Inteligentny system motoringu - modelowae rozkładów przestrzenno-czasowych ektórych substancji w powietrzu Autorzy: Konrad Garanty*) Mieczysław Sowiński Bogumiła Mysłek-Laurikainen Jolanta Wojtkowska Marek Kowalski. WPROWADZENIE Inspiracją do podjęcia tej pracy były międzynarodowe (UE) i polskie regulacje prawne, m.in. ustawa "Prawo ochrony środowiska" z da 7 kwieta 00 r. oraz "Rozporządzee Mistra Środowiska z da 6 czerwca 00 r. w sprawie dopuszczalnych poziomów ektórych substancji w powietrzu, alarmowych poziomów ektórych substancji w powietrzu oraz marginesów tolerancji dla dopuszczalnych poziomów ektórych substancji" (Dz.Ust. Nr 87 poz. 796) i "Rozporządzee Mistra Środowiska z da 6 czerwca 00 r. w sprawie oceny poziomów substancji w powietrzu" (Dz.Ust. Nr 87 poz. 798). W opracowau [] oraz referacie [] zaprezentowano wstępne wyki badań możliwości aplikacji metody sieci neuronowych do rozwiązywaa różnych zadań dotyczących jakości powietrza atmosferycznego. W roku 00 kontynuowano prace związane z wykorzystaem metody sieci neuronowych do zarządzaa i kontroli jakości powietrza atmosferycznego, w oparciu o wieloletą bazę wiarygodnych danych pomiarowych stężeń zaeczyszczeń powietrza w Aglomeracji Gdańskiej (imisji SO / NO / NO / NO x / CO / O / Pm0 (pyłu) oraz parametrów meteorologicznych (prędkość i kierunek wiatru, temperatura, ciśee, wilgotność powietrza, opad, nasłoneczee) tworzoną przez ARMAAG. Szczególe obiecujące okazało się zastosowae analizy falkowej [] do modelowaa rozkładów przestrzenno-czasowych stężeń substancji. Instytut Problemów Jądrowych *) Uwersytet Warszawski 0
. CEL I ZAKRES PRACY Celem pracy jest opracowae systemu modelowaa rozkładów przestrzenno-czasowych ektórych substancji w powietrzu. Zakres pracy obejmuje: Analizę wpływu zmian poszczególnych parametrów meteorologicznych (dostępnych w bazie danych ARMAAG), korelacji pomiędzy stężeami różnych substancji (pierwotnych i wtórnych), rozmieszczea źródeł substancji w skali lokalnej (pojedyncza stacja pomiarowa), w skali całej aglomeracji albo jej części na dokładność wyków modelowaa interpolacji i ekstrapolacji przestrzennej lub czasowej stężeń substancji. Do modelowaa ekstrapolacji zaeczyszczeń przewiduje się róweż możliwość wykorzystaa wyków pochodzących z pomiarów manualnych i wskaźkowych a w szczególnych przypadkach - wyków uzyskanych za pomocą mobilnej stacji pomiarów automatycznych. Opracowae modeli predykcji krótko- i długookresowej rozkładów przestrzenno-czasowych stężeń ww. substancji opartych na metodach sieci neuronowych oraz metodach analizy falkowej. Testowae i optymalizowae tych modeli przy z wykorzystaem wieloletej bazy wiarygodnych danych pomiarowych z Aglomeracji Gdańskiej. Pożej, na Rys.-6 przedstawiono sezonowe (okres grzewczy, okres let) rozkłady przestrzenno-czasowe wybranych substancji: SO / NO / Pm0 (pyłu). Na Rys.7-9 pokazano przykładowo wybrane godzinne rozkłady przestrzenno-czasowe NO a na Rys.0- dobowe rozkłady przestrzenno-czasowe pyłu dla wybranych d w okresie grzewczym i okresie letm. Okresy uśredaa wyków pomiarów ( godzina dla NO i godziny dla pyłu) są zgodne z Zał. do wyżej wspomanego Rozporządzea Mistra Środowiska (Dz.Ust. Nr 87 poz. 796). Przytoczone tu przykłady rozkładów przestrzenno-czasowych ektórych substancji wskazują, że już w latach 00-006 mogą zaisteć pewne trudności z dotrzymaem poziomów dopuszczalnych ektórych substancji i dopuszczalnej częstotliwości ich przekraczaa, e tylko w obrębie stacji pomiarowych ale róweż na znacze większych obszarach, szczególe w Gdańsku. Dotyczy to zwłaszcza PM0 / NO x / NO a być może nawet SO. Rys.: Sezonowy rozkład przestrzenno-czasowy SO w okresie grzewczym 0.00-0.00 Rys.: Sezonowy rozkład przestrzenno-czasowy SO w okresie letm 0.00-09.00 0
Rys.: Sezonowy rozkład przestrzenno-czasowy NO w okresie grzewczym 0.00-0.00 Rys.: Sezonowy rozkład przestrzenno-czasowy NO w okresie letm 0.00-09.00 Rys.: Sezonowy rozkład przestrzenno-czasowy pyłu w okresie grzewczym 0.00-0.00 Rys.6: Sezonowy rozkład przestrzenno-czasowy pyłu w okresie letm 0.00-09.00 0
Rys.7: Wybrany godzinny rozkład przestrzenno-czasowy NO w okresie grzewczym, da..00 (dane z godz. :00, :0) Rys.8: Wybrany godzinny rozkład przestrzenno-czasowy NO w okresie grzewczym, da 07.0.00 (dane z godz. 9:0, 0:00) Rys.9: Wybrany godzinny rozkład przestrzenno-czasowy NO w okresie letm, da 9.08.00 (dane z godz. 08:00, 08:0) Rys.0: Wybrany dobowy rozkład przestrzenno-czasowy pyłu w okresie grzewczym..00 06
Rys.: Wybrany dobowy rozkład przestrzenno-czasowy pyłu w okresie grzewczym 07.0.00 Rys.: Wybrany dobowy rozkład przestrzenno-czasowy pyłu w okresie letm 9.08.00. PODSUMOWANIE Dotychczasowe wyki naszych analiz pokazują, że modelowae rozkładów przestrzenno-czasowych z wykorzystaem sieci neuronowych w połączeu z metodami analizy falkowej może stanowić ukatowe narzędzie do wyznaczaa stref zaeczyszczeń powietrza (oddziele dla każdej substancji), prognozowaa (predykcji) ich stężeń, identyfikacji źródeł substancji, optymalizacji czynków ekologicznych, technologicznych i ekonomicznych. Ponadto, może ono być komplementarne z innymi metodami modelowaa, np. metodą dyfuzyjną. [] - Inteligentny system motoringu, jako instrument zarządzaa i/lub kontroli jakości powietrza (na przykładzie Aglomeracji Gdańskiej), M. Kowalski, B. Mysłek-Laurikainen, Z. Moroz, M. Sowiński, J. Wojtkowska. Stan zaeczyszczea powietrza atmosferycznego w Aglomeracji Gdańskiej w roku 00 i informacja o działalności Fundacji ARMAAG, Raport 00, str. 69. Raport przygotował zespół T. Kołakowski, M. Sarafin, T. Waszczyk, E. Kacharz pod kierunkiem K. Szymańskiej. Agencja Regionalnego Motoringu Atmosfery Aglomeracji Gdańskiej 00. [] - Inteligentny system motoringu, jako instrument zarządzaa i/lub kontroli jakości powietrza, Z. Moroz, M. Sowiński, J. Wojtkowska, B. Mysłek-Laurikainen, M. Kowalski, K. Szymańska, T. Kołakowski, referat wygłoszony przez M. Sowińskiego. Konferencja 9-0 maja 00, Gdańsk. Sieć motoringu ARMAAG - icjatywa samorządowa jako narzędzie zarządzaa środowiskiem w regioe u progu wejścia do Ui Europejskiej [] - Falki i aproksymacje, Jan T. Białasiewicz, Wydawctwa Naukowo-Techczne, Warszawa 000 07
Statystyczna interpolacja braków danych pomiarowych Autor: Piotr Oskar Czechowski Skróty: BD -brak danych, AMxx - oznaczee automatycznej stacji pomiarowej AM, gdzie xx od do 8, BDi - seria braków danych, BDi=xxx - długość serii braków danych, gdzie xxx oznacza długość serii.. Klasyfikacja braków danych pomiarowych Występowae braków danych w pomiarach sieci motorującej stan atmosfery są poważnym problemem. Ciągi wyków pomiarów, traktowane jako realizacje pojedynczych procesów stochastycznych, znajdujących zastosowae m.in. w prognozowau stanu zaeczyszczeń atmosfery. Braki danych powodują emożność dokonywaa poprawnych obliczeń a co za tym idzie prognoz. Interpolacje braków dla wyków pomiarów godzinnych stężeń zaeczyszczeń (imisji) uzależono od okresu wystąpiea braków oraz długości wystąpiea serii braków danych. Kluczowym zagadeem jest długość ciągu, kolejno po sobie występujących, braków danych. Założono, że inne metody będą stosowane w przypadku krótkich ciągów braków, w których zakłada się, że upływ czasu jest głównym czynkiem kształtującym, inne zaś dla długich ciągów, w których ekiedy zachodzi w istocie koeczność odtworzea sytuacji imisyjnej. Odtworzee tej sytuacji możliwe jest poprzez wykorzystae informacji o dodatkowych czynkach, spośród których zakłada się, że najważejszymi będą: sytuacja imisyjna w bezpośredm sąsiedztwie przestrzennym (wyki pomiarów z innych stacji), wpływ warunków meteorologicznych, warunki emisji na wybranym obszarze reprezentatywności stacji pomiarowej, dla której przeprowadzane będą interpolacje (w miarę dostępności danych). 08
Przyjęto wstępe następujące kategorie długości ciągów braków danych pomiarowych: Kategoria Długość ciągu braków danych (BDi) Założony charakter modelu Dziedzina modelu A B C D E F - - - - 70 7-00 0-000 Interpolacyjny Interpolacyjny Interpolacyjno - odtwarzający Interpolacyjno - odtwarzający Interpolacyjno - odtwarzający Interpolacyjno - odtwarzający Czasu Czasowo - częstotliwościowa Czasowo - częstotliwościowa Czasowo - częstotliwościowa Czasowo - częstotliwościowa Czasowo - częstotliwościowa Tablica : Podział proponowany [Opracowae własne].. Zakres metod Jako podstawy do dalszych prac przyjęto następujące metody: Kategoria Grupa metod metody interpolacji Oznaczee A I I I I I I średa ogólna średa z sąsiedch punktów średa ważona (wagami są odległości od sąsiedch punktów) średa k ucięta średa p ucięta Średe typu Winsora regresja prosta (MNK) pomiędzy sąsiedmi punktami regresja prosta (MNK) interpolacja trendem liowym regresja prosta (MNK) interpolacja trendem liowym ze wskaźkami cyklicznymi wyrównae wykładcze (klasyfikacja Pegela; wybór) regresja harmoczna funkcje sklejane metody odporne (np. Mediana) A_ A_ A_ A_ A_ A_6 A_0 A_ A_ A_0 A_60 A_80 A_00 B I I regresyjne (wskaźkowe) metoda wag harmocznych funkcje sklejane B_ B_0 B_0 C Rozszerzona I Rozszerzona I Rozszerzona II Rozszerzona I z wykorzystaem informacji przestrzennej (wielowymiarowe złożea liowe) z wykorzystaem informacji przestrzennej (wielowymiarowe złożea meteorologiczne) wielowymiarowe procesy stochastyczne (informacje meteorologiczne) wielowymiarowe procesy spektralne (informacje meteorologiczne) z wykorzystaem informacji meteorologicznych C_ C_ C_0 C_ C_0 Tablica : Zakres metod w podziale na grupy, będące etapami prac [Opracowae własne] 09
.. Mierki oceny jakości metod. RMSE Ważnym, z punktu widzea oceny jakości modelu, jest ocena jego błędów wyrażona w postaci błędu średokwadratowego. gdzie: - reszty modelu. W praktyce zamiast błędu średokwadratowego zastosowae znalazł jego pierwiastek, odchylee standardowe składka resztowego z powodu prostoty interpretacji... Procedura badawcza Celem badaa przyjęto interpolację braków w danych wyków pomiarów sieci automatycznej stężea dwutlenku siarki na stacji AM. Aby można było oceć jakość poszczególnych metod uprzedo przeprowadzono symulację braków w danych:. Wybrano dwa miesiące pomiarów dla stacji (AM) bez braków danych, odpowiedo dla sezonu letego i grzewczego, dzięki czemu uzyskano dwa zestawy testowe oznaczone: Z i Z. Dodatkowy zestaw Z wyków pomiarów całego sezonu, np. letego dla długich ciągów BD, przeznaczono dla oceny modeli o charakterze odtwarzającym bardzo długie serie braków (powyżej 7 obserwacji).. Wybrano w sposób losowy dla zestawów Z i Z co najwyżej po 0 serii z kategorii A i B oraz co najwyżej serii z kategorii C, w wyku czego uzyskano zestawy: ZA, ZB, ZC oraz ZA, ZB, ZC. Maksymalna długość ciągu braków w tych zestawach to 70 obserwacji, co oddaje rzeczywiste warunki.. Zestawy: ZE i ZF oraz ZE i ZF zawierały pojedyncze serie braków zgode z: Tablica.. Dla zestawów Z i Z zastosowae metod zgode z Tablica.. Przeprowadzono wstępną ocenę jakości w oparciu o RMSE. 6. Na podstawie oceny wstępnej zbudowano plany interpolacyjne uwzględające okres wystąpiea braków i długość serii wystąpień braków w danych. Liczbę powtórzeń uzależono od długości serii bez braków, i tak w przypadkach stosunkowo krótkich serii bez braków liczba powtórzeń była odpowiedo mejsza. 0
7. Woski. BDi AM BDi AM BDi AM BDi AM BDi AM BDi AM8 8 6 0 7 % 9 8 66 % 6 8 9 8 % % 7 8 6 8 9 6 9 69 6% % 9 Tablica : Rozkłady braków danych w pomiarach SO w roku 00 [Opracowae własne] Ni BD AM Ni BD AM Ni BD AM Ni BD AM Ni BD AM Ni BD AM8 6 79 7.% 7 0.% 6 0 0.7% 6 6 0.7% 6 7 0 0 8 6 78 6 7 7 8 0 07 6.% 6 7.8% 6 Tablica : Rozkłady braków danych w pomiarach SO w roku 00 [Opracowae własne]
. Przestrzenna analiza podobieństw rozkładów imisji Wyki analiz podobieństw, zarówno w dziedzie częstotliwości jak i w czasowo - częstotliwościowej wskazują, że imisja dwutlenku siarki na stacji AM jest najmej podobna do imisji na stacji AM, czego należało się spodziewać. Stacja AM leży w znacznym oddaleu, w przeciwieństwie od pozostałych stacji, od skupisk miejskich a co za tym idzie oddziaływae różnych rodzajów emisji ma innych charakter ż na pozostałych stacjach.. Wyki analizy podobieństw stężeń dwutlenku siarki - analiza skupień:. Wyki analizy podobieństw stężeń dwutlenku siarki - analiza wariancji ANOVA: Tukey HSD (erówne N); zmienna SO _0 (SO _00) Grupy jednorodne, alfa = 0000 Błąd: MS międzygrupowe = 8.6, df = 9979 STACJA SO _0 AM.98 **** AM 6.68 **** AM 9.608 **** AM8 0.998 **** AM 0.970 **** 6 AM.0888 **** Tablica : Rok 00 [Opracowae własne]