В крупных городах мира и России в течение последних 20–30 лет в периоды аномально неблагоприятных метеорологических условий (атмосферные инверсии в штилевую погоду [1]) стали наблюдаться локальные чрезвычайные ситуации (ЧС), связанные с опасным загрязнением воздушной среды токсичными и канцерогенными веществами отработавших газов (ОГ) тепловых двигателей транспорта [2, 3]. Для контроля таких чрезвычайных ситуаций Национальный центр управления в кризисных ситуациях МЧС России осуществляет в оперативном режиме мониторинг и прогнозирование загрязнения воздушной среды в городах [4].

В данной статье на примере СанктПетербурга приводятся результаты расчётного исследования вероятного локального загрязнения воздуха на уровне дыхания человека оксидами азота (NO2) и PM10 (частицы дизельной сажи, на которых адсорбируются канцерогенные вещества), являющимися наиболее опасными поллютантами согласно оценке Всемирной организации здравоохранения [5].

Объекты исследования

Объектами исследования являлись тепловые двигатели автомобильного, водного (речной, морской), железнодорожного (в основном маневровые дизельные тепловозы) и воздушного (с турбореактивными двигателями) транспорта, одновременно эксплуатируемого на территории Санкт-Петербурга (включая его водные и воздушные акватории). Особенностями Санкт-Петербурга, водной столицы России, является его расположение на берегу Финского залива. Город имеет развитую улично-дорожную и железнодорожную инфраструктуру, на которой эксплуатируется ежедневно более 2,5 млн транспортных средств. В черте города находятся 45 рек, рукавов, протоков и 40 искусственных каналов общей протяжённостью около 300 км. Навигация судов начинается в начале апреля, а заканчивается в конце ноября.

Основное отличие пассажирских и грузовых судов от автотранспортных средств заключается в том, что размещённые на них дизельные двигатели предназначены не только для приведения судов в движение, но и для утилизации отходов, выработки тепловой и электрической энергии, удовлетворения общесудовых нужд экипажа и пассажиров. Негативной особенностью эксплуатируемого в СанктПетербурге российского речного и морского флота является их экстремально высокий возраст. Так, трёхпалубные пассажирские теплоходы 588-го проекта выпускались с 1951 по 1961 годы, четырёхпалубные теплоходы 301-го проекта — с 1974 по 1983 годы, теплоходы «Метеор» 342Э — с 1961 по 1991 годы, в связи с чем их дизельные двигатели характеризуются чрезвычайно высокими показателями токсичности (преимущественно нулевого экологического класса [1]).

Воздушные лайнеры аэропорта Пулково взлетают при работе двигателей на жёстких (с экологической точки зрения) форсированных нагруженных режимах преимущественно в направлении городской акватории Финского залива. По данным исследований [4], на долю тепловых двигателей автомобильного, водного, железнодорожного и воздушного транспорта, эксплуатируемого в Санкт-Петербурге, приходится не менее 95–98 % выбросов в атмосферу вредных (загрязняющих) веществ, регистрируемых городскими службами мониторинга.

Методика и исходные данные исследования

В данном исследовании были проанализированы гипотетические сценарии закономерно повторяющихся кратковременных (от нескольких часов, например, часы пик транспортной нагрузки, до нескольких суток) ситуаций, обусловленных явлениями эмиссии, переноса (диффузии) в стратифицированной атмосфере и чрезвычайно опасного локального (по времени и территории) оседания загрязняющих веществ NO2 и PM10 отработавших газов двигателей транспортных средств при сочетании неблагоприятных транспортных и метеорологических условий, способствующих их накоплению в приземном слое атмосферы. Миграция загрязняющих веществ изучалась в масштабе городской территории, включая её водные акватории с частью примыкающего Финского залива. По международной шкале моделирования атмосферных процессов это соответствует «мезоуровню».

Исходными данными для организации численного эксперимента были сведения за весенне-летне-осенние периоды наблюдений (2015–2017 годы) о загрязнении воздушной среды поллютантами на уровне дыхания человека, взятые из базы данных измерений автоматизированной системы мониторинга (АСМ) Комитета по охране окружающей среды и природопользования правительства Санкт-Петербурга [6]. В расчётах использовались главным образом выборки измеряемых значений концентраций поллютантов, соответствующие малым осадкам, слабой и средней ветровой нагрузке (скорость ветра 0,5–3,0 м/с), а также часам пик транспортной нагрузки.

На время проведения исследований АСМ включала 21 стационарную автоматическую станцию мониторинга загрязнения атмосферного воздуха, равномерно покрывающих территорию города (рис. 1): №1 (ул. Профессора Попова, д. 48), №2 (г. Колпино, ул. Красная, д. 1-А), №3 (ул. Карбышева, д. 7), №4 (Малоохтинский пр., д. 98), №5 (пр. Маршала Жукова, д. 30, корп. 3), №6 (В.О., Весельная ул., д. 6); №7 (ул. Шпалерная, д. 56), №8 (ул. Королёва, д. 36, корп. 8), №9 (Малая Балканская ул., д. 54), №10 (Московский пр., д. 19), №11 (г. Сестрорецк, ул. Максима Горького, д. 2), №12 (ул. Пестеля, д. 1), №13 (Шоссе Революции, д. 84), №14 (г. Зеленогорск, пляж «Золотой», д. 1), №15 (город Кронштадт, ул. Ильмянинова, д. 4), №16 (ул. Севастьянова, д. 11), №17 (г. Пушкин, Тиньков пер., д. 4), №18 (ул. Ольги Форш, д. 6), №19 (пр. Маршала Жукова, д. 55), №20 (ул. Тельмана, д. 24), №21 (г. Ломоносов, ул. Федюнинского, д. 3).

О чрезвычайном загрязнении воздуха тепловыми двигателями городского транспорта. 2/2019. Фото 1

Станции АСМ расположены в 18 административных районах Санкт-Петербурга, функционируют непрерывно в автоматическом режиме и обеспечивают регулярное получение оперативной информации об уровне загрязнения атмосферного воздуха Санкт-Петербурга основными загрязняющими веществами. Автоматические измерения концентраций загрязняющих веществ проводятся с периодичностью 20 минут (требование оценки соответствия качества воздуха населённых мест предельно допустимым значениям «максимально разовой» концентрации вредного (загрязняющего) вещества — ПДКмр). Эксплуатацию станций осуществляет Санкт-Петербургское государственное геологическое унитарное предприятие «Специализированная фирма «Минерал».

Математическая модель проведения численного эксперимента

Выбросы загрязняющих веществ ветровой конвекцией или диффузией перемешиваются и уносятся из районов сосредоточения стационарных и передвижных источников с тепловыми двигателями (автомобили, суда, локомотивы, авиалайнеры, дизель-электрические станции и другие промышленные установки с двигателями внутреннего сгорания и т.п.) на сопредельные территории, удалённые от источников на значительные (в несколько десятков километров) расстояния в пределах городской черты.

Скорость и дальность переноса загрязняющих веществ в общем случае зависят от их температуры, турбулентности воздуха и динамических характеристик ветрового поля. При выборе аппарата моделирования данного весьма сложного физико-химического процесса мы выделили три критерия, которым она должна удовлетворять: универсальность (возможность использования модели для решения конкретных задач переноса газообразных веществ и взвешенных частиц на мезоуровне), реалистичность (степень её соответствия реальной, по сути — близкой к стационарной на исследуемом временном отрезке системе), точность (способность количественно оценивать и прогнозировать развитие системы при изменяющихся условиях).

Очевидно, что следует добавить ещё один — рациональность. Это означает, что принятая модель, по возможности, должна максимально просто формулировать анализируемое явление (процесс диффузии), включать только те связи, соотношения, зависимости, которые наиболее важны при рассмотрении данной конкретной задачи, по сути — поиска экстремального результата в условиях сочетания чрезвычайных факторов эксплуатации транспорта и метеорологии.

Как показал анализ международной многолетней положительной практики моделирования диффузии поллютантов в стратифицированной атмосфере на мезоуровне [7] для описания переноса выбросов в атмосферном воздухе газообразных и взвешенных частиц, отвечающем выше отмеченным критериям, лучше всего подходит модель Гаусса, в которой среднее сечение «факела» неизменно во времени и пространстве, имеет единообразную геометрическую форму, напоминающего сечение колокола.

Ввиду того, что массив исходных точечных данных о концентрациях имеет объём, близкий к необозримому, работа с ним традиционными методами может оказаться чрезвычайно трудоёмкой. Организация вычислительного процесса, очевидно, будет сопряжена с необходимостью использования далеко не полной информации о начальных и граничных условиях, о коэффициентах уравнений, о границах разделов газообразных и взвешенных сред — наконец, при построении моделей неизбежно появится необходимость учитывать обновляемые данные наблюдений автоматизированной системы мониторинга.

Во избежание перечисленных проблем нами использовался универсальный подход [8] на основе построения иерархии нейросетевых моделей для любого набора оперируемой информации и аналитических выражений определяющих зависимостей: «уравнения» или «наборы данных» — и в смешанной гетерогенной ситуации: «уравнения + данные». Используя данный подход, можно единообразно, без принципиальной перестройки алгоритмов конструировать устойчивые к ошибкам и способные усваивать новую информацию нейросетевые модели процесса переноса. Как показала практическая реализация настоящего исследования, данная методология существенно сокращает трудоёмкость моделирования систем с распределёнными параметрами, к которым относится динамическая задача оценки загрязнения атмосферы ОГ транспорта. Положительным является и то, что предложенный подход и соответствующие ему нейросетевые модели загрязнения воздуха и нейросетевые алгоритмы их настройки обладают приоритетной новизной [9].

Согласно модели Гаусса, изменение концентрации примеси от мгновенного точечного источника примеси подчиняется нормальному закону распределения:

О чрезвычайном загрязнении воздуха тепловыми двигателями городского транспорта. 2/2019. Фото 2

где x0, y0 и z0 — координаты источника выброса; Q — мощность источника; Vx — коэффициент, характеризующий скорость ветра в предположении, что система координат сориентирована таким образом, что OX совпадает с направлением ветра; σx, σy и σz — средние квадратичные отклонения частиц примеси в момент времени t, соответственно, вдоль координатных осей OX, OY и OZ:

О чрезвычайном загрязнении воздуха тепловыми двигателями городского транспорта. 2/2019. Фото 3

где h — высота приземного слоя.

Используя принцип суперпозиции, из (1) легко получить формулы для расчёта концентрации примеси от точечного источника непрерывного действия:

О чрезвычайном загрязнении воздуха тепловыми двигателями городского транспорта. 2/2019. Фото 4

Согласно гауссовой модели изменение концентрации примеси в атмосфере подчиняется нормальному закону распределения. Основная сложность состоит в вычислении интеграла, при расчёте которого аналитические методы приводят к громоздким формулам, а численные методы требуют большого времени счёта. Поэтому, используя кубатурные формулы, заменим интеграл конечной суммой:

О чрезвычайном загрязнении воздуха тепловыми двигателями городского транспорта. 2/2019. Фото 5

где Ci — числовой коэффициент; xi ∈ [0; t], i = 0, 1, 2, 3, …, n — узлы интегрирования.

Приближение (4) для концентрации вредного (загрязняющего) вещества q можно рассматривать как модель, соответствующую искусственным нейронным сетям с радиальными базисными функциями (в анализируемом случае базисная функция — функция Гаусса).

Результаты проведённого исследования

На основе обработки данных мониторинга по разработанной математической модели были построены нейронные сети с разным количеством нейронов: n = 5, 10, 15, 20 с применением метода RProp [8] и комбинации [8] метода «Облака» из трёх частиц (n1 = 3) и метода RProp.

В результате проведения по модели численного эксперимента с использованием программного обеспечения Mathematica компании Wolfram Research были получены диаграммы для разных гипотетических сценариев развития ситуации загрязнения атмосферного воздуха на территории Санкт-Петербурга. Полную информацию о проведённых многолетних исследованиях можно получить из отчёта по гранту Российского фонда фундаментальных исследований (РФФИ) «Информационные модели на основе иерархических гетерогенных нейронных сетей в исследовании влияния объектов транспортной инфраструктуры на окружающую среду» (проект №14-01-00733А, 2015–2016 годы).

В качестве примеров, подтверждающих работоспособность разработанного метода, на рис. 2 (плоская модель) отражена зависимость уровня загрязнения воздуха диоксидом азота NO2 в разных районах города от комплексного векторного параметра — скорости и направления ветра. Расчёты соответствуют аномально неблагоприятным метеорологическим условиям: безветренной погоде и наличия над Финским заливом глубокой (по высоте) области температурных инверсий.

О чрезвычайном загрязнении воздуха тепловыми двигателями городского транспорта. 2/2019. Фото 6

В результате последовательных итераций (обучающих аппроксимаций данных измерений АСМ, наилучшие, более точные результаты, с минимальными значениями функционала ошибки, получились в случае применения комбинации методов «облака» и RProp при n = 5; n1 = 3.

На рис. 3 эти результаты представлены на трёхмерной модели.

О чрезвычайном загрязнении воздуха тепловыми двигателями городского транспорта. 2/2019. Фото 7

Согласно данным диаграммам, уровень наивысшего загрязнения диоксидом азота в этом случае соответствует области с географическими координатами 59°53 с. ш. и 30°03 в. д. (над Финским заливом). Ожидаемые вероятные численные значения загрязнения воздуха NO2 на уровне дыхания человека в этой чрезвычайно опасной области могут лежать в диапазоне значений 8–10ПДКмр.

Высокий уровень загрязнения над Финским заливом, как об этом было ранее сказано, объясняется диффузией, «перетеканием» вредных (загрязняющих веществ) из других районов города, в которых работают транспортные тепловые двигатели. Причиной этому явилась устойчива инверсия над Финским заливом — область пониженного давления.

На рис. 4 в качестве второго примера приведены результаты численного моделирования загрязнения воздуха частицами PM10 в Санкт-Петербурге — также на мезоуровне, как и в первом примере. Здесь на диаграмме представлена ожидаемая трансформация распределения загрязнения воздуха частицами PM10 как следствия смещения загрязнённого поллютантами облака смога над Финским заливом под воздействием слабого юго-западного ветра со скоростью 2 м/с.

О чрезвычайном загрязнении воздуха тепловыми двигателями городского транспорта. 2/2019. Фото 8

Следует отметить, что для «розы ветров», характерной для региона СанктПетербурга, юго-западные направления ветровой нагрузки наблюдаются наиболее часто во все времена года. Как вытекает из анализа диаграммы рис. 4, при слабом юго-западном ветре наивысший уровень загрязнения атмосферного воздуха PM10 соответствует району с координатами 59°55 с. ш. и 30°20 в. д. (Центральный район).

Смещение высокого уровня загрязнения воздуха над Санкт-Петербургом с Финского залива в сторону Центрального района объясняется диффузией, «перетеканием» вредных (загрязняющих) веществ, как из ранее сформировавшегося облака смога вредных (загрязняющих веществ) над Финским заливом, так и из других районов города, в которых работают транспортные тепловые двигатели. Причиной этому явилось сформировавшееся под воздействием ветровой нагрузки новое устойчивое распределение вертикальных температур и, как физическое метеорологическое следствие, смещение инверсионных пониженных атмосферных давлений в область Центрального района.

По результатам нейросетевой аппроксимации данных многолетних измерений автоматизированной системы мониторинга ожидаемые вероятные численные значения загрязнения воздуха PM10 на уровне дыхания человека в этой чрезвычайно опасной области Центрального района могут лежать в диапазоне значений 4–5ПДКмр.

Выводы

1. В Санкт-Петербурге одновременная эксплуатация тепловых двигателей автомобильного, водного, железнодорожного и воздушного транспорта при неблагоприятных метеорологических и транспортных условиях приводит к закономерно повторяемым локальным территориальновременным чрезвычайным ситуациям сверхнормативного загрязнения воздуха NO2 и PM10, причём на уровне легких человека.

2. Применение оригинального (комбинация методов «Облака» и RProp) универсального подхода математического моделирования на основе построения иерархии обучаемых нейросетевых моделей для набора оперируемой инструментальной информации о полях распределения концентраций NO2, PM10 и аналитического выражения закона диффузии Гаусса («уравнения + данные») позволяет контролировать и прогнозировать такие ЧС.

3. Организация и проведение численного эксперимента с использованием нового подхода, применительно к Санкт-Петербургу — водной и культурной столице РФ — позволили выявить вероятные локально временные ЧС загрязнения воздуха ОГ тепловых двигателей от совместной работы транспорта над Финским заливом (превышение концентраций NO2 до 8–10ПДКмр) и в Центральном районе (превышение концентраций PM10 до 4–5ПДКмр).

4. Натурными полевыми и численными исследованиями установлено, что подобные закономерно повторяемые территориально-временные локальные черезвычайные ситуации сверхнормативного загрязнения воздуха в городах являются следствием сочетания одновременно неблагоприятных транспортных (часы пиковой транспортной нагрузки) и метеорологических (штилевая или слабая ветровая нагрузка, локальные температурные инверсии в приземном слое стратифицированной атмосферы) факторов.