Геоэкологическая оценка и прогнозирование опасных природно-техногенных процессов на водосборе реки

Состоянием водных ресурсов человечество озабочено начиная с XX века. Не случайно 1980 — 1990гг. названы международным десятилетием воды. Гидрометеорологические наблюдения свидетельствуют о том, что водные ресурсы весьма уязвимы и подвергаются постоянному истощению, которое влечет значительные последствия, как для человеческого общества, так и для экосистем.

Опасные природно — техногенные процессы на водотоках (малая и повышенная водность, загрязнение водотока) по повторяемости и охвату территории занимают первое место среди всех опасных процессов и приводят к значительным последствиям, как для общества, так и для экосистем.

Как показывает мировой опыт, затраты на прогнозирование, оценку рисков и обеспечение готовности к событиям чрезвычайного характера в 15 раз меньше по сравнению с затратами на предотвращение ущерба.

Для разработки научно — методических основ прогнозирования опасных природно — техногенных процессов необходимо исследование состояния идентификации геоэкологически опасных явлений водосбора реки, выявления причин их возникновения, анализ существующих методов прогнозирования и оценки риска их возникновения.

Обеспечение рационального водопользования предполагает выполнение экологической оценки существующего состояния водотоков с учетом загрязнения и истощения водных ресурсов, а также геоэкологического прогноза. В связи с этим геоэкологическая оценка и прогнозирование риска возникновения опасных природно — техногенных процессов на водотоке является весьма актуальным.

Работа выполнена по тематике, входящей в Перечень критических технологий Российской Федерации, утвержденной Президентом РФ 21 мая 2006 г. №Пр — 842, включающее в себя технологии снижения риска и уменьшения последствий природных и техногенных катастроф и в соответствии с планом фундаментальных научно — исследовательских работ Уфимского государственного авиационного технического университета «Развитие теоретических основ и моделей мониторинга и прогнозирования состояния атмосферы и гидросферы в условиях антропогенного воздействия и климатических изменений» (ЭФ — БП.

— 20 — 10 — 03), и «Развитие наукоемких технологий мониторинга, охрана и прогнозирование состояния атмосферы и гидросферы в условиях антропогенного воздействия и климатических изменений и чрезвычайных ситуаций» (ЭФ.

— БП — 20 — 12 — ОЗ).

Цель настоящей работы является разработка методики геоэкологической оценки и прогнозирования опасных природно — техногенных процессов на водосборе реки.

Для достижения цели поставлены и решены следующие задачи:

— исследованы многолетние и сезонные изменчивости гидрологических и гидрохимических параметров для выявления закономерностей геоэкологических процессов на водосборе реки;

— исследовано влияние астрономических процессов на прохождение гео-экологически опасных явлений на водотоке, вызванных пониженной или повышенной водностью;

— разработаны модели интегрированной оценки параметров качества воды и водности для прогноза опасных природно — техногенных процессов на примере р. Белая Республики Башкортостан;

— разработаны модели восстановления исходных данных геоэкологических процессов в каждый период водности реки и выполнена их апробация при восстановлении пропущенных гидрологических, метеорологических, гидрохимических данных;

— проведена оценка риска количественного и качественного истощения водных ресурсов р. Белая.

Для апробации разработанных моделей прогнозирования и методик оценки опасных природно — техногенных процессов на водотоке в качестве объекта исследования выбрана р. Белая — крупнейшая водная артерия Республики Башкортостан, приток р. Волги 2-го порядка.

Научная новизна диссертационной работы заключается в следующем:

1. Предложен способ прогноза температуры на изобарической поверхности АТ — 850 гПа для совершенствования геоэкологического прогноза развития опасных природно — техногенных процессов на водосборе и исключения антропогенного влияния при исследовании влияния приливных процессов Солнца и Луны на температуру приземного слоя атмосферы (патент на изобретение РФ № 2 461 028 от 10.09.2012).

2. Проведена диагностика входных параметров, в т. ч. астрономических, модели прогноза геоэкологических процессов на водосборе р. Белая.

3. Разработана методика применения элементов искусственного интеллекта (искусственных нейронных сетей и генетических алгоритмов) для прогноза геоэкологически опасных явлений, вызванных повышенной и/или пониженной водностью и загрязняющими веществами.

4. Выполнена оценка геоэкологического риска количественного и качественного истощения водных ресурсов.

5. Разработана система мероприятий по снижению негативных последствий опасных природно — техногенных процессов, вызванных повышенной и/или пониженной водностью реки.

Практическая ценность:

1. Для рационального водопользования разработаны модели прогноза опасных природно — техногенных процессов водосбора, позволяющие в условиях изменяющегося климата и антропогенной нагрузки осуществлять оперативный и долговременный достоверный прогноз.

2. Разработаны модели, позволяющие восстанавливать пропущенные гидрометеорологические, гидрохимические и астрономические данные.

3. Разработанные методы прогноза гидрологических, гидрохимических и метеорологических показателей, программные продукты расчета (№ 2 009 611 616, № 2 010 612 194, № 2 011 614 208) апробированы и используются в Башкирском территориальном управлении по гидрометеорологии и мониторингу окружающей среды (БашУГМС) (акт о внедрении результатов диссертационной работы № 1 — 18 — 1742 от 13.05.2013 г.).

4. Результаты проведенных исследований использованы при разработке комплексной программы социально — экономического развития городского округа город Уфа Республики Башкортостан на 2011;2015 гг. (пункт 4.1.7 — Окружающая среда) и рекомендованы резолюцией конференции в рамках международного форума «Чистая вода— 2010» (акт о внедрении результатов диссертационной работы № 01/4 124 от 16.05.2013 г.).

5. Методы исследования и результаты, полученные в диссертационной работе, внедрены в учебный процесс Уфимского государственного авиационного технического университета и используются при подготовке бакалавров и магистров по направлению 280 700 «Техносферная безопасность» и инженеров по направлению 280 100 «Безопасность жизнедеятельности» по специальностям 280 101 «Безопасность жизнедеятельности в техносфере» и 280 103 «Защита в чрезвычайных ситуациях» (акт о внедрении результатов диссертационной работы от 13.05.2013 г.).

Достоверность результатов исследований обеспечена использованием большого объема репрезентативных данных, отобранных в соответствии с действующими государственными и отраслевыми стандартами, критическим анализом большого количества литературных источников и применением современных методов математико — статистической обработки данных, обстоятельной аргументацией принятых допущений и ограничений при разработке методик геоэкологического прогноза опасных природно — техногенных процессов на водосборе и оценке геоэкологического риска истощения и загрязнения водных ресурсов.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на 14 международных, 8 всероссийских и 7 региональных научных конференциях, симпозиумах и семинарах, среди которых: международная конференция «Экологические и гидрометеорологические проблемы больших городов и промышленных зон, Экогидромет 2012» (Санкт — Петербург, 2012) — международная научнотехнической конференции «Наука, образование, производство в решении экологических проблем». — Уфа 2008 — 2011; международная научная конференция «Сахаровские чтения: экологические проблемы XXI века» (Минск, 2009 — 2010) — международная научно — практическая конференция «Чистая вода — 2009» (Кемерово, 2009) — межрегиональный практический семинар: «Актуальные проблемы охраны поверхностных вод» (Уфа, 2012) — российско — немецкий семинар «Aktuelle wissenschaftliche und methodische Leistungen im Bereich Wasserressourcenmanagement» (Уфа, 2009) — VII mezinarodni vedecko — prakticka conference «Dny vedy — 2012» (Прага, 2012)-V международная научно — практическая конференция «Безопасность жизнедеятельности в третьем тысячелетии» (Челябинск, 2012) — международный научно — практический семинар «Karlsruher Flussgebietstage 2011» (Карлсруэ,.

2011) — всероссийская молодежная научная конференция «Мавлютовские чтения» (Уфа, 2009) — IV, VII всероссийская зимняя школа — семинар аспирантов и молодых ученых «Актуальные проблемы в науке и технике» (Уфа 2009,.

2012).

Публикации. По теме диссертации опубликовано 40 работ, в т. ч. 5 в журналах, рекомендованных ВАК РФ. Получен патент на изобретение РФ (№ 2 461 028 от 10.09.2012), 3 свидетельства о государственной регистрации программ для ЭВМ.

Положения, выносимые на защиту:

1. Способ прогноза температуры на изобарической поверхности AT 850 гПа (патент на изобретение РФ № 2 461 028 от 10.09.2012).

2. Результаты диагностики входных параметров, в т. ч. астрономических, модели прогноза опасных природно — техногенных процессов на водосборе р. Белая.

3. Методика применения элементов искусственного интеллекта (искусственных нейронных сетей и генетических алгоритмов) для прогноза:

— краткосрочного (с заблаговременностью 1−3 дня) опасных природнотехногенных процессов, вызванных повышенной и/или пониженной водностью с оправдываемостью до 95%;

— среднесрочного (с заблаговременностью 1 — 2 месяца) опасных природно — техногенных процессов, вызванных повышенной и/или пониженной водностью с оправдываемостью до 79%;

— долгосрочного (с заблаговременностью 1−3 года) опасных природнотехногенных процессов, вызванных повышенной и/или пониженной водностью с оправдываемостью до 76%;

— концентрации гидрохимических показателей водотока для прогноза опасных природно — техногенных процессов, вызванных загрязняющими веществами.

4. Результаты оценки геоэкологического риска количественного и качественного истощения водных ресурсов.

5. Рекомендации по системе мероприятий снижения негативных последствий опасных природно — техногенных процессов на водосборе, вызванных повышенной и/или пониженной водностью реки.

Структура и объём работы. Диссертация изложена на 194 страницах машинописного текста, а также 43 страницах приложения и состоит из введения, 5 глав, заключения, библиографического указателя, включающего 267 источника, в том числе 106 источников иностранной литературы. Диссертация в основном тексте иллюстрирована 26 таблицами и 68 рисунками.

выход.

В качестве пунктованалогов рассматривались: пункты наблюдения расположенные в схожих физикогеографических условиях и /или ближайшие пункты наблюдения (например, для створов реки — створы выше и ниже по течению).

При восстановлении пропущенных данных при наличии данных восстанавливаемого показателя и данных пунктованалогов входными параметрами ИНС за многолетний период являются:

— данные восстанавливаемого пункта наблюдения;

— данные пунктованалогов восстанавливаемого пункта наблюдения.

Следует отметить, что возможно использование пунктованалогов с пропусками данных, но наличием данных на восстанавливаемый период.

Недостаточность объема и качества обучающей выборки при данном методе восстановления компенсируются качеством подбора подходящего пунктааналогаов.

Подбор подходящего пункта/- ованалога/- ов в настоящей работе предложено выполнять с помощью генетических алгоритмов.

Подстройка весов ИНС при обучении и выбор наилучшей модели ИНС для восстановления требуемого показателя происходит аналогично способу восстановления пропущенных данных с помощью искусственных нейронных сетей при наличии только данных восстанавливаемого показателя за многолетний период.

Для восстановления пропущенных гидрологических, гидрохимических, метеорологических и астрономических данных по данному методу также использовались ИНС структур: многослойный персептрон (MLP), радиальнобазисные сети (RBF), обобщенно-регрессионные сети (GRNN).

Апробация методики восстановления пропущенных данных проводилась для:

— восстановления данных уровней воды р. Белая в створе г. Белорецк (д/о Арский Камень) за 2006 г;

— метеорологических: температуры на изобарической поверхности AT- 850гПа метеостанции УфаДема в период 2003; 2008гг;

— астрономических: угловая скорость вращения Земли в период 1971; 2005;

— гидрохимических: содержание СПАВ, нефтепродуктов, фенолов в реке Белая в створах: г. Белорецк, г. Стерлитамак, г. Уфа и г. Бирск в период 1990; 2000гг.

С помощью инструмента Intelligent Problem Solver программы Statistica 7,0 построено и обучено 5000 ИНС трех архитектур с различным числом нейронов, из которых отобраны наилучшие модели (с наименьшей ошибкой до 10%) каждого типа архитектуры.

Для оценки процесса обучения ИНС для восстановления гидрологических, гидрохимических, метеорологических и астрономических данных в работе использованы следующие параметры:

1. Средняя абсолютная/относительная ошибка сети — это средняя абсолютная разность расчетных и фактических значений. Если средняя относительная ошибка менее 20%, то сеть обеспечивает хорошую сходимость расчетных и фактических значений.

2. Коэффициент корреляции — показатель, характеризующий взаимосвязь реальных и моделируемых значений. Если значение коэффициента больше 0,7, то сеть применима.

3. Производительность сети (S.D. Ratio) — это отношение стандартного отклонения ошибок сети к стандартному отклонению исходных данных. Если производительность сети не превышает значения 0,2, то сеть подобрана хорошо, чего очень сложно достичь вследствие, например, зашумленности данных (неточно заданных данных, полученных экспериментально) [196].

По результатам оценки обучения GRNN, RBF, MLP сетей (по показателям ошибок обучения, ошибок обобщения, ошибок прогноза на тестовой выборке) наилучшей для восстановления пропусков в рядах гидрологических, метеорологических и астрономических данных выбрана обобщеннорегрессионная нейронная сеть (GRNN), а для восстановления гидрохимических — обобщеннорегрессионная нейронная сеть и радиально базисные функции. Выбор сетей обусловлен удовлетворительными результатами обучения (коэффициенты корреляции расчетных и фактических значений от 0,8 до 0,99), а также способностью GRNNсети к учету цикличности величин.

Для примера результаты обучения GRNNсети для восстановления пропущенных гидрологических данных представлены в таблице 1.