Аннотації
07.03.2019
Розглянуто формалізацію моніторингу стану навколишнього середовища. Задача розглядається в двох постановках: точковій і на площині. Виділено основні етапи: збирання даних про історію стану спостереження за поточним станом та прогнозування стану забруднення навколишнього середовища в майбутньому. Запропоновано підходи та необхідні вимоги щодо технічних засобів на кожному із етапів. Аналіз часових рядів забрудників повітря та дослідження їх трендової, сезонної і випадкової складових обґрунтовує класифікацію їх на: речовини з ярко вираженою сезонною складовою, речовини із вираженим трендом та випадкові величини. Відповідно до цієї формалізації запропонована структура – це інформаційна система моніторингу стану навколишнього середовища. Інформаційна система включає такі підсистеми: збирання інформації про стан навколишнього середовища, збереження та накопичення даних, прогнозування стану навколишнього середовища та підсистема взаємодії із користувачем.
The paper considers the formalization of monitoring the state of the environment. The problem is considered in two statements: point and plane. The main stages have been highlighted: Collection of data on state history, monitoring of the current state and forecasting the state of environmental pollution in the future. Approaches and necessary requirements for technical means at each stage are offered. The analysis of the time series of air pollutants and the study of their trend, seasonal and random components justifies their classification of: substances with a pronounced seasonal component, substances with a pronounced trend and random variables. In accordance with this formalization, an information system for monitoring the state of the environment is proposed. The information system includes the following subsystems: collection of information on the state of the environment. data storage and accumulation, environmental forecasting and user interaction subsystem.
- Government expenditure on environmental protection. (2019). Eurostat: Statistics Explained. Retrieved from https://ec.europa.eu/eurostat/statistics-explained/index.php/Government_expenditure_on_environmental_protection
- Yuanfang, He & Vatskel, Igor. (2019). Problem of evaluation of pollution of the environment. Management of development of complex systems, 37, 168–172.
- Kukkonen, J., Partanen, L., Karppinen, A., Ruuskanen, J., Junninen, H., Kolehmainen, M. & et al. (2003). Extensive evaluation of neural network models for the prediction of no 2 and pm 10 concentrations, compared with a deterministic modelling system and measurements in central helsinki. Atmos Environ, 37(32):4539–550. doi: 10.1016/S1352-2310(03)00583-1
- Kuchansky, A., Biloshchytskyi, A., Andrashko, Yu., Vatskel, V., Biloshchytska, S., Danchenko, O. & et al. (2018). Combined models for forecasting the air pollution level in infocommunication systems for the environment state monitoring. 2018 IEEE 4th International Symposium on Wireless Systems within the International Conferences on Intelligent Data Acquisition and Advanced Computing Systems (IDAACS-SWS). Lviv, 125–130. DOI: 10.1109/IDAACS-SWS.2018.8525608
- Kwon,Jong-Won, Park,Yong-Man, Koo, Sang-Jun & Kim, Hiesik. (2007). Design of air pollution monitoring wystem using ZigBee networks for ubiquitous-city. 2007 International Conference on Convergence Information Technology, 1024-1031.
- Vasim, K., Ustad, A., Mali, S. & Kibile, Suhas S. (2014). Zigbee based wireless air pollution monitoring system using low cost and energy efficient sensors. International Journal of Engineering Trends and Technology, 10/4, 456-460.
- Panchenko, A.A. (2018). Forecating the level of air pollution of the city with the development of chemical and petrochemical industry (on the example of sterlitamak of the republic of Bashkortostan). Extended abstract of candidate’s thesis. Ufa.
- Kolehmainen, M., Martikainen, H., & Ruuskanen, J. (2001). Neural networks and periodic components used in air quality forecasting. Atmos Environ, 35(5):815–25. doi: 10.1016/S1352-2310(00)00385
- Beckerman, BS., Jerrett, M., Martin, R.V., van Donkelaar, A., Ross, Z. & Burnett, R.T. (2013). Application of the deletion/substitution/addition algorithm to selecting land use regression models for interpolating air pollution measurements in california. Atmospheric Environ, 77:172–7. doi: 10.1016/j.atmosenv.2013.04.024
- Jia, H., Wang, S., Wei, M. & Zhang, Y. (2011). Scenario analysis of water pollution control in the typical peri-urban river using a coupled hydrodynamic-water quality model. Frontiers of Environmental Science & Engineering in China, 5(2), 255–265.
- Liu, B.C., Binaykia, A., Chang, P.C., Tiwari, M.K. & Tsao, C.C. (2017). Urban air quality forecasting based on multi-dimensional collaborative support vector regression (svr): A case study of beijing-tianjin-shijiazhuang. PLOS ONE, 12(7):1–17. [PMC free article] [PubMed]