ГОУ ВПО Уфимский государственный авиационный технический университет

ГОУ ВПО Уфимский государственный авиационный
технический университет
Кафедра «Безопасность производства и промышленная
экология»
Регистрационный номер 013
Якупова Лия Маратовна
КОНКУРСНАЯ РАБОТА
на соискание стипендии BELLONA для студентов, обучающихся по
специальностям в области экологии, природопользования, защиты
окружающей среды и энергетики на тему:
«ИНТЕГРИРОВАННОЕ УПРАВЛЕНИЕ ВОДНЫМИ
РЕСУРСАМИ РОССИИ С ИСПОЛЬЗОВАНИЕМ
НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ (НА ПРИМЕРЕ Р.БЕЛОЙ)»
Научный руководитель:
д.т.н., профессор Красногорская Н.Н.
Уфа – 2010
СОДЕРЖАНИЕ
ВВЕДЕНИЕ ....................................................................................................................................... 2
1
СОВРЕМЕННОЕ
СОСТОЯНИЕ
ИССЛЕДОВАНИЙ
В
ОБЛАСТИ
ИНТЕГРИРОВАННОГО УПРАВЛЕНИЯ ВОДНЫМИ РЕСУРСАМИ В РОССИИ ......... 4
2 ОБЪЕКТ И МЕТОДЫ ИССЛЕДОВАНИЯ ............................................................................. 5
2.1 Объект исследования ................................................................................................................ 5
2.2 Характеристика исходных данных ........................................................................................ 5
2.3
Методы исследования .......................................................................................................... 7
3 ОЦЕНКА КАЧЕСТВА ВОДЫ Р.БЕЛОЙ ................................................................................. 8
3.1 Анализ многолетних изменений химического состава воды р.Белой ............................. 8
3.2 Оценка пригодности качества речной воды для различных видов водопользования
(на примере р.Белой) ....................................................................................................................... 8
3.3 Комплексная оценка качества воды р.Белой. .................................................................... 10
3.4 Оценка эколого-гидрологического риска ........................................................................... 10
4 ПРОГНОЗИРОВАНИЕ ХИМИЧЕСКОГО СОСТАВА РЕЧНЫХ ВОД С ПОМОЩЬЮ
ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ....................................................... 12
5 РАЗРАБОТКА СИСТЕМЫ ОЧИСТКИ СТОКА УРБАНИЗИРОВАННОЙ
ТЕРРИТОРИИ ................................................................................................................................ 14
ВЫВОДЫ......................................................................................................................................... 15
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ ................................................................ 16
ПРИЛОЖЕНИЯ ............................................................................................................................. 17
1
ВВЕДЕНИЕ
Актуальность. На Всемирном саммите по устойчивому развитию в Йоханнесбурге в
сентябре 2002 г. официально объявлено о начале существования Глобальной водной
инициативы: “Вода для жизни – здоровье, благополучие, экономическое развитие и
безопасность”. Установлено, что концепция и принципы Интегрированного Управления
Водными Ресурсами (ИУВР) являются ключевыми для устойчивого развития.
Признавая необходимость решения эколого-гидрологических проблем путем
комплексного или интегрированного подхода к управлению водными ресурсами, следует
признать, что в разработке теории и прикладных задач остается еще много нерешенных
проблем методического и методологического характера: неопределенность критериев для
оценки экологического состояния водных объектов; поливариантность взаимосвязей
количественных и качественных характеристик водных объектов из-за региональных
природных, антропогенных, климатических особенностей территории, осложняющую
прогноз экологического состояния водных объектов [2,3,7].
В этой связи обоснование и выполнение комплексной оценки и прогнозирования
состояния водных ресурсов для целей ИУВР представляет собой важную в научном и
практическом отношении задачу. Решение данной задачи требует комплексного подхода,
интегрированного анализа изменений гидрохимических и гидрологических характеристик
водотока, применение разнообразных оценок качественного и количественного состояния
водных ресурсов, их сопоставления, выполнения специальных видов зонирования и
районирования, прогноза экологического состояния водных ресурсов в условиях
стохастичности природного и антропогенного воздействия и т.п., что в конечном итоге
должно составить основу разработки системы поддержки принятия решений для
интегрированного управления водными ресурсами.
На формирование водных ресурсов в большинстве регионов России в последние два
десятилетия значительное влияние оказывают снижение объемов и эффективности
природоохранной деятельности, в условиях интенсивно меняющейся антропогенной
нагрузки на водосборе. Это касается, прежде всего, регионов с высокой концентрацией
промышленного производства, что определяет, в свою очередь, высокую степень
использования вод. К таким регионам относится и Республика Башкортостан. В этой связи
для обеспечения рационального водопользования актуальным является выполнение
адекватной оценки экологического состояния водных ресурсов, прогноз качества воды,
используемой в питьевых, бытовых, рыбохозяйственных целях, а также разработка
технических решений, направленных на снижение загрязненности водотока (на примере
р.Белой).
Цель исследования – оценка и прогнозирование качества водотока с учетом
антропогенной нагрузки на водосборе и гидрологических особенностей водотока, а также
разработка технических мероприятий, направленных на снижение загрязненности водотока
(на примере р.Белой).
Для достижения поставленной цели сформулированы следующие задачи:
 комплексная оценка качества речной воды с учетом фактической водности за
многолетний период;
2
 определение
эколого-гидрологического
риска,
районирование
исследования по степени остроты эколого-гидрологического риска;
территории
 интеграция искусственных нейронных сетей и генетических алгоритмов для
прогнозирования гидрохимических показателей водотока в условиях стохастичности
природного и антропогенного воздействия;
 разработка технических решений, направленных на снижение загрязненности
водотока.
Научная новизна.
Впервые для реализации интегрированного управления водными ресурсами в России
предложен принцип интеграции количества и качества воды для оценки и прогнозирования
экологического состояния водотоков на национальном и бассейновом уровне.
Показана возможность использования методов интеллектуального анализа для
интегрированного управления водными ресурсами.
Новизна разработанной принципиальной технологической схемы очистки ливневого
стока с урбанизированной территории подтверждена положительным решением о выдаче
патента на изобретение по заявке № 2008142779/15(055658) от 23.12.2009.
Практическая значимость.
Выявлены
многолетние
закономерности
изменения
гидрологического
и
гидрохимического режима. Определена пригодность воды для различных видов
водопользования по среднегодовым значениям показателей качества.
Рассчитан эколого-гидрологический риск качественного и количественного
истощения водотока. Проведено районирование исследуемой территории по величине
эколого-гидрологического риска. Полученные результаты оценки эколого-гидрологического
риска могут быть использованы для разработки комплекса водоохранных мероприятий,
позволяющих улучшить экологическое состояние водосбора.
Разработанные нейросетевые модели могут служить основой для прогнозирования
состояния водных экосистем и управления качеством вод речного бассейна.
Создана информационно-аналитическая система, состоящая из базы данных,
содержащей сведения о гидрологическом режиме водотока и компьютерной программы,
позволяющей осуществлять обработку и визуализацию гидрологических данных,
получаемых на пунктах контроля, выявлять тенденции изменения количественного режима
водотока во времени. (Свидетельство о гос. рег. прог. для ЭВМ № 2010612194 от 24.03.10г.;
Свидетельство о гос. рег. прог. для ЭВМ № 2010612192 от 24.03.10г.).
Публикации. По теме диссертации опубликовано 20 работ, в том числе в научных
журналах, включенных ВАК РФ в список изданий, рекомендуемых для опубликования
основных научных результатов на соискание ученой степени кандидата наук – 1.
Апробация работы. Основные положения работы докладывались и обсуждались на
67,
69й
студенческих
научно-практических
конференциях
УГАТУ
(г.Уфа,
2008, 2010), российско-немецком семинаре “Aktuelle wissenschaftliche und methodische
Leistungen im Bereich Wasserressourcenmanagement” (2009).
3
1 Современное состояние исследований в области интегрированного управления
водными ресурсами в России
В настоящее время, учитывая многогранный характер управления водными
ресурсами, многие страны, в том числе Россия, внедряют интегрированный подход в
управлении водными ресурсами на национальном и бассейновом уровне. В научной
литературе интегрированное управление водными ресурсами (ИУВР) определяется как
процесс,
способствующий
динамичному,
интерактивному,
непрерывному
и
многоотраслевому управлению водными ресурсами, учитывающий пространственновременное распределение последних, обеспечивающий экологическую безопасность и
стабильность водоснабжения общества и природы [10].
Необходимыми элементами ИУВР является выполнение оценки существующего
экологического состояния водотоков, т.е. определение источников, размеров загрязнения
водных объектов, объемов безвозвратного изъятия водных ресурсов. Такой подход может
служить практической основой для рациональной эксплуатации водных объектов и
необходимым предварительным условием оценки возможностей освоения [2]. В качестве
критериев для оценки экологического состояния водных объектов используются показатели,
учитывающие гидроэкологические особенности водотока, водность года и фазу водного
режима.
Для
оценки
водопользовании
экологического
используются
риска
величины
деградации
критических
речных
нагрузок:
экосистем
либо
при
предельно
допустимое поступление загрязняющих веществ, либо предельно допустимое безвозвратное
изъятие водных ресурсов [4,5,6]. Интеграция этих характеристик в литературе в настоящее
время не выявлена.
Интегрированное управление водными ресурсами предполагает не только оценку
состояния водотока “на данный момент”, но и предоставление прогноза экологического
состояния водного объекта на региональном или бассейновом уровне. Результаты оценки и
прогнозирования значений показателей качества речной воды используются для принятия
решений по реализации природоохранных мероприятий.
В связи с этим необходимы развитие и апробация способов и методов оценки и
прогнозирования качества речных вод, позволяющих независимо от выбора критериев для
оценки состояния водных объектов прогнозировать значения показателей качества речной
воды с учетом гидрологических особенностей территории.
4
2 Объект и методы исследования
2.1 Объект исследования
Гидрохимический режим и качество воды рек, протекающих по территории с высокой
степенью урбанизации, формируется под влиянием сбросов сточных вод промышленных
объектов, поверхностного стока с сельскохозяйственных угодий, лесов и территорий
населенных пунктов, а также транзита загрязняющих веществ из соседних областей [1]. От
состояния загрязненности водотока во многом зависит жизнь и здоровье населения,
проживающего вдоль его берегов.
Типичным примером водотока, испытывающего громадную антропогенную нагрузку
является река Белая – крупнейшая водная артерия Республики Башкортостан и приток р.
Волги ІІ-го порядка. Река Белая протекает через все крупные промышленные центры
Башкортостана и служит источником водоснабжения многочисленных городов и поселков,
расположенных вдоль ее берегов. В этой связи для обеспечения рационального
водопользования в пределах речного бассейна приобретает практическую значимость оценка
и прогноз качества воды рек, используемых в питьевых, бытовых, рыбохозяйственных целях.
2.2 Характеристика исходных данных
В работе использованы данные ежемесячных многолетних (1980-2007) наблюдений за
химическим составом р. Белой и водным режимом Башкирского территориального
управления по гидрометеорологии и мониторингу окружающей среды (Баш.УГМС) для 4
пунктов: Белорецк (в черте д/о Арский камень), Стерлитамак (2,0 км ниже города), Уфа (в
черте города) и Бирск (1,5 км ниже г.Бирска). Выбор створов обусловлен двумя факторами:
во-первых, полнотой исходной информации – наличием ежемесячных данных о качестве
речных вод; во-вторых, они должны также располагаться на различных участках водотока –
от истока до устья. Информация о пунктах наблюдения представлена в табл. 1.
Таблица 1 – Информация о пунктах наблюдения за качеством воды р. Белой
№
п/п
Пункт
наблюдений
Расстояние
от устья
1
г. Белорецк
2
3
4
Площадь
водосбора, км2
Расположение створов
наблюдений
1297
Средний
многолетний
расход воды,
м3/с
13,5
2300
г. Стерлитамак
г.Уфа
753
493
121
755
21000
100000
г. Бирск
272
842
121000
17 км ниже г.Белорецка, в
черте д /о “Арский камень”
2,0 км ниже города
в черте города 0,1 км ниже
речного порта
1,5 км ниже города
Оценка качества речных вод проведена по 12 показателям: общая минерализация,
азот аммонийный, азот нитритный, азот нитратный, растворенный кислород, БПК5, ХПК,
фенол,
нефтепродукты,
железо
общее,
медь
и
марганец.
Данные
показатели
репрезентативны для оценки изменения химического состава и качества речных вод, так как
позволяют косвенно характеризовать условия формирования, в том числе влияние
антропогенных факторов; аналогичные вещества содержатся в различных сточных водах, по
5
ним существуют нормативные критерии качества воды, установленные для различных видов
водопользования; некоторые из них содержится в речной воде в количествах, превышающих
уровень ПДК; они характеризуют химический состав водного объекта по основным группам
показателей качества (общие показатели, неорганические и органические вещества). Таким
образом, матрица входных ежемесячных параметров составляет 35x28x12 для каждого
створа.
Наличие в речной воде азота аммонийного в высоких количествах свидетельствует о
поступлении в водоток белковых соединений. По величине БПК5 можно судить о
поступлении в водоток легкоокисляемой органики, а величина содержания растворенного
кислорода характеризует способность речной воды к самоочищению. Нефтепродукты и
фенолы отражают специфику формирования качества воды, обусловленную высоким
уровнем хозяйственной освоенности территории водосбора и осуществлением нефтедобычи.
Включение меди и марганца в анализ качества речных вод связано с низким значением ПДК
для данных веществ (0,001 и 0,01 мг/дм3 соответственно).
Для исследуемых гидрохимических и гидрометеорологических показателей качества
речной воды в рассматриваемых створах вычислены описательные статистики, позволяющих
судить об однородности и распределении данных. Для примера, перечень параметров,
использованных для прогнозирования качества воды р.Белой и некоторые описательные
статистики,
полученные
при
анализе
временных
рядов
гидрохимических
и
гидрометеорологических показателей качества речной воды в створе г.Уфы за исследуемый
период представлены в табл. 2.
Таблица 2 – Перечень и описательные статистики рассматриваемых параметров
в створе г.Уфы за период 1980-2006гг
N
п/п
Параметр
1
Скорость
течения
Расход реки
Уровень воды
Температура
воздуха
Количество
осадков
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Минерализация
Температура
воды
Взвешенные
вещества
Цветность
Прозрачность
Водородный
показатель, pH
Жесткость
Растворенный
кислород
БПК5
ХПК
Обозначение
Среднее
Медиана
Коэффициент
вариации, %
Гидрометеорологические параметры
Скорость течения
0,57
0,45
53
Коэффицциент
ассиметрии
Коэффицциент
эксцесса
1,5
1,4
Расход реки
Уровень воды
Tв-ха
974
70
3,8
513
19
5,3
117
229
305
2,6
1,6
-0,2
7,0
2,1
-1,3
Осадки
50
45
60
0,7
0,5
Общие и суммарные показатели
434,1
435
21
7,9
6,0
100
0,3
0,5
3,2
-1,3
Минерализация
Тводы
ВВ
45
27
118
3,0
11,3
Цветность
Прозрачость
рН
20,7
17,1
7,9
20,4
17,1
7,9
35
14
3
1,4
-3,0
0,0
4,9
16,9
0,9
Жесткость
Кислород
5,6
10,2
5,6
10,2
21
20
-0,1
-0,1
2,2
-0,1
БПК5
ХПК
1,62
28,8
1,39
25
52
59
1,5
2,1
2,6
6,3
6
Продолжение табл.2
Неорганические вещества
86,7
83,2
19,9
19,0
3,5
3,5
5,1
4,8
87
38
29
57
12,8
2,4
1,0
3,6
175,4
11,4
3,3
22,0
HCO3Аммоний
163,6
0,37
21
111
0,1
3,0
2,1
10,7
Нитриты
Нитраты
P
Сульфаты
Cl
Fe
Cu
Zn
Ni
Cr
Mn
0,018
0,015
2,37
1,56
0,051
0,043
115,2
114,4
40,0
38,9
0,38
0,22
0,0046
0,0036
7,7
3,5
5,1
3,5
5,6
4,4
60,8
59,0
Органические вещества
0,17
0,06
0,005
0
0,02
0,01
106
112
90
33
36
118
107
140
133
93
89
8,1
2,8
3,4
1,3
1,0
2,8
2,0
2,2
5,7
1,9
2,2
87,2
9,1
17,4
4,8
2,5
10,6
5,4
5,3
50,1
4,8
10,4
200
980
100
4,9
14,2
5,4
32,9
202,4
40,8
22
23
24
25
26
27
28
29
30
31
32
Кальций
Магний
Кремний
Диоксид
углерода
Гидрокарбонаты
Азот
аммонийный
Азот нитритный
Азот нитратный
Фосфор общий
Сульфаты
Хлориды
Железо общее
Медь
Цинк
Никель
Хром общий
Марганец
33
34
35
Нефтепродукты
Фенолы
СПАВ
Нефтепродукты
Фенолы
СПАВ
16
17
18
19
20
21
Ca
Mg
Si
CO2
163,6
0,27
Как видно из табл. 2 однородность данных (коэффициент вариации < 30) характерна
только для следующих параметров: минерализация, прозрачность, pH, жесткость,
растворенный кислород, кремний. К крайне неоднородным (коэффициент вариации ≥ 100)
относятся данные содержания взвешенных веществ, азота (аммонийного, нитритного,
нитратного), железа общего, меди, цинка, никеля, СПАВ, нефтепродуктов, фенолов, а также
температуры (воды и воздуха), расход реки и уровень воды. Более, чем для 2/3 параметров
среднее больше, чем медиана, что говорит о том, что данные не подчиняются нормальному
закону распределения данных, и имеют асимметрию (коэффициент асимметрии не равен 0).
Такое распределение данных (не подчиняющееся нормальному с асимметрией и
положительным коэффициентом эксцесса) характерно для гидрометеорологических и
гидрохимических временных рядов всех исследуемых створов р.Белая .
2.3 Методы исследования
Для анализа большого количества показателей, неоднородных по информативности и
размерности
применены
гидрохимических
методы:
показателей
искусственного
качества
воды
интеллекта
(STATISTICA
для
прогнозирования
NEURAL
NETWORKS);
математические методы для расчета эколого-гидрологического риска (MathCad 14);
графического анализа для первичного наглядного описания и сопоставления изменений
содержания веществ и расходов воды в течение исследуемого; статистического анализа для
вычисления
описательных
статистик,
позволяющих
судить
об
однородности
и
распределении гидрохимических и гидрологических данных (STATISTICA 7); отображения
пространственно-распределенных данных (геоинформационнные системы ESRI ArcMap 9.2).
7
3 Оценка качества воды р.Белой
3.1 Анализ многолетних изменений химического состава воды р.Белой
Анализ временных изменений химического состава воды реки Белая в исследуемых
створах посредством сопоставления изменений содержания веществ и расходов воды в
течение рассматриваемого периода выявил наличие связи между колебаниями значений
показателей качества речной воды и водного стока. Для примера многолетние изменения
гидрохимических и гидрологических параметров р.Белой в створе г.Уфы графически
интерпретированы на рис.1.
а – растворенного кислорода
б – суммы минеральных веществ
Рисунок 1 – Многолетние изменения гидрохимических параметров качества и
расходов воды р.Белой в створе г.Уфы за 1990-2007гг
Согласно рис. 1, хорошо выражена связь между колебаниями значений показателей
качества речной воды и водного стока. Так, с увеличением расхода воды увеличивается
содержания
растворенного
кислорода,
что
объясняется
насыщением
кислородом
поверхностного слоя в результате перемешивания водных масс (рис.1а). Содержание суммы
минеральных веществ обратно пропорционально расходу речной воды, что всей видимости,
объясняется лучшим разбавлением поступающих в водоток загрязнителей (рис.1б). Таким
образом, необходимо рассмотрение качества и количества воды в интегрированном виде, или
комплексно.
3.2 Оценка пригодности качества речной воды для различных видов
водопользования (на примере р.Белой)
С целью оценки качества речной воды для использования в рыбохозяйственном и
культурно-бытовом, хозяйственно-питьевом назначении для каждого показателя качества в
пределах статистически однородных периодов вычислены следующие характеристики:
среднеарифметическое многолетнее значение показателя (Сср); минимальное (Сmin) и
максимальное (Сmax) значение показателя; многолетнее изменение величины показателя (Сmax
- Сmin); кратность превышения нормативов качества воды для рыбохозяйственного (ПДКрх) и
8
культурно-бытового, хозяйственно-питьевого водопользования (ПДКкб). Для примера, в
табл.3 приведены результаты расчета перечисленных характеристик для створа р.Уфы.
Таблица 3 – Результат анализа пригодности речной воды для различных видов
водопользования на примере р.Белой (в створе г. Уфы)
Показатель качества
речной воды
Общая минерализация,
мг/дм3
Азот аммонийный,
мг/дм3
Азот нитритный,
мг/дм3
Азот нитратный,
мг/дм3
Среднее
значение
(Сср)
Минимальное
значение
(Сmin)
Максимальное
значение
(Сmax)
Сmax - Сmin
ПДКрх*
Кратность
превышения
ПДКрх
ПДКкб**
Кратность
превышения
ПДКкб
434
136
848
712
1000
0,43
1000
0,43
0,37
0,00
2,57
2,57
0,50
0,95
2
0,14
0,018
0,000
0,240
0,240
0,02
0,9
0,08
0,225
2,37
0,16
17,60
17,44
9,10
0,26
10,20
0,23
Хлориды, мг/дм3
40
8
94
86
300
0,13
350
0,11
Сульфаты, мг/дм3
115,0
26,1
286,0
259,9
100
1,20
500
0,2
Растворенный кислород,
мгО2/дм3
10,20
4,13
16,10
11,97
6,00
1,69
4,00
2,55
БПК5, мгО2/дм3
1,62
0,50
5,16
4,66
2,00
0,81
2,00
0,81
ХПК, мгО/дм
28,8
6,0
116,1
110,1
15,0
1,92
15,0
1,92
Фенолы, мг/дм3
0,005
0,0
0,7
0,7
0,001
5
0,001
5
Нефтепродукты, мг/дм
0,17
0,0
3,19
3,19
0,05
3,4
0,30
0,57
СПАВ, мг/дм3
0,02
0,0
0,24
0,24
0,1
0,1
0,5
0,04
Железо общее, мг/дм
0,38
0,0
3,3
3,3
0,1
3,8
0,3
1,3
Цинк, мкг/дм3
7,5
0,0
60,0
60,0
10,0
0,75
5000,0
0,002
Никель, мкг/дм3
5,4
0,0
48,0
48,0
10,0
0,54
100,0
0,054
Медь, мкг/дм
4,6
0,0
28,0
28,0
1
4,6
1000
0,0046
3
3
3
3
Марганец, мкг/дм3
60,8
0,0
420,0
420,0
10
6,8
100
*ПДКрх – предельно допустимая концентрация для рыбохозяйственного водопользования
**ПДКкб - предельно допустимая концентрация для хозяйственно-питьевого и культурно-бытового водопользования
Анализ
полученных с использованием статистических
0,68
методов результатов,
приведенных в табл.3, позволил дать характеристику пригодности водотоков для различных
видов водопользования по каждому из исследуемых компонентов для каждого створа.
Показатели
качества
воды
р.
Белой,
значения
которых
превышает
ПДК
для
рыбохозяйственного, хозяйственно-питьевого и культурно-бытового водопользования в
створах гг. Белорецка, Стерлитамака, Уфы и Бирска сведены в табл. 4.
Таблица 4 – Кратность превышения содержания загрязняющих веществ в воде р.Белая
над ПДКрх и ПДКкб за период 1990-2007гг
Показатель качества речной
воды
Общая минерализация, мг/дм3
Пункт наблюдения за качеством воды р.Белой
г. Белорецк
ПДКрх
ПДКкб
<1
<1
г. Стерлитамак
ПДКрх
ПДКкб
<1
<1
г. Уфа
ПДКрх
ПДКкб
<1
<1
г. Бирск
ПДКрх
ПДКкб
<1
<1
Азот аммонийный, мг/дм3
<1
<1
1,12
<1
<1
<1
<1
<1
Азот нитритный, мг/дм3
Азот нитратный, мг/дм3
Хлориды, мг/дм3
Сульфаты, мг/дм3
БПК5, мгО2/дм3
ХПК, мгО/дм3
Фенолы, мг/дм3
Нефтепродукты, мг/дм3
СПАВ, мг/дм3
Железо общее, мкг/дм3
Цинк, мкг/дм3
3
<1
<1
<1
1,5
1,6
<1
4
<1
5,8
<1
<1
<1
<1
<1
1,5
1,6
<1
<1
<1
1,93
<1
1,5
<1
<1
<1
1,25
1,13
<1
3,2
<1
5
<1
<1
<1
<1
<1
1,25
1,13
<1
<1
<1
1,67
<1
<1
<1
<1
1,15
<1
1,92
5
3,8
<1
3,8
<1
<1
<1
<1
<1
<1
1,92
5
<1
<1
1,3
<1
<1
<1
<1
<1
1,1
1,3
<1
2,1
<1
1,1
<1
<1
<1
<1
<1
1,1
1,3
<1
<1
<1
<1
<1
9
Продолжение табл.4
Никель, мкг/дм3
Медь, мкг/дм3
Марганец, мкг/дм3
” –“ нет измерений
<1
2,7
-
<1
<1
-
<1
5,1
-
<1
<1
-
<1
4,6
6,8
<1
<1
<1
<1
1,6
<1
<1
<1
<1
Определена пригодность воды р. Белой в исследуемых створах для различных видов
водопользования. Как видно из табл. 4, в створе г. Уфы речная вода по показателям
“нефтепродукты”,
“медь”,
“марганец”
не
пригодна
для
рыбохозяйственного
водопользования, по показателям “ХПК”, “фенолы”, “железо общее” не пригодна для всех
видов водопользования. В связи с этим необходимо разработать комплекс водоохранных
мероприятий, направленных на снижение содержания загрязняющих веществ в водотоке до норм
рыбохозяйственного назначения
3.3 Комплексная оценка качества воды р.Белой.
Комплексная
оценка
(показатель
комплексности>50%)
качества
воды
р. Белой выполнена в два этапа. На первом этапе рассчитан гидрохимический индекс
загрязнения воды (ИЗВ). На втором этапе рассчитана фактическая водность текущего
периода. Полученные результаты интегрированы для расчета гидрохимического индекса
загрязнения воды с учетом фактической водности (ИЗВ*).
Рисунок 2 – Динамика ИЗВ и ИЗВ* за исследуемый период
Как видно из рис.2, значение индекса ИЗВ* в маловодные годы выше, чем ИЗВ, и,
наоборот, в многоводные ИЗВ* ниже, чем ИЗВ, что объясняется лучшим разбавлением
поступающих в водоток загрязнителей.
3.4 Оценка эколого-гидрологического риска
Эколого-гидрологический риск (ЭГР) представляет собой обобщенный показатель
(средневзвешенное значение) рисков загрязнения водотока и истощения водных ресурсов[9].
Численные значения параметров(Vпов; Vпод; Qгод
ст),
используемые в расчетных формулах и
коэффициенты истощения водных ресурсов Кист приведены в табл. 5.
Таблица 5 - Параметры расчетных формул для определения Кист
Створ р.Белая
г.Белорецк
Водопотребление
Vпов, тыс.
м3/км2
7,75
Vпод, тыс.
м3/км2
2,61
Qгод ст,
м3/с
Кист
13,5
0,76
10
Продолжение табл.5
г.Стерлитамак
г.Уфа
г.Бирск
4,87
2,24
0,00017
2,10
1,13
0,023
121
755
842
0,05
0,005
3·10-5
В табл. 6 приведены значения вычисленных типов риска (риск загрязнения речной
воды Riskзагр и риск истощения водных ресурсов Riskист) и обобщенного показателя –
средневзвешенного риска.
Таблица 6 – Результаты расчета ЭГР для р.Белой
Створ р.Белая
Riskзагр
Riskист
Riskср
Острота ЭГР
г.Белорецк
0,896
0,13
0,551
Сильная
4·10
-3
0,772
Очень сильная
4·10
-4
0,929
Очень сильная
3·10
-6
0,743
Сильная
г.Стерлитамак
г.Уфа
г.Бирск
0,948
0,995
0,939
Как видно из табл.6, риск загрязнения воды р.Белая в створе г.Уфы равен 0,929,
поэтому необходимо разработать комплекс водоохранных мероприятий, позволяющий
снизить степень эколого-гидрологического риска и улучшить экологическое состояние
водосбора. Значения риска истощения водных ресурсов р.Белой изменяются в пределах от
3·10-6 (в створе г.Бирска) до 0,13 (в створе г.Белорецк). На основании полученных
результатов выполнено районирование исследуемой территории по степени остроты
эколого-гидрологического риска, позволяющее, в частности выявить водосборы, требующие
незамедлительной реализации или уточнения управленческих решений (рис.3).
Рисунок 3 – Районирование р.Белой по степени остроты эколого-гидрологического
риска
11
4 Прогнозирование химического состава речных вод с помощью технологий
искусственного интеллекта
Прогноз экологического состояния водных ресурсов обеспечивает информационную
поддержку принятия решений по оценке последствий техногенной и антропогенной
деятельности и проведению природоохранных мероприятий. В настоящей работе
прогнозирования
гидрохимических
параметров
р.Белой
апробировано
для
применение
технологий искусственного интеллекта (ИНС и ГА). ГА использованы для отбора и
ранжирования значимых входных параметров прогнозных нейронных сетей. Результаты
отбора и ранжирования значимых гидрометеорологических и гидрохимических параметров,
которые в последствие использованы в качестве входных параметров для нейронной сети
представлены в табл. 8
Для прогнозирования гидрохимических показателей качества воды р.Белой обучено и
протестировано
свыше
100000
моделей.
Подробное описание определения архитектуры
сети, процесса обучения и оценки результатов
обучения
нейросетевых
моделей
для
прогнозирования гидрохимических параметров
качества речной воды приведено в работе автора
[4]. Для визуализации входные и выходные
параметры ИНС прогнозирования содержания
нефтепродуктов в воде р.Белой графически
интерпретированы на рис.4. Обученные ИНС
Рисунок 4 – Входные и выходные параметры для
прогнозирования содержания нефтепродуктов в
воде р.Белой
применены для прогнозирования показателей
качества воды р.Белой в створе г.Уфы на 2007г.
Минимальные
(δ-)
и
максимальные
(δ+)
относительные ошибки прогнозирования параметров качества воды р. Белой в створе г.Уфы
приведены в таблице 7.
Таблица 7 - Результаты прогнозирования гидрохимических показателей
качества воды на 2007г.
Гидрохимический
показатель
δ -, %
δ +, %
Гидрохимический
показатель
δ -, %
δ +, %
Минерализация
Температура воды
Взвешенные вещества
Водородный показатель, pH
Жесткость
Растворенный кислород
БПК5
ХПК
Сульфаты
0,4
0
1,3
0,4
2,8
0
0
2,9
4,9
5,1
6,8
8,0
4,9
5,3
4,1
5,2
7,5
10,2
Азот аммонийный
Азот нитритный
Азот нитратный
Цинк
Медь
Хром общий
Марганец
Нефтепродукты
СПАВ
1,5
2,2
2,0
4,8
3,6
4,5
1,2
4,7
2,7
9,1
6,7
7,2
11,3
9,2
7,8
4,7
8,2
4,1
Как видно из табл. 7, относительная ошибка прогнозирования лежит в пределах
погрешности измерений гидрохимических параметров [10], что показывает высокую степень
достоверности прогноза показателей качества речной воды с использованием ГА при отборе
входных параметров нейронной сети.
12
Cl
Fe
Cu
Zn
Ni
Cr
Mn
Нефтепродукты
Фенолы
СПАВ
*
7
6
4
7
Y
1
1
1
5
4
4
8
1
2
7
Y
5
3
2
2
7
6
5
9
1
3
4
3
Y
9
3
4
10
10
2
7
2
5
12
8
16
7
7
6
3
12
2
2
3
5
3
1
2
4
9
1
1
7
8
1
5
9
5
5
2
9
6
Y 4
Y
8
6
4
1
1
1
1
6
6
10
4
8
4
7
6
9
7
4
1
1
3
8
8
5
8
9
8
3
6
7
2
5
1
5
Y
Y
Y
8
7
2
6
10
4
2
1
Y
Y
2
10
10
4
Y
9
7
9
8
8
1
2
7
11
9
14
Mn
Cr
Ni
8
2
3
2
7
3
Y
3
5
9
4
3
9
7
2
4
5
5
6
10
Y
13
8
Y
11
10
11
7
4
4
7
11
Y
Y
7
1
8
Y
1
4
3
Y
3
6
1
Y
5
2
9
6
4
4
6
5
6
4
Y
2
Y
8
6
7
1
9
Y
7
3
9
8
Y
3
4
6
Y
6
2
8
5
2
Y
5
6
6
10
3
7
10
1
7
1
1
Y
5
3
5
Zn
Cu
10
9
8
2
11
9
7
5
8
1
Y
2
15
4
14
8
3
7
1
6
9
9
4
5
Y
11
9
8
9
7
8
7
8
11
Y
3
5
2
5
3
6
5
12
6
6
8
5
Y
4
4
2
8
Y
7
6
12
5
2
1
5
Fe
Cl
Сульфаты
P
Нитраты
Нитриты
Аммоний
HCO3-
Si
Mg
Ca
CO2
13
3
6
2
6
5
8
4
3
10
ХПК
10
6
4
9
10
4
3
4
12
5
10
4
4
11
2
3
5
8
3
2
3
Y
6
6
3
1
1
7
Y
1
1
7
БПК5
11
7
9
8
6
12
Кислород
4
5
2
4
4
6
СПАВ
Y
1
3
10
Y
3
Прозрачност
ь
рН
Жесткость
2
Y
7
5
6
Цветность
Y
1
3
4
8
ВВ
1
2
2
3
3
Т воды
2
Минерализацця
1
Уровень
воды
Tв-ха
Y
Нефтепродукты
Фенолы
Скорость
течения
Расход реки
Уровень воды
Tв-ха
Осадки
Минерализация
Тводы
ВВ
Цветность
Прозрачость
рН
Жесткость
Кислород
БПК5
ХПК
Ca
Mg
Si
CO2
HCO3Аммоний
Нитриты
Нитраты
P
Сульфаты
Расход реки
Выходные
параметры
Скорость
течения
Входные
параметры
Осадки
Таблица 8 – Результаты отбора и ранжирования параметров с помощью ГА
Y
7
Y
Y
3
5
Y
1
Y
1-наиболее значимый параметр,…n – наименее значимый параметр.
13
5 Разработка системы очистки стока урбанизированной территории
На основе результатов комплексной оценки качества речной воды (табл.4) и
оценки степени эколого-гидрологического риска (табл. 6) разработаны технические
решения, направленные на снижения загрязненности водотока. Существенный вклад в
загрязнение
водотока
характеризующийся
вносит
ливневый
значительными
сток
урбанизированной
концентрациями
взвешенных
территории,
веществ,
нефтепродуктов и других загрязняющих веществ и является причиной превышения ПДК в
водной среде.
Ливневый сток урбанизированной территории, как правило, сбрасывается в водоток
без очистки, поскольку в пределах города наблюдается нехватка площадей для размещения
очистных сооружений. Для очистки ливневого стока урбанизированной территории
предложена принципиальная технологическая схема установки с доочисткой стока на биоплато
(рисунок 5).
Рисунок 5 – Принципиальная технологическая схема очистного сооружения
ливневого стока урбанизированной территории
Предлагается сток подавать в приемно-отстойную камеру для отделения
взвешенных веществ и пленочных нефтепродуктов. Далее стоки из приемно-отстойной
камеры при помощи насоса подаются на биоплато конической формы с размещенной на
ней высшей водной растительностью, применяемой для очистки стоков от растворенных
нефтепродуктов. Периодически производится удаление взвешенных веществ и пленочных
нефтепродуктов из приемно-отстойной камеры.
Предложенная
принципиальная
технологическая
схема
очистного
сооружения
ливневого стока на основе использования эколого-информационной системы, сформированной
с применением функции желательности, позволяют очистить ливневый сток до норм сброса в
водные объекты рыбохозяйственного назначения.
ВЫВОДЫ
Выполнена комплексная оценка качества воды р.Белой без учета и с учетом
фактической водности за многолетний период. Выявлено, что индекс загрязнения воды с
учетом водности (ИЗВ*) отличается от ИЗВ, не учитывающего водность. В многоводные
годы ИЗВ*<ИЗВ, а в маловодные наоборот, что, вероятно, объясняется лучшим
разбавлением поступающих в водоток загрязнителей.
Рассчитан эколого-гидрологический риск качественного и количественного
истощения р.Белой и проведено районирование исследуемой территории по данной
величине.
Впервые выполнена интеграция генетических алгоритмов и искусственных
нейронных сетей для прогнозирования гидрохимических показателей качества воды
водотоков.
Разработанные
модели
позволяют
учитывать
гидрохимические
и
гидрометеорологические показатели.
Разработаны принципиальные технологические схемы очистки ливневого стока с
урбанизированной территории, позволяющие очистить ливневый сток до норм сброса в
водные объекты рыбохозяйственного назначения.
15
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
1.
Государственный доклад о состоянии природных ресурсов и окружающей среды
республики Башкортостан в 2007г. – Уфа. – 2008, – 200с.
2.
Елизарьев А.Н. Оценка антропогенного воздействия на гидроэкологический
режим водных объектов //
Автореферат диссертации на соискание ученой степени
канд.геогр.наук по специальности 25.00.36 «Геоэкология». – Санкт-Петербург, 2007. –
с.24.
3.
Красногорская
Н.Н.,
Елизарьев
А.Н.,
Фащевская
Т.Б.
Квотирование
водопотребления крупного промышленного центра и развитие водоемких технологий в
России // Безопасность жизнедеятельности. – 2008. - №11. – с.13-18.
4.
Красногорская Н.Н., Елизарьев А.Н., Фащевская Т.Б., Якупова Л.М., Нафикова
Э.В. Использование искусственных нейронных сетей при прогнозировании качества
речной воды// Безопасность жизнедеятельности. – 2009. - №4. – с.15-21.
5.
Красногорская Н.Н., Фащевская Т.Б., Рогозина Т.А. Оценка качества водных
объектов в условиях антропогенного воздействия. – Издательство УГАТУ, 2006 – 277 с.
6.
Миркин Б.М., Наумова Л.Г. – Курс лекций по устойчивому развитию. –
М:Тайдекс Ко, 2005. – 248 с.
7.
Рогозина Т.А. Исследование качества речных вод в условиях антропогенного
воздействия // Автореферат диссертации на соискание ученой степени канд.геогр.наук по
специальности 25.00.36 «Геоэкология». – Санкт-Петербург, 2008.
8.
Шлычков А.П., Жданова Г.Н., Яковлева О.Г. Использование коэффициента стока
загрязняющих веществ для оценки состояния рек// Мониторинг. – 1996. - №2. – с.23-27.
9.
Щербинина С.В. Эколого-гидрологическая оценка состояния речных водосборов
для уточнения комплекса водоохранных мероприятий// Автореферат диссертации на
соискание ученой степени канд.геогр.наук по специальности 25.00.27 «Гидрология суши,
водные ресурсы, гидрохимия». – Москва, 2006.
10. Aris P. Georgakakos. Decision support systems for integrated water resources
management with an application to the Nile basin// Water Resources Research 32 (2), 449–458,
2006.
11. ГОСТ 27384-2002 Вода. Нормы погрешности измерений показателей состава и
свойств.
16
ПРИЛОЖЕНИЯ
17
ПРИЛОЖЕНИЕ А
Аннотация научной работы
1. Название работы: Интегрированное управление водными ресурсами России с
использованием нейросетевых технологий.
2. Наименование ВУЗа, кафедры: Уфимский государственный авиационный
технический университет (УГАТУ), кафедра “Безопасности производства и
промышленной экологии”.
3. ФИО автора, номер группы, номер курса: Якупова Лия Маратовна, Т35-609М,
6й курс.
4. Год завершения работы: 2010.
5. Объем работы: 15 страниц.
Характеристика работы:
1. Цель научной работы: оценка и прогнозирование качества воды р.Белой с учетом
антропогенной нагрузки на водосборе и гидрологических особенностей водотока, а
также
разработка
технических
мероприятий,
направленных
на
снижение
загрязненности водотока.
2. Методы проведенных исследований.
Для
анализа
большого
количества
показателей,
неоднородных
по
информативности и размерности применены методы: искусственного интеллекта для
прогнозирования гидрохимических показателей качества воды (STATISTICA NEURAL
NETWORKS); математические методы для расчета эколого-гидрологического риска
(MathCad 14); графического анализа
для первичного наглядного описания и
сопоставления изменений содержания веществ и расходов воды в течение
исследуемого; статистического анализа для вычисления описательных статистик,
позволяющих судить об однородности и распределении гидрохимических и
гидрологических
данных
(STATISTICA
7);
отображения
пространственно-
распределенных данных (геоинформационнные системы ESRI ArcMap 9.2).
3. Основные результаты, выводы научного исследования:

Выполнена комплексная оценка качества воды р.Белой без учета и с учетом
фактической водности за многолетний период. Выявлено, что индекс
загрязнения воды с учетом водности (ИЗВ*) отличается от ИЗВ, не
учитывающего водность. В многоводные годы ИЗВ*<ИЗВ, а в маловодные
наоборот, что, вероятно, объясняется лучшим разбавлением поступающих в
водоток загрязнителей.
18

Рассчитан эколого-гидрологический риск качественного и количественного
истощения р.Белой и проведено районирование исследуемой территории по
данной величине.

Впервые выполнена интеграция генетических алгоритмов и искусственных
нейронных сетей для прогнозирования гидрохимических показателей качества
воды
водотоков.
Разработанные
модели
позволяют
учитывать
гидрохимические и гидрометеорологические показатели.

Разработаны принципиальные технологические схемы очистки ливневого стока
с урбанизированной территории, позволяющие очистить ливневый сток до норм
сброса в водные объекты рыбохозяйственного назначения.
19
ПРИЛОЖЕНИЕ Б
к положению о конкурсе
Сведения об авторе и научном руководителе работы, представленной на конкурс
АВТОР
1. Фамилия: Якупова
2. Имя: Лия
3. Отчество: Маратовна
4. Курс: 6
5. e-mail: liyaya@yandex.ru
6. Домашний
почтовый
адрес, контактный телефон: 450075, Республика
Башкортостан, г.Уфа, ул.Блюхера 6б-19; 89174332254.
НАУЧНЫЙ РУКОВОДИТЕЛЬ
1. Фамилия: Красногорская
2. Имя: Наталия
3. Отчество: Николаевна
4. Место работы, должность: Уфимский государственный авиационный технический
университет (УГАТУ), кафедра “Безопасности производства и промышленной
экологии”, заведующая кафедры.
5. Ученая степень, ученое звание: д.т.н, профессор.
6. Почтовый адрес, контактный телефон: 450012, Республика Башкортостан, г.Уфа,
ул. Карла Маркса, 12, корпус 4; (347) 272-36-33.
20
ПРИЛОЖЕНИЕ В
ОТЗЫВ
Руководителя конкурсной работы профессора, д.т.н. Красногорской
Наталии Николаевны ______________________________________________________
(звание, степень, фамилия, имя, отчество)
должность заведующей кафедрой БП и ПЭ место работы УГАТУ
на конкурсную работу студента группы Т35-609м факультета защиты в чрезвычайных ситуациях
направления Защита окружающей среды программы Прогнозирование и ликвидация
последствий чрезвычайных экологических ситуаций
________________ Якуповой Лии Маратовны ______________________________________
(фамилия,
имя,
отчество)
по теме: «Интегрированное управление водными ресурсами России с использованием
нейросетевых технологий (на примере р.Белой)»
Впервые для реализации интегрированного управления водными ресурсами в
России предложен принцип интеграции количества и качества воды для оценки и
прогнозирования экологического состояния водотоков.
За время выполнения научной работы изучен и обобщен значительный объем
общетеоретической и специальной литературы. Якуповой Л.М. собраны и
проанализированы данные многолетних наблюдений за химическим составом и водным
режимом р. Белой. Выполнен большой объем работы по оценке качественного и
количественного состояния водотока, эколого-гидрологического риска, выполнено
районирование исследуемой территории. Апробированы возможности искусственных
нейронных сетей для прогнозирования гидрохимических показателей качества воды
водотока.
В процессе работы обучено и протестировано свыше 100000 моделей.
Разработанные
модели
позволяют
учитывать
гидрохимические
и
гидрометеорологические показатели.
Новизна
разработанной принципиальной технологической схемы очистки
ливневого стока с урбанизированной территории подтверждена положительным
решением о выдаче патента на изобретение по заявке № 2008142779/15(055658) от
23.12.2009.
Работа завершена выводами, подтверждающими научную и практическую
ценность конкурсной работы.
Основные положения работы докладывались и обсуждались на 67, 69й
студенческих научно-практических конференциях УГАТУ (г.Уфа, 2008, 2010), российсконемецком семинаре “Aktuelle wissenschaftliche und methodische Leistungen im Bereich
Wasserressourcenmanagement” (г.Уфа, 2009). По теме работы опубликовано 20 работ, в том
числе 1 статья, входящая в Перечень ВАК.
В процессе выполнения исследований студент Якупова Л.М. проявила себя
грамотным исследователем, способным эффективно применять полученные за время
обучения знания, самостоятельно проводить исследования, творчески анализировать и
обобщать полученные результаты.
Научный
руководитель
Красногорская Н.Н.
21
ПРИЛОЖЕНИЕ Г
Основные публикации по научной работе:
1. Красногорская Н.Н., Елизарьев А.Н., Фащевская Т.Б., Якупова Л. М, Нафикова Э.В.
Использование нейронных сетей при прогнозировании качества речной воды //Безопасность
жизнедеятельности, №4, 2009, - стр 15-21
2. Красногорская Н.Н., Елизарьев А.Н., Якупова Л.М., Нафикова Э.В., Кияшко И.Ю.
Восстановление пропущенных данных в гидрологических рядах посредством искусственных
нейронных сетей// Материалы VI Международной научно-технической конференции «Наука,
образование, производство в решении экологических проблем». – Уфа: Уфимский
государственный авиационный технический университет, 2009. – С. 256-262
3. Красногорская Н.Н., Елизарьев А.Н., Якупова Л.М., Нафикова Э.В. Применение
генетических алгоритмов и искусственных нейронных сетей в управлении водными ресурсами//
Материалы VI Международной научно-технической конференции «Наука, образование,
производство в решении экологических проблем». – Уфа: Уфимский государственный
авиационный технический университет, 2009. – С. 262-268
4. Krasnogorskaja N., Elisariev A., Jakupova L., Nafikova E. Einschatzung des Einflusses
des Wandels der Drehgaschwindigkeit der Erde auf den Wasserstand im Fluss Belaya // Материалы
VI Международной научно-технической конференции «Наука, образование, производство в
решении экологических проблем». – Уфа: Уфимский государственный авиационный
технический университет, 2009. – С. 376-385
5. Елизарьев А.Н., Якупова Л.М., Нафикова Э.В. Восстановление пропусков в
гидрологических данных посредством искусственных нейронных сетей// Чистая вода – 2009.
Труды Международной научно-практической конференции – Кемерово: КемТИПП, 2009.- Том
2. - С.311-313
6. Елизарьев А.Н., Якупова Л.М., Нафикова Э.В. Интеграция генетических алгоритмов
и искусственных нейронных сетей в применении к управлению водными ресурсами// Чистая
вода – 2009. Труды Международной научно-практической конференции – Кемерово: КемТИПП,
2009.- Том 2. - С.280-282
7. Якупова Л.М., Э.В. Нафикова, Елизарьев А.Н., Красногорская Н.Н. Интеграция
элементов «мягких вычислений» в управлении водными ресурсами // Материалы докладов
XIII межрегионального конкурса научных работ молодых ученых, аспирантов и студентов вузов
Приволжского федерального округа в области безопасности жизнедеятельности. – Уфа:
Уфимский государственный авиационный технический университет, 2009.–С.356-360
8. Красногорская Н.Н., Елизарьев А.Н., Якупова Л.М., Нафикова Э.В. Прогнозирование
гидрометеорологических параметров с применением генетических алгоритмов и
искусственных нейронных сетей // Материалы докладов XIII межрегионального конкурса
научных работ молодых ученых, аспирантов и студентов вузов Приволжского федерального
округа в области безопасности жизнедеятельности. – Уфа: Уфимский государственный
авиационный технический университет, 2009.– С.298-302
9. Красногорская Н.Н., Елизарьев А.Н., Якупова Л.М., Нафикова Э.В., Кияшко И.Ю.
Восстановление гидрометеорологических данных с помощью искусственных нейронных
сетей // Материалы докладов XIII межрегионального конкурса научных работ молодых ученых,
аспирантов и студентов вузов Приволжского федерального округа в области безопасности
жизнедеятельности. – Уфа: Уфимский государственный авиационный технический
университет, 2009.– С.289-293
10. Krasnogorskaja N., Elisariev A., Jakupova L., Nafikova E. Einschätzung und Vorhersage
von extremen hydrologischen Situationen im Fluss Belaja mit leichten des Wandels der
Erddrehgäschwindigkeit //Материалы докладов XIII межрегионального конкурса научных работ
молодых ученых, аспирантов и студентов вузов Приволжского федерального округа в области
безопасности жизнедеятельности. – Уфа: Уфимский государственный авиационный
технический университет, 2009.– С.293-298
11. Якупова Л.М., Нафикова Э.В., Елизарьев А.Н., Кияшко И.Ю., Савельева А.В. Анализ
методов прогноза гидрологических характеристик при недостаточности данных
гидрометрических наблюдений// Материалы докладов XIII межрегионального конкурса
22
научных работ молодых ученых, аспирантов и студентов вузов Приволжского федерального
округа в области безопасности жизнедеятельности. – Уфа: Уфимский государственный
авиационный технический университет, 2009.–С.350-356
12. Красногорская Н.Н., Елизарьев А.Н., Якупова Л.М., Нафикова Э.В. Прогнозирование
экстремальных гидрологических ситуаций в бассейне реки Белая с помощью методов
математического моделирования // Материалы докладов XIII межрегионального конкурса
научных работ молодых ученых, аспирантов и студентов вузов Приволжского федерального
округа в области безопасности жизнедеятельности. – Уфа: Уфимский государственный
авиационный технический университет, 2009.– С. 344-350
13.Нафикова Э.В., Якупова Л.М., Елизарьев А.Н., Красногорская Н.Н. Управление
водными ресурсами с применением генетических алгоритмов и искусственных нейронных
сетей// Экология человека и проблемы окружающей среды в постчернобыльский период:
материалы международной научной конференции молодых ученых, аспирантов,
магистрантов, студентов, Минск, 12-13 ноября 2009 г. / МГЭУ им. А.Д. Сахарова; под общ.
Ред. С.Б. Мельнова, С.С. Позняка. – Минск, 2009. – С. 265
14.
Якупова Л.М., Елизарьев А.Н., Фащевская Т.Б., Красногорская Н.Н.
Применение искусственных нейронных сетей для выявления связи между ежемесячными
значениями показателей качества речной воды // Материалы V Международной научнотехнической конференции «Наука, образование, производство в решении экологических
проблем». – Уфа: Уфимский государственный авиационный технический университет, 2008. –
С. 33-39
15.
Якупова Л.М., Елизарьев А.Н., Фащевская Т.Б., Красногорская Н.Н.
Нейросетевой анализ связи между гидрологическими и гидрохимическими показателями
качества речной воды // Материалы V Международной научно-технической конференции
«Наука, образование, производство в решении экологических проблем». – Уфа: Уфимский
государственный авиационный технический университет, 2008. – С. 88-96
16.
Якупова Л.М., Елизарьев А.Н., Красногорская Н.Н. Использование ГИСтехнологий при управлении водными ресурсами// Материалы V Международной научнотехнической конференции «Наука, образование, производство в решении экологических
проблем». – Уфа: Уфимский государственный авиационный технический университет, 2008. –
С. 128-133
17.
Зубарева Н.Е., Колесникова О. Ю., Якупова Л.М., Красногорская Н.Н.
Использование ГИС-технологий в лихеноиндикации // Материалы V Международной научнотехнической конференции «Наука, образование, производство в решении экологических
проблем». – Уфа: Уфимский государственный авиационный технический университет, 2008. –
С. 190-194
18.
Якупова Л.М. Перспективы использования генетических алгоритмов для
определения входных параметров нейросети в применении к управлению водными
ресурсами// Материалы VI- республиканской научно-практической конференции «Проблемы
безопасности и защиты населения и территорий от чрезвычайных ситуаций» - Уфа: Изд-во
ГУП НИИ БЖД, 2009 – С. 7-9
19.
Якупова Л.М., Рогозина Т.А., Красногорская Н.Н., Использование нейросетей
для прогнозирования качества речных вод // IV Международная научно-техническая
конференция «Наука, образование, производство в решении экологических проблем»
(экология-2007), посвященная 75-летию УГАТУ и 450-летию добровольного вхождения
Башкирии в состав России, УГАТУ, г.Уфа- 2007
20.
Рогозина Т.А., Якупова Л.М., Красногорская Н.Н., Определение приоритетных
загрязняющих веществ Уфимского речного бассейна // IV Международная научнотехническая конференция «Наука, образование, производство в решении экологических
проблем» (экология-2007), посвященная 75-летию УГАТУ и 450-летию добровольного
вхождения Башкирии в состав России, УГАТУ, г. Уфа- 2007
23
ПРИЛОЖЕНИЕ В
24
25
26
27
28
29
30