Методическое пособие 764

Таблица 2 Чрезвычайные ситуации техногенного характера на территории РФ 2012-2016 годах [2]

11

Выводы. В результате проведенного исследования установлено отсутствие определенных статистических зависимостей между опасностями природного и техногенного характера за 5 лет и их параметрами. Вместе с тем из табл. 2 видно небольшое увеличение числа жертв опасностей техногенного характера. Результаты ранжирования также заставляют задуматься о четких формулировках и терминах, определяющих те или иные события, влекущие жертвы в качестве погибших и материальный ущерб, олицетворяемый числом пострадавших.

Литература

1.ГОСТ Р 22.10.02-2016 «Безопасность в чрезвычайных ситуациях. Менеджмент риска чрезвычайной ситуации. Допустимый риск чрезвычайных ситуаций»

2.http://www.mchs.gov.ru/

Санкт-Петербургский университет технологий управления и экономики

V.I. Akselevich, G.I. Mazurov

METHODOLOGY OF PROJECTING NATURAL AND TECHNOGENIC HAZARDS

In the interests of organization of complex monitoring of natural and man-caused hazards and to prevent damage to the economy, it is advisable to rank emergency situations by the type and nature of their sources, taking into account their frequency in the territory of the Russian Federation for the last 5 years. The proposed ranking methodology is described and the results of the ranking of natural and man-made hazards are presented

Key words: natural hazards, man-caused hazards, MCHS, ranking

Saint-Petersburg University of management and Economics

УДК 57.087.1

А.В. Волков, Н.Н. Яцков, В.В. Гринев

ИМИТАЦИОННАЯ МОДЕЛЬ ДЛЯ ТЕСТИРОВАНИЯ АЛГОРИТМОВ ОТБОРА ПРИЗНАКОВ И ИССЛЕДОВАНИЕ АЛГОРИТМОВ АВТОМАТИЧЕСКОГО ВЫБОРА АТРИБУТОВ ЭКЗОНОВ ГЕНОВ

В работе предложен алгоритм для генерации многомерных наборов данных, учитывающий информативность подгрупп признаков. Проведено исследование алгоритмов отбора признаков на смоделированных данных. Представлены результаты исследования точности классификации экзонов генов в зависимости от числа отобранных признаков

Ключевые слова: биоинформатика, экзон, ДНК, отбор признаков, имитационное моделирование, алгоритм класси-

фикации

Введение. Онкологические болезни определяются наличием экспрессированых онкогенов. Гены состоят из экзонов и энтронов. Особый интерес представляют экзоны. Из экзонов формируются транскрипты РНК. На основе транскриптов РНК происходит синтез белка в клетке. В качестве признаков экзонов могут выступать как свойства нуклеотидных последовательностей, так и свойства экзонов измеренные экспериментальным путем. Каждый экзон характеризуется большим количеством признаков. Для увеличения точности анализа экзонов (например, для решения задач классификации и кластеризации) следует оставить только информативные признаки. Выбор наиболее значимых признаков экзонов гена, в том числе и онкогена, является малоисследованной задачей.

Вычислительные возможности современной техники позволили разработать большую базу алгоритмов отбора признаков объектов данных [1]. Однако выбор оптимального алгоритма анализа не является тривиальной задачей и часто делается интуитивно, что, в свою очередь, приводит к ошибкам интерпретации результатов анализа. Задачу выбора оптимального алгоритма можно упростить, используя имитационное моделирование и синтетические

12

данные. Существующие имитационные модели генерации кластеров многомерных данных имеют ряд ограничений [2], среди которых наиболее существенным является невозможность явной задачи степени информативности признака или подгрупп признаков.

Цель работы – разработка имитационной модели учитывающей информативности признаков объектов данных и исследование алгоритмов автоматического выбора атрибутов экзонов генов человека.

Методология. В работе использовалась разработанная модель генерации кластеров данных с заданной степенью разделимости в рамках подгруппы признаков. За основу взята модель [6]. На шаге 1 происходит задание параметров моделирования, на остальных шагах происходит непосредственная генерация наборов данных. Алгоритм моделирования:

Шаг 1. Инициализация параметров моделирования. Задаѐтся:

-число подгрупп признаков N;

-число не шумовых измерений для подгруппы признаков p (p одинаково для каждой из подгрупп признаков);

-количество кластеров K в подгруппе признаков (K одинаково для каждой из подгрупп признаков);

-степень разделения между любым кластером и ближайшим соседним кластером для

каждой подгруппы признаков Ji, где i ϵ [1, N];

параметр настройки α для индекса разделения для каждой подгруппы признаков;

нижняя граница λmin собственных значений для случайных ковариационных матриц; отношение rλ верхней границы собственных значений к нижней границе собственных

значений для случайных ковариационных матриц и диапазона размеров кластеров [nL, nU]. Шаг 2. Значение индекса i полагается равным единице.

Шаг 3. Для i-ой подгруппы признаков генерируются центры кластеров и случайные ковариационные матрицы в p не шумовых измерениях, так что соседние кластеры имеют ин-

декс разделимости Ji, где i ϵ [1, N].

Шаг 4. Генерируются случайные размеры каждого кластера из диапазона [nL, nU] и принадлежность для каждого из объектов наблюдения.

Шаг 5. Применяется случайное вращение к средним значениям кластеров и ковариационным матрицам, полученным на шаге 2.

Шаг 6. Расчет кластерных средних и ковариационных матриц для K кластеров.

Шаг 7. Генерируются случайные векторы для каждого из K кластеров из семейства эллиптических распределений.

Шаг 8. Вычисляются индекс разделимости и направление проецирования для пар кластеров через векторы средних и ковариационные матрицы.

Шаг 9. Вычисляются матрицы индексов разделимости и проекционные направления через векторы средних и ковариационные матрицы.

Шаг 10. Сохранение набора данных полученного на шагах 3-9 в массив наборов дан-

ных.

Шаг 12. Положить i=i+1. Если i< N+1, то перейти к шагу 3.

Шаг 13. Объединение наборов данных из массива в результирующий набор данных. Среди алгоритмов отбора признаков широкое распространение получили методы-

фильтры [1], что обусловлено легкостью их проектирования и простой структурой. В настоящей работе были выбраны популярные и универсальные методы-фильтры: алгоритм счѐта Фишера [1], алгоритм Relief-F [2] и алгоритм минимальная избыточностьмаксимальная релевантность [3].

Оценка эффективности алгоритмов отбора признаков выполнена по методу k- ближайших соседей. Выбор метода обусловлен отсутствием каких-либо механизмов отбора признаков внутри самого алгоритма [4]. Данная особенность алгоритма делает его идеально подходящим для оценки значимости наборов признаков.

Экспериментальные данные взяты из базы данных Ensembl [5] и содержат 1762 уни-

13

кальных экзона. Каждый экзон характеризуется 178 численными признаками. Для каждого из экзонов указана принадлежность к модельному гену человека. Совокупное число генов

— 14. Разработанные алгоритмы реализованы на языках программирования R и Python. Результаты. Исследована эффективность алгоритмов отбора признаков на смодели-

рованных данных в условиях большого числа шумовых признаков, для различного числа кластеров данных и различной разделимости между кластерами. Все исследуемые алгоритмы отбора признаков продемонстрировали способность выделять значимые признаки на фоне шумовых признаков. Некоторые результаты представлены на рис. 1-2 (условиях большого числа шумовых признаков) и на рис. 3-4 (условия большого числа избыточных признаков).

Спад точности классификации на рис. 3-4 при увеличении числа признаков объясняется проклятием размерности [1], поскольку большинство признаков являются избыточными.

Исследована эффективность алгоритмов отбора признаков на примерах классификации экзонов генов человека. Установлен факт значимой разделимости между экзонами принадлежащими различным генам. Наилучшая точность классификации достигается при классификации наборов, состоящих из двух генов и принимает значение 0.95. Некоторые результаты представлены на рис. 5 и 6.

14

УДК 5(50.836.2+02.64+53.41)

М.Г. Пустозеров

ТЕПЛОВАЯ СЪЕМКА ПРИ РЕШЕНИИ ЭКОЛОГИЧЕСКИХ И ГЕОЛОГИЧЕСКИХ ЗАДАЧ

Рассматриваются результаты тепловой съемки в инфракрасном диапазоне при решении геологических и экологических задач. Установлено, что самые контрастные аномалии связаны с техногенным и ландшафтным факторами. Менее интенсивные максимумы обусловлены скрытыми очагами горения в торфяниках. Золоторудные месторождения контролируются максимумами со средней интенсивностью. Зоны разгрузки подземных вод сопровождаются выраженными минимумами теплового поля

Ключевые слова: тепловое поле в инфракрасном диапазоне, золоторудные месторождения, скрытые очаги горения, зона разгрузки подземных вод

Аэротепловая съемка в инфракрасном (ИК) диапазоне давно используется для решения геологических и экологических задач. Она применяется как составная часть комплексной аэрогеофизической съемки (КАГС), так и в виде самостоятельного метода. Однако эффективность ИК-технологии во многих случаях не соответствует ее потенциальным возможностям. Причин тому много, но главными являются жесткие условия проведения собственно тепловой съемки, неполная физико-геологическая модель (тепловые свойства) поисковых объектов, неоднозначность геологической интерпретации аномалий и высокий уровень помех.

Предполагается, что применение ИК-съемки при учете всей имеющейся опорной информации позволяет существенно повысить качество интерпретации и значительно расширить круг решаемых задач, даже при использовании рассматриваемой технологии в стандартном комплексе аэрогеофизических методов [1].

В качестве примера приводятся результаты тепловой съемки, выполненной на Олимпиадинской площади (1800 км2) совместно с магниторазведкой и гамма-спектрометрией с основной целью поисков золоторудных объектов.

Площадь работ расположена в Северо-Енисейском районе Красноярского края в пределах Верхне-Енашиминского и Ерудинского рудных узлов. В геологическом строении территории принимают участие интенсивно метаморфизованные и дислоцированные отложения архея, раннего протерозоя, рифея и четвертичной системы. Выделено несколько магматических комплексов различного состава и возраста, в том числе позднерифейский татарскоаяхтинский гранитовый комплекс, отвечающий за золотое оруденение. Олимпиадинская площадь находится в пределах сложного горного сооружения - Енисейского кряжа, сформировавшегося как складчатая система в байкальский цикл тектогенеза. Она расположена в се- веро-восточной, миогеосинклинальной части Енисейского кряжа, в пределах Панимбинского антиклинория. В тектоническом плане территория представляет собой серию блоков, ограниченных разрывными нарушениями. Преобладающее направление дизъюнктивов и простирание пород - северо-западное. Реже отмечаются структуры северо-восточного и меридионального направлений. На Олимпиадинской площади выявлены многочисленные месторождения, проявления и пункты минерализации рудного и россыпного золота. Золоторудные объекты относятся к двум формационным типам – золотосульфидному и золотокварцевому. Наиболее ярким и значимым представителем золотосульфидного формационного типа является уникальное Олимпиадинское месторождение.

КАГС осуществлялась в масштабе 1:25 000 по серии параллельных профилей северовосточной ориентировки с межпрофильным расстоянием 250 м. Съемка выполнялась с обтеканием генеральных форм рельефа на высоте 100 м с использованием авианосителя вертолета МИ-8. В процессе наблюдений отработаны опорные маршруты для приведения съемки к единому уровню и секущие профили - для оценки ее качества. Погрешность всех методов не превышает предписанную действующими инструкциями. В качестве измерителя теплово-

16

го поля использовался ИК-радиометр в составе аэростанции КАС (производитель ФГУП «ВИРГ-Рудгеофизика»). Средняя квадратическая погрешность тепловой съемки составила ± 0,05 С. Обработка данных производилась согласно стандартным графам.

По результатам работ составлена карта распределения приведенного теплового поля на Олимпиадинской площади (рис. 1). Общая интенсивность изменяется от 23, 4 до 26,7 С при среднем уровне 25 С. Установлено чрезвычайно сложное строение поля при наличии множества разнообразных по размерам и интенсивности максимумов и минимумов. Природа аномалий различна и ее диагностика потребовала привлечения полного пакета исходной информации.

Наиболее обширные и контрастные тепловые максимумы обусловлены техногенным и ландшафтным факторами. Самая выразительная положительная аномалия приходится на промзону Олимпиадинского ГОКа (карьер, отвалы, промышленные объекты, дороги, поселки). Этот очевидный максимум, практически совпадающий с территорией максимальной техногенной нагрузки, характеризуется размерами 2,2х5 км при субширотной ориентировке (участок 1, рис. 2). Относительные амплитуды в экстремальных точках достигают 1,5-1,8 С. Несколько менее контрастно проявлены ландшафтные аномалии, обусловленные вырубками, безлесными участками, широкими долинами и другими открытыми зонами. Так самая высокая вершина Енисейского кряжа – Енашиминский Полкан, вследствие полного отсутствия растительности, контролируется максимумом размером 0,9х1,7 км северо-западного простирания и относительной амплитудой 0,4 С (участок 2, рис. 1, 2). Примерно такие же морфоэлементы поля сопровождают граниты татарско-аяхтинского комплекса, связанные с золотым рудогенезом, но сами являющиеся безрудными.

Собственно золоторудные объекты выделяются при более детальном анализе теплового поля. Золотосульфидное месторождение Благодатное, характеризующееся содержанием сульфидов до 5-7 %, сопровождается аномальной зоной с параметрами 0,5х2 км северозападного простирания (участок 3). Амплитуда отдельных экстремумов достигает 0,4-0,5 С. Природа аномалий объясняется окислением сульфидов, что вызывает повышение температуры. Эффект известный, но крайне редко регистрируемый на практике. Месторождение Титимухта, относимое к золотокварцевому типу, тождественно изометричному максимуму с размером 0,45 км в диаметре (участок 4). Положение и геометрия аномалии практически идентичны рудоносному кварцевому штокверку [2]. Интенсивность в экстремуме несколько ниже (0,3 С), что связывается с пониженной концентрацией сульфидов. Территория обоих месторождений отличается минимальной техногенной нагрузкой.

На крайнем юге Олимпиадинской площади выявлена аномальная зона, сформированная несколькими выраженными минимумами теплового поля (участок 7). Размеры зоны достигают 1,4х5 км при северо-восточной ориентировке. Относительная амплитуда минимумов снижена до -0,9 и даже до -1,1 С. Здесь располагается зона регионального разлома, по которому разгружаются подземные трещинные воды с низкой температурой. В зимний период в этом месте отмечаются наледи.

В экологическом отношении тепловая съемка достаточно эффективна при выявлении скрытых долговременных очагов горения. В восточной части площади выявлена группа сближенных максимумов неправильной формы, но близких к изометричным (участок 4). Их средние параметры составляют 1-2 км в поперечнике, а экстремальные значения достигают 0,5-0,7 С. Природа аномалий связывается со скрытыми очагами горения в торфяниках.

17

На участков картах эта территория показана, как зона распространения выгоревшей тайги. Похожая ситуация, но с менее контрастными максимумами наблюдаются на югозападе территории (участок 3). Аномалии имеют невыдержанную форму со средними размерами 1,5-2 км в поперечнике. Амплитуда их несколько снижена – не более 5 С. Максимумы связаны также со скрытыми очагами горения в торфяниках.

Таким образом, при детальном анализе теплового поля с привлечением дополнительного массива опорный информации ИК-съемка может выступать в качестве эффективного инструмента решения геологических и экологических задач.

Литература

1.Пустозеров, М.Г. Современные геофизические технологии при золотопоисковых работах в ЗАО «Полюс» / М.Г. Пустозеров // Разведка и охрана недр. — 2008. — № 1. — С. 37–43.

2.Пустозеров М. Г., Дидичин Г.Я. «Геофизические образы золоторудных месторождений по данным аэрогеофизических съемок»/ 2 Пустозеров М. Г., Дидичин Г.Я.// Разведка

иохрана недр. – 2017. - №7. - С.49-57.

ЗАО «Аэрогеофизическая разведка», Новосибирск

M.G. Pustozerov

THERMAL SURVEY IN SOLVING ENVIRONMENTAL AND GEOLOGICAL PROBLEMS

Discusses the results of thermal survey in the infrared range while solving geological and environmental problems. It is established that the most contrast anomalies associated with anthropogenic and landscape factors. Less intense highs due to the hidden pockets of burning peat bogs. Gold deposits are controlled by the peaks with average intensity. Discharge zone of groundwater accompanied by pronounced minima of the thermal field

Key words: thermal field in the infrared range, gold mines, hidden pockets of combustion, the discharge zone of groundwa-

ter

CJSC «Aerogeophysical Surveys», Novosibirsk

УДК 631.417.7:547.6:504.5

Л.А. Безбердая, Д.В. Власов ФАКТОРЫ НАКОПЛЕНИЯ БЕНЗ(А)ПИРЕНА В ПОЧВАХ АЛУШТЫ

Определены урони накопления бенз(а)пирена в городских почвах различных функциональных зон Алушты. Его среднее содержание составляет 60,3 нг/г, что превышает фон в 121 раз, а ПДК в 3 раза. К чрезвычайно опасной экологической обстановке относится около 25 % территории города, где бенз(а)пирен аккумулируется преимущественно в почвах транспортной зоны. Выявлены контрастные геохимические аномалии с опасным и чрезвычайно опасным уровнем загрязнения в северо-западной и юго-западной части города. Аккумуляция поллютанта контролируется преимущественно физикохимическими свойствами почв (содержанием органического вещества, гранулометрическим составом почв, электропроводностью водной вытяжки). Основное влияние на накопление бенз(а)пирена в почвах оказывает органическое вещество, повышение содержание которого приводит к росту интенсивности накопления поллютанта в 3 раза

Ключевые слова: бенз(а)пирен, городские почвы, загрязнение

В городских ландшафтах почвы являются основной депонирующей средой, концентрирующей все миграционные потоки поллютантов и характеризующей состояние и уровень загрязнения окружающей среды за многолетний период [1]. При оценке экологогеохимического состояния городских ландшафтов основное внимание уделяется изучению бенз(а)пирена (БП), являющегося высокомолекулярным органическим соединением бензольного ряда, относящемуся к первому классу опасности и обладающему высокой токсичностью, канцерогенной и мутагенной активностью [2, 3]. Степень загрязнения почв БП влия-

20