|
т 4. ЧИСЛЕННЫЕ РАСЧЕТЫ МОДЕЛИРОВАНИЯ И ПРОГНОЗИРОВАНИЯ ПОКАЗАТЕЛЕЙ И СОСТОЯНИЙ ВОДНЫХ ЭКОСИСТЕМ 4.1 Применение вероятностной модели для оценки и прогноза загрязненности вод Разработанные методики обеспечивают возможность оценки текущегосостояния загрязненности речных вод в результате определения вероятностных показателей по имеющимся за год пробам с использованием описанных алгоритмов. Вероятностная модель может быть также использована для прогнозирования состояния; загрязненности. Прогноз, выполняется в два этапа. На первом этапе определяются значения предыдущие вероятностных годы показателей Pi(ts) за все наблюдения (s = 1,..., г). Далее прогнозируется их изменение в следующем /г + 1)-м. т году. Для этого используетсяописанная в работе процедура^ предполагающая применение дискретных ортогональных полиномовЛагерра и специальных методов решения задачи оптимизации (методов штрафных функций; и деформируемого многогранника). Возможность такого подхода основывается на свойствах вероятностных показателей^ с учетом того, что такими же свойствами обладают осредненные временные показатели. После определения значений показателей/7,=/?,(tr+i), / = 1, ..., пв будущем; для прогнозирования текущего изменения состояния загрязненности; можно воспользоваться моделью, описанной в работе. Параметры такой модели Лу; ij = 1, .., п выражаются через вероятностные показатели/?у =pj (tr+i), pj = 1,..., п равенствами h= ^Р/. i-J = l, но |
ГЛАВА V. ЧИСЛЕННЫЕ РАСЧЕТЫ МОДЕЛИРОВАНИЯ И ПРОГНОЗИРОВАНИЯ ПОКАЗАТЕЛЕЙ И СОСТОЯНИЙ ВОДНЫХ ЭКОСИСТЕМ V . l . Применение вероятностной модели для оценки и прогноза загрязненности вод Разработанные текущего состояния методики обеспечивают речных возможность вод в оценки загрязненности результате определения вероятностных показателей по имеющимся за год пробам с использованием описанных алгоритмов. Вероятностная модель может быть также использована для прогнозирования состояния загрязненности. Прогноз выполняется в два этапа. На первом этапе определяются предыдущие (s = 1, году. значения вероятностных годы показателей pi(ts) за все наблюдения г). Далее прогнозируется их изменение в следующем (г + 1)-м Для этого используется описанная в работе процедура, полиномов предполагающая применение дискретных ортогональных Лагерра и специальных методов решения задачи оптимизации (методов штрафных функций и деформируемого многогранника). Возможность такого подхода основывается на свойствах вероятностных показателей, с учетом того, что такими же свойствами обладают осредненные временные показатели. После определения значений показателейpi будущем для прогнозирования текущего = pi (tr+j), i = I, п в изменения состояния загрязненности можно воспользоваться моделью, описанной в работе. Параметры такой модели Яу; i,j = 1, .., п выражаются через вероятностные показателиpj =pj (U+i), Pj = l, Xpj, i-j = l, n равенствами 170 |