Решение метрологических водно-экологических задач методами нечёткой логики

Для уменьшения количества ошибочных водохозяйственных решений необходимо достаточно строгое метрологическое обеспечение исследований состава и свойств природных вод. Использование при этом стандартных методов требует расширения объёмов гидрологического мониторинга и увеличения точности получаемых данных с целью обеспечения их репрезентативности, включая способность отражать общие тенденции и переносить итоги исследования на более широкий круг объектов. В качестве возможной альтернативы стандартным методам предложено анализировать накопленную измерительную информацию с помощью нечёткой логики. Разработана и апробирована методика применения методов и математического аппарата нечёткой (многозначной) логики для решения метрологических водно-экологических задач на примере оценки качества воды. Методами нечёткой логики исследовано влияние четырёх факторов-причин «Выщелачивание», «Выветривание и осадки», «Антропогенные сбросы», «Самоочищение» на фактор-следствие «Понижение качества воды против фонового» в пятиуровневой шкале Харрингтона, принятой при экспертно-статистическом оценивании. С использованием пакета программных средств MatLab, включающего модуль Fuzzy Logic, получены прогнозы изменения качества воды в зависимости от четырёх факторов. Методика оценки качества природной воды апробирована на конкретном примере настройки нечёткой системы оценки качества воды. Установлено, что риски ошибок хотя существуют, однако они значительно уменьшены путём учёта плохо формализуемой лингвистической информации экспертов-гидрологов. Показана возможность применения методики для априорной оценки вероятных последствий изменения влияющих факторов на снижение качества воды и принятия превентивных мер оптимизации работы системы водопользования.

1. Белоусов Р. А., Назарова А. А., Розенталь О. М. Оценка качества гидрохимической информации с учетом метрологических требований. Аналитика, 13(3), 220–225 (2023). https://doi.org/10.22184/2227-572X.2023.13.3.220.225

2. Рыжова Е. В., Мухутдинов А. А., Рыжов В. В. Обеспечение качества измерений при оценке качества воды. Часть 2. Природные и сточные воды. Вестник Казанского технологического университета, (1), 389–398 (2003). https://elibrary.ru/huyjnl

3. Кузин А. Ю., Крошкин А. Н., Исаев Л. К., Булыгин Ф. В., Войтко В. Д. Практические аспекты применения искусственного интеллекта в метрологии. Измерительная техника, (9), 66–72 (2023). https://doi.org/10.32446/0368-1025it.2023-9-66-72

4. Семенов К. К., Солопченко Г. Н. Теоретические предпосылки реализации метрологического автосопровождения программ обработки результатов измерений. Измерительная техника, (6), 9–14 (2010).

5. Медведевских С. В., Аронов П. М., Кремлева О. Н. О возможности применения методов нечёткой логики (FUZZY LOGIC) при разработке и характеризации стандартных образцов качественных свойств. Тезисы докладов VI Международной научной конференции «Стандартные образцы в измерениях и технологиях», Екатеринбург, 3–6 сентября 2024 г., с. 113–114 (2024).

6. Леоненков А. В. Нечёткое моделирование в среде MATLAB и fuzzyTECH. БХВ-Петербург, Санкт-Петербург (2003).

7. Штовба С. Д. Проектирование нечётких систем средствами MATLAB. Горячая линия – Телеком, Москва (2007).

8. Sahoo B., Lohani A. K., Sahu R. K. Fuzzy multiobjective and linear programming based management models for optimal land-water-crop system planning. Water Resources Management, 20(6), 931–948 (2006). https://doi.org/10.1007/s11269-005-9015-x

9. Sharma A., Udeshi N., Varadan V. Use of fuzzy logic in determining quality of water. International Journal Scientific & Engineering Research, 5(9), 252–259 (2014).

10. Vadiati M., Asghari-Moghaddam M., Nakhaei J., Adamowski A., Akbarzadeh H. A fuzzy-logic based decision-making approach for identification of groundwater quality based on groundwater quality indices. Journal of Environmental Management, 184(2), 255–270 (2016). https://doi.org/10.1016/j.jenvman.2016.09.082

11. Gharibi H., Hossein M. A., Nabizadeh R., Arabalibeik H., Yunesian M., Hossein S. M. A novel approach in water quality assessment based on fuzzy logic. Journal of Environmental Management, 112(15), 87–95 (2012). https://doi.org/10.1016/j.jenvman.2012.07.007

12. Шилоносов А. В. Интеллектуальная измерительная система на основе нейросетевых технологий и нечеткой логики. Вестник Тамбовского государственного технического университета, 28(2), 193–204 (2022). https://doi.org/10.17277/vestnik.2022.02.pp.193-204

13. Рыжaков В. В., Рыжaков М. В., Рыжaков К. В Оценивaние нечеткой информaции нa оcнове уcловных шкaл. Метрология, (8), 3–11 (2009). https://elibrary.ru/mziyff

14. Shruti K., Paresh C.D. A basic review of fuzzy logic applications in hydrology and water resources. Applied Water Science, 10(8), 191–205 (2020). https://doi.org/10.1007/s13201-020-01276-2

15. Никаноров А. М. Научные основы мониторинга качества вод. Гидрометеоиздат, Санкт-Петербург (2005).

16. Данилов-Данильян В. И., Розенталь О. М. Количественная оценка качества природной воды: экспертно-статистический анализ. Доклады Российской академии наук. Науки о Земле, 502(1-2), 68–72 (2022). https://doi.org/10.31857/S2686739722020049

17. Розенталь О. М., Федотов В. Х. Методы нечёткой логики на службе водно-экологических исследований. Экология промышленного производства, (3), 61–67 (2023). https://elibrary.ru/pbhqkc

18. Rosenthal O. M., Fedotov V. Kh. A neuro fuzzy method for hydrochemical data processing in river fl ow analysis. Journal of Analytical Chemistry, 79(11), 1658–1666 (2024). https://doi.org/10.1134/S1061934824701090