Вероятностный подход к оценке характеристик состояния экосистем по показателям нереализованных возможностей

Автор: Зибров Птр Фдорович

Журнал: Известия Самарского научного центра Российской академии наук @izvestiya-ssc

Рубрика: Экология

Статья в выпуске: 1-6 т.16, 2014 года.

Бесплатный доступ

Рассматриваются прогнозирование динамических изменений состояния экосистем и вероятностный подход к оценке характеристик их состояния по показателям нереализованных возможностей.

Экосистема, состояние, характеристики, вероятностный подход

Короткий адрес: https://sciup.org/148203024

IDR: 148203024

Текст научной статьи Вероятностный подход к оценке характеристик состояния экосистем по показателям нереализованных возможностей

стных математических образов и отношений между ними, не противоречащих результатам опыта; 2) познание и описание математических закономерностей на основе количественно-прогностических отношений. Первое влияет на эффективность хозяйственной и экономической деятельности, второе – позволяет совершенствовать и оптимизировать принципы переработки информации о количественных оценках состояния явлений и процессов.

Успешность решения подавляющего большинства природоохранных задач зависит от наилучшего, наивыгоднейшего способа использования ресурсов и их воздействий на экосистему. Хозяйственная деятельность и природные явления обуславливают распределение и взаимную увязку имеющихся ресурсов, представляющих сырье, оборудование, деньги, рабочую силу, электроэнергию, топливо, материалы и другие факторы воздействия. Оптимальность их влияния определяется естественными ограничениями на потребление ресурсов. Таким образом, при математическом моделировании экологических процессов необходимо выполнить следующие действия:

  • -    уяснить механизм оценки природоохранных технологий и состояния экосистем, сформулировать цель решения экологической задачи методами теории вероятностей и математической статистики;

  • -    оценить экологическую ситуацию и определить составляющие достижения поставленной цели;

  • -    выбрать приоритетные численные показатели для оценки экосистемы;

  • -    построить вероятностно-статистическую математическую модель исследуемого процесса, устанавливающую функциональные зависимости между показателями и результатами;

  • -    осуществить исследование анализируемого объекта с помощью математической модели соответствующим методом;

  • - проверить соответствие полученных результатов решения реально существующим экологическим показателям;

    - использовать полученную модель в планировании экологических мероприятий и прогнос-


    который задается соотношением:


    тических расчетах.

    Следовательно, для повышения эффективно-


    сти управления природоохранными мероприя-


    Сц  — 2 l L , x - m x- )( x , m J

    f ( x 1 , x 2 ,..., x n ) = -------e    ' - 1 j - 1                  , (5)

    ( 2 ^ ) 2


    тиями, на основе количественных оценок состояния экосистем, технических и инженерных объектов требуется адаптация математического


    инструментария к указанному классу задач, в


    здесь | C | - определитель матрицы С , С = || c i, || - матрица, обратная корреляционной матрице


    которых оперируют системами непрерывных или дискретных случайных величин ( X 1 , X 2 ,..., X n ) .

    Числовыми характеристиками для указан-



    ной системы являются:


    • -    n математических ожиданий m , m , ..., m ; x 1 x 2         x n

    • -    n дисперсий D x 1 , D x 2 ,..., D x n ;

    • -    n ( n 1) корреляционных моментов K i, , где i ^ j = 1, 2,..., n .

    Корреляционные моменты характеризуют попарную корреляцию всех величин, входящих в систему и имеют вид:


    Элементы матрицы c


    ij


    = (_ 1) i * > M2L

    ( )     K I


    K – определитель корреляционной матрицы, а


    М: ij


    – миноры этого определителя, причем



    K ij = M XX

    X - = X m X. = X , m j . (1)


    =J

    K


    Следует отметить, что дисперсия каждой из случайных величин X i есть частный случай корреляционного момента X i на саму себя, действительно:


    Из выражения (5) в качестве примера можно получить закон нормального распределения плотности случайных величин при n = 2 , то есть на плоскости для ( X , Y ) .

    Корреляционная матрица при этом принимает вид


    D i = K -j = M


    X i 2



    = M X.X.



    K =


    а 2

    x


    Все корреляционные моменты и дисперсии представляют в виде корреляционной матрицы.


    аа r

    x y xy


    аа r 2

    x y xy

    а 2 y J

    .



    K =


    f K

    K 21


    K 12

    K 22


    ...   K 1 n

    ...   K 2 n


    . где K y = Kn . (3)


    ...


    ...


    ... ...


    I K 1


    K n 2


    ... Knn J


    Обычно вместо этой матрицы составляют нормированную матрицу из коэффициентов кор-


    реляции.


    r 11     r 12

    r 21     r 22


    .


    .


    .


    r 1 n )


    .


    .


    .


    r

    2 n


    .


    .


    .


    ...


    , где r j


    K

    j

    , причем


    rr

    n 1 n 2

    r, = r,, = ... = r = 1.                          (4)

    11       22                 nn

    Если система непрерывных случайных величин ( X 1 , X 2 ,..., X n ) характеризует некоторую экосистему в n- мерном пространстве показателей, то она может быть описана нормальным законом распределения плотности вероятности,


    .


    .


    .


    r

    nn


    j


    Отсюда I K I = а> у 2( 1 r2 y Ц


    I С =


    а Or2 ( 1 r 2 ) x y xy


    С =


    I , 1 X а 2 ( 1 r 2 ) x xy

    r xy аа ( 1 r 2 ) \ x y X xy /


    а

    y

    r 2 xy


    . (7)


    Подстановкой элементов определителя матрицы С в (5), получают выражение для нормального закона на плоскости.


    f ( x , y ) =


    2 ^аа Л/1 rr x y xy

    1 [ ( x mx!


    2 r x, ( x m x ) ( y - m y ) ( y m y ) 2 а . а ,     +  °y



    Из соотношения (8) следует, что нормальный закон на плоскости зависит от пяти параметров, имеющих следующий вероятностный смысл:

    - m , m – математические ожидания; xy

    - а x , а y - средние квадратичные отклонения;

    - r xy – коэффициент корреляции величин X и Y.


    r xy


    K xy

    а а '

    xy



    Коэффициент корреляции обращается в ноль для независимых случайных величин. Если коэффициент r xy не равен нулю, то случайные величины являются не коррелированными.

    Если r xy ^ 0 , то случайные величины ( Х, Y) зависимы и условные законы распределения


    ^ 2,0 = M


    X 2


    Y 0



    ^ 0,2 = M


    X 0 Y 2


    = M X 2


    = M Y 2


    = D [ X ] , (18)


    = D [ y ] . (19)


плотности вероятности принимают вид f (У / x) и f (x / У):

, x                          _ 1___fy- my - x- mx f ну/х\ = fxJ =______1_____t.t "y rxy " J

f(y / x) f( x) " г ^e              , y xy f (, / y)= Йы)= f2 ( у )

1 I x - m ,      x - m y )

IГ I e 2(1-rxy) t "x     y  "у

"x V1 - ^У ^

Это условные плотности вероятности

(11) нор-

мального закона с центрами рассеивания my /x = my + rxy ~ (x - mx ),(12)

"x mx / y = mx + rxy ” (У - my ) .(13)

"

и средними квадратичными отклонениями

"y / x = "y V(1 - r. ) ,

"x / y = "x (1 - rxy ) .

В работе [1] подробно изложен механизм вероятностной характеристики распределения дискретных величин для оценки результативности природоохранных мероприятий согласно различных технологий и состояния экосистем по показателям нереализованных возможностей на примере одномерного случая.

Когда имеет место система двух случайных величин, то первые начальные моменты являются математическими ожиданиями величин X и Y системы, то есть mx = «10 = M [X 1Y0 ] = M [X ],    (16)

m y = « 01 = M [ X 0 Y 1 ] = M [ Y ] .     (17)

Совокупность математических ожиданий m x и my представляет характеристику положения системы. Геометрически это координаты точки на плоскости, вокруг которой рассеяны значения системы (Х, Y). Два вторых центральных момента системы представляют дисперсии величин Х и Y и характеризуют рассеивание случайных точек в направлении осей Ox, Oy .

Второй смешанный центральный момент имеет специальное обозначение

^ ;, = K y = M XY = M [ ( X - m x ) - ( y - m y ) ] .(20)

y

и представляет корреляцию между случайных величин Х , Y.

Для дискретных и непрерывных случайных величин корреляционный момент выражают соответственно формулами

Kxy = ZZ (x.- mx ) • (У, - my ) • Pj , ij

Kxy = J J ( x - mx )( У - m y ) f ( x , У ) dxdy. (21 )

-TO

Он наряду с рассеиванием величин Х и Y характеризует связь между ними и независимых случайных величин равен нулю, то есть K = 0. xy

Если K xy # 0 , то между случайными величинами есть вероятностная зависимость.

Для характеристики нереализованности оптимальных показателей состояния экосистемы используем величину d

S k = ( X k - Z k ) ,           (22)

где X k – случайная величина, Z k – регламентированное значение для оптимального состояния системы, к = 1 , 2 ,...,n .

В этом случае начальный момент первого порядка показателя S k принимает вид для дискретных и непрерывных случайных величин n

« 1 (S k ) = Z ( x k - Z k ) pi t ;      (23)

I =1

J

« 1 ( S t ) = J ( x - Z t ) f t ( x ) dx .     (24)

-J

Второй вариационный момент, характеризующий разброс значений статистических параметров относительно Z k

n

М 2 ( S t ) = Z ( x . - Z t ) 2 P k ;      (25)

=1

J

М 2 (S t ) = J ( x - Z t ) 2 f t ( x ) dx . (26)

-

Здесь ptk - вероятность P ( X k = x k ) = P k . fk ( X ) — распределение плотности вероятности случайной величины X k .

Для системы двух случайных величин (X, Y) с показателями оптимальности (Z,, Z , ) указанные характеристики принимают вид nn

« 10 (5х ) = S ( X - Z x Р> « 01 5 ) = S ( У - Z y ) Р . i = 1 j = 1

где « < 5, < ^. Г ^ 5, < V.

Аналогично, вероятность попадания значений системы ( 5 , , 5 , ) в эллипс рассеивания B t .

отношение полуосей которого t =

«, 5)

«у 5 )

, равна

t 2

Р 5 , , 5 , )с B, ) = 1 e к.      (29)

то                                                        то

« 10 ( 5 x ) = J ( , - Z x ) f . ( , ) dx , « 20 ( 5 У ) = J ( У - Z, f 2 ( У ) dy .

—то                                           —то

n n                       nn

« 20 ( 5 , ) = SS ( X Z , ) 2 P j , Л( 5 , ) = SS , Z y ) 2 Р..

- = 1 j = 1                                                  i = 1 j = 1

« 11 ( 5 ,y ) = K ( 5 ,y ) = S S ( x - Z , ) ( У j Z y Р .

i = 1 j = 1

то то

« 1 1 ( 5 ) = K ,y ( 5 ) = J J ( , Z , ) ( У Z y I f ( , , У ) d,dУ .

—то—то

Здесь Р , = P ( X = , 1 , Y = y j ) . f ( , , у ) -функция распределения плотности вероятности системы непрерывных случайных величин.

В дальнейшем после перехода от системы двух случайных величин ( X , Y ) к системе ( 5 , , 5 у ) . для которой справедлив нормальный закон распределения на плоскости, можно рассчитать вероятность оптимального функционирования системы в заданной области D изменения параметров ( X , Y )

Если , = 1 . когда эллипс рассеивания вырождается в круг и случайные величины 5 , , 5 y не

1 коррелированны Р (( 5 , , 5 , ) с B 1 ) = 1 e 2 = 0 , 393 , при , = 2 Р (( 5 , , 5 , ) с B 2 ) = 0 , 865 . .

Таким образом, соотношения (28) и (29) позволяют на практике получать вероятностные количественные характеристики оценки приближения исследуемой системы к оптимальному состоянию.

Р((5,,5y)с D)= JJ f (5,5y)d5,d5y =

D

2.ка^т

JJ‘

D

( 5 , « 0 ) 2 2 Г , ( 5 , « 0 ) ( 5 , « 02 ) ( 5 , « 02 ) 2 dxdy

^           «, « 2       +      « 2

II---- г ~ «11

где: «1 = «21м ; «2 = л/«02 ; r12 “ « « •

Конечный количественный результат опре-

деляется заданной областью D, в которой изменяются составляющие системы ( 5 , , 5 y ) .

Например, для прямоугольной области D со

сторонами, параллельными координатным осям и нормальном законе распределения системы ( 5 , , 5 , ) вероятность

Р (( 5 , 5 , ) с D )=

(

ф

V

ф

(5 ,

m5, x

« ,

5^х)

ф

( 5« — m5,

I «, ^’х )

5 ms

Y 5 ,

«У 5 )

( 5v — m5, )

V ,\ ,/ 7

Список литературы Вероятностный подход к оценке характеристик состояния экосистем по показателям нереализованных возможностей

  • Васильев А.В. Обеспечение экологической безопасности в условиях городского округа Тольятти: учебное пособие/А.В. Васильев -Самара: Изд-во Самарского научного центра РАН, 2012. -201 с., ил.
  • Васильев А.В. Физические факторы среды обитания. Учебное пособие по курсу "Общая экология"/Тольятти, 2002. 60 с.
  • Васильев А.В. Терроризм как угроза экологической безопасности. Вестник Волжского университета им. В.Н. Татищева. 2002. № 2 (ecology). С. 190-193.
  • Васильев А.В., Васильева Л.А. К вопросу о системном обеспечении экологической безопасности в условиях современного города. Известия Самарского научного центра Российской академии наук. 2003. Т. 5. № 2. С. 363-368.
  • Васильев А.В., Васильева Л.А. Основы кластерного подхода. Кластер вторичных ресурсов Самарской области. В сборнике: ELPIT-2013. Экология и безопасность жизнедеятельности промышленно-транспортных комплексов. Сборник трудов IV международного экологического конгресса (VI Международной научно-технической конференции. Научный редактор: А.В. Васильев. 2013. С. 34-40.
  • Васильев А.В., Терещенко И.О., Терещенко Ю.П., Заболотских В.В. Программное обеспечение для комплексной оценки экологического риска урбанизированных территорий. В сборнике: Стратегическое планирование развития городов России. Памяти первого ректора ТГУ С.Ф. Жилкина. Сборник материалов III Международной заочной научно-практической конференции. Ответственный редактор: Д.В. Антипов. 2013. С. 71-74.
  • Зибров П.Ф. Механизм вероятностной оценки природоохранных технологий и состояние экосистем по показателям нереализованных возможностей. Сб.трудов первого международного экологического конгресса «Экология и безопасность жизнедеятельности промышленно-транспортных комплексов» ELPIT, Тольятти, 2007.
  • Зибров П.Ф., Васильев А.В., Чернов Н.С. Физическое и математическое моделирование теплообменных процессов в механических системах. Тольятти, 2013.
  • Зибров П.Ф., Зиброва О.Г., Зибров А.П. Моделирование объектов и процессов формирования систем управления промышленным предприятием. Материалы IX Международной научно-практической конференции «Татищевские чтения: актуальные проблемы науки и практики», Тольятти, 2012.
  • Зибров П.Ф., Зиброва О.Г. Концепция формирования экономического образа мышления студентов ВУЗов. Тольятти, ТГУ, 2003, 138 с.
  • Жилкин С.Ф., Зибров П.Ф., Дадашев Д.А. Вероятностная оценка экономической эффективности конкурсных закупок. Экономика и производство, №2, 2004 г., с.24-28.
Еще
Статья научная