Нечётко-кластерные алгоритмы и программно-информационное обеспечение автоматизированной системы оценки качества окружающей среды в районе металлургических предприятий тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Аношкин, Андрей Анатольевич

• Аношкин, Андрей Анатольевич
• кандидат технических наук
• 2004

Оглавление диссертации кандидат технических наук Аношкин, Андрей Анатольевич

Введение.

Глава 1. Современные методы принятия решений по оценке качества окружающей среды.

1.1. Математическое моделирование распределенных динамических систем, как основа принятия решений по оценке качества окружающей среды.

1.2. Многоатрибутный и многокритериальный комплексный характер задачи математического моделирования доза-эффект-динамики природных систем.

1.3. Методы многоатрибутного комплексного анализа при математическом моделировании атмосферного переноса промышленных загрязнений.

1.4. Интегральные индексы как комплексные многоатрибутные оценки экологического состояния природных систем.

1.5. Методики управления качеством окружающей среды с использованием многоатрибутного и многокритериального принятия решений.

1.6. Применение аппарата теории нечетких множеств для решения задач оценки качества окружающей среды.

1.7. Цели и задачи диссертационной работы.

Глава 2. Разработка методик и алгоритмов оценки качества окружающей среды в районе промышленных предприятий.

2.1. Разработка концептуальной модели процедуры принятия решений по оценке качества окружающей среды.

2.2. Разработка интегральных индексов для оценки качества окружающей среды в районе промышленных предприятий.

2.3. Разработка алгоритмов многокритериальных и многоатрибутных оценок качества окружающей среды.

2.3.1. Разработка методик и алгоритмов кластеризации лесных участков в районе промышленных предприятий.

2.3.2. Разработка методик и алгоритмов расчета главного интегрального индекса для ранжирования состояния лесных участков.

2.4. Разработка методик и алгоритмов оценки качества окружающей среды с использованием доза-эффект зависимостей.

2.4.1. Алгоритм анализа доза-эффект зависимостей для формирования лингвистического словаря оценок качества окружающей среды.

2.4.2. Алгоритм кластеризации лесных участков на основе метода k-средних.

2.4.3. Агломеративный алгоритм кластеризации лесных участков.

2.4.4. Алгоритмы расширения лингвистического словаря экологического районирования лесных участков.

2.5. Методика использования космической съемки для экологического районирования лесных участков.

2.6. Выводы.

Глава 3. Программно-информационное обеспечение автоматизирован-ной системы оценки качества окружающей среды в районе металлургических предприятий "АСКОС-МП".

3.1. Разработка архитектуры автоматизированной системы оценки качества окружающей среды в районе металлургических предприятий "АСКОС-МП".

3.2. Модуль управления "АСКОС-МП".

3.3. Базы данных показателей качества окружающей среды и модуль управления вычислительными процедурами.

3.4. Выводы.

Глава 4. Применение разработанного методического и программно-информационного обеспечения для эколого-экономических оценок в районе металлургического комбината "Печенганикель".

4.1. Доза-эффект зависимости для лесных участков в районе комбината "Печенганикель".

4.2. Интегральные характеристики качества лесных участков в районе комбината

4.3. Расчет главного интегрального индекса и ранжирование лесных участков в районе комбината.

4.4. Интегральные индексы, экологическое зонирование и эколого-экономические оценки лесных участков в районе комбината.

4.5. Аналитическое иерархическое оценивание качества окружающей среды в районе комбината.

4.6. Выводы.

Основные результаты научных исследований.

Введение диссертации (часть автореферата) на тему «Нечётко-кластерные алгоритмы и программно-информационное обеспечение автоматизированной системы оценки качества окружающей среды в районе металлургических предприятий»

Актуальность диссертации. По своей природе решения могут быть одноцелевыми или многоцелевыми, а также одно или многоатрибутными. Как правило основную массу проблем, решаемых системами поддержки принятия решений (СППР), составляют многоцелевые и многоатрибутные проблемы. Например, в состав комплексной оценки эрозии почвы могут входить такие показатели как: угол наклона земельного участка, процент хозяйственного использования, тип почвы и пр. При этом основная задача принятия решений сводится к проблеме объединения перечисленных показателей в комплексные оценки эрозии почвы. Задачи такого класса получили название многоатрибутных оценок. Они составляют основу при разработке эколого-лесоводственнных требований и нормативов, обеспечивающих лесохозяйственную и лесопромышленную, деятельности, разведку и добычу полезных ископаемых, снижающих отрицательное воздействие на лесные экосистемы. Усиление защитной роли лесов предполагается решать путем разработки методов и нормативов повышения устойчивости, долговечности и экологической ценности насаждений, критериев оценки состояния лесов, в том числе особо охраняемых природных территорий, разработки методов восстановления функциональных качеств лесных территорий, деградировавших в результате нерегулируемого техногенного воздействия. Не потеряли актуальности разработки многоатрибутных оценок в области изучения различных воздействий на лесные экосистемы -разработка методов оценки результатов ведения лесного хозяйства на осушаемых землях лесного фонда; разработка нормативов предельно допустимых уровней техногенных загрязнений; методов контроля техногенного загрязнения лесных биогеоценозов поллютантами различного происхождения; комплекса мероприятий по организации ведения лесного хозяйства в условиях радиоактивного загрязнения и в районах с повышенной потенциальной радиационной опасностью; экономическая оценка ущерба, нанесенного лесным экосистемам в результате воздействия природных и антропогенных факторов, а также при катастрофических ситуациях. Экологически важными являются научные исследования по разработке нормативов и оценок ресурсного и природно-экологического потенциала лесов, в особенности при введении в лесные культуры перспективных лесообразующих пород, в том числе интродуцентов, созданию плантаций пищевых и технически ценных быстрорастущих лесных культур, а также в процессе восстановления лесной растительности в зоне деятельности крупнейших металлургических, горнодобывающих, химических и других предприятий.

Для российского лесного хозяйства важной проблемой остается оценка «V воздействия лесных пожаров. Остаются актуальными разработки по совершенствованию методологии оценки пожарной опасности в лесу по условиям погоды, прогноза поведения лесных пожаров, совмещения традиционных и новых современных способов противопожарной деятельности и профилактики предупреждения распространения огня в лесу. Необходима разработка системы раннего обнаружения, определения координат и слежения за лесными пожарами на основе использования геоинформационных (ГИС) технологий, новых технических средств (грозопеленгаторы, лазерные дальномеры, космическая съемка, авиационная техника и др.).

Важной задачей исследований в области лесозащиты является обоснование Л и разработка экологических норматив и мероприятий (технологий) разного уровня, которые обеспечивают эффективную защиту леса от вредных организмов, сохранение биологического разнообразия и продуктивности лесов. К перспективным относятся разработки многокритериальных оценок по управлению численностью популяций вредных насекомых и болезням, моделированию экологических процессов и оптимизации стратегии и тактики лесозащиты с использованием системного анализа и современных информационных технологий.

Актуальными являются разработки по совершенствованию критериев и методов, составляющих основу наземных и дистанционных методов лесопатологического мониторинга, обследованию и оценки очагов вредных организмов; систем принятия решений и планирования лесозащитных мероприятий на базе эколого-экономических критериев и эколого-экономической оптимизации, а также комплекса профилактических и активных мер защиты, включая методы оценки результативности и оптимизации интегрированных систем.

В решении большинства вопросов лесоуправления важное место принадлежит лесоустройству, которое обеспечивает проведение периодической инвентаризации лесов и разработку комплексных проектов организации и ведения лесного хозяйства, в том числе выявление всего комплекса ресурсов и полезности лесов. Документы лесоустройства являются первичной информационной основой для организации и ведения лесного хозяйства, государственного учета лесного * фонда, государственного лесного кадастра, мониторинга лесов, разработки государственных норматив использования, охраны, защиты лесного фонда и воспроизводства лесов. Разрабатываемые методы многокритериальных оценок необходимые для осуществления эколого-экономического анализа и эколого-экономической оптимизации лесов в районе промышленных предприятий должны учитывать широкое применение ГИС-технологий.

При разработке многокритериальных оценок состояния лесов исключительно важным является выполнение международных обязательств, связанных с Конференцией ООН по окружающей среде и развитию 1992 г. в Рио-де-Жанейро, отраженных в документах «Лесные принципы» и «Повестка дня на XXI век», требований и рекомендаций последующих соглашений по сохранению лесов и устойчивому управлению лесами (Монреальский, Хельсинский процессы и другие), Программы действий по лесам стран восьмерки (1998), Конвенции по биологическому разнообразию (1995), Рамочной конвенции ООН об изменении климата (1994) и Киотского протокола к ней (1997).

Многие проблемы принятия решений являются не только многоатрибутными, но и многоцелевыми. При этом большинство процедур решения многоцелевых задач защиты окружающей среды сводятся к задачам математического программирования [1-3]. Для правильной оценки принятых решений требуется, чтобы для каждого альтернативного решения проводилась оценка риска его принятия. Правильное решение как правило основано на надежной входной информации, имеющейся в базах данных. Однако эта информация редко бывает абсолютно достоверной. Это приводит к неопределенности, источником которой являются две причины: недостоверность данных и неточность решающих алгоритмов и правил.

Основной причиной неопределенности данных являются ошибки измерения. Однако в некоторых случаях неопределенности имеют принципиальный характер и связаны с неопределенностью положения границ между качественно различными областями. Например, неопределенность разграничения двух классов земельных участков на пологие и крутые в зависимости от величины склона. Другим примером является неопределенность разграничения территории вокруг промышленных предприятий на экологические зоны.

Рассмотрим в качестве следующего примера лесные массивы, расположенные в зоне воздействия промышленного химического загрязнения. В случае сильной техногенной нагрузки воздействие проявляется в виде физиономических симптомов заболевания: дефолиация и дехромация листьев, изреживание кроны и пр. При небольших нагрузках явные симптомы экологического неблагополучия отсутствуют и изменение экологического состояния выражается в уменьшении видового разнообразия компонент экосистемы, в снижении общей продуктивности, в изменении трофических циклов и пр. Такие параметры лесной экосистемы, как степень дефолиации или дехромации листьев, изреживание кроны, суховершинность, класс бонитета и изменение трофических циклов описываются нечеткими лингвистическими переменными, например: "большой", "средний", "малый", "хороший" и пр. Неопределенности такого класса хорошо описываются с помощью формализма теории нечетких множеств (ТНМ), основы которой были разработаны Заде [4-8]. Неопределенность решения может быть также обусловлена неопределенностью решающих правил, которые в свою очередь возникают, как вследствие ошибок в численных параметрах моделей, так и по причине не правильной структуры самих решающих правил и алгоритмов.

Для решения проблемы неопределенности были разработаны различные теоретические модели, включая байесовские решающие правила [9] и нечеткие алгоритмы [10].

Как отмечалось выше, основной задачей многоатрибутного оценивания является построение комбинации качественно различных показателей в единые интегральные оценки или индексы. В случае булевских показателей удобным инструментом для получения комплексной оценки являются логические операции. Для непрерывных величин, как правило, используются взвешенные линейные или полиномиальные комбинации базовых показателей, которые в некоторых случаях умножаются на функции-ограничения. Таким образом, задача многоатрибутного оценивания сводится к задаче определения весовых коэффициентов интегральных индексов.

Интегральные индексы имеет достаточно широкое применение в различных научных и прикладных областях. Как правило, индексы представляют собой алгоритмы сжатия больших объемов информации в отдельные характеристики и показатели. В задачах кластеризации и распознавания образов интегральные индексы применяются для сегментации изображений [11]. Понятие индекса впервые введено в общей теории статистики, где индекс используется для экономического анализа, как показатель сравнения двух состояний одного и того же явления, состоящего из соизмеримых или несоизмеримых элементов [12]. Ряд интегральных индексов разработаны для проведения экологических оценок [13,14]. Важную роль интегральные индексы играют в экологических экспертных системах (ЭС) и экологических системах поддержки принятия решений. Следует отметить, что экологическая информация является в основном нечеткой, поэтому экологические СППР должны оперировать нечеткой и лингвистической информацией, характеризующей экологическое состояние природных систем.

В настоящее время аппарат ТНМ широко применяется для решения следующих задач [15-18]: разработка нечетких баз данных; нечеткое структурное моделирование; нечеткое регрессионное моделирование; нечеткий групповой метод обработки данных; нечеткое интегрирование и квантование; разработка нечетких аналитических иерархических процессов; нечеткое математическое планирование; нечеткое многоцелевое планирование; разработка методов нечеткого статистического принятия решений; разработка методов нечеткого многоатрибутного принятия решений.

Как следует из спектра выше перечисленных задач, проблема нечеткого многоатрибутного принятия решений относится к числу наиболее важных и актуальных. Это связано в первую очередь с большими объемами информации различного качественного характера, на основании которой требуется осуществлять принятие правильных решений. Раработке методов, алгоритмов и программно-информационного обеспечения решения этой важной проблемы в части важного и актуального направления эколого-экономического анализа и СППР защиты окружающей среды и посвящена данная диссертационная работа.

Следует отметить также важность и актуальность задачи получения эколого-экономических оценок стоимости земельных участков в районе промышленных и в особенности металлургических предприятий, как крупных источников существенного химического загрязнения. Эта проблема связана с задачей экологического зонирования территории вокруг промышленных источников химического загрязнения, которая по своему существу имеет нечеткий характер вследствие мозаичности границы между экологическими зонами.

Основные направления исследований данной кандидатской диссертации выполнялись в соответствии с проектами Российского фонда фундаментальных исследований № 98-04-48259 "Теоретическое и экспериментальное исследование поведения лесных экосистем под воздействием газовых выбросов промышленных предприятий в окрестности порога токсического воздействия" и № 02-04-48233

Теоретическое и экспериментальное исследование роли метастабильного состояния в доза-эффект динамике лесных экосистем под воздействием газовых выбросов промышленных предприятий".

Научная новизна диссертации состоит в следующем:

• Разработана концептуальная модель системы поддержки принятия решений (СППР) защиты окружающей среды, в основу которой положены представления о многокритериальных и многоатрибутных оценках качества природных систем и покрытых лесом земельных участков с использованием доза-эффект зависимостей, эколого-экономического анализа и эколого-экономической оптимизации, которые являются необходимым условием устойчивого развития природно-техногенных систем.

• Разработана методика использования интегральных индексов для формирования многокритериальных оценок экологического состояния природной среды в районе металлургических предприятий.

• Разработана методика и алгоритмы для определения главного интегрального индекса, который необходим для решения задач ранжирования покрытых лесом земельных участков в районе металлургических комбинатов.

• Разработаны методика и алгоритм анализа доза-эффект зависимостей, что необходимо для формирования лингвистического словаря оценок качества природной среды в районе металлургических комбинатов.

• Разработан алгоритм, который предназначен для кластеризации покрытых лесом земельных участков с учетом притяжения кластеров к особым точкам доза-эффект зависимостей на основе метода k-средних. Алгоритм позволяет сгруппировать земельные участки в отдельные группы с одинаковым качеством природной среды.

• Разработан агломеративный алгоритм, который предназначен для кластеризации покрытых лесом земельных участков с учетом притяжения кластеров к особым точкам доза-эффект зависимостей. Алгоритм позволяет на основании дендрограммы классов сгруппировать участки по критерию качества природной среды в отдельные группы, размеры которых приведены в соответствие с размерами зон экологического районирования, которые были получены в результате анализа доза-эффект зависимостей.

• Разработана методика и алгоритмы расширения лингвистического словаря экологического районирования земельных участков в районе металлургических комбинатов. Методика и алгоритмы были использованы в компьютерной автоматизированной системе оценки качества окружающей среды в районе металлургических производств (АСКОС МП) для автоматического увеличения количества термов лингвистического словаря экологического районирования.

• Разработана архитектура комплекса программных средств автоматизированной системы оценки качества окружающей природной среды в районе металлургических предприятий (АСКОС МП), которая позволяет в рамках удобного интерфейса и без специальных знаний как в области программирования, так и в специальных предметных областях математической экотоксикологии, экологического моделирования, теории классификации и кластеризации, а также обработки космических изображений, использовать разработанные в диссертации алгоритмы и программные средства для кластеризации, ранжирования, выбора и оценки качества природной среды покрытых лесом земельных участков в районе металлургических производств.

Практическая значимость диссертации состоит в следующем: Разработанное методическое и программно-информационное обеспечение СППР защиты окружающей среды было использовано для эколого-экономических оценок в районе металлургического комбината "Печенганикель" и может быть предложено для аналогичных оценок в районе других промышленных источников химического загрязнения, а также в качестве инструментария в экспертных системах и системах экологического мониторинга.

Разработанны методы и алгоритмы анализа экспериментальных данных о состоянии природной среды в районе металлургических предприятий, позволяющие на практике производить многосторонние и объективные оценки качества природной среды. На основании экспериментальных данных по доза-эффект зависимостям были рассчитаны интегральные характеристики дозы и эффекта для лесных массивов в районе металлургического комбината "Печенганикель" на Кольском полуострове, а также рассчитана интегральная доза-эффект зависимость, анализ которой позволил выделить пять зон различного экологического качества природной среды в районе комбината.

С помощью разработанного агломеративного алгоритма кластеризации покрытых лесом земельных участков с учетом притяжения кластеров к особым точкам доза-эффект зависимостей были построены дендрограммы расстояний в пространстве признаков для 12 лесных участков в районе комбината. Полученные дендрограммы позволили выделить эквивалентные по качеству природной среды группы земельных участков, которые затем были ранжированы по величине суммарного интегрального индекса.

С использованием разработанного алгоритма кластеризации покрытых лесом земельных участков с учетом притяжения кластеров к особым точкам доза-эффект зависимостей на основе метода k-средних была проведена кластеризация лесных участков в районе комбината. В качестве центров притяжения были использованы центры пяти экологических зон, найденные с помощью интегральной доза-эффект зависимости. Участки, находящиеся в одном и том же кластере, эквивалентны друг другу, что было учтено при проведении их стоимостной оценки.

Важное практическое значение имеют также разработанные в диссертации методы и алгоритмы экологического зонирования лесов в районе промышленных источников химического загрязнения, а также алгоритмы и программы эколого-экономической оценки земельных участков.

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Аношкин, Андрей Анатольевич

Основные результаты научных исследований

1. Разработана концептуальная модель системы поддержки принятия решений (СППР) защиты окружающей среды, в основу которой положены представления о многокритериальных и многоатрибутных оценках качества природных систем и покрытых лесом земельных участков с использованием доза-эффект зависимостей, эколого-экономического анализа и эколого-экономической оптимизации, которые являются необходимым условием устойчивого развития природно-техногенных систем.

2. Разработана методика использования интегральных индексов для формирования многокритериальных оценок экологического состояния природной среды в районе металлургических предприятий. Сделан вывод о необходимости предварительной нормализации показателей с выполнением следующих условий: преобразование должно быть линейным, приведение должно быть к интервалу [О, 1], в результате приведения не должно остаться антикоррелированых показателей.

Данная методика позволяет перейти от начального спектра разнородных показателей в систему нормализованных и однотипных показателей -интегральных индексов, что значительным образом повышает точность дальнейшего ранжирования и кластеризации альтернатив. Таким образом, многокритериальные оценки и многоатрибутные данные о покрытых лесом земельных участках удается представить в виде единой таблицы нормализованных интегральных индексов.

3. Проведен анализ существующих методик и алгоритмов кластеризации, на основании которого выбраны алгоритмы, характеристики которых удовлетворяют требованиям задач группировки покрытых лесом участков по критерию качества природной среды в районе металлургических предприятий.

4. Разработана методика и алгоритмы для определения главного интегрального индекса, который необходим для решения задач ранжирования покрытых лесом земельных участков в районе металлургических комбинатов.

5. Разработаны методика и алгоритм анализа доза-эффект зависимостей, что необходимо для формирования лингвистического словаря оценок качества природной среды в районе металлургических комбинатов.

6. Разработан алгоритм, который предназначен для кластеризации покрытых лесом земельных участков с учетом притяжения кластеров к особым точкам доза-эффект зависимостей на основе метода k-средних. Алгоритм позволяет сгруппировать земельные участки в отдельные группы с одинаковым качеством природной среды.

7. Разработан агломеративный алгоритм, который предназначен для кластеризации покрытых лесом земельных участков с учетом притяжения кластеров к особым точкам доза-эффект зависимостей. Алгоритм позволяет на основании дендрограммы классов сгруппировать участки по критерию качества природной среды в отдельные группы, размеры которых приведены в соответствие с размерами зон экологического районирования, которые были получены в результате анализа доза-эффект зависимостей.

8. Разработана методика и алгоритмы расширения лингвистического словаря экологического районирования земельных участков в районе металлургических комбинатов. Методика и алгоритмы могут быть использованы в компьютерной автоматизированной системе оценки качества окружающей среды в районе металлургических производств (АСКОС МП) для автоматического увеличения количества термов лингвистического словаря экологического районирования.

9. Проанализирована возможность использования аэрокосмических изображений для экологического районирования покрытых лесом земельных участков и сделан вывод о том, что в состав компьютерной автоматизированной системы оценки качества окружающей среды в районе металлургических производств должен входить отдельный модуль, используемый для классификации и кластеризации аэрокосмических изображений исследуемой территории. Данный модуль необходим для экологического районирования пространственно-распределенных природных систем.

10. Разработана архитектура комплекса программных средств автоматизированной системы оценки качества окружающей природной среды в районе металлургических предприятий (АСКОС МП), которая позволяет в рамках удобного интерфейса и без специальных знаний как в области программирования, так и в специальных предметных областях математической экотоксикологии, экологического моделирования, теории классификации и кластеризации, а также обработки космических изображений, использовать разработанные в диссертации алгоритмы и программные средства для кластеризации, ранжирования, выбора и оценки качества природной среды покрытых лесом земельных участков в районе металлургических производств.

11. Разработано информационно-программное обеспечение модуля управления автоматизированной системой оценки качества окружающей среды в районе металлургических предприятий, которое позволяет проводить параллельные исследования табличных баз данных показателей качества природной среды вместе с анализом космических изображений территории вокруг металлургических предприятий, что дает возможность использовать результаты кластеризации и ранжирования земельных участков для целей экологического районирования территории.

12. Разработано информационно-программное обеспечение модуля кластеризации и ранжирования покрытых лесом земельных участков в районе металлургических предприятий. В модуле предусмотрена возможность кластеризации таблиц двух типов: таблиц доза-эффект зависимостей и таблиц стандартного описания лесных земельных участков.

На первом этапе анализа осуществляется группировка лесных участков в кластеры с различным качеством природной среды. При этом могут быть использованы, разработанные в диссертации алгоритмы, в работе которых учитывается притяжение кластеров к особым точкам доза-эффект зависимостей, что позволяет получать более объективные группировки и ранжирования земельных участков в районе металлургических производств.

На втором этапе используются таблицы стандартного описания лесных участков для получения дополнительной информации по сочетанию внутри кластеров древесных пород, полноты, запасу, бонитету и другим параметрам, входящим в таблицы стандартного описания.

13. На основании экспериментальных данных по доза-эффект зависимостям были рассчитаны интегральные характеристики дозы и эффекта в районе металлургического комбината "Печенганикель" на Кольском полуострове.

14. С помощью метода главных компонент был проведен анализ интегральных индексов эффекта, на основании которого была получена формула, интегрирующая отдельные интегральные индексы в суммарный интегральный индекс.

15. С использованием интегрального показателя дозы и суммарного интегрального индекса была получена интегральная доза-эффект зависимость для лесных массивов в районе металлургического комбината "Печенганикель", анализ которой позволил выделить пять зон различного экологического качества природной среды в районе комбината.

16. С помощью разработанного агломеративного алгоритма кластеризации покрытых лесом земельных участков с учетом притяжения кластеров к особым точкам доза-эффект зависимостей были построены дендрограммы расстояний в пространстве признаков для 12 лесных участков в районе комбината. Полученные дендрограммы позволили выделить эквивалентные по качеству природной среды группы земельных участков, которые затем были ранжированы по величине суммарного интегрального индекса.

17. Показано, что экологическое зонирование и оценка экологического качества покрытых лесом участков только по принадлежности этих участков к той или иной зоне промышленного загрязнения (дозы) является явно недостаточной. Необходимым условием правильного экологического зонирования является учет как можно более широкого спектра интегральных индексов, для последующего группового анализа которых наиболее эффективно использовать алгоритмы иерархической кластеризации.

18. С помощью разработанного алгоритма кластеризации покрытых лесом земельных участков с учетом притяжения кластеров к особым точкам доза-эффект зависимостей на основе метода k-средних была проведена кластеризация лесных участков в районе комбината. В качестве центров притяжения были использованы центры пяти экологических зон, найденные с помощью интегральной доза-эффект зависимости. Участки, находящиеся в одном и том же кластере, эквивалентны друг другу, что может быть учтено при проведении их стоимостной оценки.

19. Показано что, при проведении экологического зонирования лесных участков с целью их последующей стоимостной оценки, необходимо в первую очередь на основании доза-эффект зависимостей выделить экологические зоны, а затем выполнить кластеризацию участков с последующей привязкой полученных кластеров к экологическим зонам.

20. Разработана методика, которая позволяет распространить методы многокритериальных оценок качества окружающей среды на всю территорию исследуемого региона, основываясь на ограниченном числе дискретных данных. При этом получены наглядные визуализации распределения интегральных показателей качества окружающей среды по региону. Эти данные представляют значительный интерес для экологических СППР, результатом работы которых является выбор одного из альтернативных вариантов атмосферо-охранных решений или мероприятий.

В заключение автор считает своим приятным долгом выразить глубокую благодарность своим научным руководителям - действительному члену (академику) Академии технологических наук РФ, профессору, доктору технических наук Мешалкину Валерию Павловичу и профессору, доктору физико-математических наук Бутусову Олегу Борисовичу за постоянную научную помощь, внимание и требовательность к выполнению научно исследовательской работы автора.

Список литературы диссертационного исследования кандидат технических наук Аношкин, Андрей Анатольевич, 2004 год

1. Diamond J.T., Wright J.R. Design of an integrated spatial information system for multiobjective land-use planning // Environment and planning B. - 1988. - v. 15. -p.205-214.

2. Carver S.J. Integrating multicriteria evaluation with geographical information systems // International journal of geographical information systems. 1991. - v.5. -N3. - p.321-339.

3. Wright J.T., Revelle C., Cohon J. A multiobjective integer programming model for the land acquisition problem // Regional science and urban economic. 1983. -v.13. - p.31-53.

4. Заде Jl.А. Теория нечетких множеств // Проблемы передачи информации. -1967. т.2. - вып. 1. - с.37-44.

5. Zadeh L.A. Fuzzy algorithms // Information and Control. 1968. - v. 12. - p.99-102.

6. Заде Л.А. Основы нового подхода к анализу сложных систем и процессов принятия решений // Математика сегодня. М. :3нание, 1974. - с.5-49.

7. Zadeh L.A. Numerical versus linguistic variables // Newspaper of the Circuits and Systems Society. 1974. - v.7. - p.3-4.

8. Кофман А. Введение в теорю нечетких множеств. М.: Радио и связь, 1982. -432с.

9. Ту Дж., Гонсалес Р. Принципы распознавания образов. М.: Мир, 1978. - 412с.

10. Lee N.S., Grize Y.L., Dehnad К. Quantitative models for reasoning under uncertainty in Inowlage-based expert systems // International journal of intelligent systems. 1987. - v.2. - p. 15-38.

11. Pal S.K., King R.A., Hashimi A.A. Image description and primitive extraction using fuzzy sets // IEEE Transactions on SMC. 1983. - v. 13. - N 1. - P.94-100.

12. Елисеева И.И., Юзбашев М.М. Общая теория статистики. М.: Финансы и статистика, 1996. - 368с.

13. Бугровский В.В., Меллина Е.Г., Пьявченко Н.И., Цельникер Ю.Л. Биосферный потенциал леса //Доклады АН СССР. 1984. - Т.278. - № 2. - с.498-502.

14. Бугровский В.В., Бутусов О.Б., Голубева Е.И., Керженцев А.С., Омельченко В.М., Теблеева У.Ц. Современные проблемы изучения прирдных систем // Труды географического общества СССР. N 4. - 1990. - с.315-323.

15. Прикладные нечеткие системы / Под ред. Тэранко Т., Асаи К., Сугэно М. М.: Мир, 1993.-368с.

16. Сафронов И.Г., Пономарева О.Ю., Бутусов О.Б. Математическая модельдинамики лесной экосистемы в пространстве интегральных индексов для моделирования явлений типа петля гистерезиса // Труды МГУИЭ. Т.2. -' М.:МГУИЭ, 1998. С.82-93.

17. Бутусов О.Б., Сафронов И.Г. Доза-эффект зависимости суммарного химического загрязнения лесных экосистем в районе порога токсического воздействия //Труды МГУИЭ. М.: МГУИЭ.1999. - с.26-36.

18. Сафронов И.Г., Бутусов О.Б. Обработка нечеткой дистанционной информации для экологического зонирования лесов // Труды МГУИЭ. М.: МГУИЭ.1999. -с. 130-150.

19. Стадницкий Г.В., Родионов А.И. Экология. М.: Высш. шк., 1988. - 272с.

20. Примак А.В. Модели комплексной оценки суммарного загрязнения атмосферного воздуха // Автоматика. -1987. N 3. - с.10-20.

21. Примак А.В., Щербань А.Н., Сорока А.С. Автоматизированные системы защиты воздушного бассейна от загрязнения. Киев: Техника, 1988. - 168с.

22. Санитарные нормы проектирования промышленных предприятий СН 245-71. -М.: Стройиздат, 1972. 32с.

23. Гильденскиольд Р.С., Недогибченко М.К., Пинигин М.А., Фельдман Ю.Г. Санитарная охрана атмосферного воздуха городов. М.: Медицина, 1976. -252с.

24. Saaty T.L. Exploring the interface between hierarchies, multiple objectives and fuzzy sets // Fuzzy sets and systems. -1978. N1. - P.57-68.

25. Черненькова T.B., Бутусов О.Б., Сычев В.В. и др. Воздействие металлургических производств на лесные экосистемы Кольского полуострова. СПб: ЦЭПЛ РАН,1995 - 252с.

26. Keisler J. М. and Sundell R. С. Combining Multi-Attribute Utility and Geographic Information for Boundary Decisions: An Application to Park Planning 11 Journal of Geographic Information and Decision Analysis. Volume 1. - No 2. - 1997. P.100-119.

27. Чумаченко С.И. Базовая модель динамики многовидового разновозрастного лесного ценоза // Вопросы экологии и моделирования лесных экосистем.

28. Вып.248. М.: МГУЛ, 1993. - С.147-180.

29. Березовская Ф.С., Карев Г.П. Бифуркации бегущих волн в популяционных моделях с таксисом // Успехи физических наук. 1999. - т. 169. - N 9. - С.1011-1024.

30. Методика расчета концентраций в атмосферном воздухе вредных веществ содержащихся в выбросах предприятий. ОНД-86. Л.: Гидрометеоиздат, 1987. -93с.

31. Литвин В.А. Многокритериальная автоматизированная региональная система моделирования эффективных атмосферных стратегий. М.: Гидрометеоизда, 1988.-184с.

32. Ахромеева Т.С., Курдюмов С.П., Малинецкий Г.Г., Самарский А.А. Нестационарные структуры и диффузионный хаос. М.: Наука, 1992. 544с.

33. Малинецкий Г.Г. Хаос. Структуры. Вычислительный эксперимент: Введение в нелинейную динамику. М.: Наука,1997. - 255с.

34. Малинецкий Г.Г., Потапов А.Б. Современные проблемы нелинейной динамики. М.:Эдиториал УРСС, 2000. - 336с.

35. Бутусов О.Б., Степанов A.M. Эколого-экономическая оптимизация в системе: промышленное производство лес // Известия РАН. Серия географическая. -1995.-N6.-с.63-72.

36. Butusov, О.В. Industrial Sources air Polluted Zones in City // Pollution in Large Cities: Proceedings of Symposium. Padova: PadovaFiere, 1995. - p.241-250.

37. Бутусов О.Б., Мешалкин В.П., Смотрич С.А., Сельский Б.Е., Давыдов Ю.И. Информационная система оценки риска для населения в районе химического производства //Химическая промышленность. 1996. - N11.

38. Бутусов О.Б., Мешалкин В.П., Пийгянер Л., Сельский Б.Е. Методология эколого-экономической оптимизации химических предприятий и лесных массивов // Химическая промышленность. 1995. - N 10. - с.622-629.

39. Бутусов О.Б., Мешалкин В.П., Сельский Б.Е., Кокоссис А.С., Пуиджанер Л. Оценки химического риска на территории НПЗ с учетом влияния на распространение газовых шлейфов конфигурации заводских помещений //

40. Химическая промышленность. 1996. - N9.

41. Zadeh L.A. Fuzzy sets // Information and Control. 1965. - v.8. - p.338-353.

42. Zadeh L.A. Fuzzy sets and systems // Proceedings of the Symposium on system theory. N.Y.: Polytechnic Brooklin, 1966. - p.29-39.

43. Заде Л.А. Основы нового подхода к анализу сложных систем и процессов принятия решений // Математика сегодня. М. :3нание, 1974. - с.5-49.

44. Бутусов О.Б., Степанов A.M. Новая модель доза-эффект динамики лесных экосистем в районе металлургических предприятий // Экология и промышленность России. 2001. - N6. - с.37-40.

45. Бутусов О.Б., Степанов A.M. Моделирование динамики лесных экосистем вблизи порога токсического воздействия медеплавильного комбината // Лесоведение. 2001. - N6. - с.57-63.

46. Мацкунас А.А., Бутусов О.Б., Степанов A.M., Маслов А.А., Рысин Л.П. Воздействие на лесные экосистемы аэральных выбросов транспорта Московской кольцевой автодороги // Лесоведение. 2002. - N4. - с.69-74.

47. Бутусов О.Б., Степанов A.M. Анализ экологического состояния лесных экосистем в районах атмосферного химического загрязнения // Лесоведение. -N 1.-2000.-с.32-38.

48. Бутусов О.Б., Степанов A.M. Определение интегральных индексов техногенной деградации лесов // Лесоведение. N 1. - 1999. - с.17-22.

49. Roberts D.W. Fuzzy systems vegetation theory // Vegetatio. 1989. - v.83. - p.71-80.

50. Guangxia Cao. The definition of the niche by fuzzy set theory // Ecological modelling. 1995. - v.77. - N 1. - p.65-71.

51. Пэн Сяомин. Оценка окружающей среды Пекина с использованием метода анализа классификации нечеткого множества // Проблемы региональной экологии. 1996. - N 2.

52. Пэн Сяомин. Геоэкологические проблемы устойчивого развития Китая // Регион и география. Пермь: ПГУ, 1995. - с.229-232.

53. Ивахненко А.Г., .Лапа В.Г. Предсказание случайных процессов. Киев: Наукова думка, 1971. - 416с.

54. Берлянд М.Е. Прогноз и регулирование загрязнения атмосферы. Л.: Гидрометеоиздат, 1985. -272с.

55. Akaike Н. Statistical predictor identification // Annals of the Institute of statistical mathematics. -1970. v.21. - p.203-217.

56. Бузник В.М. Химия. Устойчивое развитие. Высокотехнологичный бизнес. -Владивосток: Дальнаука, 2002. - 200с.

57. КоптюМЗА., Матросов В.М., Левашов В.К., Демянко Ю.Г. Устойчивое развитие цивилизации и место в ней России: проблемы формирования национальной стратегии. Владивосток: Дальнаука, 1997. - 83 с.

58. Новая парадигма развития России (комплексные исследования проблем устойчивого развития) / Под ред. В.А.Коптюга. В.М.Матросова. В.К.Левашова.- М.: Academia, 1999. 460 с.

59. Чекмарев А.М. Химия близкое и далекое. - М.: Изд-во РХТУ им. Д.И. Менделеева, 2000.

60. Медоуз Д.Х., Медоуз Д.Л. ,РандерзЙ. За пределами роста. М.: Издательская группа «прогресс "Пангея », 1994. 304 с.

61. Meadows D.H. et al. The Limits of Growth. N.Y.: Universe Books, 1972.

62. Моисеев H.H. О Кризисах и прогнозах // Вести. РАН. 1999. Т. 69, № 10. С. 937940.

63. Маркввич Д.Ж. Социальная экология. М.: РУДН, 1997. 436 с.

64. World Commission on Environment and Development (WCED) Our common future.- Oxford: University press, 1987.

65. Боровиков В.П. Популярное введение в программу Statistics. М.: КомпьютерПресс, 1998. - 267с.

66. Факторный, дискриминантный и кластерный анализ: Пер. с англ. / Дж.О.Ким и др. М.:Финансы и статистика, 1989. - 215с.

67. Bezdek J.С. Cluster validity with fuzzy sets // Journal of cybernetics. 1974. - v.3. -p.58-72.

68. Dunn J.C. A fuzzy relative of the ISODATA process and its use in detecting compact well-separated clusters // Journal of cybernetics. -1974. v.3. - p.32-57.

69. Асаи К., Ватала Д., Иваи С. и др. Прикладные нечеткие системы. М.: Мир, 1993.-368с.

70. Zahid N., Limouri М., Essaid A. A new cluster-validity for fuzzy clustering II Pattern recognition. 1999. - v.32. - p.1089-1097.

71. Bezdek J.C. Numerical taxonomy with fuzzy sets // Journal of amthematical biology. -1974. v.1. - p.57-71.

72. Фукунага К. Введение в статистическую теорию распознавания образов. М.: Наука,1979.-368с.

73. Прэтт У. 1982. Цифровая обработка изображений, т.2. М.: Мир. 480с.

74. Segal К. Classification of MOMS-02 image data using spectral and shape features. Proc. of the MOMS-02 Symposium. EARSel., Paris, 1996. p.129-135.

75. Hornik K., Stinchcombe M., White H. Multilayer feedforward networks are universal approximators. // Neural Networks. V.2. - 1989. - p.359-366.

76. Hartman E.J., Keeler J.D., Kowalski J.M. Layered neural networks with gaussian hidden units as universal approximations // Neural Computation. V.2. - 1990. p.210-215.

77. Забавин А.Б. Использование искусственных нейронных сетей в задачах изучения Земли из космоса // Исследование Земли из космоса. 2000. - N6. -с.79-93.

78. Назаров Л.Е. Применение многослойных нейронных сетей для классификации земных объектов на основе анализа многозональных сканерных изображений // Исследование Земли из космоса. 2000. - N6. - с.41-50.

79. Назаров Л.Е. Нейронные сети на основе радиальных функций и их использование для классификации земных покровов в составе многозональных изображений // Исследование Земли из космоса. 2002. -N3. - с.44-52.

80. Медведев B.C., Потемкин В.Г. Нейронные сети. Матлаб 6. М.:Диалог-МИФИ, 2002.-496с.

81. Chiu S. Fuzzy Model Identification Based on Cluster Estimation // Journal of Intelligent & Fuzzy Systems. Vol.2. - No.3. - 1994.

82. Yager R., D. Filev Generation of Fuzzy Rules by Mountain Clustering // Journal of Intelligent & Fuzzy Systems Vol. 2. - No. 3. -1994. - p. 209-219.

83. Дьяконов В., Круглое В. Математические пакеты расширения Матлаб. Специальный справочник. СПб:Питер, 2001. - 480с.

84. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Классификация и снижение размерности. М.: Финансы и статистика, 1989. - 607с.

85. Zhu J. Data envelopment analysis vs principal component analysis: an illustrative study of economic performance of Chinese cities // European journal of operation research. 1998.-v.111. - P.51-61.

86. Vails А., Тогга V. Using classification as an aggregation tool in MCDM // Fuzzy Sets and Systems (special issue on Soft Decision Analysis). 2000. - Vol.115. - N1. -P.159-168.

87. Carlsson C., Fuller R. Fuzzy multiple criteria decision making: Recent

88. Developments // Fuzzy Sets and Systems. -1996. Vol.78. - P. 139-153.

89. Chen Ch, Klein C.M. An efficient approach to solving fuzzy MADM problems // Fuzzy Sets and Systems. 1997. - Vol.88. - P.51-67.

90. Gibert K., Cortes U. Weighting quantitative and qualitative variables in clustering methods // Mathware and soft computing. 1997. - Vol.4. - P.251-266.

91. International Society on Multiple Criteria Decision Making, http://www.terry.uga.edu/mcdm/ (September, 2002)

92. Ribeiro R.A. Fuzzy multiple attribute decision making: A review and new preference elicitation techniques, Fuzzy Sets and Systems. -1996. Vol.78. - P. 155-181.

93. Zopounidis C. Multicriteria classification and sorting methods: a literature review // European Journal of Operational Research. 2002. - Vol.138. - P.229-246.

94. Бутусов О.Б., Виноградов Б.В., Степанов A.M. Выделение зон аэрального загрязнения мелколиственных лесов Южного Урала по космическому снимку // Лесоведение. -1996. N 3. - с. 16-27.

95. Бутусов О.Б., Степанов A.M. Экологическое зонирование лесов вокруг источников химического загрязнения // Экология и промышленность России. -2002.-N12.-с.30-33.

96. Степанов A.M., Кабиров P.P., Черненькова Т.В. и др. Комплексная экологическая оценка техногенного воздействия на экосистемы южной тайги. -М.:ЦЭПЛ РАН, 1992. 246 с.

97. Бутусов О.Б. Система интегральных индексов для оценки экологического состояния лесных экосистем в районе промышленных источников аэрального загрязнения // Проблемы региональной экологии. 1997. - N 4. - С.16-33.

98. Sanders G.E., Skarby L, Ashmore M.R.,Fuhrer J. Establishing critical levels for the effects of air pollution on vegitation // Water, air and soil pollution. 1995. - v.85. -P.189-200.

99. Воробейчик Е.Л., Хантемирова E.B. Реакция лесных фитоценозов на техногенное загрязнение//Экология, 1994, N 3, с.31-43.

100. Виноградов Б.В. Воздушно-загрязненные экосистемы. В кн.: Преобразованная Земля: аэрокосмические исследования. М.: Мысль, 1981. -с. 143-155.

101. Виноградов Б.В. Дистанционный мониторинг воздушно- загрязненных экосистем. В кн.: Взаимодействие лесных экосистем и атмосферных загрязнителей. 4.2. Таллин: ТГУ, 1982. - с.174-191.

102. Fritz E.L., Penniker S.P. Attempts to use satellite data to detect vegetativedamage and alteration caused by air and spoil pollutants//Phytopathology, 1975, v.65, n.10, p.1056-1060.

103. Самойлович Г.Г. Об изменении таксационных показателей сосновых древостоев под влиянием дымовых газов промышленных предприятий// Научные труды лесотехнической Академии, Ленинград. N 144, 1972. с.102-105.

104. Murtha P.A. Detection of S02 fume damage to forests on ERTS-1 imagery.// Canadian Surveyor, 1974, v.28, n.2, p.167-170.

105. Landauer G., Hsgb. Untersuchung und Kartierung von Waldschaeden mit Methoden der Fernerkundung//DLR Abschluessdokumentation, Teil A, Oberpfaffenhofen, 1989, 244 S.

106. Кравцова В.И. Дешифрирование последствий техногенного воздействия на природу по космическим снимкам (на примере Хибин). В кн.: Аэрокосмические методы в географических исследованиях Сибири и Дальнего Востока. Иркутск: ИрГУ, 1981. с.57-65.

107. Новиков Ю.В., Лаканов А.В. Изучение антропогенных полей над городами и промышленными центрами. М.:Гидрометеоиздат, 1983. 7с.

108. Olson С.Е. Remote sensing of broadleaved trees under stress//Ber. 3te Internat. Symp. Photointerpretation, Dresden, 1970, p.669-689.

109. Tommervik H., Johnsen B.E. Mapping the air pollution impact on the natural environment in the border area Norway/USSR using satellite remote sensing methods. GARSS'91, Helsinki, 1991, v.1, p.45-48.

110. Schneider E.D., Kay J.J. Life as a manifestation of the second law of thermodynamics // Mathematical and computer modeling. 1994. - v.19. - N6-8. -pp.25-48.

111. Справочник по прикладной статистике. В 2-х т. / Под ред. Э.Ллойда, У.Ледермана, Ю.Н.Тюрина. М.: Финансы и статистика, 1989.

112. Chiu S. Fuzzy Model Identification Based on Cluster Estimation // Journal of Intelligent & Fuzzy Systems. Vol.2. - No.3. - 1994.

113. Yager R., D. Filev Generation of Fuzzy Rules by Mountain Clustering // Journal of Intelligent & Fuzzy Systems Vol. 2. - No. 3. - 1994. - p. 209-219.

114. Jackson, E. A user's guide to Principal Components. N.Y.: Wiley&Sons, 1991.

115. Аношкин А.А., Бутусов О.Б., Мешалкин В.П. Система оценки качества окружающей среды в районе металлургических предприятий // Сборник трудов МЭИ (Смоленск). В печати.