Аналіз і прогнозування антропогенного впливу на атмосферне повітря промислового міста із застосуванням нових географо-математичних підходів
DOI:
https://doi.org/10.24028/gzh.0203-3100.v42i4.2020.210679Ключові слова:
теорія хаосу, часові ряди концентрацій речовин, що забруднюють атмосферу, діоксид азоту, аналіз і прогнозування, метод кореляційної розмірностіАнотація
В останні два десятиліття доволі успішно впроваджуються різні математичні й кібернетичні підходи до розв’язання географічних і екологічних задач. Важливо зазначити, що екологічна динамічна система є нелінійною, й із застосуванням лінійних методів аналізу, перетворення Фур’є та інших не завжди можна отримати задовільний результат, як у разі лінійної системи. Пов’язане це з тим, що процеси, які приводять до хаотичного режиму, є фундаментально багатовимірними. Саме ці обставини характерні для динаміки розподілу шкідливих домішок у повітряному басейні промислового міста. Розглянуто розвиток поглибленого вдосконаленого аналізу, моделювання та прогнозування часової динаміки концентрацій речовин, що забруднюють атмосферу, для конкретних індустріальних міст. Запропоновано новий метод аналізу та прогнозування структури полів концентрацій інгредієнтів в атмосфері промислового міста, що ґрунтується на положеннях теорії хаосу. Для аналізу використано дані щогодинних спостережень за концентрацією діоксиду азоту на постах моніторингу Гданського регіону — Гдиня і Сопот (Польща) впродовж року. На підставі аналізу емпіричних даних щодо концентрацій забруднювальних речовин у повітряному басейні виявлено стохастичні особливості та ефект хаосу в динаміці й структурі часових рядів концентрацій домішок. Наведені результати можна вважати прикладом цілком задовільного короткострокового прогнозу концентрацій забруднювальних речовин в атмосфері. Метод нелінійного прогнозу досить добре працює, якщо концентрації цих речовин збільшуються. Усі тенденції до такого збільшення виявлено при прогнозуванні, що дає змогу використовувати метод як альтернативу традиційним методам.
Посилання
Bunyakova, Yu.Ya. (2015). Analysis and prediction of changes in concentrations of sulfur dioxide in the atmosphere of an industrial city (on the example of Gdansk region, Poland) by chaos theory. Visnyk Kyyivsʹkoho natsionalʹnoho universytetu im. Tarasa Shevchenka. Heohrafiya, (1), 37—40 (in Ukrainian).
Mandelbrot, B. (2002). Fractal geometry of nature. Moscow: Ed. of the Institute for Computer Research, 656 p. (in Russian).
Brock, W.A., Hsieh, D.A., & LeBaron, B. (1991). Nonlinear dynamics, chaos, and instability: statistical theory and economic evidence. MIT Press, 346 p.
Bunyakova, Yu.Ya., Glushkov, A.V., & Dudinov, A.A. (2011). Short-range forecast of atmospheric pollutants using non-linear prediction method. Abstracts of the European Geosciences Union General Assembly. Vienna, Austria. P. A3.4.
Glushkov, A.V., Khokhlov, V.N., Loboda, N.S., & Bunyakova, Yu.Ya. (2010). Modeling greenhouse gas concentration fields using chaos theory. 18th. Intern. Symp. Transport and Air Pollution. May 18—19, 2010. Dubendorf, Switzerland. Р06.
Chelani, A.B. (2005). Predicting chaotic time series of PM10 concentration using artificial neural network. International Journal of Environmental Studies, 62(2), 181—191. https://doi.org/10.1080/0020723042000285906.
European program «Air pollution observation data: Gdansk region, 2003». (2004). Institute of Chemistry and Environmental Protection, Technical University of Szczecin. Poland.
Islam, M.N., & Sivakumar, B. (2002). Characterization and prediction of runoff dynamics: a nonlinear dynamical view. Advances in Water Resources, 25(2), 179—190. https://doi.org/10.1016/S0309-1708(01)00053-7.
Khokhlov, V.N., Glushkov, A.V., Loboda, N.S., & Bunyakova, Yu.Ya. (2008). Short-range forecast of atmospheric pollutants using non-linear prediction method. Atmospheric Environment, 42(31), 7284—7292. https://doi.org/10.1016/j.atmosenv.2008.06.023.
Lanfredi, M., & Machhiato, M. (1997). Searching for low dimensionality in air pollution time series. Europhysics Letters, 40(6), 589—594.
Paluš, M., Pelikán, E., Eben, K., Krejčíř, P., & Juruš, P. (2001). Nonlinearity and prediction of air pollution. Artificial neural nets and genetic algorithms. In: V. Kurkova, N.C. Steele, R. Neruda, & M. Karny (Eds.), Artificial Neural Nets and Genetic Algorithms (pp. 473—476). Springer Verlag, Vienna, Austria.
Rusov, V.D., Glushkov, A.V., Vaschenko, V.N., Myhalus, O.T., Bondartchuk, Yu.A., Smolyar, V.P., Linnik, E.P., Mavrodiev, S.Cht., & Vachev B.I. (2010). Galactic cosmic rays-clouds effect and bifurcation model of the earth global climate. Part 1. Theory. Journal of Atmospheric and Solar-Terrestrial Physics, 72, 398—408. doi: 10.1016/j.jastp.2009.12.007.
Sprott, J.C., Vano, J.A., Wildenberg, J.C., Anderson, M.B., & Noel, J.K. (2005). Coexistence and chaos in complex ecologies. Physics Letters A., 335(2-3), 207—212. https://doi.org/10.1016/j.physleta.2004.12.068.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2020 Геофізичний журнал
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
1. Автори зберігають за собою авторські права на роботу і передають журналу право першої публікації разом з роботою, одночасно ліцензуючи її на умовах Creative Commons Attribution License, яка дозволяє іншим поширювати дану роботу з обов'язковим зазначенням авторства даної роботи і посиланням на оригінальну публікацію в цьому журналі .
2. Автори зберігають право укладати окремі, додаткові контрактні угоди на не ексклюзивне поширення версії роботи, опублікованої цим журналом (наприклад, розмістити її в університетському сховищі або опублікувати її в книзі), з посиланням на оригінальну публікацію в цьому журналі.
3. Авторам дозволяється розміщувати їх роботу в мережі Інтернет (наприклад, в університетському сховище або на їх персональному веб-сайті) до і під час процесу розгляду її даними журналом, так як це може привести до продуктивної обговоренню, а також до більшої кількості посилань на дану опубліковану роботу (Дивись The Effect of Open Access).
