авторефераты диссертаций БЕСПЛАТНАЯ РОССИЙСКАЯ БИБЛИОТЕКА - WWW.DISLIB.RU

АВТОРЕФЕРАТЫ, ДИССЕРТАЦИИ, МОНОГРАФИИ, НАУЧНЫЕ СТАТЬИ, КНИГИ

 
<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 || 3 | 4 |   ...   | 5 |

Анализ и прогноз пространственно-временного распределения опасных метеорологических процессов на юге европейской части россии и разработка мероприятий по снижен

-- [ Страница 2 ] --

- методом статистического анализа получены корреляционные взаимосвязи между различными характеристиками – урожайностью и метеопараметрами, грозовой и солнечной активностью, электрическими параметрами и градообразованием в облаке;

- средствами ГИС технологий построены карты пространственно-временной динамики по территории Юга Европейской части России различных характеристик грозовой активности.

Достоверность научных положений, выводов и рекомендаций обеспечивается корректностью аналитических и численных методов исследования, большим массивом информационной базы, в качестве которой послужили ряды метеорологических наблюдений более 80 метеостанций Северо-Кавказского УГМС, метеорологические ежемесячники, архивные данные ФГБУ ВГИ, сведения, опубликованные в периодических научных журналах и научной литературе. Справочные, информационные и фондовые данные обобщены автором в виде базы данных, в которую были включены также инструментальные данные грозорегистратора LS 8000.

Выполненные теоретические расчеты – значения электрических токов и время их формирования подтверждены экспериментальными измерениями.

Апробация работы.

Полученные в ходе выполнения работы результаты докладывались и обсуждались на:

- Международной конференции «Системные проблемы надежности математического моделирования и информационных технологий» (Сочи, 1998 г).

- Международной конференции молодых ученых национальных гидрометеорологических служб стран СНГ (Москва, 1999 г).

- Всероссийской конференции по физике облаков и активным воздействиям на гидрометеорологические процессы, посвященной 70- летию Эльбрусской комплексной экспедиции АН СССР (Нальчик, 2005 г.).

- VIII, IX конференциях молодых ученых КБНЦ РАН (Нальчик, 2005, 2006 г.)

- VI-ой Всероссийской конференции по атмосферному электричеству (Нижний Новгород, 2007 г.).

- II-ой Международной конференции «Моделирование устойчивого регионального развития» (КБНЦ РАН, Нальчик, 2007 г.).

- XI-ой Всероссийской конференции студентов, аспирантов и молодых ученых «Наука и образование» (Томск, 2008 г.).

- VI - ой Международной конференции «Порядковый анализ и смежные вопросы математического моделирования» (Владикавказ, 2008 г.).

- IX Всероссийском симпозиуме по прикладной и промышленной математике (Москва, 2008 г.).

- Международной научно-практической конференции: «Инженерные системы-2009» (Москва, 2009 г.).

- Международном Российско-Абхазском симпозиуме «Уравнения смешанного типа и родственные проблемы анализа и информатики» и VII Школы молодых ученых «Нелокальные краевые задачи и проблемы современного анализа и информатики» (Нальчик, 2009 г.).

- VII-ой Международной научной конференции молодых ученых, посвященной 70-летию Адыгейского государственного университета, «НАУКА. ОБРАЗОВАНИЕ. МОЛОДЕЖЬ» (Майкоп, 2010 г.)

- Международной научно-практической конференции «Проблемы развития современного общества. Экономика. Социология. Философия. Право» (Саратов, 2010 г.).

- XIV-ой Всероссийской школе-конференции молодых ученых «Состав атмосферы. Атмосферное электричество. Климатические эффекты» (Нижний Новгород, 2010 г.).

Основные результаты работы опубликованы в 70 работах, в том числе в 2 монографиях и в 18 научных статьях в журналах рекомендованных ВАК РФ для докторских диссертаций по данной специальности. Некоторые результаты диссертационной работы использованы в научно-методических разработках и учебных пособиях автора.

Структура и объем работы.

Диссертационная работа состоит из введения, пяти глав, заключения, списка литературы и приложений. Общий объем диссертационной работы составляет 300 страниц, включая 76 рисунков, 47 таблиц, список литературы из 259 наименований работ.

Основное содержание работы.

Во введении обосновывается актуальность работы, сформулированы цель и задачи диссертации, изложены основные положения, выносимые на защиту, обсуждаются научная новизна и практическая значимость полученных результатов, приводятся сведения об апробации работы, публикациях и структуре диссертации.

В первой главе диссертационной работы проанализировано состояние темы исследования.

Также проведен анализ работ, посвященных исследованию вопросов различных научных направлений, затронутых в диссертационной работе.

Сделанный анализ свидетельствует о том, что развитие затронутых в работе проблем «распространение и опасность проявления природных процессов и явлений на Юге Европейской территории России» на современном этапе требует решения ряда крупных задач фундаментального и прикладного характера, которые отличаются от задач предыдущих этапов сложностью проведения исследований. Повышается необходимость исследования пространственного распределения инструментальных характеристик метеоявлений, в частности, плотности разрядов молний в землю, токов молний, осадков и др., что актуально для интенсивно осваиваемой территории Юга Европейской части России.

Актуально также уточнение для каждого изучаемого природного процесса районов (мест) наиболее их катастрофической активизации. Требуется проведение сравнительной оценки масштабов распространения опасных природных явлений и опасности их проявления для населения и территорий.

В организациях Росгидромета, ВГИ, ГГО, НИЦ ДЗА, ЦАО за последние 50 лет под руководством ведущих специалистов в области радиолокации – М.Т. Абшаева, Ю.В. Мельничук, В.Д. Степаненко, А.А. Черникова, Г.Г. Щукина создан значительный научно-технический потенциал по разработке методов и средств штормооповещения об опасных явлениях погоды (грозы, град, ливни) на основе использования метеорадиолокаторов МРЛ-1, МРЛ-2 и МРЛ-5.

Существующая в настоящее время в России система штормооповещения об опасных явлениях погоды (грозы, град, ливни, шквалы) основана на визуально-слуховом методе наблюдений (за грозами, выпадением осадков и т.д.) и на использовании метеорологических радиолокаторов различных типов.

В настоящее время за рубежом достигнут высокий уровень развития радиолокационных, авиационных и наземных наблюдательных систем превосходящих российские аналоги по некоторым тактико-техническим характеристикам. При этом в России достигнуты значительные успехи в создании и внедрении способов и средств регулирования процессов облако - и осадкообразования, благодаря работам научных школ в ВГИ (Г.К. Сулаквелидзе, М.Т. Абшаев, Л.М. Федченко, Б.А. Ашабоков и др.), в ГГО (В.Д. Степаненко, Г.Г. Щукин, И.М. Имянитов), в РГМУ (Л.Г. Качурин, В.Г. Морачевский и др.), в ЦАО (И.И. Гайваронский, С.М. Шметер, И.П. Мазин) и др.

Итогом работы, указанных научных школ за прошлое столетие стали используемые как в России, так и за рубежом технологии активных воздействий на облачные процессы. На основе выполненного анализа также делаются выводы о влиянии электрических сил на процессы облако- и осадкообразования. Электрические поля и заряды атмосферы и облаков, а также отдельных частиц в облаках оказывают существенное влияние на электрические процессы, происходящие в них. Электрические силы могут влиять на скорость образования осадков в мощных кучевых облаках, однако эти вопросы как теоретически, так и экспериментально изучены пока еще недостаточно.

Показано, что одним из источников повышения эффективности производства сельскохозяйственной продукции является учет динамики агрометеорологических факторов.

Кроме этого, чрезвычайно важное значение имеет снижение рисков, связанных с различными неблагоприятными природными явлениями.

Вторая глава посвящена изложению метода прогнозирования временных рядов метеорологических параметров основанного на учете циклического характера их изменений. Для этой цели в модели прогнозирования учитываются цикличности, содержащиеся во временных рядах метеопараметров. Для их выделения из временных рядов проводится анализ их спектральной структуры.

Исследование изменения климата и его последствий для окружающей среды и социально-экономического развития общества стало одной из важнейших проблем. Изменение климата происходит в результате разнообразных процессов, из которых не все до настоящего времени понятны на достаточном уровне. Кроме того, элементы самой климатической системы взаимодействуют между собой чрезвычайно сложным образом. Этими причинами обусловлены проблемы, связанные с исследованием, в частности, с моделированием изменения климата и его прогнозированием.

Прогнозирование изменения характеристик климата на последующие годы экстраполяцией многолетних наблюдений стало объектом изучения ряда исследователей в ВГИ: Б.А. Ашабоков, Л.М. Федченко и др., в РАН: Ю.А. Израэль, в ГГО: В.П. Мелешко, В.М. Катцов, В.А. Кондратьев, Е.П. Борисенков и др. Прогнозирование изменений температурного режима воздуха и режима атмосферных осадков, например, проводилось в ВГИ в ряде кандидатских и докторских диссертаций под научным руководством Б.А. Ашабокова, Х.М. Калова, А.В. Шаповалова и др. При этом использовались временные ряды метеопараметров, характеризующих режим осадков и температурный режим воздуха в различных климатических зонах Северного Кавказа.

Для построения модели прогнозирования предполагается, что формирование временных рядов метеопараметров происходит под влиянием линейного, циклического и случайных факторов. т.е. полагаем, что временной ряд можно представить в виде

, (1)

где - наблюдаемый временной ряд; - некореллированные случайные величины с нулевым математическим ожиданием; m(t) – тренд или функция, вокруг которой случайным образом разбросаны значения временного ряда.

Исходя из сделанных предположений, функцию m(t) будем записывать в виде:

(2)

где , - коэффициенты линейной составляющей; ,-коэффициенты и -периоды циклических составляющих в динамике метеорологического параметра .

Построение модели прогнозирования динамики метеопараметров, как можно заметить из выражения (2), сводится к нахождению коэффициентов , линейной составляющей и , и , циклических составляющих (. Поиск этих параметров непосредственно из выражения (2) с использованием многолетних данных о метеопараметрах приводит к решению системы из 3N+2 нелинейных трансцендентных уравнений, что сопряжено с большими трудностями. В связи с этим на первом этапе в результате анализа спектральной структуры метеопараметров были найдены значения .

В настоящее время существует ряд методов выявления скрытых периодичностей. Из всего этого разнообразия гармонический анализ позволяет наиболее полно оценить наличие скрытых периодичностей. Целью численного гармонического анализа является аппроксимация многочленами Фурье неизвестной функции по набору ее дискретных значений.

Временной ряд можно представить в виде:

, (3)

если N – нечетное, и

, (4)

если N – четное. Имеем g=(N-1)/2, если N нечетное, и g=N/2-1, если N – четное.

От удачного построения функции зависят и результаты прогнозирования временных рядов. В данной работе для ее построения предлагается использование тех гармоник, которые заложены во временных рядах самой природой.

Выражения (3) - (4) можно переписать в виде:

(5)

или при N четном:

, (6)

, (7)

где - амплитуда j-ой гармоники, - ее начальная фаза.

Значения коэффициентов в (3) и (4) определяются следующими выражениями:

, (8)

, (9)

, (10)

где .

При четном N, к ним добавляется коэффициент .

Значения дисперсии G2 рассчитываются следующим образом:

, (11)

при нечетном N, и

, (12)

при четном N.

Для определения скрытых гармоник нами использован метод, который изложен в работе Ю.М. Никитин и др. и состоит из следующих шагов:

1. Определяются амплитуды j-х гармоник

(13)

2. Вычисляются статистики

(14)

3. Далее статистики упорядочиваются по убыванию, при этом для наибольшей из них оценка вероятности того, что квадрат амплитуды нулевой составляющей превышает уровень Smax, определяется по формуле:

, (15)

где r – наибольшее целое, не превосходящее k-1, для которого .

4. На основе следующего выражения оценивается вероятность того, что шум превысит уровень :

, (16)

где индекс соответствует месту оцениваемой амплитуды в упорядоченной последовательности статистик , а - наибольшее целое, для которого .

Такой анализ позволяет выявить наличие значимых гармоник с периодами кратными , где шаг квантования.

5. Уменьшением длины исходной выборки изменяется длительность пробного периода и периодов кратных ему гармоник. Это позволяет сравнивать достоверность значимых гармоник в каждом цикле расчетов, поскольку близкие по частоте ритмы имеют разные точечные оценки их достоверности, что дает возможность организовать поиск значимых амплитуд по минимуму вероятности принадлежности к «белому шуму», а также установить статистический разброс параметров индивидуальных гармоник.

Отобранные по изложенной схеме гармоники характеризуются амплитудой и сдвигом фаз по отношению к началу эксперимента.

Далее с учетом выделенных таким образом гармоник строится функция , которая вместе с выделенным линейным трендом используется в качестве модели прогнозирования естественного хода значений метеорологических показателей.

В работе данный метод испытан на различных тестовых задачах и показана достаточно высокая его эффективность.

Для проведения анализа временных вариаций температуры, осадков и грозо-разрядной деятельности нами использованы данные о метеопараметрах, полученные на метеостанциях за период с 30-х годов прошлого столетия по 2010г. Согласно использованному методу, проводится выделение содержащихся во временных рядах метеопараметров скрытых периодичностей, которые затем используются для построения модели их изменения во времени.

Для разработки рекомендаций по управлению сельскохозяйственным производством с учетом динамики агрометеорологических факторов (раздел 2.3) нами выполнены расчеты с использованием временных рядов количества осадков, зарегистрированных на территории мезорайона (Баксанский район КБР) за 56 лет (с 1955 по 2010 годы).

Осуществлен также прогноз на период до 2015 года: осадки по месяцам с декабря по август, суммарное количество зимних осадков, весенне-летние осадки по месяцам и их суммарное количество за 2, 3, 4, 5 и 6 месяцев.

В результате получено, что минимальное количество зимних осадков составляет 32 мм, максимальное – 109 мм, среднее значение – 69,5 мм, среднеквадратическое отклонение - 20,5 мм.

С помощью этого метода, например, из временного ряда значений зимних осадков, например, были выделены три гармоники с периодами: Т1=2,3 года, Т2=3,9-4 года, Т3=10,8 лет.

Были проведены расчеты для величины ошибок двумя показателями. Они показали, что средняя относительная ошибка прогноза количества зимних осадков с использованием данных за 56 лет составляет около 25%, а средняя абсолютная ошибка – примерно 17,04 мм.

На рис.1. приводятся исходный временной ряд и прогнозные значения количества осадков в зимние сезоны.

 Исходный ряд осадков за зимние месяцы и ряд, образованный выделенными-49

Рис. 1. Исходный ряд осадков за зимние месяцы и ряд, образованный выделенными гармониками.

Такие же расчеты проводились и для других сезонов года. Точность прогноза оказалась в пределах 60-70%. В результате было показано, что предложенный подход успешно можно использовать для прогнозирования количества осадков в различные сезоны года.

Как показали результаты расчетов, прогноз динамики количества осадков в различные месяцы встречает более серьезные трудности. Связано это с тем, что соответствующие временные ряды содержат большее количество аномальных элементов, кроме этого эти ряды больше подвержены случайным возмущениям.

На рис.2 приведены фактические и прогнозные количества осадков за май месяц. Можно заметить, что несмотря на отмеченные особенности временного ряда, метод позволяет прогнозировать с удовлетворительной точностью количество осадков в различные месяцы.

 Исходный ряд осадков за май месяц и модельный ряд, образованный выделенными-50

Рис. 2. Исходный ряд осадков за май месяц и модельный ряд, образованный выделенными гармониками.

Таким образом, предложенный в работе метод прогнозирования метеорологических параметров можно использовать для решения задач планирования производства сельскохозяйственной продукции и для адаптации сельского хозяйства к изменению климата.

Полученные результаты далее, были использованы для прогноза урожайности сельскохозяйственных культур.

Разделы 2.2 и 2.4 посвящены исследованию и построению зависимостей урожайности сельскохозяйственных культур в мезорайоне и метеопараметрами. Для этой цели были использованы данные об урожайности различных культур на отрезке времени начало 90-х – конец 2000 г., на котором она зависела практически только от агрометеорологических факторов.

Об этом свидетельствуют данные, приведенные на рис.3. Можно заметить, что коэффициент корреляции достаточно высокий между зимними осадками и урожайностью озимой пшеницы он составляет 0,72. Уравнение регрессии имеет вид:

, (17)

где – осадки (мм); - урожайность озимой пшеницы (ц/га).

Также сильная зависимость прослеживается между урожайностью картофеля и осадками за май месяц. Коэффициент корреляции составляет в этом случае 0,74. Уравнение корреляционной связи получено нами в виде:

, (18)



Pages:     | 1 || 3 | 4 |   ...   | 5 |
 





 
© 2013 www.dislib.ru - «Авторефераты диссертаций - бесплатно»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.