Solution of metrological water-ecological problems using fuzzy logic methods

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

In order to reduce the number of erroneous water management decisions, it is necessary to have sufficiently strict metrological support for studies of the composition and properties of natural waters. The use of standard methods requires expanding the scope of hydromonitoring and increasing the accuracy of the data obtained in order to ensure their representativeness, including the ability to refl ect general trends and transfer the results of the study to a wider range of objects. As a possible alternative to standard methods, it is proposed to analyze the accumulated measurement information using fuzzy logic. A methodology for applying the methods and mathematical apparatus of fuzzy (multi-valued) logic to solve metrological water-ecological problems has been developed and tested using the example of water quality assessment. Using fuzzy logic methods, the infl uence of four cause factors “Leaching”, “Weathering and sedimentation”, “Anthropogenic discharges”, “Self-purification” on the effect factor “Decrease in water quality against background” in the fi ve-level Harrington scale adopted in expert statistical assessment was studied. Using the software package of fuzzy logic MatLab Fuzzy Logic, forecasts of changes in water quality depending on four factors were obtained. The method of assessing the quality of natural water was tested on a specific example of setting up a fuzzy system for assessing water quality.It was found that the risks of errors still exist, but they were significantly reduced by taking into account poorly formalized linguistic information from expert hydrologists. The possibility of using the method for an a priori assessment of the probable consequences of changes in factors infl uencing the decline in water quality and taking preventive measures to optimize the operation of the water use system was shown.

作者简介

O. Rozenta

Water Problems Institute of the Russian Academy of Sciences

Email: omro3@yandex.ru
ORCID iD: 0000-0001-6261-6060

V. Fedotov

I.N. Ulyanov Chuvash State University

Email: fvh@inbox.ru
ORCID iD: 0000-0001-8395-6849

参考

  1. Белоусов Р. А., Назарова А. А., Розенталь О. М. Оценка качества гидрохимической информации с учетом метрологических требований. Аналитика, 13(3), 220–225 (2023). https://doi.org/10.22184/2227-572X.2023.13.3.220.225
  2. Рыжова Е. В., Мухутдинов А. А., Рыжов В. В. Обеспечение качества измерений при оценке качества воды. Часть 2. Природные и сточные воды. Вестник Казанского технологического университета, (1), 389–398 (2003). https://elibrary.ru/huyjnl
  3. Кузин А. Ю., Крошкин А. Н., Исаев Л. К., Булыгин Ф. В., Войтко В. Д. Практические аспекты применения искусственного интеллекта в метрологии. Измерительная техника, (9), 66–72 (2023). https://doi.org/10.32446/0368-1025it.2023-9-66-72
  4. Семенов К. К., Солопченко Г. Н. Теоретические предпосылки реализации метрологического автосопровождения программ обработки результатов измерений. Измерительная техника, (6), 9–14 (2010).
  5. Медведевских С. В., Аронов П. М., Кремлева О. Н. О возможности применения методов нечёткой логики (FUZZY LOGIC) при разработке и характеризации стандартных образцов качественных свойств. Тезисы докладов VI Международной научной конференции «Стандартные образцы в измерениях и технологиях», Екатеринбург, 3–6 сентября 2024 г., с. 113–114 (2024).
  6. Леоненков А. В. Нечёткое моделирование в среде MATLAB и fuzzyTECH. БХВ-Петербург, Санкт-Петербург (2003).
  7. Штовба С. Д. Проектирование нечётких систем средствами MATLAB. Горячая линия – Телеком, Москва (2007).
  8. Sahoo B., Lohani A. K., Sahu R. K. Fuzzy multiobjective and linear programming based management models for optimal land-water-crop system planning. Water Resources Management, 20(6), 931–948 (2006). https://doi.org/10.1007/s11269-005-9015-x
  9. Sharma A., Udeshi N., Varadan V. Use of fuzzy logic in determining quality of water. International Journal Scientific & Engineering Research, 5(9), 252–259 (2014).
  10. Vadiati M., Asghari-Moghaddam M., Nakhaei J., Adamowski A., Akbarzadeh H. A fuzzy-logic based decision-making approach for identification of groundwater quality based on groundwater quality indices. Journal of Environmental Management, 184(2), 255–270 (2016). https://doi.org/10.1016/j.jenvman.2016.09.082
  11. Gharibi H., Hossein M. A., Nabizadeh R., Arabalibeik H., Yunesian M., Hossein S. M. A novel approach in water quality assessment based on fuzzy logic. Journal of Environmental Management, 112(15), 87–95 (2012). https://doi.org/10.1016/j.jenvman.2012.07.007
  12. Шилоносов А. В. Интеллектуальная измерительная система на основе нейросетевых технологий и нечеткой логики. Вестник Тамбовского государственного технического университета, 28(2), 193–204 (2022). https://doi.org/10.17277/vestnik.2022.02.pp.193-204
  13. Рыжaков В. В., Рыжaков М. В., Рыжaков К. В Оценивaние нечеткой информaции нa оcнове уcловных шкaл. Метрология, (8), 3–11 (2009). https://elibrary.ru/mziyff
  14. Shruti K., Paresh C.D. A basic review of fuzzy logic applications in hydrology and water resources. Applied Water Science, 10(8), 191–205 (2020). https://doi.org/10.1007/s13201-020-01276-2
  15. Никаноров А. М. Научные основы мониторинга качества вод. Гидрометеоиздат, Санкт-Петербург (2005).
  16. Данилов-Данильян В. И., Розенталь О. М. Количественная оценка качества природной воды: экспертно-статистический анализ. Доклады Российской академии наук. Науки о Земле, 502(1-2), 68–72 (2022). https://doi.org/10.31857/S2686739722020049
  17. Розенталь О. М., Федотов В. Х. Методы нечёткой логики на службе водно-экологических исследований. Экология промышленного производства, (3), 61–67 (2023). https://elibrary.ru/pbhqkc
  18. Rosenthal O. M., Fedotov V. Kh. A neuro fuzzy method for hydrochemical data processing in river fl ow analysis. Journal of Analytical Chemistry, 79(11), 1658–1666 (2024). https://doi.org/10.1134/S1061934824701090

补充文件

附件文件
动作
1. JATS XML
下载

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».