Читайте также:
|
|
Инвентаризация источников воздействия на окружающую среду заключается в документированном описании (в том числе, на основе дополнительных измерений) общего количества, расположения, основных характеристик источников воздействия, включая их соответствие установленным нормативам и лимитам.
Под инвентаризацией отходов понимают документированное описание (в том числе, на основе дополнительных измерений) общего количества и основных характеристик отдельных видов отходов, а также способов их размещения и удаления.
Блок-схема системы прогнозирования:
Цель прогноза
Среда
прогноз
I Сбор исходной информации.
II Разработка математической модели прогноза.
III Планирование экспериментов над моделью.
IV Проведение экспериментов над моделью.
V Анализ результатов эксперимента - прогноз.
Есть два метода прогнозирования:
1) Эксперименты над детерминированной моделью прогноза;
2) Вероятностные прогностические модели:
А) метод апосториорных вероятностей.
- формула Байеса
- апостериорная вероятность
Р(В), Р(А) - априорные вероятности
В) метод максимального правдоподобия.
Метод основывается на функции правдоподобия. Р(у/а1, а2,... аn)
а1, а2,... аn - подлежащие оценке парамтры модели;
у - выборочные результаты наблюдения прогнозируемой величины.
Встаёт задача наилучшей оценки параметров модели относительно результатов наблюдений у.
Перечислим ещё методы и подходы вероятностного прогноза:
В) Методы связанные с теорией случайных процессов.
Различные типы случайных процессов дают возможность прогнозирования - экстраполяции значений случайного процесса. Порядок прогноза - берём явление, берём тип случайного процесса для которого это явление подходит, оцениваем его параметры на основе наблюдаемых значений процесса (явления).
Типы случайных процессов:
1) нормальный Гауссовский случайный процесс..
Пример:
Явлением будет являться наводнение. Измеряемое значение - уровни воды каждый день хi i=1,̅n̅
Предположим, что это явление можно описать с помощью Гауссовского случайного процесса, тогда хi - значение Гауссовского случайного процесса. Для Гауссовского случайного процесса можно ввести параметр среднего значения, который можно вычислить (оценить) с помощью известной формулы:
В качестве прогноза явления может выступать это среднее значение. Прогноз: завтра уровень воды будет равен среднему значению.
Вероятность того, что завтрашний уровень воды будет больше среднего значения: Р(хi>m).
В два раза превышать среднее значение Р(хi>2m)
2) Мартовские случайные процессы.
Очень распространены при прогнозировании в экологии.
1) Метод экстремальных значений.
2) Метод теории надёжности и теории риска.
Модели формирования факторов техногенных воздействий.
Рассмотрим примеры таких моделей:
1) Модель распространения вредных веществ в окружающей среде.
Прежде всего, это модели диффузионных процессов с учётом турбулентных движений.
Локальный масштаб < 200 км.
Мезомасштаб 200 км.
Региональный 1000 км.
Глобальный масштаб > 1000 км.
Диффузионные модели могут развиваться с учётом формализма случайных процессов.
Пример: Статистическая модель для мгновенного, точечного источника загрязнений.
С - концентрация диффундирующего вещества;
Q - количество выброшенного вещества;
u, ν, w - сренее значение скоростей ветра по направлениям х, y, z.
- дисперсии примесей по направлению.
- поправки на обеднение облака за счёт радиоактивного распада или разложения вещества, его сухого осаждения и выливания соответственно.
Дата добавления: 2015-04-12; просмотров: 17 | Поможем написать вашу работу | Нарушение авторских прав |