующей системой, основанной на нечеткой логике. Поэтому можно утверждать о перспективности данного подхода.
В настоящее время накоплен значительный опыт на основе утвержденных методик оперативного прогнозирования последствий ЧС природного и техногенного характера, однако, задачи математического моделирования процессов, ответственных за ЧС и распространение их последствий, требуют визуализации расчетных данных.
Наиболее эффективными для этих задач являются упомянутые ГИС, позволяющие математически моделировать территорию (местность), районировать опасные явления, а также автоматизировать оценку рисков территорий по комплексу признаков; при этом обмен данными между математическими моделями и ГИС является двунаправленным.
Действительно, начальные условия для модели, в частности, координаты исследуемых объектов, могут быть получены из ГИС. В свою очередь, ГИС отображают результаты моделирования. Данное связывание математических моделей с ГИС уже достаточно хорошо разработано, и соответствующие технологии широко распространены. Однако, существует потребность в инструментарии для такого связывания моделей и ГИС, обладающем расширяемостью, т.е. не привязанного к конкретной модели и/или конкретной географической территории.
Для решения этой проблемы, в частности усилиями организаций -участников кооперации в рамках деятельности Федерального центра науки и высоких технологий ВНИИ ГОЧС - создана специальная ГИС «Экстремум» для оценки последствий опасных явлений природного и техногенного характера и подготовки эффективных сценариев реагирования на последствия этих явлений.
Штатными задачами ГИС «Экстремум» являются элементы по управлению риском: прогноз возможных последствий ЧС природного и техногенного характера, используемый для составления планов превентивных мероприятий; построение карт риска по отдельным видам опасности и комплексного риска в целом, а также оперативная разработка сценариев реагирования на произошедшее ЧС.
В соответствии с ГОСТ Р 22.0.02-94 «Безопасность в чрезвычайных ситуациях. Термины и определения основных понятий», ЧС - это обстановка на определенной территории или акватории, сложившаяся в результате аварии, опасного природного явления, катастрофы, стихийного или иного бедствия, которые могут повлечь или повлекли за собой человеческие жертвы, ущерб здоровью людей или окружающей природной среде, значительные материальные потери и нарушение условий жизнедеятельности людей (подробно - см., напр. в подборке материалов в [22-33]).
Устойчивость и сходимость разностной схемы
ГИС связывают пространственные данные с географической информацией о каждом отдельном объекте карты. Эта информация хранится в виде атрибутов или характеристик объекта, представляемого графически. Кроме того, ГИС могут пользоваться хранимыми в ней атрибутами для получения новой информации об объектах карты, например, для вычисления длины определенной дороги или для определения общей площади какого-либо типа почв и территорий, выделенных по определенному признаку.
Главное преимущество ГИС состоит в их способности определять пространственные связи между объектами карты и хранят данные, с помощью которых можно создать нужное представление, наиболее подходящее для конкретных целей. Принципы работы ГИС
ГИС хранит информацию о реальном мире в виде набора тематических слоев, которые объединены на основе географического положения. Этот простой, но очень гибкий подход доказал свою ценность при решении разнообразных реальных задач: для отслеживания передвижения транспортных средств и материалов, детального отображения реальной обстановки и планируемых мероприятий, моделирования глобальной циркуляции атмосферы и др.
Любая географическая информация содержит сведения о пространственном положении, будь то привязка к географическим или другим координатам, или ссылки на адрес, почтовый индекс, избирательный округ или округ переписи населения, идентификатор земельного участка, название дороги или километровый столб на магистрали и т.п. При использовании подобных ссылок для автоматического определения местоположения объекта применяется процедура, называемая геокодированием. С ее помощью можно быстро определить и посмотреть на карте, где находится интересующий вас объект или явление. Векторная и растровая модели представления данных в ГИС
ГИС может работать с двумя существенно отличающимися типами данных - векторными и растровыми. В векторной модели информация о точках, линиях и полигонах кодируется и хранится в виде набора координат X,Y (часто добавляется третья - пространственная - и четвертая, - например, временная — координата). Местоположение точки (точечного объекта), например, здание, описывается парой координат (X,Y). Линейные объекты, такие как дороги, реки или трубопроводы, сохраняются как наборы координат X.Y. Полигональные объекты, типа речных водосборов, земельных участков или областей обслуживания, хранятся в виде замкнутого набора координат. Векторная модель особенно удобна для описания дискретных объектов и меньше подходит для описания непрерывно меняющихся свойств, таких как плотность населения, температура, рельеф.
Растровая модель оптимальна для работы с непрерывными свойствами. Растровое изображение представляет собой набор значений для отдельных элементарных составляющих (ячеек), оно подобно отсканированной карте или картинке. Обе модели имеют свои преимущества и недостатки. Современные ГИС могут работать как с векторными, так и с растровыми моделями данных. Формы представления данных в ГИС
В ГИС точки изображают географические объекты, которые слишком малы, чтобы быть представленными как линия или область. Линии представляют географические объекты, которые слишком узки, чтобы быть представленными как область. Области представляют однородные географические объекты. Декартова система координат отражает реальное расположение объекта.
Выбор способа организации данных определяет многие функциональные возможности создаваемой ГИС и применимость тех или иных технологий ввода. В любой модели должна иметься информация трех типов: идентификатор, информация положения, атрибуты.
Формы представления объектов: - нерегулярная сеть точек - произвольно расположенные точечные объекты, в качестве атрибутов имеющие значение поля в данной точке; - регулярная сеть точек - задается равномерно расположенными в пространстве точками достаточной густоты, от которых легко перейти к любой другой форме представления; - представление изолиниями - наиболее распространенный в традиционной картографии, но обладает недостатком, заключающимся в том, что нет никакой информации о поведении поля между изолиниями, поэтому он является не самым удобным для анализа; - площадные объекты — не менее распространенный способ представления данных, чем способ представления данных изолиниями, лишенный недостатка неопределенности данных, поскольку каждый объект (полигон) при таком способе организации данных наделен тем или иным свойством в равной степени. Цифровые модели рельефа Цифровое представление топографических данных называют Цифровой Моделью Рельефа (ЦМР). Цифровые данные, полученные из ЦМР, могут быть импортированы и проанализированы географическими информационными системами. Распространение применения ЦМР, обеспеченное ГИС-системами, связано с увеличением доступности и качества ЦМР. Это распространение расширило потенциальное применение ЦМР ко многим гидрологическим и гидравлическим процессам, экологическим исследованиям и т.д.
Самая распространенная структура данных формата ЦМР - это растр или грид. Грид является представлением реальных поверхностей в виде равных квадратных ячеек, организованных по строкам и столбцам. При этом каждой ячейке ставится в соответствие определенное значение и географическое местоположение. Грид-данные широко доступны и повсеместно используются из-за их простоты, легкой обработки, и вычислительной эффективности. Недостатки грид-данных заключаются в зависимости размера ячейки грида от вычисленных топографических параметров, и неспособности в данном масштабе приспосабливать размер ячейки грида к топографическим особенностям поверхности земли. Другие структуры данных в формате ЦМР, такие как нерегулярная триангуляционная сеть (TIN) и структуры на основе контура, преодолели некоторые из неудобств грид-данных, однако, они имеют свои собственные недостатки, не так широко доступны, и как следствие, не так часто используются как грид-данные.
ЦМР используются в гидрологическом моделировании для идентификации таких объектов поверхности, как горные хребты, долины, русловые сети .и водосборы. Точность этой топографической информации зависит от качества и . разрешения ЦМР, а также от алгоритма обрабатывающего ЦМР, который извлекает эту информацию.
Назначение программного обеспечения «Волна 2.0»
Для прогнозирования масштабов затопления местности и характеристик волны прорыва при разрушении гидроузлов (под гидроузлом понимается любые гидротехнические сооружения, такие как плотины, дамбы) использовалась программа «Волна» версии 2.0 (1998 г.) Эта программа позволяет оценить последствия разрушения гидроузлов при использовании в работах по исследованию аварий и катастроф данного типа.
Определяются параметры затопления местности — максимальные: глубина затопления, ширина затопления, и скорость течения,.время прихода фронта, гребня и хвоста волны прорыва. Кроме того, в .ответе приводятся данные о максимальном расходе воды в створе, высоте волны (превышение уровня воды над уровнем бытового потока) и максимальная отметка затопления.
Решение поставленной задачи требует наличия данных о гидроузле и местности, расположенной как выше - водохранилище, так и ниже - по течению реки. Для этого местность разбивается на так называемые створы, то есть перпендикулярные сечения к направлению течения реки. В соответствующих сечениях определяются необходимые параметры, важнейшими из которых являются удаление от створа гидроузла, отметки горизонталей местности и расстояния между ними. Для гидроузла и водохранилища важнейшими являются данные об объеме водохранилища, ширине и глубине водохранилища у плотины и в нижнем бьефе.
Заключительной частью подготовки исходных данных является определение предполагаемых параметров разрушения гидроузла. Такими параметрами являются степень разрушения гидроузла и высота порога бреши. Эти параметры выбираются по запросам пользователя и могут варьироваться от нуля до единицы. 3.1.1.1 Подготовка данных для моделирования
Перед началом работы с программой необходимо подготовить источники исходных данных. Во-первых, - получить данные, характеризующие водохранилище. Они содержат следующие характеристики: - объем водохранилища; - площадь зеркала водохранилища; - отметку уреза воды водохранилища; - глубину водохранилища у гидроузла и прочее. Во-вторых, - получить данные, характеризующие гидроузел. Они содержат следующие параметры: - ширину водохранилища у плотины при нормальном подпорном уровне (НПУ); - ширину реки в нижнем бьефе гидроузла; - скорость движения воды в реке в нижнем бьефе гидроузла и прочее. 3.1.1.2 Данные о створе гидроузла С использованием карты местности заполняется таблица исходных данных створа гидроузла. Для этого необходимо в таблицу занести числовые значения, характеризующие, створ гидроузла. Расчетная схема гидроузла приведена на рис.3.1.
Исходные данные можно разделить на постоянные и переменные. Постоянные - данные, не зависящие от каких-либо условий; переменные данные, зависящие от паводков, размеров разрушения и т.п.; кроме того, имеется ряд вспомогательных/служебных данных - см. порядковый список в табл.3.1.
С использованием карты местности заполняется таблица «Створы по реке». Для этого следует заполнить таблицу ввода данных в соответствии с нижеследующей инструкцией. 1. Разделить местность, расположенную ниже гидроузла, на линейные участки (створы), может быть проведено до 8 створов. Следует проводить створы в местах, необходимых для принятия решения, (см. рис. 3.2).
После того, как таблицы данных будут полностью заполнены в соответствии с требованиями, можно перейти к вычислению параметров волны прорыва. Для этого необходимо запустить процедуру вычисления. Если данные не отвечают установленным требованиям, то появится сообщение об ошибке, и вычисление будет прервано. При успешном вычислении появится таблица «Параметры волны прорыва» с полученными результатами. Эти результаты будут даны для количества створов, заданных в таблице «Створ гидроузла».
При успешном вычислении появится таблица результатов расчетов «Параметры волны прорыва» (табл. 3.3), которая содержит временные и количественные характеристики волны прорыва для «N» створов.
Прежде чем приступить к расчетам последствий прорыва плотины необходимо корректно внести данные в программу «Волна 2.0» о створе гидроузла, а также данные о местности, расположенной ниже по течению реки. Для этого местность разбивается на так называемые створы, т.е. перпендикулярные сечения к направлению течения реки. В соответствующих сечениях определяются необходимые параметры, важнейшими из которых являются удаление от створа гидроузла, отметки горизонталей местности и расстояния между ними. Для гидроузла и водохранилища важнейшими являются данные об объеме водохранилища, ширине и глубине водохранилища у плотины и в нижнем бьефе.
Часть данных, являющихся постоянными, берется из соответствующих источников, характеризующих водохранилище, остальные данные, являющиеся переменными, должны быть получены со специально созданной для этого электронной карты (система ArcView GIS). 3.1.3.1 Данные о створе гидроузла
Данные о створе гидроузла были предоставлены Комитетом природных ресурсов Владимирской области. При моделировании рассматривался вариант полного (мгновенного) разрушения гидроузла. Данные, использованные при расчетах, приведены в табл. 3.4.
Как было отмечено, местность, расположенная ниже по течению реки относительно гидроузла, разбивается на створы. Разбиение на створы приведено на рис. 3.4. Каждый створ представляет собой отдельный слой (тему), являющийся линией. Так, местность ниже по течению реки, была разбита на 8 створов. Рис.3.4. Разбиение местности на створы ниже по течению реки относительно гидроузла.
Необходимыми данными о створе реки являются: удаление створа от гидроузла, информация о «бытовом потоке», которая включает в себя отметку уреза воды, глубину и ширину реки, скорость течения. В данные о створе также включается информация о правом и левом береге реки, а именно - отметки 3-х горизонталей (от оси реки) и расстояния от оси реки до этих горизонталей.
Для вычисления удаления створа от гидроузла, а также получения информации о «бытовом потоке» река была разбита на множество точек. Эти параметры и стали атрибутивной информацией каждой точки.
Результаты прогнозирования последствий аварийных разливов нефти и нефтепродуктов при авариях на магистральных нефтепродуктопроводах
Например, если наиболее крутой уклон был слева от рассматриваемой в данный момент ячейки, то ее направление потока будет закодировано значением 16. При этом возникают следующие варианты заполнения значений грида.
Если ячейка имеет одинаковые изменения по высоте во многих направлениях, и эта ячейка является ячейкой локального понижения рельефа, то ее направление потока будет неопределенно. В таких случаях значение ячейки в выходном Flow Direction гриде будет суммой этих направлений. Например, если изменение по высоте одинаково справа (направление равно 1) и снизу (направление равно 4), то направление потока этой ячейки будет равно 1 +4 = 5. Ячейка с неопределенным значением направления потока может быть помечена как ячейка локального понижения рельефа с помощью запроса aGrid.Sink
Если ячейка имеет одинаковые изменения по высоте во многих направлениях, но не является ячейкой локального понижения рельефа, то направление потока от этой ячейки определяется просмотром таблицы значений и определения лучшего направления. (2). Sinks of Flow Direction Grid создается с помощью запроса aGrid.Sink модуля Spatial Analyst, который определяет все локальные понижения и плоские области в исходном гриде: aGrid.Sink. где aGrid - грид, созданный с помощью запроса FlowDirection
Локальное понижение (впадина, яма) — это ячейка или множество пространственно связанных ячеек, чье направление потока не может быть сопоставлено ни одному из определенных значений направления потока Flow Direction Grid. Локальное понижение обычно связано с некорректным значением высоты в данной ячейке, которое меньше, чем значения для окружающих ее ячеек, или когда внутри двух ячеек возникает зацикливание потока. Локальные понижения, разбросанные на полученном гриде в виде точек, создают проблемы, т.к. любые водотоки, втекающие в них не могут из них вытекать.
Плоские области - это множество ячеек данной ЦМР, которые имеют одинаковое значение высоты, а, следовательно, значение уклона для этих ячеек равно нулю.
Sinks of Flow Direction Grid является целочисленным гридом, в котором каждому локальному понижению присваивается уникальное значение от 1 до общего числа локальных понижений.
Считается, что локальные понижения имеют неопределенное направление потока и соответствуют значению, которое получается как сумма их возможных направлений. Например, если наиболее крутой уклон и его направление одинаковы справа (1) и слева (16), значение 17 будет соответствовать направлению потока этой ячейки локального понижения.
Чтобы создать точный путь наиболее вероятного водотока, лучше всего использовать грид-данные без ячеек локального понижения. Но возможно корректирование исходной ЦМР, заполнением точек локального понижения. Такие скорректированные ЦМР называют слабодепрессионными ЦМР (depressionless DEM). Ячейки локального понижения обычно обусловлены ошибками в данных. Эти ошибки часто возникают из-за эффектов дискретизации и округления высот к целым числам. Как только размер ячеек грида возрастает, число впадин тоже часто возрастает.
Идентификация и удаление локальных понижений при создании слободепрессионной ЦМР - это итерационный процесс. Как только понижение заполнено, границы заполненной области могут создать новую ячейку локального понижения рельефа, которую надо заполнить. (3). Watershed Grid - грид водоразделов для определенных местоположений. Водораздел - это область, наиболее вероятный путь стекания из каждой точки которой заканчивается в одной и той же точке локального понижения рельефа. Грид создается с помощью запроса FlowDirGrid.Watershed (srcGrid), где FlowDirGrid - грид, созданный с помощью запроса FlowDirection; SrcGrid — грид с местоположениями, для которых строится водораздел, т.е. грид с локальными понижениями рельефа — Sinks of Flow Direction.
Грид водоразделов также является целочисленным; значения для каждого водораздела равно значению соответствующей ячейки в гриде с заданными местоположениями. Граница между двумя водоразделами называется границей водораздела или разделенным дренажем.
Выход или точка водораздела, в которой жидкость вытекает из данной области водораздела, — это самая низкая точка по границе водораздела. 3.2.2.5 Алгоритм решения
Для дальнейшего анализа последствий аварийного разлива нефти в качестве решетки направлений используется Flow Direction Grid, полученный средствами модуля Spatial Analyst ArcView GIS на основании исходных данных.
Наиболее вероятный путь распространения нефтяных загрязнений определяется от ячейки, определяющей место предполагаемой аварии, переходом к соседней ячейке в соответствии с направлением потока от исходной ячейки, полученным из грида Flow Direction.
В ходе построения наиболее вероятного пути движения нефтепродуктов присутствует вероятность попадания в ячейку — локальное понижение рельефа (впадина), значение абсолютной высоты в которой меньше, чем в соседних ячейках. Это создает уже обсуждавшиеся проблемы, поскольку при построении наиболее вероятного пути движения нефтепродуктов и попадании в такую ячейку не будет осуществляться переход к соседней ячейке. Будем ее решать путем заполнения объема, соответствующего этому локальному понижению.
Для вычисления объема заполнения сначала создадим водораздел для текущей ячейки локального понижения; на границе этого водораздела находится ячейка с минимальной высотой hmin. Именно в этой ячейке будет происходить перетекание нефтепродуктов из области данного водораздела.
Далее, выбираем все ячейки внутри водораздела, для которых высота меньше значения hm;n. Это и будут ячейки объема заполнения — hj. Тогда искомый объем вычисляется согласно соотношению: Vin " hi Vin - hi (3.4) v зап i і где S - площадь ячейки грида. Вычисленный объем отражается на карте в виде полигональной темы с атрибутивной информацией об объеме. Для нахождения начальной точки следующего пути наиболее вероятного распространения загрязнений берем уже полученную ячейку с минимальной высотой на границе водораздела - hm;n. Среди ее соседних
