СИСТЕМА ЭКОЛОГИЧЕСКОГО МОНИТОРИНГА АТМОСФЕРНОГО ВОЗДУХА ПРОМЫШЛЕННОГО РЕГИОНА

Изобретение относится к экологическим системам сбора и обработки информации и может быть использовано для прогнозирования распространения загрязнения атмосферного воздуха на территории промышленного региона.

Известна система экологического мониторинга атмосферного воздуха промышленного региона [1], которая содержит первую и вторую группы датчиков экологического контроля состояния среды, средства радиосвязи датчиков второй группы с аппаратурой городской телефонной сети, центральный диспетчерский пункт. Дополнительно в систему введены быстродействующие газовые датчики экологического контроля состояния атмосферы, система GPS, мобильная телефонная система, установленные на электротранспортных единицах, а также метеостанция, группа датчиков замеров концентраций загрязняющих веществ непосредственно с источников загрязнения, центр обработки и сравнения данных.

Недостатком является отсутствие единого стандартизованного протокола передачи и синхронизации данных, вследствие чего информация от различных типов датчиков и измерительных модулей поступает в центр обработки в неоднородных форматах, что усложняет её интеграцию и снижает оперативность вычислительных процедур. Зависимость системы от городской телефонной сети и мобильной инфраструктуры делает её уязвимой к перегрузкам и внешним факторам, что особенно критично в условиях неблагоприятной экологической обстановки, когда непрерывность мониторинга имеет решающее значение. Использование центрального диспетчерского пункта в качестве основного координирующего звена создаёт риск возникновения единой точки отказа, при выходе из строя которой функционирование всей системы может быть нарушено.

Известна система экологического мониторинга и прогнозирования загрязнения атмосферы промышленного региона [2], которая содержит датчики замеров концентраций загрязняющих веществ непосредственно с источников загрязнения и метеостанцию, соединенные с центром моделирования, который соединен с центром обработки и сравнения данных. Быстродействующие газовые датчики экологического контроля состояния атмосферы и система GPS посредством мобильной телефонной системы соединены с центром обработки и сравнения данных, первые группы датчиков экологического контроля состояния среды соединены с центром обработки и сравнения данных, вторые группы датчиков экологического контроля состояния среды по средствам радиосвязи соединены с городской телефонной сетью. Выход центрального диспетчерского пункта соединен с датчиком времени, который соединен с блоком моделирования метеопараметров и с входом временно-параметрических датчиков концентраций загрязняющих веществ от источников загрязнения, которые соединены с центром моделирования. Блок моделирования метеопараметров соединен с центром моделирования, который соединен с центральным диспетчерским пунктом и с центром прогноза загрязнений, выход которого соединен с входом центрального диспетчерского пункта.

Недостатков данной системы обусловлена ее архитектурой и принципами организации передачи данных. Использование разнородных каналов связи, включая мобильную сеть, радиосвязь и городскую телефонную сеть, приводит к избыточной сложности структуры и фрагментации коммуникационных потоков. Такое решение затрудняет обслуживание системы, увеличивает вероятность сбоев при передаче информации и снижает надежность работы в условиях активного промышленного воздействия и возможных перебоев в сетевой инфраструктуре. Отсутствие облачных или распределенных механизмов хранения и обработки данных затрудняет масштабирование системы при расширении сети датчиков и подключении новых источников загрязнений. Совокупность обозначенных факторов свидетельствует о недостаточной гибкости, надежности и технологической актуальности системы в контексте современных требований к экологическому мониторингу атмосферного воздуха.

Известна система экологического мониторинга атмосферного воздуха горнопромышленной промагломерации [3], принятая за прототип, которая содержит первую и вторую группы быстродействующих датчиков экологического контроля состояния атмосферы, систему GPS, метеостанцию, мобильную телефонную станцию, центральный диспетчерский пункт. Датчики первой группы установлены на стационарных постах для измерения фоновых концентраций химического загрязнения и уровней физического загрязнения атмосферного воздуха, а в качестве датчиков второй группы используются средства измерения концентраций химического загрязнения и уровней физического загрязнения атмосферного воздуха, установленные на беспилотные летательные аппараты, совершающие облеты территории горно-промышленной агломерации по адаптивной программе, обеспечивающие эффективное прогнозирование возникновения и развития аварийной ситуации в случае обнаружения превышения нормативных значений загрязнений датчиками первой группы.

Недостатком данного изобретения является ограниченность функциональных возможностей, низкой достоверности и защищённости данных и отсутствии многоуровневого доступа к информации для различных категорий пользователей. Архитектура системы основывается на раздельном использовании датчиков первой и второй групп, что приводит к фрагментации измерительных данных и усложняет их оперативную интеграцию в центральном диспетчерском пункте. Стационарные посты обеспечивают измерение фоновых концентраций загрязняющих веществ, однако их фиксированное расположение не позволяет своевременно учитывать пространственную вариативность распределения загрязнений в реальном времени, особенно в условиях сложного рельефа горнопромышленной местности. Нарушение центрального диспетчерского пункта приводит к невозможности координации стационарных постов и беспилотных аппаратов, снижая общую устойчивость системы к отказам и аварийным ситуациям. В системе также отсутствуют распределённые или облачные механизмы хранения измерений, что ограничивает её масштабируемость и не позволяет эффективно наращивать сеть датчиков при увеличении территории мониторинга

Стационарные датчики не позволяют оперативно реагировать на локальные выбросы, а отправка беспилотных летательных аппаратов осуществляется вручную, что снижает оперативность и увеличивает расходы на эксплуатацию.

Целью изобретения является разработка наиболее эффективной экологической системы прогнозирования распространения загрязнения атмосферного воздуха на территории промышленного региона

На Фиг.1 изображена система экологического мониторинга атмосферного воздуха промышленного региона.

Согласно чертежу, представлена структурная схема системы экологического мониторинга атмосферного воздуха промышленного региона, состоящая из последовательно взаимодействующих между собой 5 функциональных модулей: сбора данных (А), обработки и хранения данных (B), аналитики и прогнозирования (C), контроля и реагирования (D) и взаимодействия с пользователями (E). Каждый модуль представлен определенными структурными компонентами. Так, модуль сбора данных (А) состоит из сети датчиков (стационарных, мобильных и специализированных датчиков, установленных на БПЛА) объединенных сетью Интернета вещей (IoT-сеть), которые фиксируют концентрации загрязняющих веществ (PM2.5, PM10, CO, NO₂, SO₂, O₃ и др.), модуль обработки и хранения данных (B) содержит центральный диспетчерский пункт принимающий данные от модуля А, базу данных, где имеется возможность долгосрочного хранения параметров качества атмосферного воздуха, блокчейн-систему за счет которого обеспечивается децентрализованное хранение данных с защитой от подделок и фиксацией временных меток, модуль аналитики и прогнозирования (C) состоит из системы прогнозирования работающая на алгоритмах машинного обучения, модуль контроля и реагирования (D) имеет блок проверки ПДК, смарт-контракт, который предназначен для инициации автоматической отправки БПЛА для детализированного анализа местности с превышенными ПДК загрязняющих веществ, модуль взаимодействия с пользователями (E) представленная веб-приложением функционирующем на мобильных устройствах и персональных компьютерах.

Система экологического мониторинга атмосферного воздуха промышленного региона работает следующим образом.

Все элементы подключены к сети Интернета вещей (IoT) (2), которая обеспечивает беспроводную передачу данных в центральный диспетчерский пункт (ЦДП) (3). Система фиксирует концентрации загрязняющих веществ (PM2.5, PM10, CO, NO₂, SO₂, O₃ и др.), а также физико-химические параметры (температура, влажность, давление). Кроме того, модуль получает данные от метеорологической станции (13) для учета погодных условий при моделировании распространения загрязнений. Полученные данные (поток сенсорных и метеорологических данных) из модуля А передаются в модуль В. Данные о концентрации загрязняющих веществ поступают в центральный диспетчерский пункт (3), где выполняется их предварительная обработка (процедура фильтрации шумов, нормализации и агрегации). Долговременное сохранение параметров качества атмосферного воздуха обеспечивается наличием базы данных (4) и для децентрализованного хранения данных с защитой от подделок и фиксацией временных меток используется блокчейн-система, который непосредственно связан с ЦДП (3) и базой данных (4).

В модуль С из модуля B поступают обработанные и верифицированные данные для дальнейшего анализа и прогнозирования качества атмосферного воздуха и распространения загрязняющих веществ в атмосфере. Система прогнозирования (6) выполняет краткосрочные и долгосрочные прогнозы изменения качества воздуха, выявляет закономерности и аномалии, определяет вероятность превышения нормативов загрязнений за счет использования математических моделей и алгоритмов машинного обучения (7). Соответственно, результаты анализа и прогнозирования передаются в модуль D для принятия решений и автоматического реагирования, где за счет блока проверки ПДК (8) осуществляется автоматическое сопоставление фактических и прогнозных данных с нормативными. В случае обнаружении превышений ПДК загрязняющих веществ смарт-контракт (9) реализованный в блокчейн-система инициирует сигнал для автоматической отправки БПЛА (10) с целью детализированного изучения состояния местности с превышенными ПДК, который выполняет построение маршрута полета дронов на основе координат зоны загрязнения, полученных из системы прогнозирования (6). После выполнения облета зоны загрязнения дроны возвращают новые данные, которые поступают обратно в модуль А, замыкая цикл адаптивного мониторинга.

С применением мобильных устройств и персональных компьютеров (11) осуществляется доступ к веб-интерфейсу (приложению) (12), позволяет получать данные о качестве атмосферного воздуха в реальном времени различным категориям пользователей (гражданам, ученым, государственным органам и др. заинтересованным сторонам) с разграничением функциональных возможностей. Данные из модуля E могут направляться обратно в модуль B (для накопления пользовательских отметок, обратной связи или верификации наблюдений), обеспечивая обучение системы и повышение точности прогнозов.

С применением мобильных устройств и персональных компьютеров (11) осуществляется доступ к веб-интерфейсу (приложению) (12), позволяет получать данные о качестве атмосферного воздуха в реальном времени различным категориям пользователей (гражданам, ученым, государственным органам и др. заинтересованным сторонам) с разграничением функциональных возможностей. Данные из модуля E могут направляться обратно в модуль B (для накопления пользовательских отметок, обратной связи или верификации наблюдений), обеспечивая обучение системы и повышение точности прогнозов.

Система прогнозирования, входящая в модуль аналитики и прогнозирования, выполнена с возможностью использования ансамбля алгоритмов машинного обучения, предназначенных для анализа временной, пространственной и метеорологической изменчивости загрязнения атмосферного воздуха. В качестве входных признаков используются концентрации загрязняющих веществ PM2.5, PM10, CO, NO₂, SO₂, O₃, координаты датчиков, временные признаки, включая час суток, день недели и сезон, а также метеорологические параметры: температура, влажность, атмосферное давление, скорость и направление ветра.

Для краткосрочного прогнозирования концентраций загрязняющих веществ используется комбинация алгоритмов Random Forest Regressor, Gradient Boosting / XGBoost и рекуррентной нейронной сети типа LSTM. Random Forest применяется для устойчивой оценки нелинейных зависимостей между загрязнением и метеорологическими параметрами, Gradient Boosting используется для повышения точности прогноза при наличии сложных взаимодействий между признаками, а LSTM применяется для учёта временной памяти и сезонно-суточных колебаний концентраций загрязняющих веществ.

Прогнозное значение концентрации загрязняющего вещества может быть представлено в виде:

где,  – прогнозируемая концентрация i-го загрязняющего вещества на момент времени ;

,  – текущие и предшествующие значения концентрации загрязняющего вещества;
 – вектор метеорологических параметров;
 – пространственные признаки, включающие координаты датчиков и расстояния до источников загрязнения;
 – сезонно-временные признаки;
 – обученная прогнозная модель.

Для повышения достоверности прогнозирования используется ансамблевое объединение результатов нескольких моделей:

где , ,  – прогнозы, полученные соответственно моделями Random Forest, Gradient Boosting и LSTM;
, ,  – весовые коэффициенты моделей, определяемые по результатам оценки точности на контрольной выборке.

При этом веса моделей могут адаптивно изменяться в зависимости от текущих условий. Например, при резких изменениях метеорологических параметров больший вес получает модель Gradient Boosting, при устойчивой временной динамике – LSTM, а при неполных или зашумлённых данных – Random Forest, обладающий устойчивостью к выбросам.

Для выявления аномальных ситуаций используется алгоритм обнаружения выбросов, основанный на сравнении текущих измерений с прогнозным доверительным интервалом:

где  – индикатор аномалии;
 – фактическое измеренное значение;
 – прогнозное значение;
 – стандартное отклонение ошибки прогноза;
 – коэффициент чувствительности системы.

Такое построение позволяет системе выявлять не только уже произошедшие превышения ПДК, но и прогнозировать вероятность их возникновения в ближайшем временном интервале. Для повышения точности мониторинга в системе реализуется алгоритм слияния данных, поступающих от стационарных датчиков, мобильных измерительных устройств, датчиков на БПЛА, метеостанции и пользовательских отметок. Слияние выполняется не простым усреднением, а с учётом достоверности каждого источника, его пространственного положения, времени измерения и технического состояния датчика.

Интегральная оценка концентрации загрязняющего вещества в заданной точке территории определяется по формуле:

где  – объединённая оценка концентрации загрязняющего вещества в точке с координатами  в момент времени ;
 – значение, полученное от k-го источника данных;
 – коэффициент качества данных, определяемый по состоянию датчика, частоте пропусков и уровню шума;
 – коэффициент пространственно-временной релевантности источника;
 – количество источников данных.

Коэффициент релевантности может определяться с учётом расстояния от датчика до контролируемой зоны и давности измерения:

где  – расстояние от источника измерения до анализируемой точки;
 – временной интервал между моментом измерения и моментом анализа;
,  – коэффициенты затухания пространственной и временной значимости данных.

Использование коэффициента качества данных и коэффициента пространственно-временной релевантности является существенным отличительным признаком заявляемого решения. Такой способ слияния данных является одним из существенных отличительных признаков системы, поскольку позволяет повысить достоверность оценки качества воздуха даже при неоднородной плотности датчиков, временных задержках передачи данных и наличии локальных выбросов.

Блокчейн-система в предлагаемом решении реализуется как разрешённая распределённая сеть, в которой узлами могут выступать центральный диспетчерский пункт, сервер экологической службы, сервер промышленного предприятия, научно-исследовательский узел и резервный узел хранения. В отличие от открытых публичных блокчейнов, такая архитектура обеспечивает контролируемый доступ, высокую скорость обработки транзакций и пригодность для применения в системах экологического мониторинга.

В блокчейн заносятся не все исходные массивы измерительных данных, а их верификационные записи, включающие:

где  – идентификатор датчика или измерительного устройства;
 – временная метка измерения;
 – координаты источника данных;
 – хэш исходного пакета данных;
 – значение концентрации загрязняющего вещества или агрегированный показатель;
 – статус проверки данных;
 – цифровая подпись узла или устройства.

Исходные массивы данных сохраняются в централизованной базе данных, а в блокчейне фиксируются их хэш-образы, временные метки, идентификаторы источников и статусы проверки. Такое гибридное хранение обеспечивает одновременно высокую производительность базы данных и невозможность незаметного изменения экологических измерений после их регистрации.

Проверка целостности данных осуществляется путём повторного вычисления хэша исходного пакета и сравнения его с хэшем, ранее записанным в блокчейн: Если значения совпадают, данные признаются достоверными и могут использоваться в прогнозной модели. Если значения не совпадают, запись маркируется как недостоверная и исключается из автоматического принятия решений.

Блокчейн-система также обеспечивает хранение событий, связанных с превышением нормативов, запуском смарт-контракта, отправкой БПЛА, получением уточняющих измерений и закрытием инцидента. Это позволяет формировать неизменяемый журнал экологических событий, пригодный для последующего аудита, экспертной проверки и принятия управленческих решений. Гибридное хранение обеспечивает одновременно высокую производительность системы и невозможность незаметного изменения зарегистрированных экологических измерений.

Смарт-контракт в составе модуля контроля и реагирования представляет собой программно-логический механизм, автоматически выполняющий заданные действия при наступлении заранее определённых условий. Его основная функция заключается в автоматической инициации отправки БПЛА для уточняющего мониторинга зоны загрязнения при выявлении фактического или прогнозируемого превышения нормативных значений.

Условие активации смарт-контракта может быть представлено следующим образом:

где  – состояние смарт-контракта;
 – объединённая оценка концентрации загрязняющего вещества;
 – предельно допустимая концентрация i-го загрязняющего вещества;
 – прогнозируемая вероятность превышения ПДК в ближайшем интервале времени;
 – порог вероятности, при достижении которого система инициирует реагирование.

Логика смарт-контракта включает следующие этапы:

1.     получение верифицированных данных из базы данных и блокчейн-системы;

2.     проверка фактических концентраций загрязняющих веществ на превышение ПДК;

3.     проверка прогнозных значений и вероятности будущего превышения;

4.     определение координат зоны риска;

5.     формирование команды на отправку БПЛА;

6.     запись события активации в блокчейн;

7.     получение уточнённых измерений от БПЛА;

8.     повторная запись результатов в базу данных и блокчейн;

9.     закрытие события либо повторная активация мониторинга при сохранении риска.

Так, запуск процедуры реагирования осуществляется как при фактическом превышении ПДК, так и при достижении прогнозируемой вероятностью превышения установленного порогового значения. Смарт-контракт выполняет не только функцию фиксации события, но и функцию автоматического запуска процедуры реагирования без участия оператора, что снижает время реакции системы на локальные выбросы и аварийные ситуации.

Одним из уникальных технических решений предлагаемой системы является метод адаптивного управления БПЛА, при котором маршрут полёта формируется не заранее вручную, а автоматически на основе результатов слияния данных, прогноза загрязнения, координат зоны превышения и метеорологических условий.

Маршрут БПЛА строится с учётом следующих параметров:

где  – координаты зоны экологического риска;
 – объединённая оценка концентрации загрязняющего вещества;