промышленная экология. 25. Моделирование негативного воздействия технической подсистемы на природную подсистему птс
 Скачать 27.44 Kb.
|
|
25. Моделирование негативного воздействия технической подсистемы на природную подсистему ПТС. Моделирование негативного воздействия технической подсистемы на природную подсистему ПТС может использоваться для принятия управленческих решений. При создании экологической информационно- аналитической системы для различных ПТС необходимо использовать модульный подход. Отдельные модули представляют собой следующие блоки моделей: - блок моделей для оценки и прогноза состояния и уровня загрязнения атмосферы; - блок моделей, предназначенных для оценки и прогноза загрязнения поверхностных и подземных вод; - блок моделей, предназначенных для оценки и прогноза загрязнения природных и природно-антропогенных объектов; - блок моделей, предназначенных для оценки и прогноза состояния здоровья населения; - блок моделей для оценки технического состояния и потенциальной опасности промышленных и транспортных объектов; - блок моделей для проведения эколого-экономической экспертизы. В настоящее время наиболее развитым является блок моделей, предназначенных для оценки и прогноза загрязнения атмосферы. Например, 1. Штатные модели служб ГО. Стандартная методика основана на эмпирических моделях и позволяет определить максимально возможную зону поражения при выбросах ядовитых веществ. Модель указывает не реальное положение облака выбросов в тот или иной момент времени, а обозначает границы, в пределах которых концентрация ядовитых веществ может достичь опасных для здоровья человека значений при неблагоприятных метеоусловиях. 2. Стандартные модели загрязнения атмосферы стационарными источниками, изначально основанные на модели ОНД-86. Модели могут быть использованы для анализа квазистационарных процессов, когда характерные времена выбросов токсичных веществ превышают характерные времена перемещения воздушных масс в экспертируемой области пространства (например, случаи пожаров или утечек на продуктопроводах). Модель эмпирическая и позволяет рассчитать установившееся распределение концентраций токсиканта при заданном ветре и максимально неблагоприятном с точки зрения рассеяния примесей состоянии атмосферы. 3. Модели МАГАТЭ (международный стандарт) для расчетов загрязнений атмосферы, создаваемых стационарными источниками примесей. Это наиболее полные из существующих в настоящее время эмпирических моделей. Характер их детализации позволяет учитывать особенности местных метеорологических условий и производить расчеты распределений концентрации примесей в текущих метеоусловиях. 4. Простейшие нестационарные модели для расчета распространения облака загрязняющих веществ, предназначенные для экспресс-прогноза. Модели строятся на основе методик и моделей МАГАТЭ и позволяют рассчитать траекторию и время движения облака выбросов до потери токсичности или в интересующей области в текущих метеоусловиях. Установившихся стандартов на такие модели нет. 5. Нестационарные модели загрязнения, учитывающие неоднородность подстилающей поверхности. Квазитрехмерные модели, основанные на использовании полуэмпирических моделей МАГАТЭ с решением уравнения переноса-диффузии примесей в приземном слое. Для повышения скорости и точности вычислений использованы высокоэффективные численные методы и учтена специфика решаемой задачи. Используются в случаях, когда необходимо учесть неоднородность подстилающей поверхности, а вычислительные ресурсы и/или недостаток информации не позволяют использовать модели 6. 6. Наиболее полные и совершенные нестационарные модели распространения загрязняющих веществ в атмосфере, в которые включены расчеты мезометеорологических характеристик атмосферы с учетом орографии (рельеф местности). Модели основаны на решении задач мезометеорологического прогноза и решении трехмерного уравнения переноса диффузии примеси. Требуют значительных вычислительных ресурсов и подробного задания больших объемов входной и начальной информации. Использование моделей этого класса оправдано, когда от результатов экспертизы зависят жизнь и судьбы людей, а специфика метеоусловий и орография местности таковы, что перечисленные выше модели неприменимы. Это случаи крупных аварий, имевших тяжелые последствия, или экспертиза проектов с прогнозом возможных событий, чреватых такими последствиями. 26. Моделирование природнотехнических систем с использованием геоинформационных технологий. Геоинформационное моделирование представляет собой набор методов получения и анализ информации об окружающей среде и разработки прогнозных оценок для поддержки принятия решений. Целью геоинформационного прогнозирования является снижение уровня неопределённости при принятии решений. Геоинформационное прогнозирование решает две основные задачи: оценка тех или иных параметров для данного момента времени и получение прогнозных оценок на перспективу. Оценка текущих параметров применяется для оперативного анализа существующей ситуации. Прогнозные оценки используют при оценке альтернатив принимаемых решений или при изучении явлений и их будущих последствий. При геоинформационном прогнозировании можно выделить три качественных этапа обработки информации: 1. Сбор, группировка, обобщение и унификация первичных данных; 2. Анализ, моделирование вторичных (унифицированных) данных; 3. Получение прогнозных оценок, их верификация. Сбор, группировка, обобщение и унификация первичных данных. Ключевым аспектом решения задач прогнозирования является выделение специфических типов информации, необходимой при решении проблем управления или исследования природнотехнических систем. При решении задач геоинформационного прогнозирования вся используемая информация подразделяется на два класса: первичная и вторичная. Первичные (разнородные) данные получают в результате сбора информации об объектах местности разными технологиями: статистические методы сбора экономической и социальной информации, фотограмметрические методы, полевые методы, картометрические методы, использование GPS, данные дистанционного зондирования и т.д. Под вторичными (унифицированными) данными понимают данные, полученные в результате обработки первичных данных, а также данные собранные ранее для других целей. Анализ, моделирование вторичных данных. На этом этапе при анализе осуществляется: выбор объектов прогноза; исследование фона (среды); классификация событий; формирование задачи и генеральной цели прогноза. На основе этих данных создают модели объектов прогнозирования, которые определяются совокупностью цифровых моделей: цифровые модели местности, цифровые модели объектов, цифровые модели явлений. Получение прогнозных оценок. При проведении прогнозирования может создаваться прогнозная модель – модель, исследование и использование которой позволяет получить информацию о возможных состояниях объекта в будущем и путях и сроках осуществления этих состояний. Методы прогнозирования, как и все методы, используемые при проведении геоинформационных исследований, можно подразделить на эвристические, при применении которых преобладают субъективные начала, и на логико- математические, при применении которых преобладают объективные начала. Примером эвристических методов прогнозирования может быть экспертная система. Под экспертной системой понимается система, объединяющая возможности компьютера со знаниями и опытом эксперта в такой форме, что система может предложить рациональное решение поставленной задачи. Дополнительно желаемой характеристикой такой системы, которая многими рассматривается как основная, является способность системы пояснять, по требованию, ход своих рассуждений в понятной для пользователя форме. В системе, основанной на правилах, знания в проблемной области, необходимые для решения задач, закодированы в форме правил и содержатся в базе знаний. Безусловно, для представления знаний наиболее широко применяются правила, но в экспертных системах других типов применяются также другие способы представления. Логико-математические методы прогнозирования основаны на построении формализованных логико-математических моделей. Это позволяет осуществлять обработку данных и получение прогноза на основе алгоритмов без участия субъекта. Особенностью этих методов является их независимость от лица, делающего прогноз. Они могут быть воспроизведены другими лицами, которые неизбежно приведут к получению такого же или близкого прогноза. К данной группе относятся методы прогнозирования по аналогам (метод моделей), функционально-логическое прогнозирование, структурное прогнозирование, параметрическое прогнозирование, комплексное прогнозирование. Примером прогнозирования по аналогии (метод моделей) могут служить методы распознавания образов. Методы распознавания образов широко используют в геоинформационных технологиях при обработке фотограмметрической информации и данных дистанционного зондирования Земли. Существуют несколько типов задач распознавания образов, важнейшими из которых являются три их типа: обучение распознаванию образов; задача минимизации описания объекта; задача таксономии. Геоинформационные данные носят временной характер. В том случае, когда прогноз необходим на определенный период времени в будущем, в качестве исходных данных используют временные ряды или временные модели. Геоинформационное прогнозирование включает три типа задач, определяющих его особенности и отличие от других видов прогнозирования. Первый тип задач связан с обработкой статистических данных и переносе результатов обработки на карту. Он основан на широко применяемых известных методах математической статистики и теории вероятностей и тематическом картографировании. Второй тип задач геоинформационного прогнозирования связан с анализом изображений, например автоматизированной классификации объектов космического снимка с целью выявления определенных объектов по заданному набору или их образов. Третий тип задач геоинформационного прогнозирования связан с необходимостью анализа и обработки последовательностей пространственных объектов. Результатом геоинформационного прогнозирования являются не только статистические данные (обычный прогноз), но и тематические карты, цифровые модели динамики явлений, трехмерные модели объектов, векторные изображения полей или динамики явлений. Все эти данные получаются на основе различных логико-математических методов прогнозирования. 27. Геоинформационное моделирование Геоинформационное моделирование представляет собой набор методов получения и анализ информации об окружающей среде и разработки прогнозных оценок для поддержки принятия решений. Целью геоинформационного прогнозирования является снижение уровня неопределённости при принятии решений. Геоинформационное прогнозирование решает две основные задачи: оценка тех или иных параметров для данного момента времени и получение прогнозных оценок на перспективу. Оценка текущих параметров применяется для оперативного анализа существующей ситуации. Прогнозные оценки используют при оценке альтернатив принимаемых решений или при изучении явлений и их будущих последствий. При геоинформационном прогнозировании можно выделить три качественных этапа обработки информации: 1. Сбор, группировка, обобщение и унификация первичных данных; 2. Анализ, моделирование вторичных (унифицированных) данных; 3. Получение прогнозных оценок, их верификация. Сбор, группировка, обобщение и унификация первичных данных. Ключевым аспектом решения задач прогнозирования является выделение специфических типов информации, необходимой при решении проблем управления или исследования природнотехнических систем. При решении задач геоинформационного прогнозирования вся используемая информация подразделяется на два класса: первичная и вторичная. Первичные (разнородные) данные получают в результате сбора информации об объектах местности разными технологиями: статистические методы сбора экономической и социальной информации, фотограмметрические методы, полевые методы, картометрические методы, использование GPS, данные дистанционного зондирования и т.д. Под вторичными (унифицированными) данными понимают данные, полученные в результате обработки первичных данных, а также данные собранные ранее для других целей. Анализ, моделирование вторичных данных. На этом этапе при анализе осуществляется: выбор объектов прогноза; исследование фона (среды); классификация событий; формирование задачи и генеральной цели прогноза. На основе этих данных создают модели объектов прогнозирования, которые определяются совокупностью цифровых моделей: цифровые модели местности, цифровые модели объектов, цифровые модели явлений. Получение прогнозных оценок. При проведении прогнозирования может создаваться прогнозная модель – модель, исследование и использование которой позволяет получить информацию о возможных состояниях объекта в будущем и путях и сроках осуществления этих состояний. Методы прогнозирования, как и все методы, используемые при проведении геоинформационных исследований, можно подразделить на эвристические, при применении которых преобладают субъективные начала, и на логико- математические, при применении которых преобладают объективные начала. Примером эвристических методов прогнозирования может быть экспертная система. Под экспертной системой понимается система, объединяющая возможности компьютера со знаниями и опытом эксперта в такой форме, что система может предложить рациональное решение поставленной задачи. Дополнительно желаемой характеристикой такой системы, которая многими рассматривается как основная, является способность системы пояснят В системе, основанной на правилах, знания в проблемной области, необходимые для решения задач, закодированы в форме правил и содержатся в базе знаний. Безусловно, для представления знаний наиболее широко применяются правила, но в экспертных системах других типов применяются также другие способы представления. Логико-математические методы прогнозирования основаны на построении формализованных логико-математических моделей. Это позволяет осуществлять обработку данных и получение прогноза на основе алгоритмов без участия субъекта. Особенностью этих методов является их независимость от лица, делающего прогноз. Они могут быть воспроизведены другими лицами, которые неизбежно приведут к получению такого же или близкого прогноза. К данной группе относятся методы прогнозирования по аналогам (метод моделей), функционально-логическое прогнозирование, структурное прогнозирование, параметрическое прогнозирование, комплексное прогнозирование. Примером прогнозирования по аналогии (метод моделей) могут служить методы распознавания образов. Методы распознавания образов широко используют в геоинформационных технологиях при обработке фотограмметрической информации и данных дистанционного зондирования Земли. Существуют несколько типов задач распознавания образов, важнейшими из которых являются три их типа: обучение распознаванию образов; задача минимизации описания объекта; задача таксономии. Геоинформационных данные носят временной характер. В том случае, когда прогноз необходим на определенный период времени в будущем, в качестве исходных данных используют временные ряды или временные модели. Геоинформационное прогнозирование включает три типа задач, определяющих его особенности и отличие от других видов прогнозирования. Первый тип задач связан с обработкой статистических данных и переносе результатов обработки на карту. Он основан на широко применяемых известных методах математической статистики и теории вероятностей и тематическом картографировании. Второй тип задач геоинформационного прогнозирования связан с анализом изображений, например автоматизированной классификации объектов космического снимка с целью выявления определенных объектов по заданному набору или их образов. Третий тип задач геоинформационного прогнозирования связан с необходимостью анализа и обработки последовательностей пространственных объектов. Результатом геоинформационного прогнозирования являются не только статистические данные (обычный прогноз), но и тематические карты, цифровые модели динамики явлений, трехмерные модели объектов, векторные изображения полей или динамики явлений. Все эти данные получаются на основе различных логико-математических методов прогнозирования. 28. Математические методы, используемые при проведении геоинформационного прогнозирования Статистические методы обработки информации. 1. Многомерные методы (в первую очередь факторный и кластерный анализы). Они используются для обоснования решений, в основе которых лежат многочисленные взаимосвязанные переменные. 2. Регрессионные и корреляционные методы. Они используются для установления взаимосвязей между группами переменных, описывающих маркетинговую деятельность. 3. Имитационные методы. Они применяются тогда, когда переменные, влияющие на реальную ситуацию (например, описывающие динамику) не поддаются определению с помощью аналитических методов. 4. Методы статистической теории принятия решений. Используются для стохастического описания ситуации. 5. Детерминированные методы исследования операций (в первую очередь линейное и нелинейное программирование). Эти методы применяют тогда, когда надо найти оптимальное решение. Выделяют пять основных видов статистического анализа, используемых при проведении таких исследований: дескриптивный анализ; выводной анализ; анализ различий; анализ связей; предсказательный анализ. Анализ, в основе которого лежит использование статистических процедур (например, проверка гипотез) с целью обобщения полученных результатов на всю совокупность, называется выводным анализом. Анализ различий используется при сравнении результатов исследования двух групп объектов для определения степени отличия в их поведении. Предсказательный анализ используют при прогнозировании развития событий в будущем. Можно выделить два способа разработки параметрических прогнозов: экстраполяцию и моделирование. В первом случае в качестве базы прогнозирования используется прошлый опыт, который пролонгируется на будущее. Во втором случае строится прогнозная модель, характеризующая зависимость изучаемого параметра от ряда факторов, на него влияющих. Она связывает условия, которые, как ожидается, будут иметь место, и характер их влияния на изучаемый параметр. Каждый из методов прогнозирования обладает определенными достоинствами и недостатками. Эвристическое прогнозирование включает экспертное прогнозирование и прогнозирование по аналогии. Экспертному прогнозированию, которое поддерживается в геоинформатике не только статистикой, но и набором карт или визуальных моделей предшествуют математические методы прогнозирования. Следует отметить, что экспертному методу присущи значительные погрешности, а интуиция и опыт эксперта должны в возможно большей степени проверяться с помощью доступных фактов и знаний. Прогнозирование по аналогии (метод прецедентов) корректно только тогда, когда установлена, доказана аналогия между объектами управления и аналогами. Этот метод нельзя использовать при прогнозировании явлений, не имеющих аналогов. 29. Верификация прогнозных оценок и выбор метода прогнозирования Верификация прогнозных оценок и выбор метода прогнозирования Получение прогнозных оценок должно быть подвергнуто верификации для их надежности. Цель верификации прогноза – оценка его функциональной полноты, точности и достоверности. Применяют разные виды верификации. Прямая верификация прогноза – верификация путём разработки того же прогноза другим методом. Косвенная верификация прогноза – верификация путём сопоставления его с прогнозом или данными полученными из других источников. Инверсная верификация – верификация прогноза путём проверки адекватности прогностической модели в ретроспективном периоде. Консеквентная верификация – верификация путём аналитического или логического выведения прогноза из ранее полученных прогнозов. Верификация оппонентом – верификация путём опровержения критических замечаний оппонента по прогнозу. Верификация экспертом – верификация сравнением прогноза с мнением эксперта. После выполнения и верификации прогноза необходимо оценить его качество. Для этой цели используют следующие показатели: полнота прогноза – доля вариантов прогноза из множества возможных и (или) доля функций объекта прогнозирования, рассмотренных в процессе прогнозирования. точность прогноза – оценка доверительного интервала прогноза для заданной доверительной вероятности. достоверность прогноза – оценка доверительной вероятности осуществления прогноза для заданной точности (доверительного интервала). ошибки прогноза – апостериорная величина отклонения прогноза от действительного состояния объекта. источник ошибки прогноза – фактор, могущий привести к появлению ошибки прогноза. При выборе метода прогнозирования следует учесть, для какого типа управления предполагается использовать прогноз. Это объясняется тем, что различные типы управления предъявляют различные требования к виду результатов и точности прогнозирования. Текущее управление. При таком правлении предполагается, что последствия управляющего воздействия будут аналогичны ранее наблюдавшимися при управлении другими объектами. В таких случаях используют прогнозирование по аналогии (прецедент или модель). Системное управление предполагает необходимость анализа множества элементов объекта и среды, а также связей между ними. При таком типе управления чаще всего используют экспертное, функционально-логическое, структурное прогнозирование. Ситуационное управление предполагает необходимость в прогнозе последствий принимаемых решений. Результат такого прогноза может носить качественный (хуже, лучше или предпочтительно, недопустимо и т.д.) или количественный характер. Поэтому такой тип управления чаще должен использовать экспертное, функционально-логическое, структурное или математическое прогнозирование. |