УДК 504.3.054

К ВОПРОСУ О МЕТОДАХ РАСЧЕТА УСЛОВНОГО ФОНА КОНЦЕНТРАЦИИ ЗАГРЯЗНИТЕЛЕЙ

Голубничий Артем Александрович1, Моргачева Дарья Анатольевна2
1Хакасский государственный университет им. Н.Ф. Катанова, ассистент кафедры инженерной экологии и основ производства
2Хакасский государственный университет им. Н.Ф. Катанова, магистрант кафедры программного обеспечения вычислительной техники и автоматизированных систем

Аннотация
В статье рассматриваются основные, наиболее часто применяемые методы расчета условного фона концентрации загрязнителей. В качестве основных методов авторами обозначены: анализ временных рядов и искусственные нейронные сети. Анализируются возможности представленных методов.

Ключевые слова: временные ряды, загрязнение воздуха, моделирования загрязнения воздуха, нейронные сети.


ON THE QUESTION OF THE METHODS OF CALCULATING THE CONDITIONAL BACKGROUND CONCENTRATIONS OF POLLUTANTS

Golubnichiy Artem Aleksandrovich1, Morgacheva Darya Anatolevna2
1Katanov Khakass State University, Assistant at the Department of Engineer Ecology and Bases of Production
2Katanov Khakass State University, Student of the Department of Computing Software and Automated Systems

Abstract
In the article the basic, the most commonly used methods for calculating the conditional background concentrations of pollutants. As indicated by the authors of the main methods: time series analysis and artificial neural networks. The possibilities of the presented methods.

Keywords: air pollution, air pollution modeling, neural networks, time series


Библиографическая ссылка на статью:
Голубничий А.А., Моргачева Д.А. К вопросу о методах расчета условного фона концентрации загрязнителей // Современная техника и технологии. 2016. № 3 [Электронный ресурс]. URL: https://technology.snauka.ru/2016/03/9639 (дата обращения: 26.07.2023).

В обиходе под понятием фонового уровня концентраций понимается то их значение, которое наблюдается в незатронутой человеческой деятельностью местностью, и складываемое из набора естественных составляющих.

При рассмотрении реальных условий и вклада реальных загрязнителей, наиболее уместно говорить об условном фоне, т.е. о концентрациях загрязняющих веществ без вклада местных составляющих для дальнейшего их расчета, т.е. с учетом как природных, так и антропогенных факторов, действующих значительное количество времени [1].

Таким образом под понятие условного фона попадает и набор неорганизованных источников, действие которых может повлиять на локальные концентрации веществ, при этом описание их возможно стохастическими методами.

Первым этапом для моделирования наиболее важно определиться с нужной степенью точности измерений. Условный фон в общем виде может оказать существенное влияние на общий уровень загрязнения. Данные об состоянии окружающей среды достаточно сложно смоделировать с учетом множественности взаимодействующих факторов и многими переменными учитываемыми в расчетах, которые дают множество комбинаций в значениях.

В целях упрощения расчетов наиболее часто используют два метода: анализ временных рядов и искусственные нейронные сети.

Анализ временных рядов

Временной ряд представляет собой набор элементов данных полученных с помощью повторных измерений в течение долгого времени. Данные временных рядов имеют естественный временной порядок распределения, что в свою очередь накладывает ряд особенностей для анализа. Основным отличительным свойством является тесная взаимосвязь данных, связанная с их естественной близостью [2].

Искусственные нейронные сети

Искусственные нейронные сети (ИНС) являются математическим представлением биологических нейронных сетей, т.е. своего рода эмуляция биологической нервной системы. ИНС обладают высокой степенью адаптивности к непараметрическим распределениям данных, и не делают предварительных гипотез о взаимоотношении между переменными. ИНС также обладают низкой чувствительностью к ошибкам и могут решать такие вопросы как подавление шума и исключение аномальных хаотических значений. ИНС состоят из входного слоя, нескольких слоев нейронов (математических объектов, чье поведение регулируется предопределенной функцией) и выходного слоя. Предварительно каждая сеть проходит обучение посредством набора входных, выходных данных, для учета поведения параметров в целях дальнейшего прогнозирования [3].

Представленные методы, рассмотренные для анализа первичных данных о концентрациях загрязняющих веществ, могут быть применены и для определения и прогнозирования метеорологических параметров, в том числе уточнения недостающих данных.


Библиографический список
  1. Голубничий А.А., Чайкина Е.А. Посезонные изменения среднесуточных значений концентраций монооксида углерода в г. Красноярске за однолетний период // Интернет-журнал «НАУКОВЕДЕНИЕ» Том 7, №3 (2015) [Электронный ресурс]: http://naukovedenie.ru/PDF/152TVN315.pdf (дата обращения: 12.08.2015). DOI: 10.15862/152TVN315.
  2. NIST/SEMATECH e-Handbook of Statistical Methods, [Электронный ресурс] http://www.itl.nist.gov/div898/handbook/, (дата обращения: 12.08.2015).
  3. Kyriakidis, I., Karatzas, K.D. & Papadourakis, G. (2009). Using Preprocessing Techniques in Air Quality forecasting with Artificial Neural Networks Information Technologies in Environmental Engineering. Springer Berlin Heidelberg.


Все статьи автора «Голубничий Артем Александрович»


© Если вы обнаружили нарушение авторских или смежных прав, пожалуйста, незамедлительно сообщите нам об этом по электронной почте или через форму обратной связи.

Связь с автором (комментарии/рецензии к статье)

Оставить комментарий

Вы должны авторизоваться, чтобы оставить комментарий.

Если Вы еще не зарегистрированы на сайте, то Вам необходимо зарегистрироваться: