Разработка программы производственного экологического контроля загрязнения атмосферного воздуха методом нейросетевой кластеризации

Важно отметить, что действующими в настоящее время «Требованиями к содержанию программы производственного экологического контроля, порядку и срокам представления отчета об организации и о результатах осуществления производственного экологического контроля», утвержденными приказом Минприроды России от 28.02.2018 № 74, не регламентировано в надлежащем объеме проведение контроля за влиянием деятельности предприятия  на состояние атмосферного воздуха. В указанном документе не отражены требования, касающиеся определения периодичности проведения контроля в разрезе конкретных источников загрязнения атмосферы и конкретных загрязняющих веществ, присутствующих в выбросах, порядка определения метеорологических условий, при которых требуется проведение контроля и т.д.

При разработке системы производственного контроля могут быть использованы подходы, применяемые в настоящее время в соответствии с Разделом 3 «Контроль за соблюдением установленных нормативов выбросов» «Методического пособия по расчету, нормированию и контролю выбросов вредных (загрязняющих) веществ в атмосферный воздух (дополненного и переработанного)», Санкт-Петербург, ОАО «НИИ Атмосфера», 2012 г., в котором прописано определение периодичности проведения производственного контроля на основе рассчитываемой категории источников выбросов в разрезе конкретных загрязняющих веществ для осуществления контрольных замеров на источниках. Однако, в данном Методическом пособии не прописан способ определения точек для осуществления контрольных измерений на границе СЗЗ и/или в жилой зоне и перечней подлежащих измерению загрязняющих веществ.

В действующих Требованиях к содержанию ПЭК, утвержденных приказом Минприроды России от 28.02.2018 № 74  указывается, что должна быть указана периодичность контроля, адреса пунктов наблюдений, периодичность отбора проб, но  нет какой-либо конкретизации для решения данных задач и формирования программы проведения ПЭК.

В ГОСТ Р ИСО 14001-2016  в  части ПЭК установлены требования:

- определить параметры, подлежащие мониторингу и измерениям;

- определить методы, применяемые при проведении измерений, анализа и оценки полученных результатов, а также методы обеспечения достоверности данных;

- критерии оценки результативности и соответствующие показатели;

- пространственно-временные характеристики измерений.

Разработан «Информационно-технический справочник по наилучшим доступным технологиям. Общие принципы производственного экологического контроля и его метрологического обеспечения» [ 86].

Согласно данному документу наилучшей практикой при организации программы ПЭК считается риск-ориентированный подход, при котором особое внимание уделяется мониторингу параметров, выход которых за границы установленных значений может произойти с высокой вероятностью. Вероятность причинения вреда может быть условно разделена на три группы: "высокая", "средняя", "низкая".

Примеры факторов риска, которые могут рассматриваться при определении интенсивности ПЭК, следующие:

- мощность предприятия, от величины которой может зависеть воздействие на окружающую среду;

- класс опасности и количество опасных веществ, находящихся в производственном процессе и в эмиссиях;

- возможный экологический вред от эмиссий загрязняющих веществ, связанный с их опасностью и скоростью распространения;

- географические особенности расположения предприятия;

- риск превышения установленных нормативов эмиссий.

Предлагаемый способ организации ПЭК

Учитывая существующие стандарты, рекомендации и современные подходы к решению проблем получения и обработки мониторинговых данных  нами предлагается следующий алгоритм:

В соответствии с «Порядком проведения инвентаризации стационарных источников и выбросов загрязняющих веществ в атмосферный воздух, корректировки ее данных, документирования и хранения данных, полученных в результате проведения таких инвентаризации и корректировки» (утвержден Приказом Минприроды России от 19.11.2021 № 871), более ранней версией документа, утвержденной приказом Минприроды России от 07.08.2018 № 352, а также с учетом постановления Правительства Российской Федерации от 09.12.2020 № 2055 «О предельно допустимых выбросах, временно разрешенных выбросах, предельно допустимых нормативах вредных физических воздействий на атмосферный воздух и разрешениях на выбросы загрязняющих веществ в атмосферный воздух», в качестве исходной информации используются материалы инвентаризации выбросов, формируемые промышленными предприятиями для расчетов рассеивания и определения величин предельно допустимых выбросов (ПДВ), которые используются для создания компьютерных баз данных (БД) в специализированных программах для расчетов рассеивания. Структура баз данных соответствует структуре и форматам БД УПРЗА "Эколог". В обязательном порядке поддерживается вспомогательная информация:

- кодификатор предприятий;

- БД привязок  систем координат предприятия к городской;

- кодификатор примесей, с указанием санитарно-гигиенических нормативов (ПДК, ОБУВ).

На карте-схеме отображаются промышленные площадки, границы санитарно-защитных зон, селитебные территории и прочие объекты, важные с точки зрения организации мониторинга. Основным условием является атрибутивная дифференциация этих объектов (или разнесение объектов разного типа в разные объектные слои). Выполняются расчеты рассеивания с последующим отображением результатов и получением карт загрязнения территории. Расчетная сетка должна охватывать всю изучаемую территорию (город, район, участок и пр.).

Плотность сетки расчетных точек (шаг расчетов по оси Х и оси У) определяется в соответствии с положениями «Методов расчетов рассеивания выбросов вредных (загрязняющих) веществ в атмосферном воздухе» (утверждены приказом Минприроды России от 6 июня 2017 года № 273). Расчетную сетку наносят на векторную карту территории.

В формируемой  базе данных каждая точка расчетной сетки характеризуется совокупностью концентраций N ингредиентов. База данных представляет  собой матрицу, построенную на базе выходных файлов результатов расчета.

Матрица формируется:

- с учетом всей совокупности имеющихся результатов расчетов (при этом в матрицу попадают значения приземных концентраций всех примесей, по которым были проведены расчеты);

- с использованием экспертных оценок (в матрицу попадают только те примеси, концентрации которых отвечают экспертным требованиям: например, например превышающие уровень приемлемого риска).

Таким образом, расчет концентраций компонентов выбросов программой УПРЗА «Эколог» реализуется с учетом мощности выбросов, токсичности примесей, местоположения источников выбросов, факторов распространения эмиссий (параметры источников выбросов и метеорологические параметры рассеивания).

На следующем этапе проводится нейросетевая адаптация рассчитанных концентраций с целью повышения адекватности результатов расчетов.

Для оценки приемлемости полученных расчетных значений концентраций необходимо сравнить их с пороговыми значениями. Пороговые концентрации в приземном слое  атмосферного воздуха должны определяться с учетом приоритетов ингаляционных опасностей, которым может подвергаться население. Как правило, в качестве таких пороговых величин используются специально разработанные нормативы (максимальные допустимые уровни, предельно-допустимые концентрации и т.д.). Особый интерес, в рамках исследований последствий загрязнения окружающей среды на здоровье населения, представляют так называемые референтные величины [ 87], базирующиеся на концепции минимально допустимой концентрации (дозы), безопасной для здоровья населения в целом на популяционном уровне в течение продолжительного времени [ 88] Поэтому в данном исследовании в качестве пороговых, при оценке хронического ингаляционного воздействия,  принимаются референтные концентрации.

Основными, наиболее теоретически обоснованными подходами оценки уровня загрязнения атмосферного воздуха,  широко используемыми при оценке риска здоровью населения в результате загрязнения окружающей среды, являются расчеты отношений измеренных значений тех или иных факторов риска (например, концентраций загрязняющих веществ) к их пороговым значениям, то есть таким величинам, при которых неблагоприятное воздействие фактора отсутствует, либо пренебрежимо мало.

Расчет отношения фактических концентраций к их референтным значениям позволяют определить коэффициент опасности (HQ):

HQ = C/RfC                                             (1.)

где:

С - фактическая концентрация, мг/м³;

RfC - референтная (безопасная) концентрация при хроническом ингаляционном воздействии, мг/м³.

При этом предполагается, что если рассчитанный коэффициент опасности (HQ) конкретного вещества не превышает единицы, то и вероятность развития у человека вредных эффектов при ежедневном поступлении вещества в заданной концентрации (дозе) несущественна и такое воздействие характеризуется как допустимое.

Для оценки опасности ряда веществ, при условии их одномоментного поступления одним и тем же путем, используют индекс опасности, определяемый суммированием коэффициентов опасности отдельных примесей:

HI = ΣHQi,                                                         (2.)

где HQi - коэффициенты опасности для отдельных компонентов смеси воздействующих веществ.

В связи с этим обстоятельством, целесообразно совмещать расчет HQ в конкретных точках отбора проб воздуха с вероятностью обнаружения высоких концентраций примесей в той или иной точке. Такой показатель мы называем вероятностным коэффициентом опасности (pHQ) и он является произведением доли "опасной" концентрации на вероятность ее обнаружения в заданной точке:

,                                              (3.)

где HQ_i - коэффициент опасности i-го вещества, P - вероятность того, что в кластере k, к которому относится данная точка, HQ_i этого вещества, будет больше 1.

Вероятностный критерий опасности основан на показателе HQ, используемом при расчете риска здоровью, в том числе и при аэрогенном воздействии в ходе поступления загрязняющих веществ с вдыхаемым воздухом, однако обладает значительно более высокой информативностью, так как объединяет собой два основных подхода для установления  порогов воздействия:

- статистический, который оценивает вариации, динамику и распределение концентраций ЗВ;

- биологический, который исходит из возможности неблагоприятного эффекта на биологические объекты (организмы, ткани, системы) тех или иных концентраций ЗВ.

Универсальность подхода состоит в том, что для абсолютно любого показателя, характеризующего воздействие на целевой объект, можно рассчитать его относительную интенсивность используя вариационные характеристики распределения значений этого показателя в ряду его наблюдений, позволяющие определить вариационный порог - медиану, квартильный размах и т.д. то есть, такое статистически оправданное значение, которое обозначает меру изменчивости этого показателя. Критерием опасности является вероятность превышения этого порога. При этом, как уже отмечалось ранее, для оценки концентраций примесей можно использовать значения HQ, порогом для расчета которого являются референтные значения.

Данный подход соответствует требованиям оценки риска, поскольку позволяет оценивать опасность, как характеристику нарастания вероятности неблагоприятного исхода.

При расчете вероятностного критерия опасности оценивается соотношение апостериорной и априорной вероятностей, учитывающих вероятность рискового события (вероятность превышения порога) в конкретной области пространства, относительно информации о том, насколько часто это событие происходило во всех областях пространства.

Алгоритм определения такой вероятности выглядит следующим образом:

D - событие, состоящее в том, что мы рассматриваем полную совокупность кортежей экспериментально измеренных показателей по всей территории. По условию задачи

D_i - событие, состоящее в том, что мы рассматриваем совокупность кортежей экспериментально измеренных показателей внутри заданной зоны i.

S- событие, состоящее в том, что при рассмотрении обнаружено превышение допустимого порогового значения хотя бы по одному показателю хотя бы в одном кортеже данных.

Вероятность события Sможно рассчитать как полную вероятность по формуле:

Будем считать, что мы исследуем полную совокупность данных, то есть P(D)=1.

Тогда события D_i образуют полную группу:

В силу (4), для расчета апостериорной вероятности обнаружения превышения порога при рассмотрении конкретной зоны i можно применить формулу Байеса:

Заметим, что в силу (3.4.) и (3.5.):

Здесь p(S/D_i) – априорная вероятность того, что если превышение произошло, то это случилось в зоне D_i.

Рассчитаем вероятность p(D_i) при помощи классической формулы (3.6) определения вероятности как отношение условных мощностей множеств Di и всего рассматриваемого набора D:

Здесь в качестве n_i может выступать количество кортежей данных в зоне D_i, а N – общее количество кортежей измеренных данных. Либо в качестве n_iможно принимать площадь территории области D_i, тогда N- вся площадь исследуемого района, и т.п.

В результате, мы можем рассчитать вероятности превышения концентраций примесей их пороговых концентраций в пределах разных кластеров, а в качестве обобщающего показателя мы предлагаем использовать вероятность превышения порога хотя бы по одному из оцениваемых параметров.

Для обобщения вероятностей, в зависимости от конкретной задачи, можно использовать как теорему умножения вероятностей для независимых событий, так и теорему сложения вероятностей для совместных событий.

Таким образом, вероятностный критерий опасности учитывает вероятности превышения примесями их пороговых концентраций в пределах разных кластеров.

Показатель хорошо вписывается в программу ПЭК, так как можно задавать желательные, приемлемые и неприемлемые его градации.

Важным достоинством этого показателя является его устойчивость к различию числа наблюдений случаев превышения референтных величин (HQ>1), что делает его более гибким и объективным при сравнительных оценках коэффициента опасности, рассчитанного для разных участков исследования, что является важнейшей задачей при управлении риском. Значения pHQ агрегируют информацию о доле «опасной» концентрации и частоте превышения референтных значений, являясь показателем наиболее полно отражающим риск неблагоприятного воздействия загрязняющих веществ на здоровье населения.

Теоретически, его значения можно ограничить пределами от 0 до 1, указывающими в первом случае на полное отсутствие опасности (например, в случаях не обнаружения примеси в пробе или отсутствия хотя бы одного превышения за весь период наблюдения), а во втором случае, на однозначно неблагоприятный эффект (например, в случае превышения референтных значений во всех пробах). То есть, своеобразным порогом низкой и высокой опасности можно считать значение pHQ=0,5. На практике, бывает полезным использование безразмерных коэффициентов, не ограниченных верхним пределом. В этом случае, эксперту предоставляется дополнительная информация о кратности негативного воздействия, что бывает необходимо при ранжировании опасностей. Кроме того, можно рассчитать обобщенные значения pHQ_об, которые являются вероятностью того, что случайно взятый образец будет относиться к данной точке и хотя бы по одной из рассмотренных примесей будет наблюдаться превышение референтных значений. По значениям pHQ ранжируются примеси и выстраиваются по приоритетности контроля в рамках программы ПЭК.

Выбор точек пробоотбора атмосферного воздуха в рамках ПЭК

Значения адаптированных расчетных концентраций с территориальной привязкой  подвергаются нейросетевому кластерному анализу. В результате анализа получают кластеры - группы точек на территории, которые характеризуются однородными концентрациями загрязняющих компонентов.

Исходные предпосылки для выбора точки:

- точка контроля должна гарантированно характеризовать определенную зону загрязнения;

- зона загрязнения определяется по результатам расчетов рассеивания примесей в атмосфере и последующего анализа;

- точка контроля в границах определенной зоны характеризует уровень воздействия на население;

- определяется по результатам  расчетной оценки вкладов в загрязнение наиболее значимых источников.

 Для получения сравнительных оценок и выделения наиболее нагруженных зон кластеры ранжируют по уровню потенциального воздействия.

Если таких кластеров несколько, внутри группы S1 ранжируют кластеры по индексам в зависимости от степени превышения порога.

Ранжирование кластеров выполняется от наименее опасного по уровню потенциального воздействия (ранг = 1) к наиболее опасному (ранг = L, где L - число кластеров). На базе выполненного кластерного анализа и последующего ранжирования в кластерах, характеризовавшихся наибольшими концентрациями загрязняющих веществ, определяют точки контроля.

На первой стадии определяют репрезентативные участки для организации мониторинга. Участки определяются с учетом следующих показателей:

- ранг кластера (чем выше ранг кластера, тем важнее расположение в нем зоны и точки контроля);

- репрезентативность для территории в целом (репрезентативность определяется размерами кластера: чем больше узлов расчетной сетки относится к данному кластеру, тем более репрезентативна точка мониторинга);

- специфика территории;

- результаты рекогносцировочных натурных наблюдений (приоритет имеют участки более высокого загрязнения, выделенные на основе натурных данных).

Апробация алгоритма формирования программы ПЭК

Апробация алгоритма осуществлялась на примере Нижнекамского промышленного узла (НПУ). В соответствии с описанным выше подходом, расчетные точки были выбраны на границе единой СЗЗ НПУ (20 расчетных точек с шагом около 2 км), а также на границах жилых зон окружающих НПУ населенных пунктов (15 расчетных точек) (рис. 3.1).

По результатам проведенных расчетов сформирован массив максимальных разовых концентраций в 35 расчетных точках, характеризующих воздействие выбросов НПУ на окружающие селитебные территории. Полученные данные (35 наборов) подверглись кластеризации по принципу нейросетевой каскадной кластеризации в условиях пространственной и временной неопределенности.

В указанных расчетных точках, на основе сводной базы данных параметров выбросов г. Нижнекамск. Расчеты выполнялись в соответствии с положениями «Методов расчетов рассеивания выбросов вредных (загрязняющих) веществ в атмосферном воздухе» (утверждены приказом Минприроды России от 6 июня 2017 года № 273). Для проведения расчетов использовалась Унифицированная программа расчетов загрязнения атмосферы (УПРЗА) «Эколог-Город 4.60» (ООО «Фирма «Интеграл», г. Санкт-Петербург) .

С учетом необходимости охарактеризовать воздействие источников выбросов на селитебные территории г.Нижнекамск для проведения расчетов был сформирован непериодический набор расчетных точек, привязанный к местам локализации детского населения (детские сады и школы). Экспликация расчетных точек приведена в табл. 1.

Таблица 1

Опорный набор расчетных точек в местах расположения объектов локализации детского населения в г.Нижнекамск

На втором этапе исследования для каждой выделенной примеси были рассчитаны коэффициенты опасности (HQ), представляющие собой отношения фактических и референтных концентраций этих веществ. Сложением коэффициентов опасности всех примесей, для каждой расчетной точки были получены индексы опасности (IHQ).

Следует отметить, что коэффициенты и индексы опасности отражают лишь наличие токсического эффекта, но не являются показателем вероятности его проявления в заданных условиях, поэтому для полноценного использования показателя HQ необходима оценка не только фактической концентрации, но и ее математического ожидания. Расчет коэффициентов и индексов опасности сам по себе не способен указать на случайность или закономерность наблюдаемых величин концентраций примесей, по которым рассчитан в заданной точке.

В Таблице 2 представлены рассчитанные значения индексов опасности, вероятностей того, что в данной контрольной точке будет отмечено превышение референтных значений хотя бы по одному веществу, а также рассчитанные для каждой контрольной точки значения вероятностного коэффициента опасности. Суммарный вероятностный коэффициент опасности, рассчитанный для контрольной точки в целом, является безразмерной величиной, не ограниченной верхним пределом, что бывает необходимо при ранжировании опасностей, как при сопоставлении разных точек друг с другом, так и при сравнении групп точек, характеризующих некие выделенные кластеры или локации.

Таблица 2

Индексы опасности и суммарные вероятностные коэффициенты, рассчитанные для контрольных точек по всей совокупности примесей

Загрязняющие вещества, включенные в оценочный перечень, могут быть в свою очередь ранжированы по величине суммарных значений HQ для определения наиболее приоритетных загрязнителей. В таблице 3 приведены рассчитанные суммы значений HQ, которые можно представить в виде ранга того или иного загрязняющего вещества в восходящем ряду приоритетности. Так, по результатам нашего исследования наиболее приоритетными загрязняющими веществами для рассмотренной матрицы контрольных точек г. Нижнекамска являются: соединения марганца (HQ_с=535,4), оксид алюминия (HQ_с=158,0), диоксиды азота (HQ_с=110,6) и серы (HQ_с=68,2), а также сероводород (HQ_с=33,0).

Таблица 3

Ранжированный ряд приоритетных загрязнителей и соответствующие им суммарные коэффициенты опасности

Методика определения необходимости дополнительных исследований для отдельных  участков территории.

В качестве основного метода выделения групп точек (участков территории) с одинаковой потребностью в дополнительном мониторинге загрязнения атмосферного воздуха для формирования программы производственного экологического контроля предлагается использовать кластерный анализ.

Так как загрязнение атмосферы обладает пространственно-временной неопределенностью (суть понятия раскрывается в Главе 2), в качестве кластеризующих алгоритмов необходимо разработать специальные методики, отражающие такую неопределенность. В соответствии с представленными рекомендациями по выбору и модификации алгоритма кластеризации в условиях пространственно-временной неопределенности, в качестве  алгоритма выделения однородных групп данных для территорий  по степени загрязнения атмосферного воздуха отобран алгоритм нечеткой кластеризации ST-DBSCAN с модификацией.   

Однако «прямое» применение кластеризации, в том числе пространственно-временной, не может гарантировать желаемое качество группировки данных. В связи с этим для обеспечения заданной точности предлагается следующий

Метод последовательной бинарной кластеризации данных с экспертным оцениванием.

Метод состоит в последовательном итерационном применении выбранного алгоритма кластеризации к исходным данным и выделенным в ходе кластеризации группам.

• На первом шаге итерации все множество данных кластеризуется на два кластера. Число, равное двум, выбирается как минимально возможное для разбиения.
  • Затем данные в каждой группе должны быть подвергнуты анализу на предмет однородности, или плотности. Это может быть как математический анализ при помощи статистических методов, так и экспертный. В случае кластеризации данных о загрязнении атмосферного воздуха предпочтение следует отдавать именно экспертным методам, так как в условиях неопределенности эксперты более адекватно способны оценить качество (плотность) данных в каждой группе с точки зрения предметной области.
  • В результате из двух выделенных кластеров будут отобраны те, которые обладают достаточной степенью однородности (плотности) данных, и те, которые данным свойством не обладают. Тот (те) кластер, который не удовлетворяет свойствам однородности, передается на второй итерационный шаг расчетов.
• На втором шаге итерации повторяются процедуры первого шага для групп данных, переданных с предыдущего итерационного шага.
• Процесс продолжается до тех пор, пока все выделенные группы данных не будут обладать свойством однородности, степень выраженности которого определяется экспертно.

Графически процесс бинарной кластеризации на основе экспертного оценивания представляет Рис. 1

Рис. 1. Формальная схема итерационного процесса бинарной кластеризации на базе экспертного оценивания степени однородности кластеров

В результате будет получен набор однородных групп-кластеров, которые будут представлять собой совокупность терминальных вершин построенного бинарного дерева. Каждая такая вершина однозначно (в силу своей однородности) оценивается экспертами по степени опасности состояния атмосферного воздуха. Полученные степени опасности ранжируются. Каждому рангу сопоставляется свой набор необходимых природоохранных мероприятий и указанием необходимости проведения специального дополнительного мониторинга в рамках разработанной программы ПЭК.

Соответственно полученному разбиению набора контрольных точек, был проведен покластерный анализ вероятностных коэффициентов опасности и рассчитаны вероятности того, что в том или ином кластере будет отмечено максимально возможная (из зафиксированных) кратность превышения порогового значения любого из веществ (Таблица 4).

Таблица 4

Средневзвешенные значения вероятностных коэффициентов опасности и вероятности максимальной кратности
превышения порога, рассчитанные для разных кластеров

Особый интерес представляют суммарные коэффициенты опасности, рассчитанные для выделенных кластеров (Таблица 5). В связи с тем, что точки в разных кластерах распределены не равномерно и выборки имеют разную длину, полученные по кластерам коэффициенты опасности отдельных веществ были нормализованы, т.е. приведены к единой размерности отношением к сумме коэффициентов всех веществ по каждому кластеру:

                                        (7)

Где  коэффициент опасности вещества в данном кластере,  сумма коэффициентов опасности всех веществ в этом кластере, P - вероятность обнаружения максимальной кратности превышения порога хотя бы по одному веществу в любой произвольно взятой контрольной точке данного кластера. То есть, была рассчитана вероятностная характеристика опасности каждого вещества.

Таблица 5

Ранжированный ряд приоритетных загрязнителей и соответствующие им относительные коэффициенты опасности,
рассчитанные для выделенных кластеров

Анализ данных, приведенных в Таблице 5 позволяет отметить, что приоритетными загрязняющими веществами во всех кластерах является один и тот же набор примесей: соединения марганца, оксид алюминия, диоксиды азота и серы, сероводород и бензол. Для этих соединений отмечена наиболее высокая вероятность обнаружения максимальных концентраций. Вместе с этим, при сравнительной оценке между кластерами относительных коэффициентов опасности можно отметить, что если наибольшие превышения пороговых значений по соединениям марганца вероятнее всего будут отмечены в кластере B, то наибольшая степень превышения по оксиду алюминия вероятнее всего будет наблюдаться в точках, относящихся к кластеру C, а по сероводороду – в кластере A, при этом для кластера C высокие значения сероводорода не характерны. Можно сделать однозначный вывод о составе перечня приоритетных примесей, в который мы предлагаем включить соединения марганца, алюминия, диоксиды азота, серы, сероводород и бензол.

Таим образом, в рамках формирования программы производственного экологического контроля предлагается:

Таблица 8

Оценка  значимости выделенных зон для проведения дополнительных исследований

Здесь *W - число узлов расчетной сетки, относящихся к данному кластеру.