Нейро-нечеткий метод обработки гидрохимических данных для речного потока

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Производственные и социально-экологические требования, предъявляемые к качеству вод суши, определили необходимость создания сети гидрохимических постов наблюдения, а вариабельность контролируемых показателей – потребность выполнения режимных химико-аналитических исследований. Распространенные в аналитической химии стандартные (жесткие) статистические методы обработки результатов измерений, как правило, недоучитывают специфику исследования зашумленных (нечетких) экспериментальных данных, каковыми являются ряды значений концентрации примеси речного потока в пространстве и во времени. Показано, что в этом случае целесообразны альтернативные средства мягких вычислений, предназначенные для обработки именно таких данных, на основе нейро-нечетких гибридных алгоритмических структур, относящихся к архитектуре ANFIS. Проанализированные таким способом массивы химико-аналитических данных по меди и цинку на р. Волга в зависимости от расхода воды на разных удалениях от берега и глубинах позволили идентифицировать сложно-колебательный характер поведения концентраций обоих веществ в водном потоке. Сделан вывод о том, что нейро-нечеткая схема обработки результатов мониторинга обеспечивает возможность углубленного исследования малоизученных процессов гидрохимической динамики в далеких от термодинамического равновесия системах, к числу которых относятся природные водотоки.

Об авторах

О. М. Розенталь

Институт водных проблем Российской академии наук

Автор, ответственный за переписку.
Email: omro3@yandex.ru
Россия, ул. Губкина, 3б, Москва, 119333

В. Х. Федотов

Чувашский государственный университет им. И. Н. Ульянова

Email: omro3@yandex.ru
Россия, Московский просп., 15, Чебоксары, Чувашская Республика, 428015

Список литературы

  1. Золотов Ю.А. Основы аналитической химии. Кн. 1. Общие вопросы. М.: Высшая школа, 2002. 351 с.
  2. Tsakovski S.L., Venelinov T. Environmental analytical chemistry // Molecules. 2024. V. 29. № 2. P. 450. https://doi.org/10.3390/molecules29020450.
  3. Конференции “Эконалалитика” // Журн. аналит. химии. 2020. Т. 75. № 9. С. 855. https://doi.org/10.31857/S0044450220090200.
  4. Wilkinson K.J., Lead J.R. Environmental Colloids and Particles: Behaviour, Separation and Characterisation. San Francisco: John Wiley & Sons, 2007. 702 p.
  5. Шевцов М.Н. Водно-экологические проблемы и использование водных ресурсов. Хабаровск: Изд-во Тихоокеан. гос. ун-та, 2015. 197 с.
  6. Kailash B.G., Bisht P.S. The role of water resources in socio-economic development // Int. J. Res. Appl. Sci. Eng. Technol. 2017. V. 5. № 12. P. 1669.
  7. Malov A.I., Sidkina E.S., Ershova D.D., Cherkasova E.V., Druzhinin S.V. Time regularities of strontium concentration in drinking groundwater distant from the sea coast // Environ. Geochem. Health. 2023. V. 45. № 11. P. 8097. https://doi.org/10.1007/s10653-023-01710-9
  8. Wilcox В.Р., Seyfried M.S., Matison Т.Н. Searching for chaotic dynamics in Snowmelt runoff // Water Resour. 1991. V. 27. № 6. P. 1005. https://doi.org/10.1029/91WR00225.
  9. Швейкина В.И., Кожевникова И.А. Нелинейная модель колебаний речного стока с хаотическими режимами // Водное хозяйство России: проблемы, технологии, управление. 2012. № 6. С. 4.
  10. РД 52.24.634-2002. Руководящий документ. Методические указания. Уточнение местоположения створов (пунктов) наблюдений и режимов отбора проб на основе использования трассерных методов изучения гидродинамических характеристик водных объектов (утв. и введен в действие Росгидрометом 16.05.2002). 20 с.
  11. Розенталь О.М., Александровская Л.Н. Оценка степени соответствия воды нормативным требованиям // Водные ресурсы. 2018. Т. 45. № 3. С. 289. https://doi.org/10.7868/S0321059618030070
  12. (Rosental O.M., Aleksandrovskaya L.N. Assessment of the degree of compliance of water to regulatory requirements // Water Resour. 2018. V. 45. № 3. P. 379.
  13. https://doi.org/10.1134/S0097807818030132).
  14. Thomas L., Ferrari R. Friction, frontogenesis, and the stratification of the surface mixed layer // J. Phys. Oceanogr. 2008. V. 38. № 38. P. 2501.
  15. Чашечкин Ю.Д., Розенталь О.М. Структура речного потока и ее влияние на распределение загрязняющего воду вещества // Водные ресурсы. 2019. Т. 46. № 6. С. 582.
  16. https://doi.org/10.31857/S0321-0596466582-591 (Chashechkin Yu.D., Rozental O.M. River flow structure and its effect on pollutant distribution // Water Resour. 2019. V. 46. № 6. P. 910. https://doi.org/10.1134/S0097807819060022).
  17. РД 52.24.309-2011. Организация и проведение режимных наблюдений за состоянием и загрязнением поверхностных вод суши. Ростов-на-Дону, 2011. 109 с.
  18. ГОСТ 27384-2002. Вода. Нормы погрешности измерений показателей состава и свойств. М.: Стандартинформ, 2010.
  19. Розенталь О.М., Авербух А.И. Введение в квалиметрию воды // Водные ресурсы. 2013. Т. 40. № 4. С. 418. https://doi.org/10.7868/S0321059613040111 (Rozental O.M., Averbukh A.I. Introduction to water qualimetry // Water Resour. 2013. V. 40. P. 447. https://doi.org/10.1134/S0097807813040118)
  20. Кудинов Ю.И., Келина А.Ю., Кудинов И.Ю., Пащенко А.Ф., Пащенко Ф.Ф. Нечеткие модели и системы управления. М.: ЛЕНАНД, 2017. 328 с.
  21. Федотов В.Х. Мягкое описание фундаментальных законов природы и общества для экспертных систем // European Researcher (Европейский исследователь). 2012. № 2 (17). С. 110. EDN: OUINYP.
  22. Терано Т., Асаи К., Сугэно М. Прикладные нечеткие системы. М.: Мир, 1993. 368 p.
  23. Штовба С.Д. Проектирование нечетких систем средствами MATLAB. М.: Горячая линия-Телеком, 2007. 288 с.
  24. Леонов А.С. Решение некорректно поставленных обратных задач: очерк теории, практические алгоритмы и демонстрации в МАТЛАБ. М.: Либроком, 2015. 336 с.
  25. Kuhn K.M., Neubauer E., Hofmann T., von der Kammer F., Aiken G.R., Maurice P.A. Concentrations and distributions of metals associated with dissolved organic matter from the Suwannee River // Environ. Eng. Sci. 2015. V. 32. № 1. P. 54. https://doi.org/10.1089/ees.2014.0298
  26. Danilov-Danilyan V.I., Rosenthal O.M. Dynamic model of water quality evolution // J. Water Chem. Technol. 2022. V. 44. № 2. P. 132. https://doi.org/10.3103/S1063455X22020035

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».