Аналіз і прогноз динаміки радіоактивності навколишнього середовища заснований на методах теорія хаосу: Загальна схема і деякі застосування

Автори: О.В. Глушков, О.Р. Губанова, О.Ю. Хецеліус, Г.П. Препелиця, А.А. Свинаренко, Ю.Я. Бунякова, В.В. Буяджи

Рік: 2015

Число: 16

Сторінки: 40-45

Анотація

Ми представляємо новий загальний апарат аналізу, обробки та прогнозування характеристик часових рядів концентрацій забруднюючих речовин для типових гідроекологічних систем, що схематично включає наступні блоки і рівні досліджень: а) загальний якісний аналіз динамічних особливостей завдання еволюції типових гідроекологічних систем (у тому числі, якісний аналіз з погляду звичайних диференціальних рівнянь “, Арнольд-аналіз»); б) перевірку на наявність хаотичних (стохастичних) особливостей, елементів, режимів (тест Готвальда-Мельбурна, метод кореляційної розмірності); в) дослідження фазового простору (вибір часу затримки, визначення простору вкладення методами і алгоритмами кореляційної розмірності і помилкових найближчих сусідніх точках);. г) визначення динамічних інваріантів хаотичної системи (обчислення глобальної розмірності, показників Ляпунова  λα; визначення розмірності Каплана-Йорка dL і середнього межі передбачуваності Prmax на основі вдосконалених алгоритмів;. е) нелінійний аналіз і прогноз (прогнозування) динамічної еволюції систем. Останній блок дійсно включає в себе нові (в динаміці радіоактивного забруднення навколишнього середовища) методи та алгоритми нелінійного прогнозування, такі як методи прогнозованих траєкторій, формалізм випадкових пропагатор, нейромережеві алгоритми, ренорм-аналіз з блоками поліноміальних апроксимацій, вейвлет-розкладів і т.д.

 

Теги: аналіз та прогнозування на основі методів теорії хаосу; динаміка радіоактивного забруднення навколишнього середовища; екологічний стан; забруднюючі речовини; часові ряди концентрацій

Список літератури

  1. Bunyakova Yu.Ya., Glushkov A.V. Analysis and forecast of the impact of anthropogenic factors on air basin of an industrial city. Odessa: Ecology, 2010. 256 p. (In Russian).
  2. Glushkov A.V., Khokhlov V.N., Serbov N.G., Bunyakova Yu.Ya., Balan A.K., Balanyuk E.P. Low-dimensional chaos in the time series of concentrations of pollutants in an atmosphere and hydrosphere. Vìsn. Odes. derž. ekol. unìv. – Bulletin of Odessa state environmental university, 2007, vol. 4, pp.337-348. (In Russian)
  3. Glushkov A.V. Analysis and forecast of the anthropogenic impact on industrial city’s atmosphere based on methods of chaos theory: new general scheme. Ukr. gìdrometeorol. ž. – Ukranian hydrometeorological journal, 2014, no. 15, pp. 32-36.
  4. Khokhlov V.N., Glushkov A.V., Loboda N.S., Bunyakova Yu.Ya. Short-range forecast of atmospheric pollutants using non-linear prediction method. Atmospheric Environment. The Netherlands: Elsevier, 2008, vol.42, pp.7284–7292.
  5. Glushkov A.V., Khokhlov V.N., Prepelitsa G.P., Tsenenko I.A. Temporal variability of the atmosphere ozone content: Effect of North-Atlantic oscillation. Optics of atmosphere and ocean, 2004, vol.14, no.7, pp.219-223.
  6. Glushkov A.V., Loboda N.S., Khokhlov V.N. Using meteorological data for reconstruction of annual runoff series over an ungauged area: Empirical orthogonal functions approach to Moldova-Southwest Ukraine region. Atmospheric Research. Elseiver, 2005, vol.77, pp.100-113.
  7. Glushkov A.V., Kuzakon’ V.M., Khetselius O.Yu., Bunyakova Yu.Ya., Zaichko P.A. Geometry of Chaos: Consistent combined approach to treating chaotic dynamics atmospheric pollutants and its forecasting. Proceedings of International Geometry Center, 2013, vol.6, no.3, pp.6-13.
  8. Glushkov A.V., Rusov V.N., Loboda N.S., Khetselius O.Yu., Khokhlov V.N., Svinarenko A.A., Prepelitsa G.P. On possible genesis of fractal dimensions in the turbulent pulsations of cosmic plasma – galactic-origin rays – turbulent pulsation in planetary atmosphere system. Adv. in Space Research. Elsevier, 2008, vol.42(9), pp.1614-1617.
  9. Glushkov A.V., Loboda N.S., Khokhlov V.N., Lovett L. Using non-decimated wavelet decomposition to analyse time variations of North Atlantic Oscillation, eddy kinetic energy, and Ukrainian precipitation. Journal of Hydrology. Elseiver, 2006, vol.322, no. 1-4, pp.14-24.
  10. Glushkov A.V., Khetselius O.Yu., Brusentseva S.V., Zaichko P.A., Ternovsky V.B. Adv. in Neural Networks, Fuzzy Systems and Artificial Intelligence. Series: Recent Adv. in Computer Engineering. Gdansk: WSEAS, 2014, vol.21, pp.69-75. (Ed.: J. Balicki).
  11. Glushkov A.V., Svinarenko A.A., Buyadzhi V.V., Zaichko P.A., Ternovsky V.B. Adv.in Neural Networks, Fuzzy Systems and Artificial Intelligence, Series: Recent Adv. in Computer Engineering. Gdansk: WSEAS, 2014, vol.21, pp. 143-150 (Ed.: J. Balicki).
  12. Rusov V.D., Glushkov A.V., Vaschenko V.N., Myhalus O.T., Bondartchuk Yu.A. etal. Galactic cosmic rays – clouds effect and bifurcation model of the earth global climate. Part 1. Theory. Journal of Atmospheric and Solar-Terrestrial Physics. Elsevier, 2010, vol.72, pp.498-508.
  13. Sivakumar B. Chaos theory in geophysics: past, present and future. Chaos, Solitons & Fractals, 2004, vol.19, №2, pp.441-462.
  14. Chelani A.B. Predicting chaotic time series of PM10 concentration using artificial neural network. Int. J. Environ. Stud, 2005, vol.62. №2, pp. 181-191.
  15. Gottwald G.A., Melbourne I. A new test for chaos in deterministic systems. Proc. Roy. Soc. London. Ser. A. Mathemat. Phys. Sci., 2004, vol.460, pp.603-611.
  16. Packard N.H., Crutchfield J.P., Farmer J.D., Shaw R.S. Geometry from a time series. Phys. Rev. Lett., 1980, vol.45, pp.712-716.
  17. Kennel M., Brown R., Abarbanel H. Determining embedding dimension for phase-space reconstruction using a geometrical construction. Phys. Rev. A., 1992, vol.45, pp.3403-3411.
  18. Abarbanel H.D.I., Brown R., Sidorowich J.J., Tsimring L.Sh. The analysis of observed chaotic data in physical systems. Rev. Mod. Phys, 1993, vol.65, pp.1331-1392.
  19. Schreiber T. Interdisciplinary application of nonlinear time series methods. Phys. Rep., 1999, vol.308, pp.1-64.
  20. Fraser A.M., Swinney H. Independent coordinates for strange attractors from mutual information. Phys. Rev. A., 1986, vol.33, pp.1134-1140.
  21. Grassberger P., Procaccia I. Measuring the strangeness of strange attractors. Physica D, 1983, vol.9, pp.189-208.
  22. Gallager R.G. Information theory and reliable communication. NY: Wiley, 1968. 608 p.
  23. Mañé R. On the dimensions of the compact invariant sets of certain non-linear maps. Dynamical systems and turbulence, Warwick 1980. Lecture Notes in Mathematics no.898. Berlin: Springer, 1981, pp.230-242. (Eds: D.A. Rand, L.S. Young).
  24. Takens F. Detecting strange attractors in turbulence. Dynamical systems and turbulence, Warwick 1980. Lecture Notes in Mathematics no.898. Berlin: Springer, 1981, pp.366-381. (Eds: D.A. Rand, L.S. Young).
  25. Prepelitsa G.P., Glushkov A.V., Lepikh Ya.I., Buyadzhi V.V., Ternovsky V.B., Zaichko P.A. Chaotic dynamics of non-linear processes in atomic and molecular systems in electromagnetic field and semiconductor and fiber laser devices: new approaches, uniformity and charm of chaos. Sensor Electronics and Microsystems Techn., 2014, vol.11, no.4, pp.43-57.
  26. Hayashi K., Yasuoka Y., Nagahama H. et al. Normal seasonal variations for atmospheric radon concentration: a sinusoidal model. Journ. of Env. Radiact., 2015, vol.139, pp.149-153.
  27. Bossew P., Dubois G., Tollefsen T. Investigations on indoor radon in Austria, part 2: Geological classes as categorical external drift for spatial modelling of the radon potential. J. Environ. Radioact., 2008, vol.99, pp.81-97.
  28. Chambers S., Zahorowski W., Matsumoto K., Uematsu M. Seasonal variability of radonderived fetch regions for Sado Island, Japan, based on 3 years of observations: 2002-2004. Atmos. Environ., 2009, vol.43, pp.271-279.
Завантажити повний текст (PDF)