Диагностика и управление безопасностью потенциально-опасных объектов городского хозяйства тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Луньков, Сергей Васильевич

• Луньков, Сергей Васильевич
• кандидат технических наук
• 2003

Оглавление диссертации кандидат технических наук Луньков, Сергей Васильевич

ВВЕДЕНИЕ.

1. ИССЛЕДОВАНИЕ ПУТЕЙ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ДИАГНОСТИКИ В УСЛОВИЯХ ФУНКЦИОНИРОВАНИЯ ПОТЕНЦИАЛЬНО-ОПАСНЫХ ОБЪЕКТОВ ГОРОДСКОГО ХОЗЯЙСТВА, ПОСТАНОВКА ЗАДАЧИ ИССЛЕДОВАНИЯ.

1.1. Потенциально-опасные объекты и опасные вещества.

1.2. Классификация чрезвычайных ситуаций.

1.3. Типовые сценарии развития аварийных ситуаций на потенциально-опасных объектах городского хозяйства.

1.4. Аналитический обзор методов анализа опасности на потенциальноопасных объектах.

Выводы.

Постановка задачи исследования.

2. ТЕОРЕТИЧЕСКОЕ ОБОСНОВАНИЕ СТРУКТУРЫ СИСТЕМЫ ПРИНЯТИЯ РЕШЕНИЙ В КРИТИЧЕСКИХ СИТУАЦИЯХ НА ПОТЕНЦИАЛЬНО-ОПАСНЫХ ОБЪЕКТАХ ГОРОДСКОГО ХОЗЯЙСТВА

2.1. Экспертные системы реального времени.

2.2. Основные принципы построения экспертной системы диагностики и управления безопасностью.

2.3. Поиск источника загрязнения окружающей среды.

2.4. Разработка структуры автоматизированной системы диагностики и управления безопасностью потенциально-опасных объектов.

Выводы.

3. ДИАГНОСТИКА ЧРЕЗВЫЧАЙНЫХ СИТУАЦИЙ ТЕХНОГЕННОГО ХАРАКТЕРА НА ПОТЕНЦИАЛЬНО-ОПАСНЫХ ПРЕДПРИЯТИЯХ ГОРОДСКОГО ХОЗЯЙСТВА.

3.2. Локализация ЧС на основе анализа опасности объектов.

3.3. Расчет показателей безопасности и управление безопасностью объектов

Выводы.

4. ОСНОВЫ ПОСТРОЕНИЯ СИСТЕМЫ ДИАГНОСТИКИ И УПРАВЛЕНИЯ ПОТЕНЦИАЛЬНО-ОПАСНЫМИ ОБЪЕКТАМИ.

4.1. Разработка требований к программному обеспечению системы диагностики и управления потенциально-опасными объектами.

4.2 . Разработка структуры базы данных.

4.3 . Программное обеспечение расчета показателей безопасности.

4.4. Алгоритм решения диагностики аварийной ситуации и принятием решений по её ликвидации.

4.5. Расчет предварительного эффекта от внедрения системы мониторинга окружающей среды.

Выводы.

Введение диссертации (часть автореферата) на тему «Диагностика и управление безопасностью потенциально-опасных объектов городского хозяйства»

Актуальность проблемы. Обеспечение безопасности жизнедеятельности городского населения является одной из важнейших задач, на решение которой направлены усилия ученых, политиков, администраторов, как в России, так и за рубежом. Актуальность этой задачи определяется стремительным темпом роста городов, ограниченностью территории, на которой проживает городское население, большой концентрацией на этой территории промышленных объектов. Поэтому основным источником опасности жизнедеятельности городского населения становится техногенный фактор, роль которого постоянно возрастает и который характеризуется опасностью возникновения чрезвычайных ситуаций, масштабы которых соизмеримы с крупными экологическими катастрофами и стихийными бедствиями.

Таким образом, одним из приоритетных направлений научных исследований в области мониторинга окружающей среды становиться разработка методов диагностики и принятия решений в критических ситуациях на потенциально-опасных объектах городского хозяйства, реализация которых в рамках информационной системы города обеспечит поддержку специалистам МЧС, территориальных органов Минприроды России, региональных и территориальных органов управления по делам гражданской обороны и чрезвычайным ситуациям в процессе принятия решений.

Формирование методического обеспечения задач локализации чрезвычайных ситуаций с последующим обоснованием принятия решений предполагает разработку конкретных методов, процедур и методик, предназначенных для использования в практической деятельности специалистов МЧС и других служб отвечающих за безопасность использования городского хозяйства.

Несмотря на достигнутые результаты в области диагностики чрезвычайных ситуаций, непрерывно растущие требования к качеству решения подобных задач и развития информационных технологий, требуют разработку более эффективных алгоритмов, обеспечивающих по сравнению с известными более высокие показатели.

Особую значимость для диагностики критических ситуаций приобретает исследование информации, характеризующей особенности каждого потенциально-опасного объекта, с точки зрения безопасности производственной деятельности. Для этого потребуется привлечение экспертов с целью оценки безопасности производства на технологических участках использующих опасные вещества.

Цель работы. Совершенствование методов диагностики состояния окружающей среды и повышение эффективности управления безопасностью потенциально-опасными объектами городского хозяйства с применением современных информационных технологий.

Для достижения поставленной цели в работе решаются следующие основные задачи:

1. провести анализ особенностей построения и использования интеллектуальных систем, связанных с диагностикой состояния окружающей среды и управлением безопасностью потенциально-опасных объектов городского хозяйства, опыта применения отечественных и зарубежных разработок;

2. провести анализ основных подходов и методов поиска объекта нарушившего экологическую обстановку;

3. провести анализ основных подходов и методов выработки мероприятий по повышению безопасности ПОО и по ликвидации чрезвычайный ситуаций;

4. разработать модель интеллектуальной системы диагностики и управления безопасностью потенциально-опасных объектов городского хозяйства;

5. разработать алгоритм и методику исследования информации об окружающей среде, с целью выявления источника загрязнения;

6. разработать человеко-машинную процедуру принятия решений по повышению безопасности потенциально-опасных объектов и по обоснованию мероприятий при ликвидации последствий чрезвычайных ситуаций;

7. разработать прототип программной системы диагностики и управления безопасность потенциально-опасных объектов;

8. провести апробацию результатов исследования.

Методы исследований. Для решения поставленных задач использованы методы теории вероятностей, надежности, свидетельств, построения базы знаний с помощью правил продукции.

Научная новизна работы:

1) разработана модель интеллектуальной системы диагностики и управления безопасностью потенциально-опасных объектов городского хозяйства;

2) разработана методика и алгоритм локализации чрезвычайных ситуаций, с последующим обоснованием принятия решений по ликвидации последствий аварийной ситуации;

3) модернизирован метод анализа экспертных оценок.

Практическая значимость состоит в использовании специалистами МЧС, территориальных органов Минприроды России, региональных и территориальных органов управления по делам гражданской обороны и чрезвычайным ситуациям разработанных методов для диагностики чрезвычайных ситуаций и обоснования принимаемых решений.

Апробация работы. Материалы диссертационной работы докладывались и обсуждались на международных конференциях «Математические методы в технике и технологиях» (1999 и 2000 г.г.), «Современные технологии в промышленности — МК-2001» (г. Пенза), «Математические методы в интеллектуальных информационных системах—ММИИС-2002» (г. Смоленск).

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Луньков, Сергей Васильевич

Выводы

Анализ статистических данных о чрезвычайных ситуациях с выбросом опасных веществ показывает, что к потенциально-опасным объектам относятся не только крупные предприятия химического и нефтехимического комплекса, но и считавшиеся ранее безопасными хладо- и мясокомбинаты, молокозаводы, станции водоочистки, системы очистки городов, газо-, нефте- и аммиакопроводы, различные хранилища.

Основным звеном в обеспечении безопасности на прилегающей территории является само предприятие. От того, насколько устойчиво оно функционирует, как действуют службы, обеспечивающие нормальное ведение технологических процессов, зависит, в конечном счете, безопасность персонала и населения, проживающего поблизости.

Последствия отказов и аварий в технической системе в смысле ущерба наносимого оборудованию, здоровью людей, а также вероятность их появления определяют величину риска (опасности), которую несет данная система.

По мнению специалистов, достижение так называемого нулевого риска практически невозможно, а потому вероятность возникновения чрезвычайных ситуаций на опасных объектах весьма высока. Хотя статистические данные показывают, что крупные аварии на потенциально-опасных объектах г. Твери происходят раз в 10 лет, но так как таких объектов более 10 получается, что крупные аварии могут происходить в городе чаще, чем раз в год. Таким образом, разработка и внедрение современных автоматизированных систем наблюдения, прогнозирования и управления становится очень актуальным.

Исходными данными для решения задач диагностики окружающей среды являются значения концентраций опасных веществ, измеренных в пунктах контроля окружающей среды; предельно допустимые концентрации веществ; координаты возможных источников загрязнения и контрольных пунктов; метео данные.

Постановка задачи исследования

Для получения решений требуется определение количественных показателей состояния окружающей среды.

Важнейшим способом исследования и познания состояния окружающей среды является применение математических методов, позволяющих построить модель, алгоритм, программу.

Как следует из проведенного анализа, для снижения риска возникновения чрезвычайных ситуаций на ПОО городского хозяйства создание системы диагностики и управления безопасностью потенциально-опасных объектов городского хозяйства должно обеспечить: выявление наиболее опасных объектов и принятие мер по уменьшению вероятности возникновения ЧС; контроль отклонений состояния окружающей среды от допустимых норм; определение причины отклонения и выявление источников, вызывающих эти отклонения; выработка наиболее эффективных решений по предотвращению и ликвидации чрезвычайных ситуаций.

В диссертационной работе рассматриваются вопросы, связанные непосредственно с выявлением источников, вызывающих систематические отклонения параметров окружающей среды от допустимых.

Исходя из цели исследования и требований к функциям системы мониторинга безопасности городского хозяйства, задачи диссертационного исследования можно сформулировать следующим образом:

1. Провести анализ особенностей построения и использования интеллектуальных систем, связанных с диагностикой состояния окружающей среды и управлением безопасностью потенциально-опасных объектов городского хозяйства, опыта применения отечественных и зарубежных разработок;

41

2. Провести анализ основных подходов и методов- поиска объекта нарушившего экологическую обстановку;

3. Провести анализ основных подходов и методов выработки мероприятий по повышению безопасности ПОО и по ликвидации чрезвычайный ситуаций;

4. Разработать модель интеллектуальной системы диагностики и управления безопасностью потенциально-опасных объектов городского хозяйства;

5. Разработать алгоритм и методику исследования информации об окружающей среде, с целью выявления источника загрязнения;

6. Разработать человеко-машинную процедуру принятия решений по повышению безопасности потенциально-опасных объектов и по обоснованию мероприятий при ликвидации последствий чрезвычайных ситуаций;

7. Разработать прототип программной системы диагностики и управления безопасность потенциально-опасных объектов;

8. Провести апробацию результатов исследования.

2. ТЕОРЕТИЧЕСКОЕ ОБОСНОВАНИЕ СТРУКТУРЫ СИСТЕМЫ ПРИНЯТИЯ РЕШЕНИЙ В КРИТИЧЕСКИХ СИТУАЦИЯХ НА ПОТЕНЦИАЛЬНО-ОПАСНЫХ ОБЪЕКТАХ ГОРОДСКОГО ХОЗЯЙСТВА

2.1. Экспертные системы реального времени

Очевидно, что реализация системы диагностики и управления безопасностью потенциально-опасных объектов должна быть построена с использованием технологии искусственного интеллекта. На сегодняшний день программные средства, базирующиеся на технологии и методах искусственного интеллекта, получили значительное распространение в мире [16,52,87, 99, 100]. Их важность, и, в первую очередь, экспертных систем и нейронных сетей, состоит в том, что данные технологии существенно расширяют круг практически значимых задач, которые можно решать на компьютерах, и их решение приносит значительный экономический эффект. По мнению специалистов [16], в недалекой перспективе экспертные системы будут играть ведущую роль во всех фазах проектирования, разработки, производства, распределения, продажи, поддержки и оказания услуг. Их технология, получив коммерческое распространение, обеспечит революционный прорыв в интеграции приложений из готовых интеллектуально-взаимодействующих модулей.

Выделяют несколько основных направлений этого рынка [2,3,8,55, 62,76,97]: экспертные системы; нейронные сети и "размытые" (fuzzy) логики; естественно-языковые системы.

В настоящее время систему искусственного интеллекта применяются для решения многих неформализуемых или трудно формализуемых задач: распознавания и синтеза речи; распознавания аэрокосмических изображений; прогнозирования котировки ценных бумаг и курса валют; предупреждения мошенничества с кредитными карточками; оценки стоимости недвижимости; оценки финансового состояния предприятий и риска невозврата кредитов; обработки радиолокационных сигналов; контроля движения на скоростных автомагистралях и железных дорогах; диагностики в медицине; добычи знаний из больших объемов данных в бизнесе, финансах и научных исследованиях.

Место экспертных систем среди других методов обработки данных

При проектировании системы диагностики и управления безопасностью потенциально-опасных объектов городского хозяйства приходим к выводу, что сформулировать решение задачи диагностики математически невозможно, а для использования нейросетей необходим большой объем статистических данных, которого у нас нет. Таким образом, на первоначальном этапе создания системы необходимо привлечение экспертов для создания экспертной системы. Причем разрабатываемая экспертная система должна функционировать в режиме реального времени, на сегодняшний день это около 70 процентов рынка экспертных систем [16, 44]. Классы задач, решаемых экспертными системами реального времени, таковы: мониторинг в реальном масштабе времени, системы управления верхнего уровня, системы обнаружения неисправностей, диагностика, составление расписаний, планирование, оптимизация, системы-советчики оператора, системы проектирования.

Далее рассмотрим наиболее распространенные оболочки экспертных систем.

CLIPS (Язык С, интегрированная Продукционная Система) — OPS-ПОДОБНАЯ продукционная система, использующая вывод от фактов к цели, написанная на С в ANSI NASA. Механизм логического вывода CLIPS включает сопровождение, динамическое добавление правил и настраиваемые стратегии разрешения противоречий. CLIPS, включая динамическую версию, легко встраивается в другие прикладные программы. CLIPS включает объектно-ориентированный язык, названный COOL (Объектно-ориентированный Язык CLIPS), который прямо интегрирован с механизмом логического вывода. CLIPS выполняется на многих платформах, включая IBM PC.

DYNACLIPS (динамические утилиты CLIPS) — включает доску объявлений, механизм динамического обмена знаниями и инструментальные средства для CLIPS v5.1 и v6.0. Она существлена как набор библиотек, который может быть связан с CLIPS v5.1 или CLIPS v6.0. Исходный текст не предоставляется. Для связи с другими интеллектуальными средствами используется доска объявлений.

FuzzyCLIPS 6.02 — версия CLIPS, оболочка экспертной системы, основанная на правилах, используется для представления и управления нечеткими фактами и правилами. В дополнение к функциональным возможностям CLIPS, FuzzyCLIPS может иметь дело с точными, нечеткими (или неточными) знаниями, сложными рассуждениями, которые можно свободно смешивать в правилах и фактах экспертной системы. Система использует две базисных концепции о неточности, нечеткость и неопределенность. Имеются версии для систем UNIX, Macintosh и IBM PC. Программное обеспечение распространяется бесплатно, но документация по Fuzzy CLIPS имеет сроки использования.

WxCLIPS снабжает CLIPS v5.1, CLIPS v6.0 и CLIPS v6.0 с нечетким представлением знаний простым графическим внешним интерфейсом. Имеется WxCLIPS для Windows 3.1, 32-разрядного Windows и Windows 95.

OPS5 — содержит механизмы представления знаний и управления. Хотя эта система обеспечивает основные потребности инженерии знаний, она не ориентирована на конкретные стратегии решения задач или схемы представления знаний. Система разрешает программисту использовать символы и представлять отношения между символами, однако эти символы и отношения не имеют заранее определенных значений. Последние полностью определяются порождающими правилами, которые пишет программист. Механизм управления интерпретатора OPS5 представляет собой простой цикл, называемый "циклом распознавания", детали которого пользователь разрабатывает сам в соответствии со своими потребностями.

BABYLON — среда для разработки экспертных систем. Она включает фреймы, модели данных, Пролог-подобный логический формализм, и язык для написания диагностических прикладных программ. Она написана на Лиспе и переносима на широкий диапазон аппаратных платформ.

MIKE (Микро Интерпретатор для инженерии знаний) — это полная, свободная и переносимая программная среда, разработанная для целей обучения в Открытом Университете Великобритании. Она включает прямые и обратные правила вывода от цели к фактам с определяемыми пользователем стратегиями разрешения противоречий, и фреймовый язык представления знаний с наследственностью и 'демонами', плюс определенные пользователем стратегии наследования. Правила вывода автоматически снабжаются, объяснениями 'как', пользователь может сформировать объяснения 'почему'. Порядок применения правил в процессе трассировки и выполнения может отображаться графически на дисплее. MIKE, который формирует ядро курса по Инженерии знаний Открытого Университета, написан на консервативном и переносимом подмножестве Пролога, исходный текст программы свободно распространяется. MIKE версии 1 был написан в октябре/ноябре 1990. MIKE vl.50, который прежде находился на йр-сервере, был заменен двумя более новыми версиями: MIKE v2.03, полная версия исходного текста на Пролога, включая RETE алгоритм для быстрого поиска вперед, систему сопровождения, обработки неопределенности, и гипотетических миров, и MIKE V2.50, (DOS-версия под ключ) с интерфейсом, управляемым с помощью меню, и инструментальными средствами для создания и просмотра фреймов, полностью совместимая с MIKE V2.03, но без исходного текста.

ES: октябрь/ноябрь 1990 — экспертная система. ES поддерживают прямой/обратный вывод цепочки, нечеткие отношения, и содержит подсистему объяснения.

WindExS (Экспертная система под Windows) — полнофункциональная экспертная система, использует вывод от фактов к цели, работает на базе Windows. Ее модульная архитектура позволяет пользователю заменять модули так, как это требуется для расширения возможностей системы. WindExS содержит процессор Правил на Естественном языке, Механизм логического вывода, Диспетчер файлов, Интерфейс пользователя, Администратор Сообщений и модули Базы знаний. Она поддерживает вывод от фактов к цели, и графическое представление базы знаний.

RT-EXPERT — экспертная система общего назначения, что позволяет программистам С интегрировать правила экспертной системы в прикладные программы на языке С или С++. В состав RT-EXPERT входит транслятор правил, который компилирует правила в код С, и библиотека, содержащая механизм выполнения правил. RT-EXPERT под DOS работает с трансляторами Borland Turbo С, Borland С++, и Microsoft C/C++. Лицензионная версия программы используется в области образования, исследований и хобби. Прикладные программы, созданные с помощью RT-EXPERT, не лицензированы для коммерческих целей. Профессиональные издания пригодны для коммерческих прикладных программ, использующих DOS, Windows, и Unix среды.

G2 — представляет собой самодостаточную среду для разработки, внедрения и сопровождения приложений в широком диапазоне отраслей. G2 объединяет в себе как универсальные технологии построения современных информационных систем (стандарты открытых систем, архитектура клиент/сервер, объектно-ориентированное программирование, использование ОС, обеспечивающих параллельное выполнение в реальном времени многих независимых процессов), так и специализированные методы (рассуждения, основанные на правилах, рассуждения, основанные на динамических моделях, или имитационное моделирование, процедурные рассуждения, активная объектная графика, структурированный естественный язык для представления базы знаний), а также интегрирует технологии систем, основанных на знаниях с технологией традиционного программирования (с пакетами программ, с СУБД, с контроллерами и концентраторами данных и т.д.).

Так как для решения поставленной задачи предполагается использовать экспертную систему реального времени, получаем, что наиболее подходящими системами являются CLIPS, RT-EXPERT и G2. Рассматривая каждую из этих оболочек приходим к следующим выводам: CLIPS и RT-EXPERT имеют неудобный пользовательский интерфейс, причем по мимо заявленной интеграции с языком программирования С++, пользователю всё таки придется изучать дополнительные языковые конструкции. G2 очень огромная система, большинство функций, которой в разрабатываемой системе не нужны. К тому же стоимость данной системы порядка 7500$. Следует также учитывать стоимость внедрения подобной системы, которая может превышать стоимость самой системы в несколько раз. Поэтому на данном этапе разработки приходим к выводу, что проще разработать собственную оболочку экспертной системы, которая будет полностью поддерживать известный язык программирования и обладать более удобным и простым пользовательским интерфейсом.

2.2. Основные принципы построения экспертной системы диагностики я управления безопасностью

На сегодняшний день не существует универсального наилучшего во всех отношениях метода создания экспертных систем принятия решений [72], однако, можно выделить два принципиальных направления в области принятия решений: экспериментальное и основанное на количественных моделях. Вместе с тем существует подход к созданию автоматизированных систем принятия решений, позволяющий комбинировать результаты экспертного (качественного) и количественного анализа. Этот подход заключен в создании гибридных экспертных систем принятия решений (ЭСПР), в которых используются как формализованные, так и неформальные знания и процедуры [10, 12].

В основе построения ЭСПР лежит принцип иерархичности распознавания неисправностей и аварийных состояний потенциально-опасного производства.

На первом уровне иерархии осуществляется параметрическая диагностика, основанная на измерении и обработке диагностических показателей окружающей среды. Далее делается вывод о наличии или вероятности чрезвычайной ситуации (ЧС) на одном или нескольких потенциально-опасных объектах (ПОО) на основании анализа состояний диагностических переменных и их соотношений.

На втором уровне производится более подробный анализ ПОО с подозрением на ЧС, с целью выявления первичной неисправности, приведшей к нарушению технологического режима или к созданию аварийной ситуации. Здесь происходит анализ БЗ, созданной на основе причинно-следственных графов. Такая организация ЭСПР позволяет сузить пространство поиска первичной неисправности за счет отсечения тупиковых или маловероятных гипотез и в то же время не пропустить зарождающиеся и медленно развивающиеся дефекты. Связь между уровнями ЭС осуществляется через "доску объявлений" (ДО), заполненную логическими переменными, соответствующими различным характеристикам состояния окружающей среды.

Работа ЭСПР может быть прервана на любом этапе, в зависимости от того, какие текущие цели преследуются при инициализации системы.

Так как работа ЭСПР будет происходить в режиме реального времени, следует обеспечить необходимое качество работы такой системы, а это требует эффективных системных и программных решений.

Приступая к созданию ЭСПР, нельзя не учитывать того обстоятельства, что в режиме реального времени, не только возрастает действенность системы, но и повышается простота и удобство использования ЭСПР. Как следствие, специалисты, освобожденные от утомительного ручного ввода, использованного на первых этапах, получают возможность более глубокого тестирования БЗ ЭСПР. При этом в ходе тестирования и практической эксплуатации неизбежно будут выявлены неточности, упущения и противоречия, скрытые в БЗ, причем, возможно, настолько серьезные, что потребуется пересмотр даже некоторых концептуальных положений, заложенных при построении ЭСПР. Для того, что бы процесс корректировки БЗ был наиболее безболезненным, необходимо стремиться к максимальной модульности организации и программирования БЗ и всей ЭСПР в целом.

2.3. Поиск источника загрязнения окружающей среды

С целью структуризации проблемы обеспечения техногенной безопасности предлагается все потенциально-опасные объекты городского хозяйства разделить на три группы в зависимости от характера проявления поражающего фактора: первую группу составляют объекты повышенной пожаро-взрывоопасности, вторую группу - объекты, связанные с выбросом в окружающую среду опасных веществ, и третью группу - объекты городской инфраструктуры.

К первой группе относятся объекты имеющие хранилища, содержащие потенциально-опасные вещества, т.е. пожаро- и взрывоопасные вещества и смеси, твердые, жидкие, газообразные продукты.

Ко второй группе относятся объекты, аварии на которых связаны с выбросом опасных химических, радиоактивных и биологических веществ, являющихся источником загрязнения воздушной и водной среды, почвы.

К третьей группе относятся электростанции и электрические сети, системы водоснабжения, теплоснабжения, канализация и очистные сооружения, а также другие объекты городской инфраструктуры.

В настоящее время существуют достаточно надежные методы прогнозирования фонового уровня загрязнения. В тоже время, известно, что разные источники выбросов создают большие концентрации при различных метеорологических условиях и условиях рельефа местности. Частое повторение подобных выбросов с высокой концентрацией загрязняющих веществ в определенных районах создают угрозу окружающей среде и здоровью людей.

На рис. 2.2 представлена схематичная карта города с указанием мест расположения потенциально-опасных объектов, датчиков, регистрирующих загрязнение окружающей среды, и зоны превышения допустимых концентраций веществ.

Из схемы видно, что датчики могут располагаться не на территории самих объектов, объекты могут иметь различную форму и располагаться в непосредственной близости друг от друга. Определение источника загрязнения наблюдениям датчиков достаточно сложно, что тому же такие объекты как Октябрьская железная дорога и Тверской Вагоностроительный Завод располагаются в достаточной близости друг от друга, что существенно усложняет диагностику. Таким образом, репрезентативность наблюдений за состоянием загрязнением окружающей среды в городе зависит от правильности расположения датчиков на обследуемой территории. Данный вопрос решается в системе мониторинга потенциально-опасных объектов, которая также обосновывает систему наблюдения, обеспечит эффективное слежение за изменением параметров среды и представит селективную информацию об отклонении от фонового состояния.

Рисунок 2.2. Схема города Твери. На рис. 2.3 показаны возможные варианты поиска источника загрязнения при регистрации нарушения допустимой концентрации [66, 69, 74, 87, 99]. Из схемы видно, что при оптимальном расположении датчиков системя диагностики аварийных ситуаций может выйти на два варианта нарушения предельно-допустимой концентрации:

1. Датчик зарегистрировал превышение допустимой концентрации непосредственно на территории самого объекта.

2. Регистрация превышения концентрации произошла за границей объекта.

Если превышение концентрации зарегистрировано датчиком расположенном на территории потенциально-опасного объекта, экспертная система переходит на второй уровень, на котором, производится более подробный анализ ПОО, с целью выявления первичной неисправности;

Список литературы диссертационного исследования кандидат технических наук Луньков, Сергей Васильевич, 2003 год

1. Рисунок 2.3. Поиск источника загрязнения, приведшей к нарушению технологического режима или к созданию аварийной ситуации. Происходит анализ базы знаний, созданной на основе причинно-следственных графов.

2. Если же экспертная система не знает, где расположен источник загрязнения окружающей среды, то эту информацию необходимо получить. Существует четыре способа поиска потенциально-опасных объектов.

3. Таким образом, можно констатировать, что в указанных выше методиках, опирающихся на использование дисперсионных моделей, описывающих аварийный перенос поллютантов в атмосфере, допущены неточности, которыедолжны быть устранены.

4. Следует также отметить, что в перечисленных выше методиках не учтены характерные особенности создаваемых в России ОУХО, как химически опасных объектов.

5. При подготовке данной методики были использованы методические разработки по прогнозированию последствий аварийных ситуаций на химически опасных объектах 32-36., а также на объектах хранения и уничтожения химического оружия.

6. Рисунок 2.4. Движение облака ОВ при мгновенном выбросе.

7. Рисунок 2.5. Движение облака ОВ при мгновенном выбросе.

8. Рисунок 2.6. Система расположения датчиков и ПОО.

9. В центре полярной системы координат располагается потенциально-опасный объект (рис. 2.6). Из центра системы координат поле разбивается прямыми линиями на сектора. Количество секторов определяется принятой восьмирумбовой системой.

10. За центр первого сектора (0°) принимается направление на север. Размер шага по углу для восьмирумбовой системы принят равным 45°

11. Положение датчика задается величиной радиуса (R)—расстояние от ПОО по прямой и величиной угла (а). Положительные значения а отсчитываются по часовой стрелке.

12. Поиск потенциально-опасного объекта методом отслеживания назад происходит на основании метеоданных (направление и скорость ветра, устойчивость атмосферы) и объема хранящегося на объекте отравляющего вещества.

13. Концентрационное поле ОВ, согласно методики ГосНИИОХТ, может быть выражено формулой: