COMPLEX ANALYSIS AND SIMULATION MODELLING OF ATMOSPHERIC AIR POLLUTION IN THE CITY OF SAMARA
- Authors: Gavrilova A.A1, Ivanova D.V1, Salov A.G1, Saksonova V.V1
-
Affiliations:
- Issue: Vol 11, No 2 (2013)
- Pages: 50-54
- Section: Articles
- URL: https://journals.eco-vector.com/2073-3909/article/view/55906
- ID: 55906
Cite item
Full Text
Abstract
System estimation of efficiency of nature-conservative measures by methods of mathematical simulation is offered in the article. Simulation modeling and complex analysis of efficiency of the financial attachments providing decreasing of the level of environmental pollution on the example of the largest industrial region of Russia - the city of Samara - is carried out.
Full Text
Введение Одним из важнейших условий, обеспечивающих разработку эффективных мероприятий по совершенствованию управления социально-экономическими системами, является разработка ме «Инфокоммуникационные технологии» Том 11, № 2, 2013 Гаврилова А.А., Иванова Д.В., Салов А.Г., Саксонова В.В. 51 роприятий, предусматривающих снижение уровня загрязнения окружающей среды вредными химическими и электромагнитными воздействиями. Эффективные финансовые вложения в природоохранные мероприятия должны обеспечивать улучшение экологической обстановки при одновременном росте промышленного производства. При рассмотрении бизнес-процессов производственных объектов перед принятием окончательного решения по их реализации необходимо проводить оценку влияния результатов последующей их деятельности на экологическую обстановку региона. Каждый проект должен предусматривать финансирование мероприятий по снижению концентрации вредных выбросов в атмосфере, если эти концентрации превышают предельно допустимые концентрации (ПДК), либо на поддержание существующего уровня концентрации вредных примесей, если они не превышают ПДК. В данной работе рассматриваются комплексные подходы к анализу состояния окружающей среды с помощью имитационного моделирования. На основе статистических данных по состоянию загрязнения строится математическая модель. Модель позволяет проводить количественную и качественную оценку эффективности проводимых природоохранных мероприятий промышленных предприятий по снижению уровней загрязнения окружающего воздуха выбросами или электромагнитными излучениями. В качестве показателя экологической эффективности функционирования региональной промышленности приняты валовые выбросы вредных веществ, оказывающие существенное влияние на социально-экономические процессы области. Статистический анализ В атмосферный воздух региона поступает большое количество различных вредных веществ. Повсеместно выбрасываются пыль, диоксид и оксид азота, окись углерода, которые принято называть основными, а также различные специфические вещества, выбрасываемые отдельными производствами, предприятиями и цехами. Основными специфическими загрязнителями административного центра являются: диоксид азота, оксид углерода, пыль, бенз(а)пирен, фенол, формальдегид, аммиак, фторид водорода, углеводороды. В 2001 г. уровень выбросов основных вредных веществ в ПДК составлял: диоксид азота - 1,2; пыль - 1,4; оксид углерода - 0,8; формальдегид -4,3; фенол - 1,0; аммиак - 1,0; фторид водорода - 0,6; бенз(а)пирен - 1,5; углеводороды - 1,6 [1]. Суммарную величину этих веществ в ПДК примем за валовые выбросы в атмосферу. 2001 2003 2005 2007 2009 Рис. 1. Изменения уровня загрязнения атмосферы суммарными выбросами за период 2001-10 г.г. На рис. 1 приведена динамика изменения величины валовых выбросов региона за последние 10 лет в относительных единицах, приведенных к показателям 2001 г. Анализ статистических данных показывает, что на протяжении девяти лет происходит снижение суммарных выбросов в атмосферу, однако начиная с 2007 г. они носят периодический характер. В целом, снижение произошло на 17%, но основные составляющие загрязнения до настоящего времени превышают допустимые значения. На протяжении последних лет каждый бизнес-проект, принятый к реализации, предусматривал затраты на снижение вредных выбросов от вновь вводимых производственных мощностей. На рис. 2 приведена динамика изменения валового регионального продукта, который косвенно характеризует затраты хозяйствующих объектов на природоохранные мероприятия. 8000 7000 6000 1000 О...................... 2001 2003 2005 2007 2009 Рис. 2. Затраты на природоохранные мероприятия хозяйствующих объектов, млрд. рублей «Инфокоммуникационные технологии» Том 11, № 2, 2013 52 Гаврилова А.А., Иванова Д.В., Салов А.Г., Саксонова В.В. Из приведенного графика видно, что за девять лет вложения хозяйствующих объектов увеличились более чем в три раза. Кроме этого, ежегодно в бюджете региона предусматриваются финансовые средства на снижение концентрации загрязнений окружающей среды. Рис. 3. Финансирование природоохранных мероприятий, млн. рублей На рис. 3 приведена кривая изменения затрат на природоохранные мероприятия, которые на протяжении девяти лет существенно росли и к 2009 г. составили более 800% по отношению к 2001 г. Мероприятия были направлены на усовершенствование системы экологического мониторинга, покупку и установку стационарных постов наблюдений за загрязнениями и автоматических метеорологических станций. Кроме того, осуществляется финансирование проектов, обеспечивающих улучшение качества атмосферного воздуха, водных ресурсов, экологическое воспитание и просвещение, подготовку различных ежегодных материалов о состоянии окружающей среды. Таким образом, затраты на природоохранные мероприятия за рассматриваемый период возросли более чем в семь раз, а уровень загрязнений снизился всего лишь на 13%, что не обеспечивает поставленную цель -приведение уровня вредных концентраций к концентрации ниже уровня ПДК. Для оценки эффективности финансирования природоохранных мероприятий построим математическую модель, описывающую зависимость суммарных выбросов в регионе от величины валового регионального продукта, затрат на природоохранные мероприятия и основных фондов хозяйствующих объектов, косвенно характеризующих производственные мощности промышленных предприятий - источников вредных выбросов в окружающую среду. Методика моделирования Математическую модель будем строить в виде трехфакторной степенной производственной функции типа Кобба-Дугласа [2] следующего вида V(t) = А ■ (Ht) “· СFtÿ ■ (KtY, (1) где (Ht) - величина валового регионального продукта; (Ft) - величина финансирования природоохранных мероприятий; т - основные фонды хозяйствующих субъектов; А - масштабный коэффициент; α; β и γ - коэффициенты эластичности. Коэффициенты эластичности являются функциями логарифмической чувствительности, характеризующими относительный вклад ресурсов в снижение уровня загрязнения атмосферного воздуха: а = НIVb-dVbldH = dLnVbldLnH; (2) β — F/Vb-dVb/dF - dLnVbldLnF; (3) γ = К IVb-dVb/dK = dLnVb/dLnK. (4) Значения α; β и γ показывают, на сколько процентов изменится величина валовых выбросов Vb при увеличении параметров H, F и К на 1 %. Коэффициенты эластичности численно характеризуют степень влияния выпуска региональной промышленной продукции H, объемов финансирования природоохранных мероприятий F и количества основных фондов K на величину выбросов. Примем гипотезу о постоянстве коэффициентов уравнения (4) - α; β; γ и A. Идентификацию коэффициентов модели проводим по статистическим данным, приведенным на рис. 1. В качестве критерия идентификации примем минимум квадратичного отклонения модельных значений [3] от реальных данных Vb(Tt) : ю £ {УЬ(т, ) - Vbm (τ, ))2 -> min, (5) /=і где - годы временного интервала 2002-10 г.г. Качество сконструированной модели и значений полученных коэффициентов идентификации оцениваем по следующим показателям: - t-критерию Стьюдента; - F-критерию Фишера; - коэффициент детерминации R2 ; - среднеквадратичному отклонению δ , - критерию Дарбина-Уотсона DW [3]. «Инфокоммуникационные технологии» Том 11, № 2, 2013 Гаврилова А.А., Иванова Д.В., Салов А.Г., Саксонова В.В. 53 Идентифицированные значения параметров модели (1) и показатели качества исследуемой производственной функции приведены в таблице 3. Таблица 3. Значения параметров и показателей качества модели Параметры модели и коэффициенты Численные значения А 0,7614 а -0,9800 ß -0,0062 λ 1,422 DW 2,5362 R2 0,7056 tA -4,3466 ta -2,3307 tß -0,0437 t7 3,1729 F 3,9938 σ 0,087 Графическая иллюстрация сопоставления реальных величин выбросов и результатов моделирования представлена на рис. 4. 2002 2004 2006 2008 2010 » статистические данные —модельные данные Рис. 4. Сопоставление модельных и статистических данных по величине валовых выбросов Анализ результатов моделирования Построенная модель с достаточной точностью описывает значения среднестатистических величин выбросов в течение года. Среднеквадратичная ошибка погрешности расчетов составила 8,7 %, коэффициент детерминации R2 , значимый по статистике Фишера, достигает значения 0,7056. Величина критерия DW - 2,54 свидетельствует об отсутствии автокорреляции остатков, следовательно, зависимость (1) обладает высокими прогнозными свойствами. Все идентифицированные параметры модели значимы по критерию Стьюдента. Таким образом, показатели качества неоднородной производственной функции определяют возможность ее применения для исследования экологической эффективности промышленного комплекса Самарской области. Значения факторных эластичностей α = -0,98 и β = -0,006 обусловливают существенное влияние изменения валового регионального продукта на показатель эффективности производства - снижение валовых выбросов Vb. Однако увеличение валового продукта не обеспечивает поддержание валовых выбросов на заданном уровне, поскольку он меньше единицы. Коэффициента β является отрицательной величиной, то есть повышение объемов финансирования F на 1% уменьшает количество выбросов на 0,6 %, что в целом положительно сказывается на экологической обстановке в г. Самаре. Коэффициент γ положителен и свидетельствует о том, что увеличение основных фондов хозяйствующих объектов на 1% увеличивает величину валовых выбросов на 0,42%. Для региона, имеющего концентрацию вредных выбросов в атмосферу, намного превышающую ПДК, такое положение является неприемлемым. Финансирование хозяйствующих объектов на вновь вводимые мощности должно быть таким, чтобы этот коэффициент эластичности был равен нулю, а лучше - отрицательным. Выводы 1. Построенная агрегированная модель с достаточной степенью точности описывает динамику изменения валовых выбросов и может быть использована в качестве имитационной модели для получения управленческих решений. 2. Анализ коэффициентов эластичности показал, что: - увеличение валового производства региона приводит к увеличения загрязнений атмосферного воздуха; - эффективность финансовых вложений региона в природоохранные мероприятия близка к нулю; - необходимо либо кардинально изменить финансирование в сторону увеличения природоохранных мероприятий, либо прекратить их совсем; «Инфокоммуникационные технологии» Том 11, № 2, 2013 54 - вновь вводимые мощности в недостаточном объеме вкладывают средства в природоохранные мероприятия по г. Самаре, им необходимо либо увеличить финансирование, либо располагать свои производственные мощности в регионах области, где экологическая обстановка более благоприятна.×
About the authors
A. A Gavrilova
Email: a.a.gavrilova@mail.ru
D. V Ivanova
A. G Salov
Email: vera-saksonova@yandex.ru
V. V Saksonova
Email: darya.i@inbox.ru
References
- Гаврилова А.А. Саксонова В.В. Системный анализ мониторинга экологической обстанов ки в муниципальном образовании // Интеллект, инновации, инвестиции. №3, 2012. - C. 101-106.
- Дилигенский Н.В., Гаврилова А.А., Цапенко М.В. Построение и идентификация математических моделей производственных функций. Самара: Изд. СГТУ, 2005. - 126 с.
- Замков О.О, Толстопятенко А.В., Черемных Ю.Н. Математические методы в экономике. М.: МГУ, Изд. «ДИС», 1997. - 368 с.
Supplementary files
![](/img/style/loading.gif)