Инвентаризация источников воздействия на окружающую среду и отходов

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,... а_n)

а₁, а₂,... а_n - 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 х_i i=1,̅n̅

Предположим, что это явление можно описать с помощью Гауссовского случайного процесса, тогда х_i - 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(х_i>m).

В два раза превышать среднее значение Р(х_i>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.