Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Мониторинг от приложений к общей теории. Монография
.pdf
их действий ряд наблюдаемых параметров дублируется в силу близкого взаимного расположения ряда пунктов наблюдения каждой
из сетей, другие же параметры измеряются недостаточно часто.
Совместное использование данных обеих сетей возможно, но требует
предварительной их обработки, проверки достоверности данных и
методик их получения.
Заметим, что выработка совместной программы действий на
обеих сетях позволит значительно повысить эффективность действующей сети экологического мониторинга Ростовской области.
Теперь исследуем две взаимосвязанных задачи мониторинга
атмосферного воздуха: определение оптимального количества пунктов наблюдения и возможности интерполирования полученных в
сети экологического мониторинга данных.
Приведем несколько математических постановок задач îïðå-
деления минимально возможного количества пунктов наблюдения,
необходимых для получения информации о состоянии воздушной
среды с точностью не ниже заданной.
Пусть имеется (m + 1) пункт наблюдения. Необходимо определить, можно ли исключить из рассмотрения один из них без
снижения точности поступающей информации о состоянии воздуха.
Другими словами, можно ли по имеющейся информации на m пунктах предсказать значения концентраций загрязняющих веществ на
(m + 1)-м пункте, используя данные экологического мониторинга за
несколько предыдущих лет (всего n различных наблюдений). Тем
самым определяется оптимальное количество пунктов наблюдения,
позволяющих получить информацию о состоянии воздушной среды
с заданной точностью.
Пусть имеется информация о n проведенных измерениях на
всех (m + 1)-м пункте наблюдения, причем n >> m.
Точность ε будет задаваться формулой:
aC
1
100
+ε=m
,
ãäå à – относительная погрешность в процентах, которая задается
пользователем;
– значение концентрации загрязняющего
С
1+m
вещества на (m + 1)-м пункте, который мы хотим попытаться исключить из сети экологического мониторинга.
41
Ограничения на точность поступающей информации о состо-
янии воздуха примут вид:
( ) ( ) ... ( ) ( )
( ) ( ) ... ( ) ( )
Cx Cx Cx C
+++ − <ε
Cx Cx Cx C
11 2 2 1 1 11 1
1
+++ − <ε
12 2 22 2 12 2
1
mm m
mm m
+
+
, (1.2.13)
,
. . .
( ) ( ) ... ( ) ( )
Cx Cx Cx C
где величины ε
+++ − <ε
122 1
nnmmnmnn
1
(i = 1, 2, 3, ¾, n) – заданы; xi (i = 1, 2, 3, ¾, m) –
i
+
.
коэффициенты линейной комбинации, выражающей информацию
с (m + 1)-го пункта через информацию с m пунктов; индекс у произведения (C
)j (j = 1, 2, ¾, n) означает номер измерения. Введем
i xi
целевую функцию следующего вида:
n
FCxCx CxC
( ) ( ) ... ( ) ( ) min
=+++−→
[]
∑
k
=
1
kkmmkmk
11 2 2 1
2
+
⎧⎫
⎪⎪
,( )
nC
⎨⎬
i
k
⎪⎪
⎩⎭
()
mn
=
,1
ik
. (1.2.14)
Итак, решается задача (1.2.14) с ограничениями (1.2.13).
Данную задачу, после раскрытия модуля, можно решить любым
численным оптимизационным методом, например, симплекс-методом, или путем перебора.
Пусть теперь имеется (m + 1) пункт наблюдения за состоянием воздуха. Необходимо найти минимальное количество пунктов
наблюдения, через информацию с которых можно выразить информацию, получаемую с (m + 1)-го пункта наблюдения.
Пусть Z
– минимально возможное количество пунктов, через
min
которые можно выразить информацию с (m + 1)-го пункта (если
нет дополнительных сведений, то
Z
min
= 1);
Z
ное количество.
Минимизируется критерий
n
FCxCx CxC
( ) ( ) ... ( ) ( )
=+++−→
[]
∑
k
=
1
kkmmkmk
11 2 2 1
2
+
,()
nC
{}
42
– максималь-
max
min
i
k
, (1.2.15)
()
mn
,1
ik
=
где сохранены обозначения предыдущего пункта и, кроме того,
Z – количество пунктов наблюдения, через которые выражается
информация с (m + 1)-го пункта; n – общее количество пунктов
наблюдения, причем:
X X
X
min
. (1.2.16)
max
Алгоритм решения задачи (1.2.15) с ограничениями (1.2.13)
состоит в следующем. Последовательно (с шагом единица) решаются
задачи (при Z = Z
FCXC
, ..., Z
min
nZ
⎛⎞
=−→
∑∑
⎜⎟
⎝⎠
==
ki
11
)
max
2
ik i m k
,1,
+
min
()
Zn
C
{}
,
ik
,1
ik
=
(1.2.17)
с ограничениями (1.2.13), (1.2.16).
Если при решении задачи (1.2.17) с ограничениями (1.2.13)
на первом шаге (при x = X
) решение не найдено, то увеличива-
min
åì X на единицу, пока либо не найдем решения, либо величина
x не станет больше X
. Таким образом, либо показывается, что
min
решение не может быть найдено, т. е. нельзя отбрасывать информацию с (m+1)-го пункта наблюдения, либо находится, через какое
минимальное количество других пунктов может быть представлена
информация с данного пункта.
При анализе фоновых концентраций вредных веществ (фона)
в настоящее время используется алгоритм интерполяции, задаваемый формулой:
'
n
П
C
Фi
∑
=
C
Фj
∑
()
1
=
i
'
n
П
()
1
=
i
α
r
,
ij
, (1.2.18)
1
α
r
,
ij
ãäå Ñ
нием атмосферы (ПНЗА); Ñ
– значение фона для i-го пункта наблюдений за загрязне-
Ôi
значение фона для j-й расчетной
Ôj –
точки, не совпадающей ни с одним ПНЗА; r
îò j-й расчетной точки (км); n
´
число ПНЗА; α – безразмерный
Ï –
параметр интерполяции.
удаление i-ãî ÏÍÇÀ
ij –
43
Для вычислений рекомендовано значение α = 2, принятое на
основании учета некоторых общих закономерностей атмосферной
диффузии, характерных для совокупности большого числа рассредоточенных по значительной территории источников выброса.
Значение выбрано на основе статистической обработки данных для
20 городов, при этом отмечается, что для некоторых комбинаций
город/вещество оптимальное значение α составляло 0,25 или 0,5.
На основе данных о состоянии загрязнения атмосферного воздуха в г. Ростове-на-Дону за 2002–2003 гг. необходимо:
– вычислить и проанализировать погрешность интерполяции;
– оценить значение параметра α, рассмотреть различные значения (1,5 и 2,5);
– проанализировать зависимость параметра α от различных
факторов, в частности от загрязняющего вещества и от пространственной конфигурации ПНЗА (расстояния между ПНЗА);
– проверить, существуют ли какие-либо факторы, оказывающие существенное влияние на вид интерполяционной формулы, не
учтенные в данном алгоритме интерполяции;
– оценить адекватность и применимость данного алгоритма
интерполяции;
– рассмотреть возможность создания альтернативных алгоритмов интерполяции, обеспечивающих более высокую степень
достоверности интерполяции фона.
В качестве исходных данных для исследования были приняты
среднемесячные концентрации NO
, вычисленные по наблюдениям
2
за 2002–2003 гг. на трех ПНЗА. Небольшое число ПНЗА (3 из 7)
объясняется тем, что именно эти ПНЗА (номера 2, 52, 55) расположены компактно в центральной и северной частях г. Ростована-Дону, и для них есть данные для всех 24 месяцев. Рассмотрение других конфигураций является предметом более детального
исследования.
Для анализа применялась методика, аналогичная использованной для определения оптимального значения α. Для каждого
из трех указанных ПНЗА проводилась интерполяция на основе
(1.2.18) с использованием данных от двух других ПНЗА. Результат сравнивался с наблюдаемым значением. Оценка относитель-
44
ной погрешности интерполяции для α = 1,5; 2 и 2,5 приведена в
табл. 1.2.1.
Таблица 1.2.1
Максимальная и средняя погрешность интерполяции
äëÿ = 1,5; 2 è 2,5
¹ ÏÍÇÀ Максимальная относительная
погрешность, %
α = 1,5 α = 2 α = 2,5 α = 1,5 α = 2 α = 2,5
2 141 151 158 68 73 76
52 62 63 63 39 40 41
55 94 91 87 45 42 39
Средняя относительная
погрешность, %
Как видно из приведенной таблицы, во всех случаях относительная погрешность практически не зависит от α. При этом
величины погрешностей высоки, даже с учетом того, что погрешность измерений составляет порядка 25 %. Стоит отметить, что
эти значения не являются погрешностями интерполяции, но дают
представление о качестве и адекватности методики выбора α.
На основе проведенного исследования можно сформулировать
следующие предварительные выводы.
1. Данные о среднемесячных концентрациях NO
, вычислен-
2
ные по наблюдениям за 2002–2003 гг. на трех ПНЗА (¹ 2, 52, 55)
г. Ростова-на-Дону являются коррелированными величинами, что
делает обоснованным интерполяцию значений фоновых и среднемесячных концентраций NO
на основе этих данных;
2
2. Методика нахождения оптимального значения α (параметр
интерполяции) представляется недостаточно обоснованной. Перспективным использование других методов для нахождения параметра интерполяции, например, метода наименьших квадратов.
3. Для сравнительного анализа и оценки качества и адекватности метода интерполяции необходимо достоверно определить
оптимальное значение α, а также адаптировать другие методы
интерполяции. Это позволит сделать более обоснованный вывод
о возможности применения механизма интерполяции в данном
контексте.
45
Исследование задач оптимизации регионального экологичес-
кого мониторинга позволяет сделать следующие выводы.
1. Осуществляемые в настоящее время программы проведения
экологического мониторинга водных объектов и воздушной среды
не позволяют получить полностью объективную картину их экологического состояния. Нарастание антропогенного воздействия на
окружающую среду, сопровождающееся сокращением финансирования природоохранной деятельности, привело к несоответствию
проводимых программ экологического мониторинга потребностям
современного общества. Наблюдения проводятся неравномерно и
недостаточно часто. Оптимальные режимы отбора проб не выдерживаются.
Действующая система экологического мониторинга Ростовской
области неэффективна, не дает объективного представления об
экологической обстановке в области. Для повышения ее эффективности необходимо, в частности, увеличение частоты отбора проб в
соответствии с определенными в работе оптимальными периодами
отбора.
2. В Ростовской области имеется две наиболее разветвленные
и стабильно функционирующие государственные (ведомственные)
сети экологического мониторинга поверхностных вод (Росгидромет и ДБВУ). Сейчас каждая из них функционирует сама по себе.
Сеть Росгидромета более эффективна, сеть ДБВУ – менее. Но не
это главное. Отметим, что из-за отсутствия координации действий
этих двух сетей ряд наблюдаемых параметров дублируется в силу
близкого взаимного расположения ряда пунктов наблюдения каждой из сетей, другие же параметры измеряются недостаточно часто.
Объединение сетей естественно, логично, принесет экономический
эффект, но невозможно без предварительного анализа поступающих
с сетей данных, на предмет их соответствия друг другу.
Выработка совместной программы действий на обеих сетях
позволит значительно повысить эффективность действующей сети
экологического мониторинга Ростовский области. Рекомендуется
объединить имеющиеся сети экологического мониторинга, на основе
единой методологии проведения измерений, при условии разнесения
по времени самих наблюдений в близких точках.
Наиболее важными при этом вопросами являются вопросы
едино образия представления информации в обеих сетях и ее по-
46
следующей обработки, что невозможно без использования информационно-аналитической системы управления экологическим мониторингом (ИАС), базирующейся на современных компьютерных
технологиях. ИАС позволит не только осуществлять наблюдения за
состоянием окружающей среды, но и давать лицам, принимающим
решения, конкретные рекомендации по управлению качеством окружающей среды. В ИАС сконцентрированы современные методы
математического моделирования, теории управления, информатики.
ИАС являются мощным инструментом для выработки альтернативных вариантов действий, анализа последствий их применения и
совершенствования навыков руководителей при принятии управленческих решений.
1.3. Информационно-аналитическая система
поддержки экологического мониторинга
и управления (на примере Ростовской области)
Необходимость создания информационно-аналитической системы (ИАС) диктуется наличием большого количества информации,
которая собирается различными организациями и хранится в
различных видах (включая электронные и бумажные носители).
Информация постоянно пополняется и требует оперативной первичной обработки, а также возможности использования в дальнейшем
для систематизации, анализа, оценок и прогнозирования. В то же
время вся собираемая информация может представлять интерес
для решения задачи мониторинга окружающей среды. Поэтому
целесообразно иметь средство консолидированного хранения всей
информации, представляющей интерес с точки зрения мониторинга.
На основе такого консолидированного хранилища данных может
быть построена ИАС, которая позволит решать задачи мониторинга,
анализа, оценки, прогнозирования и управления.
Традиционно хранилище данных используется для решения
аналитических задач, а для оперативной обработки данных требуются другие структуры представления информации, не отвечающие
требованиям, предъявляемым к хранилищам данных. Однако представляется возможным разработать такую структуру организации
47
информации, которая будет удовлетворять и задачам оперативного
мониторинга, и задачам анализа, прогнозирования и управления.
В то же время не предполагается подмена или модификация
существующих систем сбора и обработки информации. Необходимо
лишь обеспечить возможность автоматического или полуавтоматического импорта данных из существующих систем сбора в единое
централизованное хранилище данных. При таком подходе задача
оперативного мониторинга может быть решена в существующих
системах сбора и первичной обработки информации. Данные в процессе импорта могут подвергаться первичному анализу, включая и
проверку на достоверность. Такое решение представляется наиболее
удачным, так как позволяет сохранить сложившиеся системы сбора
и анализа информации, экспорт данных в ИАС может осуществляться в автоматическом или полуавтоматическом режиме. При
изменении форматов информации в системах сбора, настройка ИАС
будет минимальной и затронет только программы экспорта.
Механизмы импорта должны быть дополнены возможностью
ручного ввода данных. Ручной ввод может потребоваться в том
случае, когда информация представлена только на бумажных носителях или для хранения информации используются неизвестные
форматы, нестандартные программные средства, нет возможности
связаться с их разработчиками. Следует отметить, что большая
часть ретроспективной информации представлена только на бумажных носителях и для них возможность ручного ввода является
единственной. В процессе решения различных задач средствами
ИАС могут получаться результаты, которые также должны быть
сохранены и использованы в дальнейшем. Таким образом, сама ИАС
в процессе эксплуатации будет служить источником информации.
Получаемая модельная информация, в свою очередь, может быть
использована для постановки и решения новых задач.
Существует ряд информационных систем, предназначенных
для решения различных задач из области наук об окружающей
среде и экологии. Это HYSPLIT [http://www.arl.noaa.gov/ready/
hysplit4.html] – обширная база данных наблюдений, позволяющая
определить перенос воздушных масс за определенный период времени; GISS [http://www.giss.nasa.gov/data/rsp_air/] комбинирует
и сравнивает результаты набора данных космических наблюдений
с глобальными моделями атмосферы, земной поверхности и оке-
48
анических процессов; PANGAEA [www.pangea.de] – библиотека
данных и публикаций в области геофизики; мультимедийный
информационный ресурс, открывающий интерактивный доступ к
собранной информации по оценке влияния атмосферных примесей
на окружающую среду [http://www.ess.co.at/AIR-EIA]. Примером
отечественной разработки является научный портал для атмосферных наук ATMOS [http://atmos.iao.ru], который представляет
собой интегрированный набор множества распределенных, но координируемых предметных сайтов, содержащих мультимедийную
информацию с исследовательскими базами данных, моделями и
аналитическим инструментарием для прямого использования и
визуализации.
Начиная с 1991 г. специалисты ИХКиГ СО РАН, ИВЭП СО РАН,
ИНХ и ЛИН СО РАН проводили регулярные измерения временных
характеристик атмосферы. Мониторинг проводился на территории
Западной и Восточной Сибири, Алтайского и Красноярского краев.
Исследовалась пространственно-временная изменчивость химического состава атмосферного аэрозоля, изменчивости массовой концентрации, многоэлементного состава, содержания органического и
неорганического углерода в различных регионах Сибири.
Создана информационно-вычислительная система Атлас, которая доступна по адресу: http://web.ict.nsc.ru/aerosol/. Система
обладает следующими функциональными характеристиками.
• Хранилище предусматривает все аспекты управления данными:
добавление и редактирование, авторизация пользователей и
разграничение доступа к различным информационным структурам, возможность гибкого изменения информационной модели
хранилища; реализован сервис импортирования данных.
• Система предусматривает отображение хранимых данных и
получаемых результатов, включая табличное и графическое
представление.
• Реализован подсчет наиболее значимых характеристик поком-
понентного химического состава аэрозолей, необходимых для
многоцелевого анализа и обработки данных.
• В Web-интерфейсе Атласа полностью поддерживаются два язы-
ка: русский и английский.
• Реализован сервис отображения географического распределения
экспедиций на базе GIS приложения Jmapper \cite{GIS}.
49
Построение системы выполнено на базе программного продукта SMART (System for Managing Applications Based on RDF
Technology), использующего технологии RDF, XML, XSLT, Java
Servlets. В качестве хранилища данных системы используется СУБД
MySQL 3.23.55. Конечное представление информации пользователю
реализовано при помощи клиентских технологий JavaScript, HTML
и стилевых таблиц CSS [http://web.ict.nsc.ru/aerosol/].
Физико-химический анализ проб осуществляется в научно-исследовательских институтах ИХКиГ, ИЯФ и ИНХ СО РАН, после
чего все полученные данные экспортируются в хранилище Атласа.
В то же время данные поступают не только с измерительных станций, существуют источники данных в электронных журналах, в
ранее опубликованных статьях. Одной из уникальных особенностей
системы является то, что она собирает разнородную информацию в
одно хранилище, приводя все описанные выше данные к единому
формату.
Хранимая информация представляет собой набор классов, являющихся объединением объектов. Например, класс экспедиций,
станций наблюдения, статей. Классы, в свою очередь, взаимосвязаны.
Каждый объект класса для описания имеет определенный список атрибутов – метаописания. Метаописания объектов составляют
отдельный класс данных. Таким образом, в базе данных информационной системы хранится не только информация об элементах
системы, но и сведения о ее структуре. Система предоставляет не
только средства хранения данных, визуализацию их зависимостей
от времени в табличном и графическом виде, но и возможность
обработки данных вычислительными алгоритмами для решения
различных задач исследования окружающей среды. При проектировании Атласа было выделено несколько классов задач, каждый
из которых порождает собственные модели хранения и обработки
данных.
Все указанные выше решения и практические реализации
различных систем должны быть учтены при разработке структуры
и функций ИАС как основы комплексного экологического мониторинга Ростовской области и при выработке конкретного плана реализации ИАС в Ростовской области, конечно, с учетом особенностей
задач экологического мониторинга и Ростовской области как одного
50
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]