Интеллектуальная информационно-измерительная и управляющая система контроля дозирования хлорагента и содержания хлороформа в питьевой воде на станциях водоподготовки тема диссертации и автореферата по ВАК РФ 05.11.16, кандидат наук Юхно Александра Игоревна

• Юхно Александра Игоревна
• кандидат наук
• 2020

Оглавление диссертации кандидат наук Юхно Александра Игоревна

ВВЕДЕНИЕ

ГЛАВА 1. ИЗМЕРИТЕЛЬНЫЕ И УПРАВЛЯЮЩИЕ СИСТЕМЫ И МЕТОДЫ КОНТРОЛЯ КАЧЕСТВА ВОДЫ НА СТАНЦИЯХ ВОДОПОДГОТОВКИ

1.1. Существующая измерительная система очистки и контроля качества воды на станциях водоподготовки

1.2. Управление и контроль образования хлорорганических соединений в питьевой воде на станциях водоподготовки

1.2.1. Анализ причин образования хлорорганических соединений в питьевой воде

1.2.2. Канцерогенный риск образования хлорорганических соединений в питьевой воде для здоровья населения

1.2.3. Методы снижения образования хлорорганических веществ в процессе водоподготовки

1.2.4. Контроль хлорорганических соединений в питьевой воде хроматографическим методом

1.2.5. Прогностические модели образования хлорорганических соединений

1.3. Информационно-измерительные управляющие системы в водоподготовке

1.3.1. Автоматизированные системы контроля дозирования хлорагента

1.3.2. Применение методов нечеткой логики в задачах управления автоматизированными системами контроля

1.4. Обоснование научной проблемы и постановка задач исследования

1.5. Выводы по главе

ГЛАВА 2. МЕТОД КОНТРОЛЯ КАЧЕСТВА ПИТЬЕВОЙ ВОДЫ В РЕЖИМЕ

РЕАЛЬНОГО ВРЕМЕНИ

2.1. Выбор параметров для контроля качества питьевой воды в режиме реального времени

2.1.1. Исследование динамики показателей качества питьевой воды

2.1.2. Зависимость образования хлорорганических соединений от дозы хлора

2.1.3. Влияние аммонизации на образование хлорорганических соединений

2.1.4. Влияние температуры на рост микроорганизмов

2.1.5. Анализ влияния параметров качества воды на образование хлороформа

2.2. Разработка метода контроля качества питьевой воды реализованного в ИИИУС

2.2.1. Общая схема метода контроля качества питьевой воды

2.2.2. Принцип работы метода контроля качества питьевой воды

2.3. Выводы по главе

ГЛАВА 3. НЕЙРОСЕТЕВОЕ МОДЕЛИРОВАНИЕ СОДЕРЖАНИЯ ХЛОРОФОРМА В ПИТЬЕВОЙ ВОДЕ НА СТАНЦИЯХ ВОДОПОДГОТОВКИ

3.1. Описание искусственной нейронной сети

3.2. Выбор оптимальной конфигурации нейронной сети

3.3. Апробация нейросетевой модели

3.4. Выводы по главе

ГЛАВА 4. ИНТЕЛЛЕКТУАЛЬНАЯ ИНФОРМАЦИОННО -ИЗМЕРИТЕЛЬНАЯ И УПРАВЛЯЮЩАЯ СИСТЕМА КОНТРОЛЯ ДОЗИРОВАНИЯ ХЛОРАГЕНТА И СОДЕРЖАНИЯ ХЛОРОФОРМА В ПИТЬЕВОЙ ВОДЕ

4.1. Разработка структуры ИИИУС контроля дозирования хлорагента и содержания хлороформа в питьевой воде

4.2. Архитектура интеллектуальной информационно-измерительной и управляющей системы контроля

4.3. Техническое обеспечение ИИИУС контроля дозирования хлорагента и содержания хлороформа в питьевой воде

4.4. Информационное обеспечение ИИИУС

4.4.1. База данных и база знаний ИИИУС

4.4.2. Система нечеткого вывода

4.4.3. База правил системы нечеткого вывода

4.5. Алгоритмическое обеспечение ИИИУС

4.6. Выводы по главе

ГЛАВА 5. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ И МЕТРОЛОГИЧЕСКИЙ АНАЛИЗ ЭЛЕМЕНТОВ ИИИУС КОНТРОЛЯ ДОЗИРОВАНИЯ ХЛОРАГЕНТА

5.1. Компьютерный эксперимент по исследованию влияния отдельных факторов на целевой параметр нейронной сети

5.2. Расчет обобщенных метрологических характеристик измерительного канала ИИИУС

5.3. Анализ системы нечеткого вывода

5.4. Исследование работы алгоритма, реализующего ИИИУС

5.5. Выводы по главе

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ

ПРИЛОЖЕНИЕ 1. Экспериментальные данные по качеству питьевой воды

ПРИЛОЖЕНИЕ 2. Таблица выбора оптимальной конфигурации сети

ПРИЛОЖЕНИЕ 3. Фрагмент программного кода

ПРИЛОЖЕНИЕ 4. Акты о внедрении результатов исследования

ПРИЛОЖЕНИЕ 5. Свидетельство о регистрации программы для ЭВМ

Введение диссертации (часть автореферата) на тему «Интеллектуальная информационно-измерительная и управляющая система контроля дозирования хлорагента и содержания хлороформа в питьевой воде на станциях водоподготовки»

ВВЕДЕНИЕ

Актуальность темы исследования. В ходе дезинфекции питьевой воды образуется множество побочных продуктов реакций между дезинфицирующими и природными органическими веществами [1-5]. Спроектированным в прошлом очистным сооружениям с типовой системой водоподготовки сложно противостоять растущему уровню загрязненности источников водозабора [6-8]. Основным методом обеспечения надлежащего уровня хлора в сети является добавление достаточной дозы хлорсодержащего дезинфицирующего средства на водоочистную станцию, подающую воду в сеть.

Не менее двадцати процентов инфекций попадает в организм человека пероральным путём при употреблении питьевой воды, в связи с этим выбор дозы средства дезинфекции, способной обеспечить бактериологическую безопасность и не приводящей к образованию опасных для здоровья хлорорганических соединений, является актуальной задачей в сфере водоподготовки [9]. Многообразие образующихся хлорорганических соединений (ХОС) связано с различными физико-химическими характеристиками воды и недостаточно жестким контролем параметров процесса обеззараживания на водопроводных станциях [10-13].

Исследованиям влияния веществ, образующихся в результате обеззараживания воды с применением хлора, на здоровье человека в течение последних десятилетий уделяется пристальное внимание [14-17]. Хлорорганические соединения находятся в воде в минимальных концентрациях, но их отрицательное воздействие на организм человека нельзя недооценивать.

На данный момент отсутствуют точные рекомендации по выбору параметров хлорирования (типа хлорагента и определения дозы хлорагента на основании показателей качества природной воды) [18]. В связи с этим, для оценки качества питьевой воды целесообразно использовать современные подходы, позволяющие проводить интегральную оценку степени токсичности загрязненных вод и

вероятности развития, неблагоприятных для здоровья человека эффектов (канцерогенные, неканцерогенные риски и др.) [19-20].

Применение интеллектуальных методов обработки данных приобретает всё большее значение в мониторинге водных ресурсов, как для контроля состояния системы, так и для регулирования происходящих в ней процессов [21 -22]. Данные методы являются инструментом прогнозирования и своевременного отклика системы на изменения входных параметров и управляющего воздействия, в соответствии с этими изменениями [23].

Применяемые на данный момент информационно-измерительные системы контроля физическо-химического состава воды не соответствуют нужным параметрам по оцениваемым соединениям, метрологической и технической надежности, частоте техобслуживания, поэтому разработка структуры интеллектуальной информационно-измерительной и управляющей системы (ИИИУС) контроля дозирования хлорагента, содержания хлорорганических соединений и остаточного хлора в питьевой воде является актуальной задачей.

Степень разработанности темы исследования. В направлении контроля содержания хлорорганических соединений, образующихся в процессе обеззараживания, работали многие зарубежные и российские исследователи, такие как [6, 24-25]. Безусловно, эпидемиологические и токсикологические исследования показывают, что образование побочных продуктов дезинфекции вызывает беспокойство, эти исследования не продемонстрировали решения данной проблемы, но позволили установить причинно-следственные связи между регулированием дозы хлорагента и риском для здоровья человека [26, 27].

В ряде исследований отражено влияние показателей качества воды и сезонности на образование хлорорганических соединений [28-31].

Моделирование качества воды все чаще используется для оказания помощи в принятии оперативных решений и планировании исследований. Хлор является наиболее часто моделируемым параметром качества воды. Было показано, что относительно простая модель распада первого порядка для хлора обеспечивает хорошее моделирование данных [32]. Использование детерминированных моделей

для моделирования побочных продуктов дезинфекции было отражено в работе

[33].

В некоторых других исследованиях при подборе подходящих подходов к дезинфекции принималось решение, основанное на оценке риска [34-35]. Недостатком методов, применяемых в этих исследованиях, является запаздывание принятия корректирующих действий. Инновации в автоматическом считывании счетчиков могут улучшить сбор данных в режиме реального времени, но все еще существуют серьезные проблемы с управлением данными.

Применение искусственных нейронных сетей рассматривались в работах [3637]. Системы на базе нечеткой логики активно используются исследователями для автоматизации процессов водоснабжения [18, 38]. Этот метод используется в исследованиях по улучшению питьевого водоснабжения [39-40], но для процессов дозирования хлорагента с учетом канцерогенного риска данная совокупность методов не была применена. Принципы создания научно-обоснованных методических и технических решений по разработке ИИИУС для контроля качества сточных и подземных вод рассматривались в работах [41-43], однако эта тема недостаточно исследована для сферы питьевого водоснабжения.

Результаты диссертационного исследования использовались в научном проекте РФФИ № 18-35-00489 на тему «Разработка методологии гибкой системы хлорирования, направленной на снижение риска для здоровья населения, связанного с содержанием хлорорганических соединений в питьевой воде».

Объект исследования: интеллектуальная информационно-измерительная и управляющая система контроля качества питьевой воды.

Предмет исследования: модели и алгоритмы информационно -измерительной системы контроля и управления дозированием хлорагента и содержанием хлороформа в питьевой воде на станциях водоподготовки.

Целью диссертационной работы является обеспечение качества питьевой воды на станциях водоподготовки в режиме реального времени.

Для достижения этой цели необходимо решить следующие задачи:

- Оценить применяемую систему обеззараживания и методы снижения

содержания хлорорганических соединений. Провести анализ зависимостей концентраций хлорорганических соединений, образующихся при дезинфекции питьевых вод, от качества исходной воды и параметров её обеззараживания. Выявить закономерности в динамике показателей качества воды. Установить соответствие концентраций хлорорганических соединений пороговым значениям канцерогенного риска образования в питьевой воде побочных продуктов обеззараживания на основе хлора, имеющих неблагоприятное воздействие на здоровье потребителя;

- Разработать нейросетевую модель, способную прогнозировать концентрации хлорорганических соединений, образующихся в ходе хлорирования питьевой воды, в зависимости от параметров качества воды;

- Разработать метод контроля качества питьевой воды с использованием нейросетевых технологий, методов искусственного интеллекта;

- Разработать интеллектуальную информационно -измерительную и управляющую систему контроля дозирования хлорагента, содержания хлорорганических соединений и остаточного хлора в питьевой воде на базе нечеткой логики, как инструмента прогнозирования и создания возможных вариантов реакции системы на изменения входных параметров и управленческие решения;

- Построить алгоритм, реализующий работу ИИИУС контроля дозирования хлорагента, содержания хлорорганических соединений и остаточного хлора в питьевой воде в режиме реального времени в системах коммунального водоснабжения, способный контролировать дозу хлорагента таким образом, чтобы содержание хлорорганических соединений оставалась в пределах допустимого канцерогенного риска, и поддерживался уровень остаточного хлора, обеспечивающий безопасное водопотребление.

Научная новизна полученных результатов состоит в следующем:

1. Создана и апробирована нейросетевая модель, особенность которой состоит в том, что прогноз концентрации хлороформа, образующегося в ходе обеззараживания питьевой воды, осуществляется на основании таких параметров

качества воды как температура, водородный показатель, перманганатная окисляемость, хлорпоглощаемость и остаточный хлор;

2. Разработан метод контроля качества питьевой воды, включающий в себя контроль в режиме реального времени концентрации остаточного хлора, скорости его изменения, концентрации хлороформа на соответствие уровням канцерогенного риска с использованием созданной нейросетевой модели, а также определение коэффициента дозы хлорагента с применением аппарата нечеткой логики;

3. Сформирована структура интеллектуальной информационно-измерительной и управляющей системы (ИИИУС), реализующая предложенный метод контроля качества питьевой воды и управление дозированием хлорагента с использованием разработанных модуля информационного обеспечения и интеллектуально-моделирующего блока, входящих в состав системы.

Теоретическая значимость работы. Теоретическая значимость работы обусловлена созданным посредством применения алгоритмов искусственного интеллекта методом контроля качества воды, реализуемым ИИИУС контроля дозирования хлорагента и содержания хлорорганических соединений, направленного на сокращение канцерогенного риска здоровью населения.

Полученные в ходе исследования результаты дают возможность повысить научную обоснованность подходов контроля технологии дезинфекции питьевой воды и руководствоваться ими в будущем для обоснования выбора оптимального метода контроля, основанного на достижении антимикробного эффекта с учетом минимального негативного влияния потенциального канцерогенного риска здоровью населения от воздействия побочных продуктов дезинфекции в конкретной системе водоснабжения [41].

Практическая значимость и реализация результатов работы. Практическая значимость исследования заключается в создании структуры информационно-измерительной и управляющей системы контроля дозирования хлорагента. Система предназначена для контроля образования хлорпроизводных органических загрязнителей и поддержание достаточного уровня остаточного

хлора в питьевой воде на станциях водоподготовки в режиме реального времени. Отслеживание параметров хлорирования в динамике позволит сократить время реагирования на отклонения от нормы в процессе водоподготовки.

Алгоритм, реализующий работу ИИИУС контроля дозирования хлорагента, проводит обработку ряда входных параметров качества питьевой воды и вводит корректировку в дозировку хлора таким образом, чтобы выполнялись требования к значениям допустимого уровня канцерогенного риска при потреблении такой воды. Предлагаемый подход дает возможность более жестко контролировать содержание остаточного хлора и концентрацию хлорорганических соединений в питьевой воде. Внедрение подсистемы управления дозировкой хлорагента даёт возможность отказаться от дополнительного этапа водоподготовки, которым является вторичное хлорирование, в чем выражается её преимущество относительно применяемых на данный момент типовых систем.

Значение решения исследуемой проблемы состоит в повышении качества питьевой воды и расширении автоматизации производственных процессов.

Методология и методы исследования. Приведенные в диссертации результаты исследований, основываются на эмпирическом анализе, хромато-масс-спектрометрическом методе анализа, математической статистике, моделировании интеллектуальных систем: нейросетевое моделирование и системы нечеткого вывода.

Положения, выносимые на защиту:

- Нейросетевая модель, дающая возможность осуществлять прогноз содержания хлороформа, образующегося в процессе обеззараживания воды хлорагентом, в зависимости от изменяющихся параметров качества воды;

- Метод контроля качества питьевой воды с использованием нейросетевых технологий и нечеткой логики;

- Структура интеллектуальной информационно -измерительной и управляющей системы контроля дозирования хлорагента и содержания хлорорганических соединений в питьевой воде на базе нечеткой логики, в которой учтены выявленные в ходе исследования закономерности в динамике параметров

обеззараживания, а также пороговые значения концентраций побочных продуктов хлорирования с позиции оценки канцерогенного риска.

Внедрение результатов. Результаты диссертационной работы внедрены в МУП «Управление «Водоканал» (Акт от 23.09.2019 г.), в учебном процессе Южного федерального университета (Акт от 30.09.2019 г.).

Степень достоверности результатов. Достоверность научных положений, выводов и рекомендаций подтверждается корректной постановкой задачи, применяемой для математического описания процессов водоподготовки, большой выборкой наблюдений, воспроизводимостью экспериментальных данных и их согласованием с результатами, которые получены современными методами исследований, которые отвечают поставленным в диссертации целям и задачам.

Апробация результатов исследований. Основные результаты, полученные в ходе работы, докладывались на: Всероссийской конференции и школе для молодых ученых «Системы обеспечения техносферной безопасности» (с международным участием) (Таганрог, 2015-2019 гг.); на Всероссийской конференции молодых ученых «ТЕХНОСФЕРА XXI ВЕКА» (Севастополь, 2016 г.); на Международной научной конференции студентов, аспирантов и молодых ученых «ПЕРСПЕКТИВА-2016» (г. Нальчик, 2016 г.); на XXIV Международной научной конференции студентов, аспирантов и молодых ученых "Ломоносов" (г. Москва, 2017 г.); на XVIII Международной научной конференции «Химия и инженерная экология» (школа молодых ученых) (г. Казань, 2017, 2018 гг.); на III Международной научно-практической конференции молодых ученых по проблемам техносферной безопасности (г. Москва, 2018 г.); на Международном форуме Научного совета Российской Федерации по экологии человека и гигиене окружающей среды «Современные проблемы оценки, прогноза и управления экологическими рисками здоровью населения и окружающей среды, пути их рационального решения» (г. Москва, 2018 г.), на VШ-й Международной научно-практической конференции молодых ученых и специалистов «Проблемы техносферной безопасности -2019» (г. Москва, 2019 г.); на 20-ой Всероссийской национальной молодежной научно-практической конференции «Фундаментальные

основы, теория, методы и средства измерений, контроля и диагностики» (г. Новочеркасск, 2019 г.).

Соответствие паспорту специальности. Диссертационная работа соответствует паспорту специальности 05.11.16 — Информационно-измерительные и управляющие системы (по отраслям), п.6. Исследование возможностей и путей совершенствования, существующих и создания новых элементов, частей, образцов информационно-измерительных и управляющих систем, улучшение их технических, эксплуатационных, экономических и эргономических характеристик, разработка новых принципов построения и технических решений.

Публикации. Основные результаты диссертационной работы отражены в 17 печатных работах, в том числе: 1 статья - в журнале, входящем в базу данных Scopus; 1 статья - в рецензируемом научном издании, входящем в международные реферативные базы данных и системы цитирования; 5 статей - в журналах, рекомендованных перечнем ВАК. Получено свидетельство о государственной регистрации программы ЭВМ.

Содержание работы. Диссертация включает в себя введение, 5 глав, заключение с результатами работы, список литературы из 160 наименований, 5 приложений, содержит 169 страниц текста и приложений, 56 рисунков и 19 таблиц.

ГЛАВА 1. ИЗМЕРИТЕЛЬНЫЕ И УПРАВЛЯЮЩИЕ СИСТЕМЫ И МЕТОДЫ КОНТРОЛЯ КАЧЕСТВА ВОДЫ НА СТАНЦИЯХ

ВОДОПОДГОТОВКИ

1.1. Существующая измерительная система очистки и контроля качества

воды на станциях водоподготовки

Одним из основных этапов подготовки питьевой воды является её дезинфекция с применением хлорсодержащих агентов [44-46]. Актуальной темой для исследований на данный момент является выявление влияния различных аспектов качества питьевой воды на организм человека [5, 22, 27, 47-48]. В результате обработки воды, поступающей на очистные сооружения, хлорагентом образуются хлорорганические соединения (ХОС). Присутствие в питьевой воде веществ, способных иметь негативный эффект при регулярном потреблении, говорит о важности разработки методов и систем обеззараживания, исключающих или сводящих к минимуму риск нанесения вреда здоровью населения.

Контроль качества питьевой воды — это часть системы мониторинга водно-экологической безопасности, целью которого является оперативное обнаружение изменения качественных характеристик воды. Однако контроль над качеством воды в применяемых системах водоподготовки осуществляется дискретно, в то время как её физико-химические характеристики меняются непрерывно [49].

Вводимая для обеззараживания доза хлорагента зависит от качества поступающей из водоисточника воды [50-51]. Определяющим показателем при выборе дозы является наличие в воде остаточного свободного хлора в диапазоне 0,5-0,8 мг/дм3. Содержание в воде такой концентрации остаточного хлора обеспечивает пролонгированность дезинфицирующего действия в системе трубопроводов, транспортирующих воду потребителю [6, 52-53].

На рисунке 1.1 представлена схема, отражающая особенности применяемого процесса очистки и обеззараживания природных вод. Ввод хлорагента, то есть

хлорной воды, производится в начало перегородчатого смесителя. В смеситель перегородчатый дозируются соответствующие реагенты: коагулянт и сульфат аммония. Перегородчатый смеситель — это железобетонный прямоугольный резервуар, имеющий перегородки. За счет многократного изменения направления движения потока происходит смешение реагента с водой. Из смесителя вода поступает в реакционную камеру на ^30 мин., где в результате взаимодействия реагента с растворенными в воде солями происходит процесс флокуляции и осаждения суспензий на хлопьях. Далее вода поступает в горизонтальный отстойник. Очищаемая вода подается на одну из его торцевых стенок, проходит вдоль отстойника к противоположной стенке, и там происходит отведение.

На следующем этапе вода подается наверх песчаного фильтра, используемого согласно рассматриваемой технологии водоподготовки. Осветленная вода подается на фильтр, проходит через все слои загрузки фильтра, в которых задерживаются взвешенные частицы, и собирается системой дренажа. После чего на пути из фильтра в резервуар чистой воды, если необходимо, вводится вторичное хлорирование.

V- объём, ^ время, v- скорость движения воды, S-площадь

Рисунок 1.1 - Схема очистной станции водопровода.

Применяемые на данный момент на большинстве станций водоподготовки измерительные системы осуществляют контроль качества воды посредством ручного труда оператора-лаборанта с использованием вспомогательного оборудования. Как видно из рисунка 1.1 существующая система очистки воды предусматривает двухэтапное хлорирование. Выбор оптимальной дозировки хлорагента на начальном этапе водоподготовки не подлежит нормированию, а производится на основании данных о таком параметре природной воды как хлорпоглощаемость и бактериологическом состоянии станции водоочистки. В воде, поступающей из источников, производится контроль таких показателей как: мутность (ГОСТ Р57164-2016), цветность (ГОСТ 31868-2012), нитриты, нитраты, аммиак (ГОСТ 33045-2014), жесткость (ГОСТ 31954-2012), щелочность (ГОСТ 31957-2012), окисляемость (ПНД Ф 14.1:2:4.154-99), pH (ПНД Ф 14.1:2:3:4.121-97), температура (РД 52.24.496-2018), хлорпоглощаемость. Контроль остаточного хлора осуществляется ежечасно на каждом этапе водоподготовки. Концентрация остаточного хлора в воде проверяется методом титриметрического анализа по ГОСТ 18190-72 на следующих этапах: после смесителя, после отстойника, после фильтра, после резервуара чистой воды и непосредственно в насосной станции, перед тем как вода поступит в городскую водопроводную сеть. Кроме того, в насосных также раз в сутки производится анализ воды по мутности, цветности, азотной группе, жесткости, щелочности, окисляемости, pH, температуре, алюминию (ГОСТ 18165-2014).

Доза вторичного введения хлорагента назначается на основании показателя подаваемой дозировки хлорагента, определяемой путём пробного обеззараживания воды, или на основании доз, которые подаются на основных водоочистных станциях.

Хлорагент в воду подаётся при помощи дозатора хлора типа «Advance 200». По мере того, как вода поступает на эжектор, который является частью дозатора, в вакуумной трубке образуется разряжение. Открытие регулирующего клапана подразумевает разрежение на ротаметре и левой части мембранной камеры. Вентиляционная трубка обеспечивает сопряжение правой части мембранной

камеры с атмосферой и постоянно находится под атмосферным давлением, которое смещает мембрану влево и открывает предохранительный клапан. После данного действия вся система вплоть до вентиля находится в разряженном состоянии, отсекающего емкость для хранения хлора от хлоратора. При открытии вентиля хлорагент поступает в вакуумный регулятор, в котором при помощи регулировочного клапана оператором вручную выставляется необходимая доза хлора. Рекомендованная доза хлорагента определяется на основании определяемого оператором показателя остаточного хлора.

Количество поступающего в хлоратор хлорагента зависит от степени открытия предохранительного клапана, в зависимости от величины отклонения влево мембраны. Разность давлений в правой и левой части мембранной камеры устанавливает величину отклонения мембраны. Правая часть камеры имеет постоянное давление, а потребление хлорагента устанавливается на основе степени разряжения в левой части данной камеры, изменяемой благодаря регулирующему клапану.

Такой процесс обеззараживания питьевой воды имеет ряд минусов, к которым относится субъективность оператора, дискретность, учет ограниченного набора параметров при расчете дозы, достаточно длительное запаздывание реакции наряду с меняющимися параметрами качества воды, которая проходит через аппараты очистки, а также риск перехлорирования и образование канцерогенных продуктов обеззараживания. В связи с тем, что отказаться от хлорирования не представляется возможным, необходимо найти компромисс между защитой от инфекционных заболеваний и образованием ХОС [54].

Необходимо создать метод контроля качества питьевой воды для более точного управления системой дозирования хлорагента и обеспечения таким количеством хлорагента, которое необходимо для качественной дезинфекции, исключая канцерогенный риск здоровью населения и риск перехлорирования.

Разработка интеллектуальных информационно -измерительных и управляющих систем, применимых в технологии водоподготовки, является перспективным направлением в решении проблемы ухудшения качества питьевой

воды. Функционирующим на данный момент системам водоподготовки из-за ухудшающегося состояния качества природных вод все сложнее справляться со своей барьерной функцией, направленной на очистку от хлорсодержащих соединений и прочих загрязняющих веществ [55].

1.2. Управление и контроль образования хлорорганических соединений в питьевой воде на станциях водоподготовки

1.2.1. Анализ причин образования хлорорганических соединений в питьевой

воде

Проведен широкий спектр исследований с целью выявления влияния показателей качества природной воды и параметров обеззараживания на концентрации хлорорганических соединений, присутствующих в питьевой воде. [56-58]. Для изучения содержания органических веществ, присутствующих в природной воде, использованы методики измерений, основанные на комплексе хроматографических методов анализа [59-62].

Согласно процедурам подготовки проб воды проведена их предварительная обработка с целью выделения и концентрирования изучаемых групп органических соединений.

Исследование доли летучих веществ, в том числе концентрацией путем отгонки, не выявило значительного содержания. Концентрации бензола и толуола, а также дихлорметана, трихлорметана и четыреххлористого углерода превышали пределы обнаружения методов измерения, но находились ниже предела обнаружения. Хроматограммы, полученные на ПИД (пламенно -ионизационный детектор) при анализе равновесных паров пробы воды, показаны на рисунках 1.21.3.

Рисунок 1.2 - Хроматограмма парофазного анализа пробы воды из водоисточника (летучие хлорзамещённые углеводороды с концентрированием)

Рисунок 1.3 - Хроматограмма парофазного анализа пробы воды из водоисточника (летучие ароматические углеводороды с концентрированием)

Результаты, полученные в ходе исследования природной воды на предмет присутствия летучих органических соединений, представлены в таблице 1.1.

Таблица 1.1 - Содержание летучих органических соединений в природной воде

Название соединения Концентрация в воде, мкг/дм3

Бензол <0,8

Толуол <0,8

Эти л бензо л <0,6

о-Ксилол <0,5

м-Ксилол <0,5

п-Ксилол <0,5

Стирол <0,6

Кумол <0,4

Пропилбензол <0,4

1,2,4-Триметилбеизол <0,5

Хлорвинил <5

Хлор этан <2

Дпхлор метан <3

Трихлорметан <3

1,2-дихлорэтан <0,7

Тетрахлор метан < 10

Трихлор этилен < 1

Тетрахлорэтилен < 1

Хлорбензол <0,2

Список литературы диссертационного исследования кандидат наук Юхно Александра Игоревна, 2020 год

СПИСОК ЛИТЕРАТУРЫ

1. Пьянкова, О.Г. Анализ факторов, влияющих на образование хлороформа в процессе водоподготовки / О.Г. Пьянкова, А.В. Кучукбаева, И.С Глушанкова., Л.В. Рудакова // Модернизация и научные исследования в транспортном комплексе. - 2015. - № 1. — С. 283-287.

2. Xu, X. Human respiratory uptake of chloroform and haloketones during showering / X. Xu, CP. Weisel // J Expo Anal Environ Epidemiol. — 2005. — Vol. 15. — P. 6-16.

3. Krasner, SW. Occurrence of a new generation of disinfection byproducts / HS. Weinberg, SD. Richardson, SJ. Pastor, R. Chinn, MJ. Sclimenti // Environ Sci Technol. — 2006. — Vol. 40(23). — P. 175—185.

4. Михайлова, Д.Л. Оценка воздействия хлороформа при поступлении в организм с питьевой водой на состояние здоровья детей / Д.Л. Михайлова, Ю.В. Кольдибекова // Вестник Перм. ун-та. Сер.: Биология. — 2012. — № 2. — С. 85—88.

5. Марченко, Б.И. Оценка канцерогенного риска от воздействия хлорорганических соединений питьевой воды / Б.И. Марченко, П.В. Журавлев, Н.К. Плуготаренко, А.И. Юхно // Материалы III Международного форума Научного совета Российской Федерации по экологии человека и гигиене окружающей среды. — 2018. — С. 238-242.

6. Холова, А.Р. Современный подход к оценке качества питьевой воды / А.Р. Холова, Е.В. Вагнер, М.Ю. Вождаева, Е.А. Кантор и др. // «Экологическая, промышленная и энергетическая безопасность — 2017». — 2017. — С. 1463-1467.

7. Галимова, А.Р. Оценка качества поверхностных вод в районе г. Казани / А.Р. Галимова, Ю.А. Тунакова // Сборник докладов Всерос. науч. конф.: Безопасность, защита и охрана окружающей природной среды: фундаментальные и прикладные исследования. — 2019. — С. 10-13.

8. Пантелеев, А.А. Технологические решения современных водоподготовительных систем / А.А. Пантелеев, Б.Е. Рябчиков, О.В. Хоружий,

Э.Р. Календарев // Новое в российской электроэнергетике. - 2013. - № 1. - С. 18-39.

9. Polycarpou, M. M. Feedback control of water quality / M. M. Polycarpou, J. J. Uber, Z. Wang, F. Shang, M. A. Brdys // IEEE Control Systems Magazine. -2002. -P. 68-87.

10. Васильева, А.И. Образование тригало-генметанов в процессе водоподготовки на водозаборе г. Уфы / А.И. Васильева, Л.Г. Цыпышева, Л.И. Кантор // Водоснабжение и санитарная техника. - 2004. - № 4. - C. 25-28.

11. Yan, Huang. Detection, identification and control of polar iodinated disinfection byproducts in chlor(am)inated secondary wastewater effluents / Huang Yan, Zhang Yangyang, Zhou Qing, Li Aimin // Environ. Sci.: Water Res. Technol. -2019. - №5. - P. 397-405

12. Егорова, Н.А. Гигиеническая оценка продуктов хлорирования питьевой воды с учетом множественности путей поступления в организм / Н.А. Егорова, А.А. Букшук, Г.Н. Красовский // Гигиена и санитария. - 2013. -№ 2. - С. 18-24.

13. Красовский Г.Н. Критерии опасности галогенсодержащих веществ, образующихся при хлорировании воды / Г.Н. Красовский, Н.А. Егорова // Токсикологический вестник. - 2002. - № 3. - С. 12-17.

14. Валеев, Т.К. Гигиеническая характеристика риска влияния качества воды на здоровье населения крупного промышленного центра / Т.К. Валеев, Р.А. Сулейманов, Н.Н. Егорова и др. // Медицина труда и экология человека. - 2016. -№ 3 (7). - С. 11-17.

15. Nieuwenhuijsen, M.J. The epidemiology and possible mechanisms of disinfection by-products in drinking water / M.J. Nieuwenhuijsen, J. Grellier, R. Smith, N. Iszatt, J. Bennett, N. Best, M. Toledano // Philos. Trans. A Math. Phys. Eng. Sci. -2009. - P.4043-4076.

16. Shi, W. Kinetics, Mechanisms, and influencing factors on the treatment of haloacetonitriles (HANs) in water by two household heating devices / W. Shi, L. Wang, B. Chen //Chemosphere. -2017. - P. 278-285.

17. Sohn, Jinsik. Disinfectant decay and disinfection by-products formation model development: Chlorination and ozonation by-products / Sohn, Jinsik // Water Research. - 2004. - № 38. - P. 2461-2478.

18. Пономарев, Д.С. Интеллектуальная система поддержки принятия решений для управления технологическим процессом дезодорации природных поверхностных вод на городских очистных сооружениях: автореф. дисс... канд. техн. наук. 05.13.01 / Дмитрий Сергеевич Пономарев. — Ижевск, 2019. - 20 с.

19. МР 2.1.4.0032-11. Интегральная оценка питьевой воды централизованных систем водоснабжения по показателям химической безвредности. - М.: Федеральный центр госсанэпиднадзора Минздрава России, 2011. - 31 с.

20. Tunakova, Y.A. Integral assessment of safety of potable waters in a finishing point of consumption / Y.A. Tunakova, S.V. Novikova, G.N. Gabdrakhmanova, R.I. Fayzulin // 10th International Conference on Environmental Engineering, ICEE 2017. - 2017. -056.

21. Кику, П.Ф. Информационно-аналитическое моделирование медико-экологических процессов здоровья населения / П.Ф. Кику //Профилактическая и клиническая медицина. - 2005. - № 1. - С. 36-43.

22. Бахмацкая, А.И. Анализ экологической безопасности процессов хлорирования воды / А.И. Бахмацкая, Н.К. Плуготаренко // Экология промышленного производства. - 2016. - № 2 (94). - С. 52-56.

23. Ермолаева, С. В. Система поддержки принятия решений для оценки воздействия факторов среды на здоровье населения на основе моделирования / С.В. Ермолаева, В.М. Журавлев, А.А. Смагин, С.В. Липатова // Экология человека. - 2016. - №3. - С 9-17.

24. Ahn, J.C. Residual chlorine management in water distribution systems using network modelling techniques: Case study in Seoul City / J.C Ahn, Y.W. Kim, K.S. Lee, J.Y. Koo // Water Science and Technology: Water Supply, - 2004. - №4 (5-6). - P. 421-429.

25. Кейзи, Т.Д. Аспекты формирования тригалогенметанов в питьевой воде / Т.Д. Кейзи, К.Х. Чуа // АКВА. - 1997. - № 1. - C4.

26. Дроздова, Е.В. Разработка алгоритма интегральной оценки смесей побочных продуктов дезинфекции питьевой воды / Е.В. Дроздова, В.В. Гирина, В.В. Бурая, А.В. Фираго // Здоровье и окружающая среда: сб. мат. Междунар. науч.-практ. конф. - Минск. - 2018. - С. 14-17.

27. Красовский, Г.Н. Гигиенические основы формирования перечней показателей для оценки и контроля безопасности питьевой воды / Г.Н. Красовский, Ю.А. Рахманин, Н.А. Егорова и др. // Гигиена и санитария. - 2010.

- № 4. - С. 8-13.

28. Chowdhury, S. Disinfection by-products in desalinated and blend water: formation and control strategy / Chowdhury S. // Water Health. - 2018, - №. 17 (1).

- P. 1-24.

29. Singer PC. Control of disinfection by-products in drinking water/ PC. Singer // Environ Eng. - 1994. Vol. - 120(4). - P.727-37.

30. Golfinopoulos, SK. Multiple regression models: a methodology for evaluating trihalomethane concentrations in drinking water from raw water characteristics / SK. Golfinopoulos, GB. Arhonditsis //Chemosphere. - 2002; -Vol.47. - P.107-1018.

31. Elshorbagy, W. Simulation of THMs species in water distribution systems / W. Elshorbagy, Abu-Qdais H, MK. Elsheamy //Water Res. - 2000. - Vol.34(13).

- P. 3431-9.

32. Vasconcelos, J.J. Kinetics of chlorine decay / J.J. Vasconcelos, L.A. Rossmann, W.M. Gray man, P.F. Boulos, R.M. Clark. // Journal of the American Water Works Association. - 1997. - Vol. 89(7). - P. 54-65.

33. Speight, V.L. Disinfection by-product exposure assessment using distribution system modeling. Proceedings of AWWA / V.L. Speight, J.R. Nuckols, L. Rossman, A.M. Miles // Water Quality Technology Conference. - 2000. - P. 256259.

34. Тунакова, Ю.А. Разработка адекватных адресных рекомендаций по доочистке питьевых вод с целью достижения приемлемого уровня риска здоровью детского населения / Ю.А. Тунакова, А.Р. Галимова, В.С. Валиев // В сборнике: Хартия Земли - практический инструмент решения фундаментальных проблем устойчивого развития. - 2016. - С. 374-378.

35. Степанов, Е.Г. Фундаментальные и прикладные аспекты анализа риска здоровью населения / Е.Г. Степанов , Р.А. Сулейманов // В кн.: Онищенко Г.Г., Зайцева Н.В., ред. Материалы Всеросс. науч.-практ. интернет-конф. мол. уч. и спец. Роспотребнадзора. Пермь: Книжный формат. - 2013. -С. 61-3.

36. Усков, А.А. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика / А.А. Усков, А.В. Кузьмин // М.: Горячая линия - Телеком. - 2004. - С.143.

37. Пономарев, Д.С. Нейрорегрессионная модель дезодорации воды на основе многослойного персептрона / Д.С. Пономарев // Вестник КГТУ им. А.Н.Туполева. - 2015. - №4. - С. 16-19.

38. Сорокин, А.Б. Моделирование работы системы управления водоснабжением на базе нечеткой логики / А.Б. Сорокин // Природообустройство. - 2013. - № 3. - С. 68-72.

39. Prakoso, SB. Analysis of Drinking Water Supply System Improvement Using Fuzzy AHP (Case Study: Subang Local Water Company) [Электронный ресурс] / SB. Prakoso, S. Notodarmojo / MATEC Web of Conferences. - 2018. -Vol.147. - № 04002. Режим доступа: https://doi.org/10.1051/matecconf/201814704002

40. Новикова, С.В. Использование различных алгоритмов нейро-нечеткого управления экологическим риском в зоне действия полимерных производств / С.В. Новикова, Ю.А. Тунакова, Э.Ш. Кремлева // Вестник казанского технологического университета. - 2013. - №17. - Т. 16. - С 262264.

42. Мережко, А.Г. Информационная система для анализа и моделирования технологий водоподготовки / А.Г. Мережко, С.П. Орлов // Вестник Самарского государственного технического университета. Серия: Технические науки. - 2009. - № 1 (23) . - С. 233-236.

43. Павловский, В.А. Информационно-измерительная система оперативного контроля параметров водной среды / В.А. Павловский // Вестник Самарского государственного технического университета. Серия: Технические науки. -2005. -№ 32. - С. 68-72.

44. Дроздова, Е.В. К вопросу об образовании побочных продуктов дезинфекции питьевой воды (регламентируемых и эмерджентных), их генотоксических и канцерогенных свойствах: обзор проблемы и направления дальнейших исследований / Е.В. Дроздова, В.В. Бурая, В.В. Гирина, Т.З. Суровец, А.В. Фираго // Здоровье и окружающая среда. - 2016. - № 26. - С. 12-16.

45. Мифтахова, К.Р. Хлорирование как основной метод обеззараживания питьевой воды / К.Р. Мифтахова, О.Г. Пьянкова, Л.В. Рудакова, И.С. Глушанкова // Экология и научно-технический прогресс. Урбанистика. - 2015.

- Т. 1. - С. 233-242.

46. Ивлева, Г.А. Проблема обеспечения населения чистой водой / Г.А. Ивлева, И.А. Нечаев, Н.Н. Гусев // Чистая вода: проблемы и решения. - 2009.

- № 1. - С. 19-22.

47. Рахманин, Ю.А. Качество и безопасность воды различных видов водопользования / Ю.А. Рахманин // Экологический вестник России. - 2008. -№ 3. - С. 24-28.

48. Саурина, О.С. Канцерогенные риски территориального питьевого водоснабжения / О.С. Саурина, В.С. Нечаев // Бюллетень национального научно-исследовательского института общественного здоровья имени Н.А. Семашко.- 2014. - № S1. - С. 178-180.

49. Vazhdaeva, M. Y. Generalized indicators of river pollution Ufa organic compounds / M. Y. Vazhdaeva, L. G. Tsybysheva, N. In. Trukhanov, L. N.

Marinencova, L. I. Kantor // Water supply and sanitary technique. - 2001. - Vol. 5. - P. 12-14.

50. Wyczolkowski, R. The Concept of Intelligent Chlorine Dosing System in Water Supply Distribution Networks / R. Wyczolkowski, M. Piechowski, V. Giadysiak. - In book: Intelligent Systems in Production Engineering and Maintenance. 2019. - P.350-359.

51. Sikder, M. Effectiveness of Multilevel Risk Management Emergency Response Activities to Ensure Free Chlorine Residual in Household Drinking Water in Southern Syria / M. Sikder, U. Daraz, D. Lantagne, R. Saltori // Environ. Sci. Technol. - 2018. - Vol. 52(24). - P. 14402-14410.

52. Холова, А.Р. Содержание органических соединений в питьевой воде, транспортируемой по распределительной водопроводной сети г. Уфы / А.Р. Холова, М.Ю. Вождаева, Е.В. Вагнер, Е.А. Кантор, Н.В. Труханова, И.А. Мельницкий // В сборнике: Актуальные направления фундаментальных и прикладных исследований материалы XI международной научно -практической конференции. НИЦ «Академический». - 2017. - С. 172-175.

53. Труханова, Е.В. Исследование влияния галогенуксусных кислот на результаты определения тригалометанов в воде / Е.В. Труханова, М.Ю. Вождаева, Л.И. Кантор, Е.А. Кантор, И.А. Мельницкий // Экология и промышленность России. - 2011. - № 2. - С. 41-45.

54. Юхно, А.И. Анализ процессов обеззараживания питьевой воды на стадии водоподготовки / А.И. Юхно, Н.К. Плуготаренко // Материалы Всеросс. конф. мол. уч. « ТЕХНОСФЕРА XXI ВЕКА». - 2016. - С. 6-7.

55. Петренко, Н.Ф. Гигиеническая оценка обеззараживания питьевой воды диоксидом хлора / Н.Ф. Петренко // Химия и технология воды. - 2001. -№ 3. - С. 28-30.

56. Юхно, А.И. Зависимость динамики роста концентраций хлорорганических соединений от дозы хлора и влияния аммонизации / А.И. Юхно, Н.К. Плуготаренко // Материалы Международного молодежного научного форума «Ломоносов-2017». - 2017. - С.158.

57. Юхно, А.И. Исследование причин и рисков образования хлорорганических соединений в воде на примере хлороформа / А.И. Юхно, Н.К. Плуготаренко // Материалы III Международной научно-практической конференции молодых ученых по проблемам техносферной безопасности. -2018. - С 101-104.

58. Юхно, А.И. Совершенствование системы управления дозирования хлора с позиции безопасного водопотребления / А.И. Юхно // Материалы VIII-й междун. науч.-практ. конф. мол. уч. и спец. Проблемы техносферной безопасности -2019. - М.: Академия ГПС МЧС России. - 2019. - С. 155-158.

59. РД 52.24.473-2012 Массовая концентрация летучих ароматических углеводородов в водах. Методика измерений газохроматографическим методом с использованием анализа равновесного пара. - РнД: Росгидромет, 2012. - 36 с.

60. РД 52.24.482-2012 Массовая концентрация летучих хлорзамещенных углеводородов в водах. Методика измерений газохроматографическим методом с использованием анализа равновесного пара. - РнД: Росгидромет, 2012. - 43 с.

61. РД 52.24.487-2011 Массовая концентрация фенола, алкилфенолов и монохлорфенолов в водах. Методика измерений газохроматографическим методом. - РнД: Росгидромет, 2011. - 37 с.

62. РД 52.24.412-2009 Массовая концентрация гексахлорбензола, альфа, бета- и гамма-ГХЦГ, дикофола, дигидрогептахлора, 4,4'-ДДТ, 4,4'-ДДЕ, 4,4'-ДДД, трифлуралина в водах. Методика выполнения измерений газохроматографическим методом. - РнД: Росгидромет, 2009. - 47 с.

63. Черниченко, И.А. Канцерогенная опасность хлороформа и других побочных продуктов хлорирования питьевой воды / И.А. Черниченко // Гигиена и санитария. - 2009. -№ 3. - С. 28-33.

64. Недачин, А.Е. Качество воды и инфекционная заболеваемость населения / А.Е. Недачин, Ю.А. Рахманин, Т.З. Артемова, Ю.Г. Талалаева //

Вода: Экология и технология: Тезисы докладов V Межд. конгресса. - М. -2002. - С. 690.

65. Кузубова, Л.И. Химические методы подготовки воды (хлорирование, озонирование, фторирование): аналит. обзор / Л.И. Кузубова, В.Н. Кобрина // СО РАН, ГННТБ, НИОХ. Сер. «Экология». -1996. - №42. - С.132.

66. Мифтахова, К.Р. Хлорирование как основной метод обеззараживания питьевой воды / К.Р. Мифтахова // Материалы XIII Всеросс. науч.-практ. конф. студ., асп. и мол. уч. (с междун. участием) "Экология и научно-технический прогресс. Урбанистика". - Пермь: Изд-во ПНИПУ. - 2016. - С. 233-242.

67. Xie, Y. Disinfection by-product analysis in drinking water / Y. Xie // American Laboratory. - 2000. - Vol. 32. - P. 52-54.

68. Kastl, G. Scan of water treatment processes to achieve desirable chlorine stability in water supply systems / G. Kastl, I. Fisher, A. Sathasivan // Process Safety and Environmental Protection. - 2017. - Vol. 112. - P. 265-273.

69. Иксанова, Т.И. Гигиеническая оценка комплексного действия хлороформа питьевой воды / Т.И. Иксанова, А.Г. Малышева, Е.Г. Растянников // Гигиена и санитария. - 2006. - № 2. - С. 8-12.

70. Galal-Gorchev, H. Chlorine in water disinfection / H. Galal-Gorchev // Pure & Appl.Chem. -1996. - Vol. 68(9). - P. 1731-1735.

71. Арутюнова, И.Ю. Применение метода предварительной аммонизации и хлорирования при подготовке москворецкой воды // И.Ю. Арутюнова, О. Б. Калашникова / Водоснабжение и санитарная техника. - 2012. - № 10. - С. 27-35.

72. Абдулфаттах, А. Исследование формирования тригалогенметанов в системе водоснабжения Багдада [Электронный ресурс] / А. Абдулфаттах // Инженерный вестник Дона. - 2013. - №3. Режим доступа: http://www.ivdon.ru/magazine/archive/n3y2013/1753.

73. Славинская, Г.В. Влияние хлорирования на качество питьевой воды / Г.В. Славинская // Химия и технология воды. - 1991. - Т.13. - № 11. - С.1013-1022.

74. Бонтер, Л.Ц. Влияние органических примесей в природной воде на образование токсичных летучих галогеналканов при ее хлорировании / Л.Ц. Бонтер, Л.П. Алексеева, Я.Л. Хромченко // Химия и технология воды. -1986. -Т. 8. - № 1. - С. 37-41.

75. СанПиН 2.1.4.1074-01 Питьевая вода. Гигиенические требования к качеству воды централизованных систем питьевого водоснабжения. Контроль качества. Гигиенические требования к обеспечению безопасности систем горячего водоснабжения [Электронный ресурс]. - Режим доступа: http://docs.cntd.ru/document/901798042

76. Norton, C.D. A Pilot Study of Bacteriological Population Changes through Potable Water Treatment and Distribution / C.D. Norton , M.W. LeChevallier // Appl Environ Microbiol. - 2000. - № 66. - P. 268-276.

77. Chowdhury Sh. Models for predicting disinfection byproduct (DBP) formation in drinking waters: A chronological review / Sh. Chowdhury, P. Champagne, P. McLellan // Science of the Total Environment. - 2009. - P. 41894206.

78. Попов, Н.С. Классификация методов контроля качества природных вод / Н.С. Попов, А.В. Святенко, Е.И. Киреев // Вопросы современной науки и практики. университет им. В.И. Вернадского. - 2013. - С. 245-261.

79. Pisarenko, A.N. Rapid analysis of perchlorate, chlorate and bromate ions in concentrated sodium hypochlorite solutions / A.N. Pisarenko, B.D. Stanford, O. Quinones, G.E. Pacey, G. Gordon, S.A. Snyder // Anal Chim Acta. - 2010. - Vol. 659. - Vol. - P. 216-223.

80. Демидова, И.А. Дезинфектанты для технологий водоподготовки в чрезвычайных экологических ситуациях: проблема выбора / И.А. Демидова, В.В. Гутенев // Экономика природопользования. - 2015. - № 6. - С. 86-105.

81. Прокопов, B.A. Влияние отдельных факторов на образование тригалогенметанов в хлорированной воде / B.A. Прокопов, Э.Д. Мактаз, Г.В. Толстопятова // Химия и технология воды. - 2013. - Т. 15. - № 9/10. - С. 633640.

82. Слипченко, А.В. Современное состояние методов окисления примесей воды и перспективы хлорирования / А.В. Слипченко, Л.А. Кульский, Е.С. Мацкевич // Химия и технология воды. - 2011. - Т. 12. - № 4. - С. 326346.

83. Клоков, А. Методика оптимальных соотношений: внедрение комбинированного дезинфектанта «диоксид хлора и хлор» для обеззараживания питьевой воды / А. Клоков // Вода Magazine. - 2014. - № 3 (79). - С. 8-10.

84. Zhao, X. Degradation of iopamidol by three UV-based oxidation processes: Kinetics, pathways, and formation of iodinated disinfection byproducts / X. Zhao // Chemosphere. - 2019. - P. 270-277.

85. Шурэнцэцэг, Х. Подготовка воды питьевого качества методом озонирование / Шурэнцэцэг Х., Гриневич В.И., Извекова Т.В. // Материалы 89-й ежегодной науч.-практ. конф. студ. и мол. уч. ИвГМА «Неделя науки-2009». -2009. - С. 216.

86. Шувалова, Е.А. Изучение состава смесей галогенорганических соединений, образующихся при дезинфекции воды из волжского водоисточника растворами гипохлорита натрия / Е.А. Шувалова // Водоочистка. Водоподготовка. Водоснабжение. - 2016. - № 5 (101). - С. 3241.

87. Шубин, И.Н. Типовая бесхлорная технология получения питьевой воды высокого качества / И.Н. Шубин, А.В. Аликин, А.Н. Б.Е. Демкин // Рудник будущего. - 2010. -№ 2. - С. 103-105.

88. Мухин, В.М. Активный уголь на основе антрацита для процессов водоподготовки и водоочистки / В.М. Мухин, П.В. Учанов, Н.И. Сотникова, Л.П. Алексеева, А.А. Беляк, А.Н. Белевцев // Водоочистка. Водоподготовка. Водоснабжение. - 2012. -№ 12. - С. 28-35.

89. Arnold, M. Use of ozone-biofiltration for bulk organic removal and disinfection byproduct mitigation in potable reuse applications / M. Arnold, J. Batista, E. Dickenson, D.Gerrity // Chemosphere. - 2018. - Vol.202. - P. 228-237.

Пинчук, Н.Б. Бугай и др. // Водоочистка. Водоподготовка. Водоснабжение. -2008. - № 4 (4). - С. 64-66.

91. Костюченко, С.В. Отечественные технологии и оборудование для безреагентной обработки воды и стоков городов и предприятий Сибири / С.В. Костюченко, А.Д. Смирнов, М.Ю. Толстой // Водоснабжение и санитарная техника. - 2017. - № 11. - С. 45-48.

92. Tak, S. Chlorination disinfection by-products and comparative cost analysis of chlorination and UV disinfection in sewage treatment plants: Indian scenario / S. Tak, A. Kumar // Environmental Science and Pollution Research. -2017. - Vol. 24(34). - P. 26269-26278.

93. Uyak, V. Removal of trihalomethanes from drinking water by nanofiltration membranes / V. Uyak, I. Koyuncu, I. Oktem, M. Cakmakci, I. Toroz // J. Hazard. Mater. - 2008. - Vol. 152. - P. 789-794.

94. Кириченко, В.Е. Галогенорганические соединения в питьевой воде и методы их определения / В.Е. Кириченко, М.Г. Первова, К.И. Пашкевич // Ж. Рос. хим. об-ва им. Д.И. Менделеева. - 2002. - Т. XLVI. - № 4. - С.18-27.

95. ГОСТ 31951 - 2012 Вода питьевая. Определение содержания летучих галогенорганических соединений газожидкостной хроматографией. М.: Стандартинформ, 2013. - c. 12.

96. Хахенберг, X. Газо-хроматографический анализ равновесной паровой фазы / X. Хахенберг, А. Шмидт // Мир. - 1979. - С. 160.

97. Дятловицкая, Ф.Г. Поведение в воде хлорорганических соединений / Ф.Г. Дятловицкая, Э.Д. Мактаз // Гигиена населенных мест. - 1980. - №. 19. -С. 9-13.

98. Джарратано, Д. Экспертные системы: принципы разработки и программирование / Д. Джарратано, Г. Райли - перевод с англ. К. А. Птицына. - 4-е изд. - М.: И. Д. Вильямс, 2007. - 1152 с.

99. Soyguder, S. Fuzzy adaptive control for the actuators position control and modeling of an expert system / S. Soyguder, H. Alli // Expert Systems with Applications. - 2010. - Vol. 37. - P. 2072-2080.

100. Бодин, О. Н. Принципы построения интеллектуальной информационно-измерительной и управляющей системы комплексного мониторинга состояния территориальной техносферы / О. Н. Бодин, О. Е. Безбородова, В. В. Шерстнев, А. Н. Спиркин, В. О. Трилисский // Измерение. Мониторинг. Управление. Контроль. - 2019. - № 3 (29). - С. 23-32.

101. Бодин, О. Н. Структурные схемы измерительных устройств систем контроля и управления / О. Н. Бодин, Д. А. Аржаев, В. Г. Полосин, Д. И. Нефедьев, А.Г. Убиенных // Измерение. Мониторинг. Управление. Контроль.

- 2016. - № 1 (15). - С. 24-30.

102. Clark, R.M. Predicting the formation of chlorinated and brominated byproducts/ RM. Clark, R.C. Thurnau, M. Sivaganesan, P. Ringhand // J Environ Eng.

- 2001. - 127(6). - P. 493-501.

103. Орлов, С.П. Информационно-управляющая система для территориального водоснабжения / С.П. Орлов // Вестник Самарского государственного технического университета. Серия: Технические науки. -2008. - № 2 (22). - С. 111-118.

104. Chowdhury, S. Risk from exposure to trihalomethanes during shower: probabilistic assessment and control / S. Chowdhury, P. Champagne // Sci Total Environ. - 2009. - Vol. 407(5). - P. 1570-8.

105. Пономарев, Д.С. Нейрорегрессионная модель дезодорации воды на основе многослойного персептрона / Д.С. Пономарев // Вестник КГТУ имени А.Н. Туполева. - 2015. - №4. - С. 16-19.

106. Chowdhury, S. Evaluation of drinking water treatment technology: an entropy-based fuzzy application / S. Chowdhury, T. Husain // J Environ Eng. -2006.

- Vol. 132(10). - P. 1264-71.

107. Milot, J. Contribution of neural networks for modelling THM occurrence in drinking water / J. Milot, MJ. Rodriguez, J. Serodes // JWater Resour Plan Manage. -2002. - Vol.128(5). - P. 370-6.

108. Статистические и динамические экспертные системы / Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот М.Д. - М.: Финансы и статистика, 1996. -293 с.

109. Тунакова, Ю.А. Нейронечеткая система расчета интегрального риска для регулирования качества природных объектов на урбанизированной территории / Ю.А. Тунакова, С.В. Новикова, А.Р. Шагидуллин, В.С. Валиев // В сборнике трудов междун. науч. конф.: Химия и инженерная экология. — 2019. — С. 263-271.

110. Герасимов, М.М. Разработка методов повышения барьерных функций очистных сооружений водопроводов в отношении антропогенных загрязнений: автореф. дисс... канд. техн. наук. 05.23.04 / Михаил Михайлович Герасимов. — М., 2008. — 18 с.

111. Исаков, В.Г. Математическая модель определения концентрации геосмина в питьевой воде / В.Г. Исаков, Д.С. Пономарев // Вестник ИжГТУ им. М.Т. Калашникова. — 2016. — Т. 19. — №1. — С. 59-60.

112. Пономарёв, Д.С. Применение нейронных сетей на основе многослойного персептрона с сигмоидальной функцией активации к решению проблем дезодорации воды / Д.С. Пономарёв, В.Г. Исаков, М.М. Горохов // Сборник трудов регионал. науч.-техн. конф. Информационные технологии в науке, промышленности и образовании. — 2018. — С. 19-24

113. Красногорская, Н.Н. Использование искусственных нейронных сетей при прогнозировании качества речной воды / Н.Н. Красногорская, А.Н. Елизарьев, Т.Б. Фащевская, Л.М. Якупова, Э.В. Нафикова // Безопасность жизнедеятельности. — 2009. — № 4(100). — С. 15-21.

114. Gámiz, J. PID parameters tuning in control loops for industrial processes / J. Gámiz, J.Gámiz // Revista Técnica Industrial. — 2010. — Vol. 290.

115. Пономарев, Д.С. Регрессионное моделирование концентрации геосмина в питьевой воде на основании данных МУП «Ижводоканал» / Д.С. Пономарев, В.Г. Исаков // Интеллектуальные системы в производстве. — 2015. —№2(26). — С. 107-108.

116. Тунакова, Ю.А. Проектирование и обучение нейросети для расчета концентраций металлов, поступающих от передвижных источников загрязнения, на примере г. Казани / Ю.А. Тунакова, С.В. Новикова, А.Р. Шагидуллин, О.Н. Кузнецова // Вестник Технологического университета. -2016. - Т. 19. - № 24. - С. 123-125.

117. Delpla, I. Drinking Water Source Monitoring Using Early Warning Systems Based on Data Mining Techniques / I. Delpla, M. Florea, M.J. Rodriguez // Water Resources Management. - 2018. - Vol. 33 (1). - P. 129-140.

118. Jinsik Sohn. Disinfectant decay and disinfection by-products formation model development: chlorination and ozonation by-products / J. Sohn, G. Amy, J. Cho, Y. Lee, Y. Yoon // Water Research. - 2004. - Vol.38. - P. 2461-2478.

119. Gheibi, M. Experimental investigation and mathematical modeling for microbial removal using potassium permanganate as an oxidant—case study: water treatment plant / M. Gheibi, N. Emrani, M. Eftekhari// Environmental Monitoring and Assessment. - 2019. - Vol. 191.

120. Chang, Y. Does KMnO4 preoxidation reduce the genotoxicity of disinfection by-products? / Y. Chang, Y. Bai, J. Qu // Chemosphere. - 2016. -Vol.44. -P. 73-80.

121. Малкова, М.А. Прогнозирование концентрации тригалогенметанов в питьевой воде / М.А. Малкова, Е.А. Кантор, М.Ю. Вождаева // Науки о земле. -2018. - № 4. - С.133-138.

122. Цыкало, В.В. Информационно-измерительная система контроля загрязнений сточных вод: автореф. дис. к.т.н: 05.11.16 / Виталий Валериевич Цыкало Сам. гос. техн. ун-т. - Самара, 2001. - 19 с.

123. Журба, М.Г. Водоснабжение. Проектирование систем и сооружений: издание второе, переработанное и дополненное. Учебное пособие / Журба М.Г., Соколов Л. И., Говорова Ж.М. - М. Издательство АСВ. - 2004. - 496 с.

124. Селиванова, З.М. Информационные технологии создания интеллектуальных измерительных систем контроля / З.М. Селиванова, Х.Х.

Хоруб, И.А. Ибрахим // Автоматизация и современные технологии. - 2009. -№ 12. - С. 32-34.

125. Орлов, С.П. Интеллектуализация информационно-измерительных систем контроля и диагностирования на основе нейросетевых технологий / Орлов С.П., Гирин Р.В., Уютова О.Ю. // Мягкие измерения и вычисления. -2018. - № 4 (5). - С. 4-12.

126. Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский. - М.: Горячая линия - Телеком, 2006. - 452 с.

127. Тунакова, Ю.А. Подходы для создания нейронечеткой системы управления качеством природных объектов на урбанизированной территории / Ю.А. Тунакова, С.В. Новикова, А.Р. Шагидуллин, В.С. Валиев // Сборник трудов междун. науч. конф.: Химия и инженерная экология. - 2019. - С. 258263.

128. Daniel Patino, H. Approximate Optimal Control for Crop Production in Intelligent Greenhouses / Daniel Patino H., Pucheta, J., Tosetti S. // 37° JAIIO -Jornadas de Inf. Ind. - Agroinformatica. - 2008. - P. 66-84.

129. Благовещенская, М.М. Информационные технологии систем управления технологическими процессами. Учеб. для вузов / М.М. Благовещенская, Л. А. Злобин. - М.: Высш. шк., 2005. - 768 с.

130. Благовещенская, М.М. Система автоматического регулирования с цифровой видеокамерой / М.М. Благовещенская, Я.В. Иванов // Вестник ТГТУ. - 2010. - Том 16. - № 4. - С. 776-779.

131. Пегат, А. Нечеткое моделирование и управление; перевод с англ. А. Г. Подвесовский, Ю. В. Тюменцев. - 2-е изд. - М.: БИНОМ. Лаборатория знаний, 2013. - 798 с.

132. Васильев, В. И. Интеллектуальные системы управления. Теория и практика: уч. пособие / В. И. Васильев, Б. Г. Ильясов. - М.: Радиотехника, 2009. - 392 с.

133. Интеллектуальные системы автоматического управления / Под ред. И. М. Макарова, В. М. Лохина. - М.: ФИЗМАТЛИТ, 2001. - 576 с. 30.

134. Сучкова, Е. П. Технология молока и молочных продуктов. Технология сыра: Учеб.-метод. пособие. - СПб.: НИУ ИТМО; ИХиБТ, 2014. -66 с.

135. M.A, Jayaram & Priyadarshini, Pooja. (2011). A Data Driven Fuzzy Inference System Model for Parametric Modelling of Water Quality // Journal of Environmental Engineering, -2013, -139(7) DOI: 10.1061/(ASCE)EE.1943-7870.0000706

136. Ульянов С.В., Тятюшкина О.Ю., Колбенко Е.В. Нечеткие модели интеллектуальных промышленных регуляторов и систем управления. научно-организационные, технико-экономические и прикладные аспекты // Системный анализ в науке и образовании. 2011. № 2. С. 35-57

137. Vanthoor, Bram H. E. A methodology for model-based greenhouse design: Part 4, economic evaluation of different greenhouse designs: A Spanish case / Bram H. E. Vanthoor, Juan C. Gazquez, Juan J. Magan, Marc N. A. Ruijs, Esteban Baeza, Cecilia Stanghellini // Biosystems engineering. - 2012. - Vol. 111. - P. 336349.

138. Hahn, F. Fuzzy controller decreases tomato cracking in greenhouses / F. Hahn // Computers and Electronics in Agriculture. - 2011. - Vol. 77. - P. 21-27.

139. Adam E, Gaweda. Data-Driven Linguistic Modelling Using Relational Fuzzy Rules / E. Gaweda Adam // IEEE transactions on Fuzzy Systems. - 2003. -Vol.11. -№1. - P. 121-134.

140. Setnes, M. Fuzzy Modelling and classification: complexity and performance / M. Setnes, H. Roubos // IEEE Trans on Fuzzy Systems. - 2000. -Vol. 8(5). - P. 509-522.

141. Machell, J. Online modelling of water distribution systems: a UK case study / J. Machell, S.R. Mounce, J.B. Boxall // Drinking Water Engineering and Science. -2010. - Vol. 3(1). - P. 21-27.

142. Termini, D. Spatial diversity of chlorine residual in a drinking water distribution system: application of an integrated fuzzy logic technique / D. Termini, G. Viviani// Journal of Hydroinformatics. — 2014. — Vol. 17 (2). — P. 293-306.

143. Юхно, А.И. Анализ образования хлорпроизводных соединений в питьевой воде / А.И. Юхно, H.K Плуготаренко // Технологии техносферной безопасности. — 2018. — M3 (79) — M3. — С. 28-35.

144. Юхно, А.И. Исследование динамики показателей хлорирования на станциях водоподготовки / А.И. Юхно, H.K Плуготаренко // Сборник статей XVIII Междун. науч. конф. Химия и инженерная экология. - Казань: КИИТУ-КАИ. — 2017. — С 71-73.

145. Hиезмухамедова, М.Б. Гигиена воды и водоснабжения: учебно-методическое пособие к практическим занятиям по общей гигиене / Hиезмухамедова М.Б., Мурыванова H.H. — Ульяновск: УлГУ, 2011. — 35-36 с.

146. Васильева, А.И. Роль природных и техногенных загрязнителей в образовании тригалогенметанов при хлорировании воды / А.И. Васильева, Л.Г. Цыпышева, Ф.Х. Кудашева, Л.И. Кантор, T.H. ^сырова // Башкирский экологический вестник. — 2000. — M 2 (9). — С. 50-52.

147. Юхно, А.И. Моделирование зависимости концентрации хлорорганических соединений от параметров качества воды при обеззараживании / А.И. Юхно, H.K Плуготаренко // Сборник трудов междун. науч. конф. Химия и инженерная экология. Казань: Изд-во ККИТУ-КАИ. — 2018. — С. 239-241.

148. Юхно, А.И. Применение интеллектуальных методов в информационно-измерительных системах для автоматизации процесса дозирования хлорагента / А.И. Юхно, H.K Плуготаренко // Автоматизация в промышленности. — 2019. — M.12. — С. 8-13.

149. Юхно, А.И. Исследование динамики показателей качества питьевой воды: корреляция и автокорреляция / А.И. Юхно, H.K Плуготаренко, К.С. Тарасенко, К.С. Сибиряткина // Материалы V Всеросс. науч. конф. и шк. для мол. уч. Системы обеспечения техносферной безопасности. —2018. —С. 173-

150. Юхно, А.И. Влияние хлорирования на микробиологические показатели

качества воды / А.И. Юхно, Н.К. Плуготаренко // Материалы 4-ой Всерос. науч. конф. и шк. для мол. уч. Системы обеспечения техносферной безопасности. - 2017. - С. 152-154.

151. Yuhno, A. I. Application of risk-based approach in design of water supply systems / A.I. Yuhno, N.K. Plugotarenko // IOP Conference Series: Materials Science and Engineering. -2019. -Vol. 687(066039);

152. Юхно, А.И. Нейросетевое моделирование содержания хлороформа в питьевой воде при водоподготовке / А.И. Юхно, Н.К. Плуготаренко // Аналитика. - 2019. - том 9. - №3. -С. 236-240;

153. Нейронные сети: обучение, организация и применение: Учебное пособие для вузов / В.А. Головко. - М.: ИПРЖР, -2001. - 256 с.

154. Беседин, П.В. Методы нечеткой логики в задачах управления дозированием шлама / П.В. Беседин, С.В. Андрущак, В.К. Козлов // Цемент и его применение. - 2014. - №6. - С.74-7.

155. Юхно, А.И. Разработка структуры интеллектуальной информационно-измерительной и управляющей системы контроля дозирования хлорагента и содержания хлороформа в питьевой воде / А.И. Юхно, Н.К. Плуготаренко // Интеллектуальные системы в производстве. -2019. - Том 17. - № 4. - С. 48-52.

156. Azimi, S. Prediction of annual drinking water quality reduction based on Groundwater Resource Index using the artificial neural network and fuzzy clustering / S.Azimi, Moghaddam M. Azhdary, Monfared S. A. Hashemi // Journal of Contaminant Hydrology. - 2019. - Vol. 220. - P. 6-17.

157. Fabricio da Silva. System of Sensors and Actuators for the Production of Water Used in the Manufacture of Medicines [Электронный ресурс] / Fabricio da Silva, Diego de Moura Fonseca, Werbet da Silva // Sensors. - 2019. - Vol. 19(20). - №. 4488. Режим доступа: https://doi.org/10.3390/s19204488

158. Юхно, А.И. Исследование алгоритма работы информационно-измерительной и управляющей системы контроля качества питьевой воды / А.И. Юхно // Измерение. Мониторинг. Управление. Контроль. -2019. -№4(30). - С. 512.

159. Юхно, А.И. Разработка алгоритма управления системой автоматизированного дозирования хлора на станциях водоподготовки [Электронный ресурс] / А.И. Юхно, Н.К. Плуготаренко // Вестник молодёжной науки России. - 2019. - №2 (8). Режим доступа: https://www.youth-science. com/vypusk-2-2019

160. РД 153-34.0-11.201-97 Методика определения обобщенных метрологических характеристик измерительных каналов ИИС и АСУ ТП по метрологическим характеристикам агрегатных средств измерений. - М: ОРГРЭС, 1999. - 16 с.

ПРИЛОЖЕНИЯ

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ

ИИИУС - интеллектуальная информационно-измерительная и управляющая система;

ХОС - хлорорганические соединения; ПДК - предельно допустимая концентрация; ДБР - диэлектрический барьерный разряд; РЧВ - резервуар чистой воды; ТГМ - тригалогенметаны;

ВОЗ - всемирная организация здравоохранения;

ИНС - искусственная нейронная сеть;

ДБХМ - дибромхлорметан;

БДХМ - бромдихлорметан;

ОМЧ - общее микробное число;

ПЧ - преобразователь частоты;

ПИД - пламенно-ионизационный детектор;

ГХЦГ - гексахлоран;

ГХБ - гексахлорбензол;

ДДТ - дихлордифенил трихлорметилметан;

АВР - автокорреляции;

АКФ - автокорреляционной функции.

УСО - устройство связи с объектом; НД - насос-дозатор;

АРМ - автоматизированное рабочее место;

ИК - измерительный канал;

ЛК - логический контроллер;

ЛСУ - локальные системы управления.

ПРИЛОЖЕНИЕ 1. Экспериментальные данные по качеству питьевой воды

Таблицы 1.1 - Экспериментальные данные по качеству питьевой воды

Температура , °С рН, ед рН Перманганатная окисляемость, мг/дм3 Хлорпоглощаемость, мг/дм3 Среднесуточный остаточный хлор, мг/дм3

2,0000 7,4900 6,8000 2,2000 1,2150

2,0000 7,5000 5,3000 2,3000 1,3279

2,0000 7,4900 5,5000 2,3000 1,2146

1,5000 7,5400 5,6000 2,1000 1,3246

1,5000 7,5200 5,3000 2,1000 1,2300

1,0000 7,4900 4,5000 2,1000 1,2721

2,0000 7,5300 4,6000 2,1000 1,2688

1,0000 7,6200 4,8000 2,0000 1,2354

1,0000 7,6000 5,2000 2,0000 1,3254

1,0000 7,6800 4,7000 2,1000 1,3550

1,5000 7,5800 5,0000 2,0000 1,3067

1,0000 7,4900 4,9000 2,0000 1,3342

1,5000 7,4800 4,9000 2,1000 1,2463

1,5000 7,5900 4,8000 2,0000 1,2771

1,5000 7,5900 4,8000 2,2000 1,2388

2,0000 7,5700 4,9000 2,1000 1,2879

2,0000 7,6300 5,0000 2,1000 1,2813

2,0000 7,5000 5,0000 2,1000 1,3154

2,0000 7,6500 5,0000 2,0000 1,3088

1,5000 7,4900 5,0000 2,0000 1,3313

1,5000 7,7900 5,1000 2,1000 1,2763

1,5000 7,4500 4,6000 2,0000 1,1496

1,5000 7,5500 4,7000 2,0000 1,2404

1,5000 7,6100 5,0000 2,0000 1,3804

1,5000 7,7600 5,0000 2,0000 1,2983

1,0000 7,7300 5,4000 2,1000 1,3104

1,5000 7,7100 5,9000 2,2000 1,2846

1,5000 7,7000 4,9000 2,0000 1,2463

1,5000 7,7500 6,6000 2,1000 1,2408

1,0000 7,7400 4,9000 2,2000 1,2929

1,5000 7,7200 5,0000 2,2000 1,3129

1,5000 7,7700 5,1000 2,1000 1,3742

2,0000 7,7900 4,9000 2,2000 1,3533

2,0000 7,8200 5,0000 2,1000 1,3967

2,0000 8,0700 4,8000 2,1000 1,2388

3,0000 7,9900 4,2000 2,1000 1,3779

2,0000 8,0800 4,6000 2,2000 1,2775

2,5000 7,9700 5,0000 2,0000 1,2796

2,5000 8,0400 4,9000 2,2000 1,2642

2,0000 8,0600 4,2000 2,2000 1,2421

ПРИЛОЖЕНИЕ 2. Таблица выбора оптимальной конфигурации сети

Таблица 2.1 - Данные, полученные при выборе оптимальной конфигурации сети

№ Тип сети Функция обучения Метод оптимизации Функция активации Число нейронов Коэффициент детерминации

1 Feed-forward backprop LEARNPGDM Левенберга-Марквардта PURELIN 5 0,81

2 Feed-forward backprop LEARNPGDM Левенберга-Марквардта PURELIN 10 0,88

3 Feed-forward backprop LEARNPGDM Левенберга-Марквардта PURELIN 15 0,75

4 Feed-forward backprop LEARNPGDM Левенберга-Марквардта PURELIN 20 0,75

5 Feed-forward backprop LEARNPGDM Левенберга-Марквардта PURELIN 25 0,73

6 Feed-forward backprop LEARNPGDM Левенберга-Марквардта PURELIN 30 0,77

7 Feed-forward backprop LEARNPGDM Левенберга-Марквардта PURELIN 35 0,79

8 Feed-forward backprop LEARNPGDM Левенберга-Марквардта PURELIN 40 0,8

9 Feed-forward backprop LEARNPGDM Левенберга-Марквардта PURELIN 45 0,81

10 Feed-forward backprop LEARNPGDM Левенберга-Марквардта PURELIN 50 0,83

11 Feed-forward backprop LEARNPGDM Левенберга-Марквардта PURELIN 55 0,87

12 Feed-forward backprop LEARNPGDM Левенберга-Марквардта PURELIN 60 0,86

13 Feed-forward backprop LEARNPGDM Левенберга-Марквардта TANSIG 5 0,79

14 Feed-forward backprop LEARNPGDM Левенберга-Марквардта TANSIG 10 0,76

15 Feed-forward backprop LEARNPGDM Левенберга-Марквардта TANSIG 15 0,77

16 Feed-forward backprop LEARNPGDM Левенберга-Марквардта TANSIG 20 0,88

17 Feed-forward backprop LEARNPGDM Левенберга-Марквардта TANSIG 25 0,89

18 Feed-forward backprop LEARNPGDM Левенберга-Марквардта TANSIG 30 0,87

19 Feed-forward backprop LEARNPGDM Левенберга-Марквардта TANSIG 35 0,87

20 Feed-forward backprop LEARNPGDM Левенберга-Марквардта TANSIG 40 0,88

21 Feed-forward backprop LEARNPGDM Левенберга-Марквардта TANSIG 45 0,89

22 Feed-forward backprop LEARNPGDM Левенберга-Марквардта TANSIG 50 0,9

23 Feed-forward backprop LEARNPGDM Левенберга-Марквардта TANSIG 55 0,87

24 Feed-forward backprop LEARNPGDM Левенберга-Марквардта TANSIG 60 0,86

25 Feed-forward backprop LEARNGD Левенберга-Марквардта TANSIG 5 0,72

26 Feed-forward backprop LEARNGD Левенберга-Марквардта TANSIG 10 0,71

27 Feed-forward backprop LEARNGD Левенберга-Марквардта TANSIG 15 0,74

28 Feed-forward backprop LEARNGD Левенберга-Марквардта TANSIG 20 0,75

29 Feed-forward backprop LEARNGD Левенберга-Марквардта TANSIG 25 0,78

30 Feed-forward backprop LEARNGD Левенберга-Марквардта TANSIG 30 0,76

31 Feed-forward backprop LEARNGD Левенберга-Марквардта TANSIG 35 0,78

32 Feed-forward backprop LEARNGD Левенберга-Марквардта TANSIG 40 0,86

33 Feed-forward backprop LEARNGD Левенберга-Марквардта TANSIG 45 0,82

34 Feed-forward backprop LEARNGD Левенберга-Марквардта TANSIG 50 0,85

35 Feed-forward backprop LEARNGD Левенберга-Марквардта TANSIG 55 0,87

36 Feed-forward backprop LEARNGD Левенберга-Марквардта TANSIG 60 0,8

37 Radial basis function - - - 10 0,61

38 Radial basis function - - - 50 0,74

39 Radial basis function - - - 90 0,82

40 Radial basis function - - - 130 0,83

41 Radial basis function - - - 170 0,84

42 Radial basis function - - - 210 0,86

43 Radial basis function - - - 250 0,86

44 Radial basis function - - - 290 0,86

45 Radial basis function - - - 330 0,86

46 Radial basis function - - - 370 0,87

47 Radial basis function - - - 410 0,84

48 Radial basis function - - - 450 0,82

49 Radial basis function - - - 500 0,80

50 Radial basis function - - - 550 0,80

ПРИЛОЖЕНИЕ 3. Фрагмент программного кода Программный код автоматизированной системы управления дозированием хлорагента на стациях водоподготовки в среде MatLab. Фрагменты

исходного текста программы.

ff in clu de 11 a Igoritm_gotov_bez_dubiy_NN h1' #define NumBitsPerChar SU

/* External outputs (root outports fed by signals with default storage) */ ExtY ltY:

/* Real-time model */ RT MODEL rtM; RT MODEL * с oust rtM = &rtMj

/* Forward declaration for local functions */ static realT zmf(real_Tx, const realT params[2]): static realT smf(real_Tx. const re a IT params[2]);

static void createInputMFCaclie(const re a IT inputs[3]. realT inputMFCaclie[ll]);

static int32_T abs_e(int32_T x);

static realT evahiateAndMethod( const real T x[2]);

static void smf_f(const realT x[101]. const real T params[2], real T y[l 01]);

static void zmf_p(canst realT x[I01], const realT par am s [2], realT y[l 01]):

static void aeateMamdanjOutputMFCache(cocst realT outputSamplePoints[l 01].

realT outputMFCache[404]);

static real T ev al u ateOrMethod(const realT x[2]);

extern re a I T rtlnf:

extern re a I T rtMimisInf:

extern re a I T rtNaN;

extern real 32 _T ltlnfF:

extern real 32 _T ltMinusInfF;

extern real32_T rfNaKF;

extern void it_InitIn£AndNaN(size_t real Size);

extern booleanT rtIsInf(real_T value);

extern boolean T rtIsInfF(real32_T value);

extern boolean T rtIsNaN(reaI T value):

extern boolean T rttsNaNF(real32_T value);

typedef struct {

struct {

uint32_T wordH; uint32_T wordL; } words:

} BigEndi anIE EE Double;

typedef struct { struct {

uint32_T wordL; uint32_T wordH: } words:

} L itt 1 eEn di an IEE EDoubt e;

typedef struct { union {

real32 T wordLreal: uint3 2 _T woidL uint: } wordL; } IEEE Single;

realT itlnf:

realT it Mi nu sin f;

real T ltNais:

real 32 _T ltlnfF;

real 32 _T ltMinusInfF:

real32_T ltXaKF.

extern realT rtGetInf(void):

extern real32_T ltGetlnfF(void);

extern realT i tGetMinusInf(void);

extern re a 13 2 _T ltGetM inu slnfF(void);

extern real T itGetNaN(void);

extern real32_T rtGetNaNF(void);

* Initialize the it Inf. ltMinusInf and riNaN needed by the

* generated code. NaN is initialized as non-signaling. Assumes IEEE

*/

void rtlnMnfAn dN aN(size_t real Size) i

(void) (realSize);

rflSlaN = rtGetNaNQ;

rflSlaNF = ltGetNaNFO:

rtlnf=rtGetInfQ;

ltlnfF = itGetInfF();

ltMinu sin f = ltGetMi imsl nfO;

ltMinusInfF = ltGetM inu slnfF Q:

>

i* Test if value is infinite *! booleanT l tIsInf(real_T value)

return (boolean_T)((value==rtInf || value=^tMinusEnf) ? 1U : OU); >

I* Test if single-precision value is infinite */ booleanT rtIsIn£F(real3 2_T value)

i

return (booleai:_T)(((value)=rtInfF || (value)=rtMinusInfF) ? 1U : OU); >

f* Test if value is not a number */ booleanT rtIsNaN(real_T value)

i

boolean T result = (boolean T) 0;

size t bitsPerReal = sizeof(real_T} * (NumB itsPerChar);

if (bitsPerReal =32U) {

result = rtIsNaNF((real32_T)v alue);

} else {

union {

LittleEndi anIEEEDouble bitVal: realT fltVal: } tmpVal;

tnipVa I. fltVa I = va 1 ue;

result = (bool ean_T}((tinpVal bitVa I .words, wor dH & OxTFFOOOOO) = 0x7FF00000 &&

((tmpVal.bitVal.words.wordH & OxOOOEFEFF) != 0 ||

(tmpVa LbitVa L words. w ordL ! = 0) ));

}

return result;

f* Test if single-precision value is not a number */

booleanT rtIsNaNF(real32_T value) {

IE EE Single tatp;

Imp. wordL. wordL real value;

return (boolean_T)( (tmp.wordL .wordLuint & Ox7FSOOOOO) = 0x7F800(K)0 &&

(Imp.wordL.wordL uint& 0x007FEFEF) !=0); >

* Initialize itinf needed by the generated code.

* Inf is initialized as non-signaling. Assumes IEEE.

*/

real T itGetInf(void) i

size t bitsiPerReal = sizeof(real_T) * (NumBitsPcrChar)

realT in f= 0.0;

if (bitsPerReal = 32U) {

inf= rtGetlnfFO;

} else {

union {

LittleEndianlEEEDouble bitVal: realT fltVal: } tmpVal;

tmpVa I. bitVa I. words. wordH = 0 x7FF00 000U; tmpVa I. bitVa I. words. wordL = 0x000000 00U;

inf = tmpVal. fltVal:

}

retum inf;

* Initialize ltlnfF needed by the generated code.

* Inf is initialized as noai-signaling. Assumes IEEE.

*/

real32_T itGetInfF(void) i

IEEE Single infF:

infF .wordL. wordL uinl = Ox7F800000U; rctiun infF.wordL.wordLrcal;

* Initialize ltMinusInf needed by the generated code.

* Inf is initialized as non-signaling. Assumes IEEE.

*/

real T rtGetMinusIn f(vo i d) i

sizet bitsPerReal =