Uot 31. 445. Q. M. MƏMMƏdov, Y.Ġ. ġAhverdiyev, H. M. HƏSƏnov, S. Y
Ekologiya və su təsərrüfatı jurnalı, №3, may, 2016- cı il
Yüklə 0,67 Mb. Pdf görüntüsü
|
- Bu səhifədəki naviqasiya:
- Ekologiya və su təsərrüfatı jurnalı, №3, may, 2016- cı il
Ekologiya və su təsərrüfatı jurnalı, №3, may, 2016- cı il
приятий не имеется, статистический под- ход является единственно возможным. Однако статистический анализ данных наблюдений, полученных на пунктах мо- ниторинга, не дает возможности полу- чить прогнозирующую модель, являющу- юся общей для всех загрязняющих вещес- тв и пунктов мониторинга. Вследствие этого результатом применения статисти- ческого подхода является некоторое мно- жество различных моделей, предназна- ченных для прогнозирования концентра- ции какой – либо одной примеси на фик- сированном пункте контроля. При этом даже для отдельно взятой примеси и фик- сированного пункта контроля, в зависи- мости от количества использованных наб- людений, получаются модели, отличаю- щиеся друг от друга как по структуре, так и по коэффициентам. Эта проблема является общей для ста- тистического моделирования, и, на ваш взгляд, в создавшемся положении имеет- ся единственный выход – искать не об- щую модель процесса, а структуру, наи- более часто встречающуюся при модели- ровании данного процесса по различным выборкам наблюдений. Для решения этой задачи нами с по- мощью итерационного алгоритма GNM [5] были построены модели прогнозиро- вания для различных пунктов мониторин- га и загрязняющих веществ. В качестве исходной информации для моделирова- ния были использованы материалы наб- людений за концентрациями сернистого газа SO 2 , двуокиси азота NO 2 , получен- ные на пяти пунктах мониторинга г. Баку. Одновременно на метеостанции произво- дились измерения: скорости и направле- ния ветра у поверхности земли и относи- тельной влажности. Зависимость концентрации загрязня- ющего вещества от метеорологических параметров искалась в виде
+1 =f(q, M)
(1)
где q +1 – прогнозное значение концентра- ции на 12 часов вперед, q и М – концен- трасия и метеопараметры в данный мо- мент времени. В качестве критериев оценки досто- верности моделей использовались крите- рии, обычно применяемые для проверки качества прогнозирования концентраций сернистого газа и двуокиси азота. При этом концентрации загрязняющих вещес- тв делятся на три группы. Для сернистого газа это группы: 0, 00-0, 20, 0,21-0,35 и более 0, 35 мг/м³, а для двуокиси азота:0, 00-0, 040, 0, 041-0, 084 и более 0, 084 мг/м³. Если в некоторый фиксированный момент времени измеренное и вычислен- ное по модели значение концентраций попали в один и тот же интервал, то прог- ноз считается оправдавшимся. Отноше- ние суммарного количества оправдавших- ся прогнозов к общему числу измерений и определяет достоверность прогнозиру- ющей модели, измеренную в процентах. С помощью алгоритма GNM были построены прогнозирующие модели для различных пунктов мониторинга. Была отобрана некоторая структура (модель с неопределенными коэффициентами), ока- завшаяся общей для всех пунктов мони- торинга г. Баку и концентрацией сернис- того газа и двуокиси азота. Она имеет вид:
+1 =a 0 +a 1 x 2 x 5 a 2 x 2 x 4 +a 3 x 2 +a 4 x 1 x 5 +a 5 x 3 (2)
где x 1 – концентрация загрязняющего ве- щества, x
температура воздуха, x 3 – про- изведение скорости ветра на косинус угла между северным и данным направлением ветра, x 4 – произведение скорости ветра на синус угла между северным и данным направлением ветра, x 5 – абсолютная влажность воздуха.
№ 1 2 3 4 5
0,178218 0,185967 0,083179 0,192253 0,035863
-0,000019 -0,000052 0,000003 -0,000029 0,000002 Ekologiya və su təsərrüfatı jurnalı, №3, may, 2016- cı il
-0,000837 -0,005254 0,004654 0,001203 0,008964
-0,000021 -0,000164 -0,000095 -0,000297 0,000174
0,054509 0,550628 0,420568 0,165145 -0,865208
0,000264 -0,003684 0,000038 0,000474 0,000345
№ 1 2 3 4 5
0,068459 0,034517 0,043849 0,029729 0,035159
-0,000020 -0,000008 -0,000013 -0,000012 -0,000007
-0,000194 -0,001245 -0,000667 0,001091 -0,000003
-0,000030 -0,000001 0,000026 -0,000013 -0,000011
-3,326304 0,077659 0,010026 0,464685 0,026120
0,000336 -0,000334 -0,000056 -0,000233 -0,000278 Разъясним смысл переменных x 3 и x 4 . Как известно, направление и скорость ветра обычно задаются в полярных коор- динатах (угол – вектор скорости ветра) и их использование в таком виде в качестве исходных входных переменных может привести к грубым ошибкам, так как нап- ример, направление ветра 359º и 1º явля- ются северными, а их величины значи- тельно отличаются. В этой связи был осу- ществлен переход к декартовой системе координат, ось ординат которой ориенти- рована на северное направление, а в сос- тав предикторов вместо скорости и нап- равления ветра были включены перемен- ные x 3 и x 4 ции вектора скорости ветра на оси орди- нат и абсцисс. Коэффициенты структуры (2) были вычислены для сернистого газа и двуоки- си азота по 50 измерениям, полученным в июне 2015 года, для всех пунктов кон- троля отдельно (коэффициенты этих мо- делей приведены в табл. 1, 2). При этом 2 последних значений концентрации для вычисления коэффициентов не использо- вались, т.е. по полученным моделям кон- центрации прогнозировались. Средняя оправдываемость прогнозов по получен- ным моделям составляет по вышеприве- денному критерию 70%.
Литература
1. Ивахненко А.Г. Индуктивный метод самоорганизации моделей сложных систем.- Киев: Наук.думка, 1982-296 с. 2.
ленное исследование помехоустойчи- вости многокритериальной селекции моделей. Автоматика, 1982, №4, с.26- 36
3.
Мамедов М. И., Гулузаде Р. К., Муста- фазаде Н.. Применение метода группо- вого учета аргументов для обработки данных мониторинга атмосферы – Известия, АНАКА, том 18, № 3, 2015, с. 40-44. 4.
Sawaragi,Y., Soeda,T., Tamura, H., et al., Statistical Prediction of Air Pollution Le- vels Using Non-Physical Models. Auto-
441- 452. 5.
минальный алгоритм МГУА с ограни- чением сложности отбираемых моде- лей. Автоматика, 1986, №1 стр. 87-88
Yüklə 0,67 Mb. Dostları ilə paylaş:
|