Поддержка принятия решений для задач экологического мониторинга атмосферного воздуха в городах Степанченко Илья Викторович

Содержание к диссертации

Введение

Глава 1. Аналитический обзор и системный анализ процессов поддержки принятия решений для задач экологического мониторинга 18

1.1. Краткий ретроспективный анализ и современное состояние проблемы экологического мониторинга атмосферного воздуха города 18

1.2. Анализ процессов принятия решений в задачах экологического мониторинга 25

1.3. Общая постановка задачи разработки теоретического обоснования функциональной структуры системы экологического мониторинга атмосферного воздуха в городе 28

1.4. Концептуальная схема системы экологического мониторинга атмосферного воздуха города с непостоянными во времени и нестабильными локациями зон опасного загрязнения 32

1.5. Разработка критериев оценки эффективности методов поддержки принятия решений в задачах экологического мониторинга 40

1.6. Выводы по первой главе 43

Глава 2. Разработка метода поддержки принятия решений о локациях зон возможного опасного загрязнения в приземном слое атмосферного воздуха 45

2.1. Анализ моделей распространения примесей загрязняющих веществ из стационарных промышленных источников 46

2.2. Математическая модель распространения примесей загрязняющих веществ онд-86 59

2.3. Разработка метода обработки данных о выбросах загрязняющих веществ автотранспортом 62

2.4. Разработка модели развития зелёных насаждений в городе с учётом резких климатических изменений для оценки объёмов поглощения загрязняющих веществ, выбрасываемых промышленностью и автотранспортом 92

2.5. Метод обработки прогнозируемых метеорологических параметров в задачах экологического мониторинга 113

2.6. Разработка метода поддержки принятия решений о локациях зон возможного опасного загрязнения в приземном слое атмосферного воздуха, создаваемых промышленными предприятиями и автотранспортом 117

2.7. Выводы по второй главе 123

Глава 3. Разработка метода получения и обработки данных для задач экологического мониторинга с помощью мобильного контроля 126

3.1. Разработка метода получения данных с помощью мобильной измерительной лаборатории 128

3.2. Метод обработки данных, полученных мобильной измерительной лабораторией 142

3.3. Выводы по третьей главе 145

Глава 4. Разработка метода дистанционной идентификации недоступных непосредственному измерению фактических объёмов выбросов из промышленных стационарных источников 146

4.1. Анализ степени влияния показателей, характеризующих режим выбросов из промышленного стационарного источника, на картину рассеивания загрязняющих веществ 151

4.2. Рзаработка метода дистанционной идентификации масс выбросов и расходов газовоздушной смеси из группы промышленных источников, расположенных на территории города 165

4.3. Вычислительные эксперименты по исследованию характеристик метода дистанционной идентификации 176

4.4. Выводы по четвёртой главе 201

Глава 5. Разработка метода поддержки принятия управленческих решений об экологических ограничениях производственных процессов и методики оценки эффективности системы экологического мониторинга 203

5.1. Разработка метода поддержки принятия управленческих решений об экологических ограничениях производственных процессов 204

5.2. Разработка методики оценки эффективности систем экологического мониторинга атмосферного воздуха в городах с непостоянными во времени и нестабильными локациями зон опасного загрязнения 218

5.3. Выводы по пятой главе 222

Глава 6. Структура программного комплекса, реализующего методы поддержки принятия решений для задач экологического мониторинга атмосферного воздуха 224

6.1. Структура базы данных программного комплекса 228

6.2. Выводы по шестой главе 233

Заключение 235

Список литературы 237

Приложение а. Анализ городов с нестабильной локацией зон опасного загрязнения атмосферного воздуха (на примере города камышина волгоградской области) 281 приложение б. Базовая часть методики расчёта концентраций, действующей в российской

Федерации 301

Приложение в. Копии актов о внедрении результатов

Исследования 310

• Общая постановка задачи разработки теоретического обоснования функциональной структуры системы экологического мониторинга атмосферного воздуха в городе
• Разработка метода обработки данных о выбросах загрязняющих веществ автотранспортом
• Метод обработки данных, полученных мобильной измерительной лабораторией
• Рзаработка метода дистанционной идентификации масс выбросов и расходов газовоздушной смеси из группы промышленных источников, расположенных на территории города

Введение к работе

Актуальность темы. В связи с преимущественно урбанистическим характером развития цивилизации вопросы управления экологической средой современных городов относятся к числу важнейших.

Из всех проблем оценки экологического состояния городской среды следует выделить задачу контроля и управления качеством атмосферного воздуха, применительно к которой широкое развитие получили работы по созданию систем экологического мониторинга, основывающиеся на математических моделях для расчёта рассеивания примесей в атмосфере и приближённого определения приземных концентраций загрязняющих веществ на территории города (работы Израэля Ю.А., Марчука Г.И., Монина А.С., Безуглой Э.Ю., Берлянда М.Е., Бызовой Н.Л., Гаргера Е.К., Гениховича Е.Л., Наац В.И., Пененко В.В., Рапуты В.Ф., Batchelor G.K., Beychok M.R., Deardorff J.W., Ferguson S.A., Gifford F.A., Hanna S.R., Mann R.E., Nieuwstadt F.T.M., Pasquill F. и др.) и технического обеспечения систем мониторинга (Алексеев В.В., Вент Д.П., Волков В.Ю., Горелик Д.О., Конопелько Л.А., Примак А.Г., Разяпов А.З., Растоскуев В.В., Цветков Э.И., Эдельштейн Ю.Д., Barrett C.F., Platt U., Reed L.E., Richards J.R., Seinfeld J.H., Stutz J. и др.). Результаты работ широко используются в создании систем экологического мониторинга (СЭМ) крупных городов – например: Москвы, Санкт-Петербурга, Владивостока.

Вопросы системной связи между этими направлениями работ не нашли достаточного освещения, а принципы системного анализа и методы поддержки принятия решений, изложенные в работах Геловани В.А., Ларичева О.И., Моисеева Н.Н., Поспелова Г.С., Берштейна Л.С., Перегудова Ф.И., Петровского А.Б., Тарасенко Ф.П., Трахтенгерца Э.А., Ackoff R.L., Bonczek R.H., Burstein F., Holsapple C.W., Power D.J., Roy B., Saaty T.L., Whinston A.B. применяются ограниченно. Так, в проектах нормативов предельно допустимых выбросов (ПДВ) для предприятий устанавливаются такие ограничения на объёмы, чтобы ни при каких сочетаниях внешних факторов приземные концентрации загрязняющих веществ вне санитарно-защитной зоны (СЗЗ) не превышали предельно допустимые концентрации (ПДК). Нормативы ПДВ для предприятий носят статический характер, рассчитаны на наиболее неблагоприятные условия и поэтому не связаны с текущей оценкой внешних факторов (в частности, метеорологических условий и режимов работы других предприятий, источники которых выбрасывают в атмосферу вещества тех же наименований, а также выбросов автотранспорта). Вследствие этого ограничения на параметры технологических процессов предприятий, накладываемые требованиями нормативов ПДВ, оказываются излишне жёсткими в тех случаях, когда текущие сочетания внешних факторов отличаются от наиболее неблагоприятных.

Представляет интерес рассмотрение задач контроля и управления качеством атмосферного воздуха с общесистемных позиций при динамической корректировке нормативов ПДВ предприятий и применения методов поддержки принятия решений с целью согласования требований экологической безопасности и высокой экономической эффективности работы промышленности.

Следует отметить, что такие задачи экологического мониторинга будут особенно актуальны для городов (как правило, небольших), которым свойственны особенности, позволяющие надеяться на успешную реализацию системного подхода: выбросы предприятий не приводят к постоянному превышению ПДК; возникающие превышения ПДК загрязняющих веществ не стабильны по местоположению, а их продолжительность значительно меньше периодов удовлетворительной экологической ситуации; состав загрязняющих веществ в выбросах предприятий с перекрывающимися зонами рассеивания примерно одинаков; имеются возможности разгрузки автотранспортных магистралей и выделения площадей для защитного озеленения городских территорий.

Учёт этих особенностей позволяет поставить задачу создания СЭМ состояния атмосферы, которая, с одной стороны, будет гораздо экономичнее существующих решений, а с другой стороны, могут быть поставлены задачи создания специфичных методов обработки информации и поддержки принятия решений, отличных от известных и неприменимых для СЭМ мегаполисов. Цель создания таких методов – смягчить возможные противоречия между стремлением улучшить технико-экономические показатели производства и необходимостью выполнять нормативы ПДВ. Возможность преодоления этих противоречий может быть достигнута благодаря введению механизма адаптации параметров системы производственных экологических ограничений и системы управления автотранспортом к текущей экологической обстановке в городе.

Экономическая целесообразность учёта особенностей городов с нестабильной локацией зон опасного загрязнения атмосферного воздуха при создании СЭМ обосновывает актуальность работ в этом направлении.

Объектом исследования являются процессы обработки информации и принятия управленческих решений в системах экологического мониторинга атмосферного воздуха городов, в которых продолжительные периоды отсутствия нарушений ПДК загрязняющих веществ эпизодически прерываются кратковременными периодами опасного загрязнения атмосферы в ограниченных зонах, не имеющих постоянного расположения.

Предмет исследования – методы обработки информации, идентификации и поддержки при принятии решений в системах экологического мониторинга атмосферного воздуха.

Целью диссертационной работы является повышение эффективности функционирования систем экологического мониторинга атмосферного воздуха в городах с непостоянными во времени и нестабильными локациями зон опасного загрязнения.

Научная проблема, соответствующая цели, заключается в необходимости совмещать задачи обеспечения благоприятного состояния атмосферного воздуха в городе с задачами создания условий для повышения экономической эффективности работы предприятий.

Гипотеза исследования строится на следующих предположениях:

1. Возможна адаптация параметров системы производственных экологических ограничений к экологической обстановке в городе с помощью учёта

прогнозируемых значений метеорологических параметров, регулирования автотранспортных потоков и идентификации недоступных непосредственному измерению фактических расходов выбросов из промышленных стационарных источников загрязнения атмосферы по результатам измерений приземных концентраций загрязняющих веществ вне СЗЗ предприятий.

1. Создание стационарной сети наблюдения за значениями приземных концентраций загрязняющих веществ для городов с прерывными во времени и нестабильными локациями зон опасных концентраций экономически нецелесообразно. Предполагается обеспечить информационную поддержку системы экологического мониторинга только средствами мобильной экологической лаборатории.

2. Потери точности контроля состояния атмосферы из-за отказа от стационарной сети мониторинга будут малыми благодаря системному подходу к организации работы мониторинга.

Для достижения поставленной цели, проверки гипотезы и решения научной проблемы необходимо решить следующие задачи:

1) изучить имеющиеся научные методы и провести системный анализ
процессов принятия решений для задач экологического мониторинга на осно
ве которых сформулировать и теоретически обосновать функциональную
структуру СЭМ атмосферного воздуха города с непостоянными во времени и
нестабильными локациями зон опасного загрязнения;

2. разработать метод поддержки принятия решений о зонах возможного опасного загрязнения приземного слоя атмосферного воздуха от источников, расположенных на промышленных предприятиях, с учётом динамики метеорологических параметров, состояния зелёных насаждений, а также выбросов загрязняющих веществ автотранспортными средствами;

3. разработать метод обработки информации о состоянии воздуха по результатам измерения приземных концентраций загрязняющих веществ средствами мобильной лаборатории с учётом информационного запаздывания, и определением числа и координат точек измерения;

4. разработать метод дистанционной идентификации недоступных непосредственному измерению фактических расходов выбросов из промышленных стационарных источников загрязнения по результатам измерений приземных концентраций загрязняющих веществ вне СЗЗ предприятий, выполненных средствами мобильной лаборатории;

5. разработать метод поддержки принятия управленческих решений по адаптации производственных экологических ограничений к текущей экологической обстановке для обеспечения возможностей повышения экономической эффективности производств при безусловном выполнении требований к качеству атмосферного воздуха в городе;

6. разработать метод оценки эффективности СЭМ атмосферного воздуха в городах с непостоянными во времени и нестабильными локациями зон опасного загрязнения.

Методы исследований. В работе использованы методы системного анализа, оптимизации, теории принятия решений, методы математического моделирования систем, методы искусственного интеллекта.

Достоверность результатов. Достоверность результатов подтверждается согласованием результатов вычислительных экспериментов, полученных с помощью разработанного программного комплекса, с результатами натурных экспериментов, статистических данных и расчётов с помощью коммерческих пакетов, а также подтверждается успешным внедрением разработанных компонентов программного комплекса.

Научная новизна. Впервые поставлена задача разработки теоретического обоснования функциональной структуры СЭМ города с прерывными во времени и нестабильными локациями зон опасного загрязнения атмосферного воздуха, в процессе решения которой получены следующие новые результаты:

1) метод поддержки принятия решений о локациях зон возможного
опасного загрязнения в приземном слое атмосферного воздуха, создаваемых
промышленными предприятиями и автотранспортом. Метод отличается от
существующих учётом выбросов от промышленных стационарных источников,
автотранспорта и поглощения загрязняющих веществ растениями при динами
ческом изменении метеопараметров, что позволяет сформулировать задачу
оперативной корректировки параметров системы производственных экологиче
ских ограничений, подлежащих учёту при управлении технологическими про
цессами на предприятиях; (пункты 1, 4, 5, 12 паспорта специальности 05.13.01,
страницы 117–123 диссертации);

7. метод получения и обработки данных для СЭМ атмосферного воздуха города с помощью мобильного контроля. Метод отличается от существующих определением интервала времени получения данных и учётом информационного запаздывания, что позволяет обеспечить точность мобильного контроля, сравнимую с точностью стационарной системы контроля при существенно меньших затратах на создание, внедрение и эксплуатацию; (пункты 4, 12 паспорта специальности 05.13.01, страницы 141–144 диссертации);

8. метод дистанционной идентификации недоступных непосредственному измерению фактических расходов выбросов из промышленных стационарных источников. Метод отличается от существующих оценкой вклада каждого стационарного источника на базе общесоюзного нормативного документа (ОНД-86) и использованием результатов мобильного контроля, что позволяет создавать системы поддержки принятия решений о режимах работы промышленных предприятий, сочетающие экономический и экологический критерии; (пункт 7 паспорта специальности 05.13.01, страницы 166–168 диссертации);

4) метод поддержки принятия управленческих решений о производ
ственных экологических ограничениях. Метод отличается от существующих
определением наименьшего суммарного возможного экологического ограни
чения производственных процессов с помощью учёта возможности снижения
выбросов от автотранспорта, что позволяет повысить технико-экономические
показатели работы предприятий в городах с прерывными во времени и неста-

бильными локациями зон опасного загрязнения атмосферного воздуха. (пункты 1, 4, 5 паспорта специальности 05.13.01, страницы 206–207 диссертации);

Теоретическая значимость заключается в развитии теоретических основ системного анализа (критериев и оценки эффективности, специального математического и программного обеспечения, методов идентификации, обработки информации и поддержки принятия решений) для задач экологического мониторинга атмосферного воздуха города.

Практическая ценность работы состоит в том, что разработанные методы применялись при проектировании и реализации следующих проектов (копии актов о внедрении приведены в приложении к диссертации):

1. «Идентификация локаций зон возможного опасного загрязнения в приземном слое атмосферного воздуха, создаваемых промышленными предприятиями и транспортом на территории городского округа – город Камышин» (Муниципальное казенное учреждение «Служба охраны окружающей среды и экологической безопасности г. Камышина»);

2. «Экологический паспорт городского округа – город Камышин» и «Совершенствование транспортной инфраструктуры городского округа – город Камышин» (Администрация городского округа – город Камышин Волгоградской области), экономический эффект более 15 млн. рублей в ценах 2014 года;

3. «Разработка методов поддержки принятия решений о возможных зонах опасного загрязнения атмосферного воздуха и дистанционной идентификации источников выбросов» (ОАО «Газэнергосервис» – завод «Ротор», ООО «ЛУКОЙЛ-Волгоградэнерго» Камышинская ТЭЦ);

4) «Математическое моделирование динамики развития городского озе
ленения как средства повышения качества атмосферного воздуха» (Федераль
ное государственное бюджетное научное учреждение «Всероссийский научно-
исследовательский агролесомелиоративный институт»).

Результаты диссертационного исследования были получены в том числе и в рамках:

– проектов РФФИ: 07-08-96616-р_поволжье_а «Возрождение экологического мониторинга в системе управления качеством жизни небольшого города (на примере г. Камышина)» (исполнитель), 14-07-97011-р_поволжье_а «Интеллектуальная информационная система прогнозирования качества атмосферного воздуха для небольшого города» (руководитель);

– хоздоговоров с Администрацией городского округа – город Камышин, Муниципальным казенным учреждением «Служба охраны окружающей среды и экологической безопасности г. Камышина», Комитетом жилищно-коммунального хозяйства и капитального строительства Администрации городского округа – город Камышин Волгоградской области.

Положения, выносимые на защиту:

1. Функциональная структура СЭМ атмосферного воздуха города, в котором продолжительные периоды отсутствия нарушений ПДК загрязняющих веществ эпизодически прерываются кратковременными периодами опасного загрязнения атмосферы в ограниченных зонах, не имеющих стабильного расположения (страницы 36–40 диссертации).

2. Метод поддержки принятия решений о локациях зон возможного опасного загрязнения в приземном слое атмосферного воздуха, создаваемых промышленными предприятиями и автотранспортом (страницы 117–123 диссертации).

3. Метод получения и обработки данных о состоянии атмосферного воздуха в городе с помощью мобильного контроля с учётом информационного запаздывания (страницы 141–144 диссертации).

4. Метод дистанционной идентификации недоступных непосредствен
ному измерению фактических расходов выбросов из промышленных источни
ков выбросов на базе модели в ОНД-86 и использованием результатов мо
бильного контроля (страницы 166–168 диссертации).

5. Метод поддержки принятия управленческих решений об оперативных экологически допустимых производственных ограничениях с учётом результатов идентификации расходов выбросов из стационарных источников и возможности снижения выбросов от автотранспорта (страницы 206–207 диссертации).

6. Модель развития зелёных насаждений в городе с учётом резких климатических изменений для оценки объёмов поглощения загрязняющих веществ, выбрасываемых промышленностью и автотранспортом (страницы 92– 101 диссертации).

7. Критерии оценки эффективности методов поддержки принятия решений в системах экологического мониторинга атмосферного воздуха города при непостоянных во времени и нестабильных локациях зон опасного загрязнения (страницы 40–42 диссертации).

8. Программный комплекс для СЭМ атмосферного воздуха города при непостоянных во времени и нестабильных локациях зон опасного загрязнения (страницы 224–228 диссертации).

Апробация работы. Основные результаты диссертационной работы докладывались (выборочно):

- на международных конференциях: Creativity in Intelligent Technologies & Data Science 2015 (Волгоград, 2015), «Проблемы автоматики и управления» (Бишкек, 2015), «Международный конгресс по интеллектуальным системам и информационным технологиям» (Дивноморск, 2015), «Математические Методы в Технике и Технологиях» (ММТТ-28, Ярославль, 2015, ММТТ-27, Саратов, 2014, Тамбов, 2014), «Идентификация систем и задачи управления» (SICPRO, Москва, 2015, 2005, 2003), 11th Joint Conference on Knowledge-Based Software Engineering, JCKBSE 2014 (Волгоград, 2014), «Современные направления теоретических и прикладных исследований» (Украина, 2014, 2013), «Современные проблемы и пути их решения в науке, транспорте, производстве и образовании (Украина, 2014, 2013), «Научные исследования и их практическое применение. Современное состояние и пути развития» (Украина, 2014, 2013), «Перспективные инновации в науке, образовании, производстве и транспорте» (Украина, 2014), «Инновационные технологии в управлении, образовании, промышленности «АСТИНТЕХ» (Астрахань, 2010, 2009, 2008), «Параллельные вычисления и задачи управления» (PACO,

Москва, 2008, 2006), «Экология и ресурсо- и энергосберегающие технологии на предприятиях народного хозяйства (промышленность, транспорт, сельское хозяйство)» (Пенза, 2007), VIII, IX международных конференциях «Математика. Компьютер. Образование» (Дубна 2002, Пущино 2001), «Экология и здоровье» (Краснодар, 2001);

на Всероссийских конференциях: XII Всероссийская школа-конференция молодых ученых и специалистов «Управление большими системами» (Волгоград, 2015), 5–7 научно-практические конференции с международным участием «Экологические проблемы промышленных городов» (Саратов, 2015, 2013, 2011), «Инновационные технологии в обучении и производстве» (Камышин, 2015, 2012, 2011, 2010), Всероссийской конференции «Прогрессивные технологии в обучении и производстве» (Камышин, 2002);

на научных семинарах в Тамбовском государственном техническом университете (2014), Саратовском государственном техническом университете им. Ю.А. Гагарина (2014), НИИ многопроцессорных вычислительных систем ЮФУ (2014).

Публикации. Материалы диссертации опубликованы в 70 печатных работах, из них 2 монографии, 4 публикации из источников, индексируемых в базе Scopus, 11 статей в журналах, рекомендуемых ВАК, 10 публикаций в международных источниках, 2 учебных пособия. Получено 15 свидетельств о государственной регистрации программ для ЭВМ.

Личный вклад автора заключается в разработке основных положений, выносимых на защиту; в разработке методов, составляющих научную новизну работы, в постановке и решении задачи разработки теоретического обоснования функциональной структуры СЭМ города с прерывными во времени и нестабильными локациями зон опасного загрязнения атмосферного воздуха. Автором лично ставились задачи проведения вычислительных экспериментов и выполнялось их проведение, выполнялась разработка архитектуры программного обеспечения.

Объем и структура работы. Диссертация состоит из введения, шести глав, заключения, содержит 236 страниц основного текста, 89 рисунков, 31 таблицу, списка использованных источников (410 наименований на 44 страницах), 3 приложения.

Общая постановка задачи разработки теоретического обоснования функциональной структуры системы экологического мониторинга атмосферного воздуха в городе

Менее заметными на фоне вышеперечисленных работ являются научные исследования по оценке измеряемых параметров [128, 250, 289, 305, 308, 310, 354, 370, 371, 388, 389], разработке датчиков и систем измерений [47, 48, 83, 139, 272, 285, 307, 331, 368, 369], различных технических устройств обеспечения мониторинга [48, 141, 257, 272] и использовании биологических объектов как средств измерения [315]. Дополнительной проблемой в задачах измерения и сбора информации об уровне загрязнения является интерполяция значений в областях, в которых провести измерения не представляется возможным [354, 384]. Все эти работы непосредственно связаны с разработкой информационных и информационно-технических систем и их элементов для задач экологического мониторинга [5, 8, 38, 49, 56, 57, 60, 63, 66, 75, 81, 120, 169, 174, 235, 256, 312, 331, 398]. Общим недостатком этих работ является отсутствие или слабое обоснование условий необходимости и достаточности тех или иных измерений для решения задач экологического мониторинга.

С совершенствованием средств мобильной связи стали создаваться технические решения по организации систем экологического мониторинга на базе беспроводных технологий [6, 60, 64, 120, 259, 272, 294, 312, 334, 337, 339, 356, 359, 374], в том числе распределенными техническими и природными объектами [7, 175]. Упор в этих работах делался на технические средства и способы передачи данных с удалённых от центра обработки датчиков и приборов. Задачи прогнозирования в этих работах практически не решались. Фундаментальные основы системного анализа были изложены в работах [166, 167, 234], а применение системного анализа и системного подхода в экологии берёт начало в 70-х годах XX века [58, 78, 114, 127, 142, 157, 158, 214, 247, 248]. Первой монографической работой была [158], которая вышла в 1971 году, а в 1975 опубликована на русском языке. В ней приведено определение системного анализа в следующей формулировке «процесс перевода физических или биологических представлений о любой системе в ряд математических зависимостей и операции над полученной таким образом математической системой называются системным анализом» [158, стр. 359]. Однако, задачи мониторинга окружающей среды часто классифицируются как неструктурированные, количественные зависимости в них во многих случаях неизвестны, поэтому системный анализ не стал основным методом познания в области мониторинга окружающей среды.

В дальнейшем системный анализ применялся для построения глобальных и организационных систем управления в области задач мониторинга [40, 42, 49, 173, 179, 241, 385] или в развитии подходов к описанию процессов загрязнения окружающей среды [190, 193, 324, 357, 402].

Следует отметить попытку разработки теории интеллектуальных организационно-технических систем управления [32], но полученные решения в области развития методов искусственного интеллекта и построения организационно-технических систем не связаны с решениями в области моделирования распространения загрязнений и наблюдением за состоянием окружающей среды. Также имеющиеся достижения теории в области диагностики предаварийных ситуаций [180] не нашли отражения в методах решения задач экологического мониторинга.

Методы, модели и алгоритмы для автоматизированного построения различных технических систем [13, 72, 177, 178], применяемых в том числе в биотехнических системах [245, 246], не применяются для обоснования теоретических положений и практической разработки структур систем экологического мониторинга. Вопросы масштабирования решений задач экологического мониторинга, разработки СЭМ города, отдельные аспекты автоматизированной обработки данных были опубликованы в [56, 57, 59, 63, 66, 169, 183, 190, 192, 193, 256, 292, 307, 352, 353, 376, 377]. Однако все они основываются на единой концепции мониторинга (рис. 1.1, на стр. 20) и вопросы выбора структуры подсистем, таких как информационной, технической, с позиции системного анализа, развития математического аппарата описания выбросов, поддержки принятия решений и методов искусственного интеллекта, не ставились.

Концептуальные положения теории принятия решений и результаты исследований по методам поддержки принятия решений изложены в [28–30, 71, 121, 122, 170, 171, 188, 189, 236–238, 261, 262, 278–281, 287, 288, 330, 381]. Но несмотря на широкое применение теории принятия решений в различных областях науки и техники, в области решения задач экологического мониторинга она применяется достаточно редко [33, 40, 46, 51, 52, 124, 163–165, 190, 193, 244], в основном для задач верхнего или организационного уровня.

Подводя итог, можно отметить, что все перечисленные направления и работы направлены, в основном, на решение глобальных проблем мониторинга и создания систем экологического мониторинга для крупных городов. Однако вопросы качества атмосферного воздуха актуальны не только для мегаполисов [146], но также и городов, в которых благоприятная экологическая обстановка прерывается эпизодическими непродолжительными нарушениями ПДК. Для этих городов соблюдение норм ПДК является важнейшим фактором, влияющим на показатели качества жизни [173, 210].

Естественно, научно-технические решения, отработанные для крупных промышленных центров, применимы и для создания систем мониторинга городов с менее развитой промышленностью. Но как указывалось во введении, учёт особенностей экологической среды городов с нестабильными локациями зон опасного загрязнения позволяет поставить задачу создания экономически эффективных систем мониторинга экологического состояния атмосферы таких городов с последующим применением математических моделей и механизмов управления эколого-экономическими системами [33, 46, 51, 52, 152, 241–244]. Для решения данной задачи необходимы теоретические положения по разработке методов поддержки принятия решений для задач экологического мониторинга.

Разработка метода обработки данных о выбросах загрязняющих веществ автотранспортом

Поскольку для оперативной оценки рассеивания приземных концентраций загрязняющих веществ необходимо учитывать текущие метеорологические параметры, то для проведения нормирования выбросов в атмосферу города промышленными предприятиями с учётом выбросов автотранспорта вместо текущих метеорологических условий в методике [134] используются неблагоприятные, приводящие к наибольшим значениям концентраций загрязняющих веществ. Далее рассмотрен порядок таких расчётов.

Расчёт рассеивания загрязняющих веществ в атмосфере от линейных участков автомагистрали осуществляется следующим образом: проезжая часть автомагистрали представляется в виде линейного источника загрязнения. Согласно [134] при расчётах рассеивания выбросов загрязняющих веществ от линейных источников каждый источник представляется в виде группы N одинаковых равноудалённых точечных источников. Таким образом, распределение загрязняющих веществ от линейных источников представляется как сумма распределений от соответствующих условных точечных источников.

Для каждого из одиночных источников, составляющих линейный источник, значения максимальной концентрации загрязняющего вещества Ст и соответствующих ей расстояний хт и опасной скорости ветра ит определяются как Ст= , хт=х т, ит=и т, (2.9) где с т,х т и соответствующее им значение и т принимаются равными максимальной концентрации, расстоянию от источника до точки, в которой наблюдается максимальная концентрация, и опасной скорости ветра соответственно для одиночного источника с массой выброса, равной массе линейного источника с круглым устьем диаметром Дэ и расходом выбрасываемой газовоздушной смеси K1 э.

Для определения диаметра источника Дэ, который будет эквивалентен участку автомагистрали исходят из следующих положений: - все источники загрязнения автомагистрали (автотранспорт) заменяются одним; - площадь выхлопа источника равна сумме площадей выхлопных труб всех автотранспортных средств, находящихся на автомагистрали: = 1 4 (210) где h - количество автотранспорта к-й группы на всём линейном источнике (шт.), Dk - диаметр выхлопной трубы автотранспорта к-й группы (м). Из (2.10), выражая эффективный диаметр линейного источника А, получим: А2=2 А2, А= Ё4-А2. (2.11) Количество автотранспорта к-й группы на всём линейном источнике 1к определяется на основе натурных исследований автомагистрали следующим образом: где vk - средняя скорость движения автотранспорта к-й группы на автомагистрали (км/ч); 1/3600 - коэффициент пересчета часов в секунды; 3.6 - коэффициент пересчета км/ч в м/с. Остальные обозначения в (2.12) совпадают с обозначениями, описанными выше.

Расход выбрасываемой газовоздушной смеси У1, согласно [134], рассчитывается по формуле TZD2 1э=4со, (2.13) где ю - средняя скорость выхода газовоздушной смеси из устья источника выброса (м/с). Количество N точечных источников, на которое делится линейный источник при расчёте, должно определяться по формуле лт 5ь4й

Если расчётной точке соответствует определенное по (2.14) значение N 10, то согласно [134] N можно принимать равной 10, либо линейный источник представить в виде суммы нескольких меньших по размеру линейных источников таким образом, чтобы выделить участки линейных источников, для которых N 10. При этом расстояния между эквивалентными точечными источниками не должны превышать 2х т. В алгоритме расчёта рассеивания количество N определяется как N = — , хтт=ттх , (2.15) где j - индекс участка рассматриваемой автомагистрали, соответствующий проезжей части. Количество N, рассчитанное согласно (2.15), практически всегда больше 10, что считается достаточным для проведения расчётов.

Расчёт рассеивания загрязняющих веществ в атмосфере от перекрёстков автомагистрали производится следующим образом: перекрёсток автомагистрали представляется в виде точечного источника выбросов. Для приведения перекрёстка к точечному источнику необходимо определить эффективный диаметр Dpэ эквивалентного точечного источника. Для этого используется тот же подход, что и в случае представления линейной части автомагистрали. Эффективный диаметр Dpэ вычисляется по формуле (2.11), в которой вместо h следует использовать Іри (количество автотранспорта k-й группы, находящегося в зоне «очереди» перед перекрёстком на запрещающий сигнал светофора).

Значение Ipk определяется на основе натурных исследований автомагистрали по следующей формуле: ІРк = — {Р_левк +Gp_правk\ (2.16) где Gpjieek, Gp правк - количество автомобилей к-й группы, находящихся в «очереди» в зоне перекрёстка у запрещающего сигнала светофора, суммарно за 20 минут с левой и правой стороны рассматриваемого перекрёстка; Т - количество циклов действия запрещающего сигнала светофора за 20-минутный период времени; Р - продолжительность действия запрещающего сигнала светофора (включая жёлтый свет), мин. Блок-схема алгоритма расчёта рассеивания загрязняющих веществ в приземном слое атмосферного воздуха от автотранспортного потока для заданных метеорологических параметров приведена на рис. 2.7. Она содержит две процедуры, блок-схемы которых представлены на рис. 2.8 и 2.9, по расчёту выбросов линейных участков и перекрёстков, соответственно.

Метод обработки данных, полученных мобильной измерительной лабораторией

Остальные параметры – те же, что и в экспериментах первой группы. На рис. 3.6 показан типичный пример работы генетического алгоритма при гауссовской функции мутации. В отличие от показанного на рис. 3.4, стр. 132 (мутация выполнялась с учётом ограничений диапазона изменения переменных) овражная сходимость не наблюдалась. Также отсутствовали нарушения реализуемости рассчитываемых переменных. Точность оценки расходов выбросов из источников-загрязнителей оказалась высокой: 50.012 при точном значении 50, 70.001 при точном значении 70 (точность практически такая, какая была достигнута в первой группе экспериментов).

На рис. 3.8 представлено расположение точек измерения приземных концентраций, полученных в ходе работы ГА. Как видно из рис. 3.8 точки измерения размещены в зоне совместного влияния обоих источников на значения концентраций, поэтому оценка выбросов каждого источника получается с высокой точностью.

Так же, как в первой группе экспериментов, была проверена помехоустойчивость идентификации расходов выбросов. Положения точек измерения фиксировались согласно рассчитанным координатам, а затем решалась задача дистанционной идентификации расходов выбросов источников выбросов при заданном размещении точек измерения концентраций (с помощью метода, описанного в главе 4). При погрешности измерения концентраций 15% относительная погрешность оценки выбросов из источника меньшей мощности составила 2%, из источника большей мощности 1.1%, что является удовлетворительным результатом.

Следующая задача, которая должна быть решена для разработки метода получения данных – это определение количества возможных точек замеров.

Для решения данной задачи необходимо определить интервал времени в течение которого следует проводить измерения. Этот интервал зависит от стабильности метеоусловий (прежде всего – направления и скорости ветра). В разделе 2.5 был разработан метод обработки прогнозируемых метеорологических параметров в задачах экологического мониторинга, однако для определения режима работы мобильной лаборатории он не подходит из-за длительного временного интервала прогноза, в течение которого локальные метеопараметры могут изменить значения.

При прогнозировании таких метеопараметров, как скорость ветра, достаточно часто используется математический аппарат марковских цепей [156, 269], поскольку будущие значения метеопараметров зависят не от всей предыстории, а только от нескольких предшествующих значений [2, 187].

Исходя из предположения, что скорость и направление ветра описываются марковским процессом, попробуем с помощью функции зависимости коэффициента корреляции от информационного запаздывания определить взаимосвязь между марковскими элементами цепи. Для этого используем формулу вида

Формула (3.2) показывает, насколько тесно связано значение переменной x[s] в будущий момент времени (s = t + і) со значением в текущий момент времени S.

Будем считать, что связь будущих значений с текущим практически утрачивается, если значение функции зависимости коэффициента корреляции от информационного запаздывания по абсолютной величине меньше, чем 0.5.

В качестве исходных данных были выбраны два месяца в году: январь (холодное время года), май (тёплое время года). Данные были получены с ин 139

формационного сайта [172] для г. Камышина Волгоградской области. Использовались фактические часовые данные только для текущих суток. Исходные данные показаны на рис. 3.9 и 3.10.

Если учесть тот факт, что неблагоприятными метеоусловиями для рассеивания загрязняющих веществ являются слабые ветра, то время взаимосвязи будущих скоростей ветра от текущих можно будет принять не менее 6 часов. Таким образом, учитывая среднее время переезда мобильной лаборатории и интервал времени проведения замеров, согласно нормативным докумен 141 там [53, 140, 186], можно осуществить контроль до 12 точек, что вполне достаточно для контроля зоны возможно опасного загрязнения по нескольким загрязняющим веществам. На основе проведённых вычислительных экспериментов и метода определения координат точек выполнения измерений предлагается следующий метод получения данных мобильной лабораторией. Шаг 1. Определение времени, в течение которого сохраняется уровень значимости связей между текущими и будущими значениями метеопараметров: скорости ветра, направления ветра и температуры. Определение происходит на основе функции зависимости корреляции параметров от информационного запаздывания (3.2) по фактическим данным за предшествующие 30 суток. Выбирается наименьшее время в часах. Шаг 2. Определение количества точек N и их координат по методу определения координат точек измерения. Шаг 3. Если количество полученных точек N на шаге 2 больше чем 2, то происходит повторение метода на шаге 2 без определения количества точек с фиксированным значением 2-1. Шаг 4. Точки упорядочиваются в список, начиная с самой дальней вдоль оси ветра и заканчивая самой ближней (к источникам выбросов) по направлению ветра, если прогнозируется уменьшение силы ветра и наоборот, если сила ветра будет увеличиваться. Шаг 5. Координаты точек в списке переводятся в координаты городской карты с допустимым отклонением до 25 м. Данный список передается в мобильную лабораторию. Шаг 6. Проводятся необходимые измерения приземных концентраций загрязняющих веществ, по которым прогнозируется возможное превышение уровня 0.7 ПДК, данные передаются в метод обработки данных, полученных мобильной измерительной лабораторией (раздел 3.2).

Многие вопросы, связанные с погрешностями измерений в области экологического мониторинга атмосферного воздуха, изложены в работах [48, 139, 235, 250, 391]. Поскольку цель данного исследования не подразумевает решения задачи разработки технических средств измерений и повышения их точности, то в данном разделе будут затронуты проблемы, связанные с особенностями реализации мобильного контроля для задач экологического мониторинга.

В измерительном канале (рис. 3.13) в подсистеме сбора информации возникают дополнительные погрешности (3, 4, 5) к описанным в [48], связанные с определением координат точек измерения, с длительностью проведения измерений, с несинхронностью измерений и с изменением метеопараметров (поэтому последние две погрешности 4, 5 являются динамическими погрешностями).

Поскольку характер данных погрешностей не устанавливается, то единственным способом их компенсации является проверка чувствительности применяемых методов в задачах экологического мониторинга с помощью вычислительных экспериментов к значениям отклонения измеренных параметров от принятых в расчётах.

Рзаработка метода дистанционной идентификации масс выбросов и расходов газовоздушной смеси из группы промышленных источников, расположенных на территории города

Цель экспериментов - проверить условия сходимости метода дистанционной идентификации (4.14) и подобрать форму и параметры шага X(v). Необходимость проведения экспериментов объясняется следующими особенностями задачи идентификации:

1. Поскольку форма зависимости значений приземных концентраций от оцениваемых параметров каждого i-го источника (массы выброса Mi и расхода газовоздушной смеси Vi) содержит произведения этих параметров и дробных степеней Vi (см., например, (4.3)), минимизируемая функция (критерий идентификации (4.12)) должна иметь овражную форму. Причина оврага -частичная компенсация одного из оцениваемых параметров за счёт другого. Известно, что градиентные методы, к числу которых относится (4.14), быстро сходятся к «дну» оврага (при этом значение минимизируемой функции становится близким к нулю), а затем скорость сходимости резко замедляется, и в ряде случаев не удаётся обеспечить получение оценок аргумента (4.13). В ходе вычислительных экспериментов наличие сходимости должно быть проверено.

2. В отличие от известных постановок задача идентификации параметров выбросов нескольких источников содержит дополнительный фактор - размещение точек измерения приземных концентраций и количество этих точек. Поскольку вклады источников суммируются, то в общем случае разделить их влияние не удастся даже при условии обеспечения сходимости метода: оценки вклада каждого источника будут смещёнными. Величина смещения будет зависеть от размещения точек измерения и от степени вклада каждого источника в значение концентрации. Поскольку параметры выбросов со 177 гласно постановке задачи идентификации неизвестны, величину смещения рассчитать заранее невозможно.

План вычислительных экспериментов содержит три этапа. На первом этапе исследовалась сходимость оценки параметров выбросов единичного источника и осуществлялся подбор значений шага X(v) для (4.14). На втором этапе рассматривалась задача идентификации параметров нескольких источников и проверялась возможность устранения смещённости оценок за счёт подбора расположения точек измерения приземных концентраций. На третьем этапе определялась чувствительность метода идентификации к неучтённому источнику выбросов, размещению и количеству точек контроля концентраций.

В (4.14) в связи с возможной разномасштабностью значений оцениваемых параметров выбросов М и V шаг X(v) был выбран в форме диагональной матрицы (это обеспечивает возможность внесения различий в контуры оценивания Ми Г):

Параметры уM, yv, t,M, v в (4.61), влияющие на скорость убывания размера шага A,(v) по мере увеличения номера итерации v, подлежат выбору из условия обеспечения сходимости (4.14). Результаты вычислительных экспериментов по исследованию сходимости оценки параметров выбросов единственного источника (этап 1) получены для оценки параметров выброса диоксида серы и расхода газовоздушной смеси при следующих исходных данных: 1) высота трубы источника выбросов - 100 м, диаметр - 3 м; 2) экологические константы: А = 200, F = 1, г\ = 1; 3) зимнее время, АТ= 135 C; 178 4) угол между направлением ветра и абсциссой равен 0.257г; абсцисса направлена на север; угол отсчитывается против часовой стрелки; шаги сетки на зоне рассеивания - 50 м по осям абсцисс и ординат; 5) скорость ветра варьировалась относительно опасной um = 4.46 м/с. Контрольные значения оцениваемых параметров (использовались для установления факта сходимости): масса выброса - 180 г/с, расход газовоздушной смеси - 165 м3/с.

Иллюстрации к результатам вычислительных экспериментов по исследованию сходимости оценки параметров выбросов единственного источника представлены на рис. 4.12 - 4.18. На рис. 4.12 показаны варианты варьирования скорости ветра, при которых оценивались параметры выбросов. При скорости ветра, меньшей опасной (на рис. 4.12а, б), факел выброса шире и короче, чем при скорости, превышающей опасную (рис. 4.12д, е). При опасной скорости ветра (рис. 4.12в, г) сочетание ширины и длины факела таково, что площадь рассеивания минимальна (поэтому величина максимальной приземной концентрации Cm (г/с) превышает аналогичный показатель при других скоростях ветра).

На рис. 4.13а, б показаны траектории сходимости параметров выброса к точным значениям при скорости ветра 2.23 м/с (50% от значения опасной) и начальных значениях меньше параметров выбросов, и при следующих значениях параметров шага (4.61): yv= 60, ум= 30, Ъу= м= 0.1. Для формирования критерия идентификации (4.12) имитировалось измерение трёх значений приземных концентраций в зоне максимальных концентраций (N = 3 в (4.12)). На практике, возможно, потребуется большее количество измерений для уменьшения влияния случайных факторов. Погрешность идентификации после 9000 итераций составляет 0.68 % для 4.13а, и 0.32% для 4.13б.

Траектории, показанные на рис. 4.13а, б, подтверждают возможность сходимости метода к точным значениям параметров выброса единичного источника.

Аналогичный вывод о сходимости (4.14) подтверждается и при других сочетаниях исходных данных (см. рис. 4.14 - 4.18) и начальных приближений к значениям оцениваемых параметров.

Во всех случаях параметры шага (4.61) были одинаковыми: уу= 60, ум = 30, &= м= 0.1 (достоинство метода: нет необходимости корректировать параметры шага при изменении внешних условий).

Для рис. 4.14а, б скорость ветра равна значению опасной скорости ветра, начальное приближение расхода газовоздушной смеси и массы выброса меньше значений параметров выброса. Погрешность идентификации после 9000 итераций для рис. 4.14а - 0.01 %, для рис. 4.14б - 0 % (отличие в пятом знаке после запятой, чем можно пренебречь по ряду причин).

Для рис. 4.15а, б скорость ветра больше опасной скорости ветра в два раза, начальное приближение расхода газовоздушной смеси и массы выброса меньше значений параметров выброса. Погрешность идентификации после 9000 итераций для рис. 4.15а и 4.15б – 0 % (отличие в третьем знаке после запятой, чем можно пренебречь по ряду причин).