Бесплатный автореферат и диссертация по наукам о земле на тему

Система поддержки принятия решения при аварийных разливах нефтепродуктов в акватории

ВАК РФ 25.00.35, Геоинформатика

Автореферат диссертации по теме "Система поддержки принятия решения при аварийных разливах нефтепродуктов в акватории"

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ «РОССИЙСКИЙ ГОСУДАРСТВЕННЫЙ ГИДРОМЕТЕОРОЛОГИЧЕСКИЙ

УНИВЕРСИТЕТ»

СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЯ ПРИ АВАРИЙНЫХ РАЗЛИВАХ НЕФТЕПРОДУКТОВ В АКВАТОРИИ

Специальность 25.00.35 — Геоинформатика

На правах рукописи

Миранков Валерий Александрович

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

3 ПАР 2015

005559978

РГГМЫ

Санкт-Петербург 2015

005559978

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ «РОССИЙСКИЙ ГОСУДАРСТВЕННЫЙ ГИДРОМЕТЕОРОЛОГИЧЕСКИЙ УНИВЕРСИТЕТ»

На правах рукописи

Миранков Валерий Александрович

СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЯ ПРИ АВАРИЙНЫХ РАЗЛИВАХ НЕФТЕПРОДУКТОВ В АКВАТОРИИ

Специальность 25.00.35 — Геоинформатика

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Ж

РГГМЫ

Санкт-Петербург 2015

Работа выполнена на кафедре информационных технологий и систем безопасности федерального государственного бюджетного образовательного

учреждения высшего профессионального образования «Российский государственный гидрометеорологический университет».

Научный руководитель:

— доктор технических наук, профессор Бескид Павел Павлович.

Официальные оппоненты:

— доктор технических наук, профессор Сикарев Игорь Александрович, ФГБОУ ВПО «Государственный университет морского и речного флота имени адмирала С.О. Макарова»;

— кандидат технических наук, доцент Куракина Наталья Игоревна, Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина).

Ведущая организация:

— Федеральный государственный автономный образовательное учреждение высшего образования «Санкт-Петербургский государственный политехнический университет».

Защита состоится 17 марта 2015 г. на заседании диссертационного совета Д 212.197.03 при Российском государственном гидрометеорологическом университете по адресу: 195196, Санкт-Петербург, пр. Металлистов, д. 3, ауд. 102 в 15 час. 30 мин.

С диссертацией можно ознакомиться в библиотеке Российского государственного гидрометеорологического университета.

Автореферат диссертации разослан «_»_2015 г.

Ученый секретарь диссертационного совета доктор географических наук, доцент

Попова Е.С.

Актуальность диссертационной работы обусловлена необходимостью оптимизировать состав и количество измеряемых параметров, характеризующих состояние морской поверхности, а также математическое и аппаратно-программное обеспечение для обработки поступающей информации, позволяющей оценивать экологическое состояние морской поверхности и вырабатывать адекватные управленческие решения при возникновении аварийных разливов нефтепродуктов и других нештатных ситуация на морской поверхности.

Целью диссертационной работы является повышение эффективности функционирования геоинформационных систем поддержки принятия решения при аварийных разливах нефтепродуктов на морской поверхности путем совершенствования структур ГИС и методов обработки информации.

Для реализации поставленной цели необходимо решить следующие задачи:

• осуществить математическое описание данных, полученных от различных средств измерения параметров морской поверхности;

• разработать алгоритмы оптимального расположения сенсоров в распределенной многосенсорной системе мониторинга;

• разработать алгоритм обнаружения, распознавания и идентификации неоднородностей на морской поверхности;

• разработать алгоритм объединения информации, полученных от различных датчиков информации;

• разработать принципы и алгоритмы отображения данных на электронной карте с использованием ГИС-технологий;

• разработать математическое обеспечение критериев идентификации и классификации неоднородностей на морской поверхности;

• разработать концепцию построения геоинформационной системы поддержки принятия решений при аварийных разливах нефтепродуктов;

• разработать математическое, алгоритмическое и аппаратно-программное обеспечение принятия решений в ГИС при аварийных разливах нефтепродуктов и возникновении других нештатных ситуаций.

Объектом диссертационного исследования является процессы автоматизированной обработки пространственной информации об экологическом состоянии морской поверхности геоинформационными средствами сбора, обработки, анализа и предоставления и обработки геоинформации.

Предметом исследования является геоинформационное моделирование представления, ввода, обработки, анализа, передачи и отображения геоинформации в ГИС поддержки принятия решений.

Теоретическая значимость исследований состоит в дальнейшем развитии методов и математического аппарата обработки и объединения информации от разнородных сенсоров экологического мониторинга морской поверхности, а также методов предоставления полученной информации от ГИС.

Практическая значимость результатов работы заключается в разработке структуры ГИС поддержки принятия решения, а также аппаратного и программного обеспечения для принятия адекватных управленческих решений при возникновении нештатных ситуаций на морской поверхности.

Достоверность основных положений и выводов диссертационной работы подтверждается корректностью допущений и ограничений при выводе математических выражений, использованием апробированных численных методов оценки, согласованностью основных теоретических положений диссертации с практической реализацией предложенных решений, а также результатами вычислительных и научных экспериментов.

На защиту выносится:

1. Концепция построения и структура информационной системы экологического мониторинга акваторий морского порта.

2. Методика и алгоритмическое обеспечение объединения информации от различных физических датчиков экологического состояния морской поверхности.

3. Концепция построения и структура геоинформационной системой поддержки принятия управленческих решений при аварийном разливе нефтепродуктов в акватории морского порта.

4. Алгоритмическое и программное обеспечение процесса принятия управленческих решений в ГИС при аварийном разливе нефтепродуктов. Научная новизна

1. Структура информационной системы экологического мониторинга построенная на базе датчиков различной физической природы, что позволило повысить вероятность обнаружения нефтяных загрязнений на морской поверхности.

2. Методика и алгоритмическое объединение информации от различных физических датчиков, осуществляется на четырех уровнях: однородных сигналов, пикселей, параметров и символов, что повышает точность и сокращает время принятия решения при возникновении нештатных ситуаций на морской поверхности.

3. Концепция построение и структура ГИС поддержки принятия управленческих решений при разливе нефтепродуктов, позволяющая принимать адекватные управленческие решения для любой координатной точки контролируемой зоны.

4. Алгоритмическое и программное обеспечение процесса принятия управленческих решений в морской акватории с учетом экологической уязвимости отдельных участков контролируемой зоны.

Публикации. Содержание диссертации и некоторые примеры практического применения результатов исследования изложены в 8 публикациях, 3 из которых помещены в рекомендованных ВАК России журналах. Так же по теме исследования получены 2 патента.

Объем и структура работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы и приложения. Содержит 165 страниц текста 7 таблиц и 12 рисунков. Список литературы включает 59 наименований.

В первой главе диссертационной работы проанализировано состояние темы исследования, рассмотрены методы дистанционного обнаружения загрязнения; мониторинг разливов нефтепродуктов в акватории; способы и инструменты решения экологических задач в морских акваториях и прибрежных зонах; задачи информационной системы оперативной оценки экологического и техногенного риска.

Согласно существующим методам дистанционного обнаружения нефтяных (и не только нефтяных) загрязнений их

подразделяют на три типа: пассивные, полуактивные и активные. Пассивные методы основаны на регистрации теплового излучения (ИК и СВЧ) и естественного гамма-излучения. Полуактивные методы основаны:

на облучении естественными - Солнце, Луна, и искусственными источниками электромагнитными излучениями в широком спектральном диапазоне;

анализе и сопоставлении изменения спектрального состава принятого сигнала от загрязненных и незагрязненных участков поверхности акваторий.

При использовании активных методов исследуемая водная поверхность облучается источниками излучения заданного спектрального состава (лазером) с регистрацией или отраженного излучения, или флуоресценции или комбинационного рассеивания.

При изменении отраженного ультрафиолетовое излучения можно зафиксировать сырую нефть и тяжелые нефтепродукты, прозрачные нефтепродукты фиксируются несколько сложнее. Максимальный контраст нефть — вода наблюдается при толщах пленки до 1мкм. Метод отражения на мелководье существенно осложняется из-за ухудшения соотношения сигнал/шум в результате роста фона от песка и ракушечника.

Использование активной радиолокаций для обнаружения нефтяных загрязнений основано на эффекте изменения рассеянного сигнала нефтяной пленкой по сравнению с чистой водой. Однако существенное ограничение применению этого метода создают сильные ветры (скорость не более 5-8 м/с), при которых характер волнения не определяется наличием волнения на поверхности воды нефтепродуктов.

Большим недостатком метода отражения является ограниченность угла приема отраженного сигнала.

Мониторинг разливов нефти в море традиционными средствами контроля с судов весьма затруднен, а аэросъемки очень дороги, к тому же они бесполезны в ночное время и невозможны при нелетной погоде. Радиолокация из космоса — это в большинстве случаев единственная возможность оперативного мониторинга состояния поверхности обширных районов океана благодаря высокой чувствительности радиолокационного сигнала к поверхностной шероховатости, проникновению сквозь облачный покров,

независимости сигнала от условий освещенности, регулярности и оперативности получения информации. Важно, что радиолокатор с синтезированной апертурой (РСА) обеспечивает высокое пространственное разрешение. Так, радиолокационные изображения ИСЗ ЕРС-2 имеют пространственное разрешение около 25 м, что позволяет точно определять положение и границу нефтяного пятна.

В структуру комплексной системы экологического мониторинга акватории входят активные и пассивные дистанционные системы наблюдения за акваторией. Дистанционные методы зондирования с точки зрения оперативности и осуществления контроля больших акваторий представляют наибольший интерес. К ним относятся пассивные методы зондирования (радиотеплолокационные и телевизионные) и активные методы зондирования.

Рисунок 1 Структурная схем связи между центральным процессом, ЛПР и подсистемы.

Наряду с пассивными способами приема теплового излучения представляют интерес и методы активного зондирования водной поверхности. К таким подсистемам относятся:

• оптические (лидары);

• радиолокационные (РЛС);

• гидроакустические.

Лидарные подсистемы - оптические системы, осуществляющие контроль за состоянием водной поверхности при помощи оптического зондирования импульсными или непрерывными световыми потоками.

Радиолокационные подсистемы (РЛП) - предназначены для всепогодного дистанционного мониторинга водной поверхности и решают следующие задачи:

• оценка основных характеристик и параметров волнения и течений на водной поверхности;

• обнаружение и оценка основных параметров льдин и других объектов, мешающих судовождению;

• обнаружение аномалий, например, загрязняющих выбросов (разливов нефти) на водную поверхность, определение координат, размеров и контроль динамики загрязнений (развитие, перемещение и т.п.).

Капиллярные волны морской поверхности отражают энергию радиолокационного излучения, производя «яркое» изображение, известное как «шум моря». Так как нефть на морской поверхности гасит некоторые из капиллярных волн, присутствие нефти на морской поверхности можно распознать «темный объект» среди яркого изображения. Однако существует много ложных объектов, вызывающих подобный эффект на радиолокационном изображении морской поверхности - слики естественного происхождения. Несмотря на это существенное препятствие для использования радара, он является важным инструментом дистанционного мониторинга, т.к. является единственным датчиком, который можно использовать для обзора обширных областей и одним из немногих сенсоров, способных «видеть» в ночное время и при неблагоприятных погодных условиях. Эксперименты показали, что сигнал в полосе X показывает лучшие

результаты в смысле обнаружения нефтяного пятна, чем радиолокационные сигналы в полосах Ь и С. Кроме того, было установлено, что вертикальная поляризация антенны для передачи и приема сигнала (У,У) показывает лучшие результаты, чем другие антенные конфигурации. Использование радара для обнаружения нефтяных пятен также зависит от состояния моря. Спокойное море не производит достаточно шума, чтобы контрастировать с нефтяным пятном, а бурное море сильно рассеивает энергию обратного излучения и делает обнаружение невозможным. Как видно из рисунке 2, для обнаружения нефтяного пятна скорость ветра должна лежать в пределах от 1,5 до 6 м/с. Эти пределы ограничивают окно условий окружающей среды для обнаружения нефтяного пятна с помощью радара. При больших скоростях ветра становится невозможным отличить нефтяное пятно от природного слика.

Л_!_!_1_5_!_I_!-!-

Скорость ветра, м/с

*

(0

£

„-«* о "«» о 0° 0 о °оос ^^^ 3 X ; | О С 0 1 0.

Рисунок 2. Зависимость радиолокационного контраста нефтяного пятна от скорости ветра

В Ь-диапазоне природные слики показали большее поглощение радиолокационного излучения, чем нефтяные пятна. Радар также можно использовать для измерения течений и предсказания движения нефтяного пятна.

Радары, размещенные на берегу или судовые радары, в отличие от радаров, размещенных на самолетах, имеют дополнительный недостаток низкой высоты, который сокращает область мониторинга пределами от 8 до 30 км в зависимости от высоты антенны.

Экспериментально полученные результаты свидетельствуют, что при использовании полосы С (длина волны излучения 5 см) контраст между нефтяным загрязнением и фоном уменьшается при увеличении угла обзора, о чем свидетельствуют данные на рисунке 3.

Рисунок 3. Зависимость радиолокационного контраста нефтяного пятна на фоне морской поверхности как функция угла обзора.

Микроволновые скаттерометры измеряют рассеяние целью микроволновой энергии и работают в Ки диапазоне частот. Присутствие нефти уменьшает рассеяние микроволновой энергии также как и в случае радара, а ложные цели также вносят неопределенность в решение задачи обнаружения. Микроволновые скаттерометры имеют область обзора, сходную с оптическими датчиками и работают в геометрии надира, т.е. направлены прямо вниз. Недостатком скаттерометров являются слабые характеристики изображения.

Гидроакустические подсистемы - используются для изучения глубинного строения толщи воды и дна, а также для определения и локации мест скопления пролитых нефтепродуктов. Гидроакустические средства наблюдения располагаются под водой. При использовании гидроакустических систем в качестве подсветки зоны раздела воды-воздуха можно производить обнаружение пятен нефти.

Метеостанции — используется для наблюдения за характеристиками и параметрами производного слоя тропосферы.

При совместной обработке данных различных подсистем анализируются:

• оптические изображения от сети телекамер;

• тепловые портреты акватории от сети инфракрасных камер;

• портреты акватории полученные лазерными локаторами;

• результаты поверхностно - частотно-временной обработки сейсмо-акустических сигналов;

• результаты физико-химических проб воды;

• метеорологические условия.

Во второй главе рассмотрены принципы интеграции информации в автоматизированной информационной системе дистанционного мониторинга, процесс объединения выходных данных датчиков на уровне сигналов, алгоритм слияния и обработки радиолокационных изображений на уровне параметров.

Повышение достоверности информации, поступающей в центр вторичной обработки удалось с помощью слияния данных различных сенсоров, использующего свойства избыточности, многообразия и сложности, которыми обладает группа сенсоров, рассматриваемая как единое целое. При этом:

- Система становится менее уязвимой к отказу отдельных компонентов-датчиков.

- Точность информации, поступающей в центр вторичной обработки повышена.

- Система в целом становится менее уязвимой для шумов, так как шумовые компоненты сигналов датчиков не коррелированы в различных точках пространства/времени.

- Результат слияния данных используется для поддержки принятия решений и помогает сократить время, необходимое для принятия решения, так как выносимое решение зависит от нескольких аспектов наблюдаемой ситуации.

Обычно наблюдающий сенсор несколько смещен и повернут относительно опорного сенсора, поэтому для увеличения точности определения параметров изображаемого объекта необходимо найти функцию Б, которая эффективнее (с минимальным отклонением) отображает показания наблюдающего сенсора ^ (х/, ..., хп) на показаниях опорного сенсора Б, {х,, х2, ..., хп). . Эта ситуация изображена на рисунок 4.

82 81

Рисунок 4. Метод совмещения изображений

Решение задачи слияния данных в этом случае состоит в

нахождении вектора трансляции (вращения и смещения), который

корректно откалибрует два изображения с одинаковыми конфигурациями.

Сравнение уровней слияния данных

Характеристи ка Уровень сигналов Уровень пикселей Уровень параметров Уровень символов

Тип информации Одномерн ый или многомерн ый сигнал Несколько изображений Параметры, извлекаемы е из сигналов/из ображений Решение, представленн ое символом

Уровень представлени я информации Низкий Низкий-средний Средний Высокий

Модель информации Случайная переменна я, поврежден ная шумом Стохастическ ий процесс на изображении с многомерным и атрибутами Геометриче екая форма, ориентация, положение Символ с ассоциирован ной мерой неопределенн ости

Уровень совмещения: пространстве нный временной Высокий Высокий Высокий Средний Средний Средний Низкий Низкий

Средства Объединен Объединение Геометриче Пространстве

достижения ие сенсоров. ские нные

совмещения: сенсоров. Разделяемая преобразова атрибуты

пространстве Синхрониз оптика. ния. символа, если

нный ация или Синхронизац Синхрониза необходимо.

временной оценка. ия. ция. Временные

атрибуты

символа

Метод Обнаруже Оценка или Геометриче Логическое

слияния ние и комбинация ское или или

данных оценка атрибутов временное статистическо

пикселей соответстви е заключение

е, комбинация

параметров

Улучшение, Сокращен Улучшение Сокращение Увеличение

достигаемое ие качества процесса достоверност

при слиянии пространст обработки обработки и решения

данных ва изображений данных,

переменны более

х, точные

улучшение данные

качества

обнаружен

ия

После коррекции системных и геометрических ошибок в наборе данных, сигналы интегрируются с использованием одного или комбинации из следующих методов:

- арифметической комбинации;

- анализа главных компонент;

- вейвлет-анализа;

- замены переменной при регрессии;

- цветовой композиции RGB;

- изменение интенсивности цветового тона.

Каждый из приведенных алгоритмов имеет свои особенности. В работе предложен новый алгоритм, обладающий преимуществами каждого из них. Предлагаемый алгоритм эффективной регистрации

двухмерных изображений и последующего их слияния и состоит из следующих основных этапов:

— формирование размера «рабочего кадра» - области показаний сенсоров, которые будут подвергаться трансляции и вращению, для определения направления схождения алгоритма;

— формирование начального направления схождения двух показаний сенсоров, присущее генетическим алгоритмам, с целью обхода локальных минимумов;

— выбор направления и шага схождения путем максимизации функции соответствия Ркпдействие, присущее алгоритму ТБ;

— усреднение показаний двух сенсоров.

Критерий связности Кульбака зависит от взаимной плотности распределения вероятностей (ПРВ) интенсивности пикселей двух изображений

где п'(х, у) - взаимная ПРВ двух изображений;

м?(х),м?(у) - ПРВ изображения х и изображения у соответственно;

При автоматизации процесса слияния двух изображений с использованием информативной меры в качестве функции соответствия берется не только численное значение самой функции, но и взаимная ПРВ двух изображений, а также параметры ПРВ (асимметрия и эксцесс), которые указывают направление наискорейшего слияния, так как имеют различия в значениях по горизонтали и вертикали.

На рисунок 5. показана взаимная ПРВ совмещенных изображений.

Р

0)

ц - мера расстояния между двумя пикселями.

Рисунок 6. Взаимная ПРВ двух изображений, прошедших процедуру слияния

Рисунок 5. Взаимная ПРВ совмещенных изображений На рисунок 6. показана ПРВ двух изображений, прошедших процедуру слияния в соответствии с предложенным алгоритмом, реализованным в пакете МаЛаЬ.

Приведенные результаты свидетельствуют о том, что внедрение алгоритма слияния монохромных изображений на уровне параметров с применением информационной меры соответствия, позволяет полностью автоматизировать процесс слияния изображений без выполнения какой-либо предварительной их обработки.

В третьей главе представлены методы управление защитой геоинформационных пространств, состав системы моделей и методов представления и обработки геоинформации в АСУ, типизация и интеллектуализация основных функций и подсистем СППР, разработка архитектуры и алгоритмов унифицированных базовых наборов модулей интеллектуальных систем освещения обстановки на электронных картах, решающих типовые расчетные задачи в условиях неполноты и противоречивости исходных данных.

Модуль распознавания геоинформационных ситуаций на основе нечеткой искусственной нейронной сети. В распознавании образов нечеткие нейронные сети являются уникальным инструментом, позволяющим реализовать эффективное сочетание экспертных знаний с обучением к фактическому набору данных. Экспертные знания можно использовать как при выборе функций принадлежности лингвистических переменных, так и при выборе структуры и топологии нечеткой нейронной сети. В первом случае используются априорные знания об интервалах неопределенности входных переменных, а во втором — знания о логическом алгоритме классификации. Возможность вложить в структуру сети логические знания основана на подобии операции нечеткой логики и логических правил, которыми руководствуется человек при принятии решений. Значение функции принадлежности в этом случае интерпретируется как степень доверия к результату, а нечеткая нейронная сеть выполняет агрегирование данных посредством последовательного выполнения операций Адггу-логики «И», «ИЛИ».

Предлагаемый вариант сети в соответствии с рисунком 6 имеет четырехслойную модульную структуру и отражает экспертные рекомендации по эффективной последовательности логических операций. Во входном слое сети выполняется формирование лингвистических переменных «Структура», «Семантика 1», «Семантика 2», «Длина территориального объекта». Модули,

помеченные символами «ГЪ> и «^ », выполняют покоординатные композиции Шггу-логики «И» и «ИЛИ».

Рисунок 7 -Нечеткая модульная нейронная сеть

Пространство нечетких переменных определено на интервале [0-И], поэтому от контрастирующей функции требуется, чтобы при изменении ее аргументов в диапазоне [0-^1] значение функции принадлежало диапазону [0-ь1]. Одним из возможных вариантов функции, обладающей данными свойствами (аналитическая форма для функций контрастирования), является показательная функция следующего вида:

/а(х) = х6(1-*)Р; ¿>0,

где переменная х является результатом выполнения логической операции и обычно рассматривается как выход нечеткого нейрона.

О 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1

Рисунок 8 - Функции активации нечетких нейронов

Использование контрастирующих функций в нечеткой логике позволяет получить корректную субъективную интерпретацию базовых логических операций. Нечеткие нейроны с контрастирующими функциями активации существенно расширяют область применения нечетких нейронных сетей. Обработка данных в нечеткой нейронной сети осуществляется по следующему алгоритму.

Первый слой. В нейронном слое формируются нечеткие лингвистические переменные: «Структура» - 5, «Семантика 1» - Бт^, «Семантика 2» - 8т2, «Длина объекта» - Ь. Алгоритмы

фаззификации были изложены выше.

Второй слой. В слое выполняется поразрядное контрастное логическое умножение векторов функций принадлежности.

У](к) = £(&) & Щ) = Шг02(тт(3(к), Ь(к))), у2(к) = 5т,(к) & Цк) = СМг02(тЩ8тх(к), Щ))), уъ(к) = 8т2(к) & Ь(к) = Сп&02(тт(5т2(к), Ь(к))).

Операция логического умножения контрастируется функцией СШга(х) = ХЬ^ х> с пороговым значением (X = 0.2 и параметром

Р = 1.

Третий слой. В слое выполнятся поразрядное контрастное логическое сложение

г(к) = СШг~5 (тахО, (к), у2 (к), у3 (к))).

Функция обратного контрастирования с параметром Р = —0.6 имеет пороговое значение ОС = 0.5. Выходом третьего слоя является композиционная функция принадлежности распознаваемого образа к набору эталонов.

Четвертый слой. В нейронном слое реализовано усиление диагнозов. Операции в слое выполняются, когда координаты и

^(У) имеют близкие значения.

= тах(г(к), гЦ)) - щт{г{к), ¿(у)) ^ р ^

тах(г(к), г{])) В этом случае проверяются частные диагнозы по переменным У1' У2 > Уз в "«Рядке предпочтений у1 >- у2 >- уъ . Алгоритм: Если у2 <0.1 тогда

если у1 > 0.2 и у ¿к) > у1 (у), то = г(к)(1 ~ у,),

иначе, если у2 > 0.2 и У2(к) > у20), то г(Л = 2(к)(1-у2),

иначе, если у3 > 0.2 и у3(к)>у30'), то

2Ц) = г{к% 1-Уз).

Обобщенный алгоритм обработки информации и классификации территориальных объектов на основе нечетких искусственных нейронных сетей (ИНС) представлен на рисунке 8.

В четвертой главе представлена оценка чувствительности морских побережий к различным видам антропогенного воздействия, исходные данные и требования предъявляемые к геоинформационной

системе под держки принятия решения, структура геоинформационной программы под держки принятия решений.

В работе предложена методика картирования экологически уязвимых прибрежных районов, основанная на следующих предпосылках:

• для полноты характеристики рассматриваемых экосистем и во избежание критических замечаний со стороны общественности, сторонних специалистов и экспертных организаций, объектами рассмотрения являются все основные группы растений и животных, обитающие в регионе;

• относительная уязвимость различных компонентов экосистем к прогнозируемым воздействиям задается исходя из накопленных знаний и корректируется специалистами с учетом местной специфики;

• изменения уязвимости отдельных групп организмов на протяжении года характеризуются путем построения сезонных карт распределения;

• для построения тематических и обобщающих карт используются географические информационные системы;

• интегральная уязвимость региона определяется как результат суммирования уязвимости территории или акватории по отдельным группам растений и животных, с учетом их индивидуальной чувствительности к воздействиям, способности к восстановлению, пространственного и сезонного распределения.

Таблица 3-Относительная уязвимость различных компонентов морских экосистем к основным видам антропогенных воздействий в _прибрежье.

Коэффициент относительной уязвимости *

Компонент Геофизиче Увеличение Дампинг Нефтяная Дисперги

экосистемы екая количества грунта пленка рованная

сейсмо взвеси в нефть

съемка воде

Фитопланктон 1 3 1 1 2

Зоопланктон 2 4 1 2 3

Макроводоросли 1 5 5 2 3

Сосудистые 1 1 2 3 2

растения

Донные беспозвоночные 1 3 5 2 3

Рыбы (икра, 5 5 4 4 5

мальки)

Рыбы (взрослые особи) 4 4 3 2 3

Птицы 2 3 2 5 2

Китообразные 3 1 1 4 2

Ластоногие 3 2 1 5 3

Примечание. «1» - наименьшая чувствительность, «5» -наибольшая чувствительность

Относительная уязвимость различных компонентов экосистем к прогнозируемым воздействиям задается исходя из накопленных знаний (см. таблицу 1) и корректируется специалистами с учетом местной специфики

Изменения уязвимости отдельных групп организмов на протяжении года характеризуются путем построения сезонных карт распределения

Для построения тематических и обобщающих карт используются географические информационные системы (ГИС; в нашей работе - пакет программ Мар1пйэ 6.0)

Интегральная уязвимость региона определяется как результат суммирования уязвимости территории или акватории по отдельным группам растений и животных, с учетом их индивидуальной чувствительности к воздействиям, способности к восстановлению, пространственного и сезонного распределения

Относительная уязвимость различных компонентов экосистем к основным видам воздействий, связанным с освоением шельфовых месторождений

Коэффициент относительной уязвимости

Воздейс; Увеличени

Компонент хвие е , Дампи Нефтян

экосистемы пневмо- количества нг ая

грунта пленка

ков

Фитопланктон 1 Зоопланктон

источни взвеси воде

2 1

Макроводорос ли

Сосудистые ^ растения

Донные

беспозвоночн 1 ые

Рыбы (икра, ^ мальки)

Рыбы

(взрослые 4 особи)

Птицы 2

Китообразные 3

Ластоногие 3

3

4

3 1 2

2 1 1

1

2

5

4

5

Диспе , рги-рован ная

нефть ; 1 2

4

3

4

Современные геоинформационные системы предоставляют цифровые инструменты для организации и оперирования пространственными данными, моделирования происходящих в пространстве процессов, визуализации этих данных, моделей и процессов с помощью развитых компьютерных средств, специализированных инструментов обработки и анализа геоданных. Современные ГИС расширяют мощь географических методов.

Географический подход подразумевает использование принципов географической науки с поддержкой ГИС как основы для

прогнозирование аварийных ситуаций и применения географического знания для устранения опасных экологических ситуаций, позволяет лицу принимающему решение анализировать весь имеющийся опыт, при решении имеющихся проблем.

Информационное обеспечение комплексной методики включает следующие элементы:

1)базы данных особо охраняемых зон акватории;

2)базы данных уязвимых зон в различные сезоны календарного года;

3)географические базы данных (включающие постоянные течения и т.д.);

4)метеорологические оперативные данные;

5)модели распространения загрязнения.

Существенным общим свойством перечисленных выше видов данных является их зависимость от пространственных координат, так как разлив нефтепродуктов рассматривается как центр масс по радиусу распространения. Поэтому, применение такого мощного и удобного средства интеграции пространственно-распределенных данных как ГИС является оправданным и перспективным. Программно-инструментальная система использует ГИС в качестве связующего звена, обеспечивающего использования разнородных данных.

Перечисленные свойства особенно важны на завершающем этапе при использовании результатов работы системы в целях оперативного устранения загрязнения. Для демонстрации результатов работы программа осуществляет прогноз перемещения нефтяного пятна. Прогноз строится на исходных данных поступающих в программу на действительный момент времени. Прогнозирование распространения загрязнения осуществляется на заданной территории, карта которой разделена на области, отличающиеся степенью уязвимости перед загрязнением, что позволяет проводить работы по оценке уязвимости акваторий и берегов к нефтяному загрязнению, своевременно реагировать на аварийные ситуации и производить планирование чрезвычайных ситуаций. ГИС «Прогноз нефтяного разлива» осуществляет визуализацию фактических и прогнозных данных разлива нефтяного пятна с учетом гидрометеорологических условий.

Программа состоит из следующих модулей: oil_viewer, MapWidget. Модуль oil_viewer осуществляет по введенным гидрометеорологическим параметрам (направление и скорость ветра, соленость и т.д.) расчет переноса и трансформации нефтяного пятна. Модуль производит отображение результатов расчета на географическую основу. Построенные карты могут быть выведены на экран, печать или в растровый файл. Исходные данные о разливе нефти и текущих гидрометеорологических условиях поступают в открытом виде (без использования синоптических, гидрологических и др. кодов) в формате конфигурационных файлов типа INI. Использование подобного формата позволяет упростить интеграцию ГИС со связными компонентами в оперативной практике.

Выстраиваемая геоинформационная система имеет вид карты с наложенными на нее слоями:

• климатическая ситуация местности. (1)

• биологическая карта (в режиме реального времени).(2)

• карта особо охраняемых зон.(З)

• загрязнение и прогноз распространения.(4)

В итоге получается карта с прогнозном поведения загрязнения и зон наиболее чувствительных к загрязнению. Данная карта является основной информацией для лица принимающего решение о необходимым мерах для устранения разлива.

Рисунок 9 Схема алгоритма ГИС.

К лицу принимающему решение поступает информация о прогнозе распространения загрязнения по акватории и места наиболее уязвимые к загрязнению. Таким образом наиболее важная и актуальная информация способствует принятию эффективного решения по устранению загрязнения.

Заключение

В настоящей диссертационной работе представлено новое решение актуальной задачи построения интегрированной геоинформационной системы, предназначенной для поддержки принятия управленческих решений в нештатных ситуациях, возникающих при аварийных разливах нефтепродуктов на морской поверхности. Разработанная система представляет собой интеграцию радиофизического мониторинга экологического состояния морской поверхности, ГИС отображения информации и систему поддержки принятия решения.

На основании теоретических исследований поставленных задач, математического, алгоритмического и имитационного моделирования основных характеристик информационных потоков о состоянии морской поверхности получены следующие основные научные результаты:

— Разработаны методики оценки экологической обстановки прибрежных акваторий с учетом международных стандартов по определению степени загрязнения вод и экологии прибрежных зон.

- Разработана и реализована программа проведения натурных измерений и методов обработки результатов измерений вод Финского залива.

- Отработана методика дистанционного мониторинга обнаружения нефтепродуктов на морской поверхности в оптическом и электромагнитном диапазоне волн.

- Получены опытные данные для возможности дальнейшей сертификации метода обнаружения и идентификации загрязнений.

- Получен набор статистических данных для осуществления картографирования возможных нефтяных разливов в районе нефтеналивного порта г. Приморска. Полученные данные не противоречат известным отечественным и зарубежным данным. Полученная точность составляет не более 30%.

- Определены критерии оценки адекватности моделей и проведена их проверка экспериментальным путем.

- Разработана структура типовой автоматизированной информационной системы оперативной оценки экологического и техногенного риска в местах интенсивных природных и техногенных воздействий на основе результатов дистанционного зондирования океана.

- Разработаны алгоритмы интеграции информации в автоматизированной информационной системе дистанционного мониторинга на различных уровнях представления сигналов.

- Определены функциональные возможности и технические характеристики радиолокационной системы, входящей в состав автоматизированной информационной системы.

- Разработаны механизмы и алгоритмы принятия управленческих решений при аварийных разливах нефтепродуктов.

- Разработана базовая структура ГИС поддержки принятия решения при нештатных ситуациях на морской поверхности.

- Разработана программа для реализации принятия управленческих решений при нештатных ситуациях на морской поверхности, на которую получено свидетельство о государственной регистрации программ для ЭВМ №2014618853 от 29.08.2014 г.

Результаты диссертационной работы внедрены:

- В учебный процесс при подготовке студентов факультета информационных систем и геотехнологий.

— В НИР «Разработка и развитие методов, моделей и систем геоинформационного управления пространственно-распределенными объектами» выполняемую на основании задания №2014/166 на выполнение государственных работ в сфере научной деятельности в рамках базовой части государственного задания Минобрнауки РФ.

Основные положения и некоторые результаты их практического применения изложены в следующих работах автора:

Статьи в изданиях, рекомендованных ВАК:

1. Бескид П.П., Миранков В.А. «Геоинформационная система поддержки принятия решений при ликвидации нефтяных разливов на поверхности акватории» Ученые записки РГГМУ №30 Санкт-Петербург 2013 (ВАК)

2. Бескид П.П. Миранков В.А. «Информационная система оценки экологического состояния морской поверхности» В мире научных открытий №4(52),Красноярск 2014 (ВАК)

3. Бескид П.П., Миранков В.А. «теоретическое обоснование архитектуры геоинфориационных систем освещения обстановки» Ученые записки РГГМУ №36 Санкт-Петербург 2014 (ВАК)

Статьи и другие публикации:

4. Бескид П.П., Миранков В.А. «Информационная система оценки экологического состоячния морской поверхности»Межвузовский сборник научных трудов Информационнык технологии и системы выпуск 1(10) с.40 СПб 2013.

5. Нилов М.А., Иванв В.П., Бескид П.П., Миранков В.А., Некоторые перспективы развития скрытных корабельных РЛС. Научно технический сборник «Корабельные и бортовые многофункциональные информационно-управляющие системы» вып.№19, ЛБ-21636. - СПб.: ОАО «Концерн «Гранит-Электрон», 2013. - С.

6. Богданов П.Ю. Силин П.И. Миранков В.А. «Защита конфиденциальности в корпоративных ГИС» Межвузовский сборник научных трудов «Информационные технологии и системы управления, экономика, транспорт, право» Выпуск 3 (14) Санкт-Петербург с.21

7. Бескид П.П., Миранков В.А. «Методология разработки информационной системы экологического мониторинга морских акваторий» Межвузовский сборник научных трудов «Информационные технологии и системы управления, экономика, транспорт, право» Выпуск 2(13) Санкт-Петербург с.З

8. Бескид П.П., Миранков В.А. «Информационная система оценки экологического состоячния морской поверхности»Межвузовский сборник научных трудов Информационнык технологии и системы выпуск 1(10) с.40 СПб 2013.

9. Миранков В.А., Чернецова Е.А. «Вероятностная модель покрытия зоны ответственности свободно дрейфующей подсистемы мониторинга зонами чувствительности датчиков»Межвузовский сборник научных трудов Информационнык технологии и системы выпуск 1(10) с. 15 СПб 2013.

10. Нилов М.А., Иванв В.П., Бескид П.П., Миранков В.А., «радиолокационная система с псевдонепрерывным зондированием для повышения скрытности и эффективности мониторинга морской поверхности. Научно-технический сборник «Корабельные и бортовые многофункциональные информационно-управляющие системы» вып.19 ЛБ-21636. -С-Пб.: ОАО «Концерн «Гранит- электрон»2013» Патенты:

11. Свидетельство о регистрации базы данных №2014621110 от 07.08.2014

12. Свидетельство о регистрации программы для ЭВМ №20114618853 от 29.08.2014

Миранков Валерий Александрович

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЯ ПРИ АВАРИЙНЫХ РАЗЛИВАХ НЕФТЕПРОДУКТОВ В АКВАТОРИИ

ЛР№ 020309 от 30.12.96

Подписано в печать 02.02.15. Формат 60><90 1/16. Гарнитура Times New Roman. Печать цифровая. Усл.печл. 1,75. Тираж 100 экз. Заказ № 377. РГГМУ, 195196, Санкт-Петербург, Малоохтинский пр., 98. Отпечатано в ЦОП РГГМУ