РАСЧЕТ ДИФФУЗНОГО СТОКА КОНСЕРВАТИВНЫХ ЗАГРЯЗНИТЕЛЕЙ ДЛЯ ВОДОСБОРОВ МАЛЫХ РАВНИННЫХ РЕК НА ПРИМЕРЕ РЕКИ БАРНАУЛКИ
Боковая панель статьи
Опубликован:
сен 29, 2023
Ключевые слова:
диффузное загрязнение; малые равнинные реки; уравнение адвекции-диффузии; обратная задача; определение параметров; оптимизация.
Основное содержимое статьи
Аннотация
В работе рассматривается метод оценки удельного расхода консервативных загрязнителей, поступающих в русло малых равнинных рек. На основе асимптотического решения уравнения адвекции-диффузии проведен расчет расхода поллютантов с применением методов оптимизации. С использованием указанного метода предложен способ расчета неизвестных параметров, входящих в модель. Установлено, что результаты расчета удовлетворительно соответствуют результатам натурных измерений, выполненных на реке Барнаулке Алтайского края. Проведена оценка величин удельного и полного стока некоторых загрязнителей. Преимуществом метода является использование ограниченного количества точек отбора проб на исследуемом участке русла.
Информация о статье
Как цитировать
Филимонов, В., Ловцкая, О., & Кудишин, А. (2023). РАСЧЕТ ДИФФУЗНОГО СТОКА КОНСЕРВАТИВНЫХ ЗАГРЯЗНИТЕЛЕЙ ДЛЯ ВОДОСБОРОВ МАЛЫХ РАВНИННЫХ РЕК НА ПРИМЕРЕ РЕКИ БАРНАУЛКИ. Известия Алтайского отделения Русского географического общества, 70(3), 61–69. https://doi.org/10.24412/2410-1192-2023-17005
Раздел
ГИДРОЛОГИЯ. КЛИМАТ
Библиографические ссылки
Диффузное загрязнение водных объектов / Ред. Данилова-Данильяна. М.: РАН, 2020. 512 с.
Дрейпер Н., Смит Г. Прикладной регрессионный анализ». М.: Диалектика, 2016. 912 с.
Кучмент Л.С. Формирование речного стока. Физико-математические модели. М.: Наука, 1983. 209 с.
Лойцянский Л.Г. Механика жидкости и газа. М.: Дрофа, 2003. 840 с.
Марчук Г.И. Математическое моделирование в проблеме окружающей среды. М.: Наука, 1982. 320 с.
Носкова Т.В., Подчуфарова Д.П., Лысенко М.С., Овчаренко Е.А. Папина Т.С., Ловцкая О.В., Марусин К.В., Дьяченко А.В. Экологический мониторинг состояния реки Барнаулки по химическим показателям // Известия АО РГО. 2019. Т.55. №4. С.130–136. DOI 10.24411/2410-1192-2019-15515
Отчет о научно-исследовательской работе по проекту «Разработка методов оценки диффузного стока с урбанизированных территорий путем решения обратных задач мо-делирования качества воды». Барнаул, ИВЭП СО РАН, 2018. Номер госрегистрации AAAA-A18-118112390023-7.
Река Барнаулка: экология, флора и фауна бассейна /Ред. М. М. Силантьева. Барнаул: Экоклуб АлтГУ, 2000. 222 с.
Самарский А.А., Вабищевич П.Н. Численные методы решения обратных задач математической физики. М.: ЛКИ, 2009. 480 с.
Филимонов В.Ю., Ловцкая О.В. Анализ стационарных распределений концентрации консервативных примесей при диффузном загрязнении малых равнинных рек // Известия АО РГО. 2019. Т. 54. №3. С.77–82. DOI: 10.24411/2410-1192-2019-15408
Andrle M., Badia A.E. Identification of multiple moving pollution sources in surface waters or atmospheric media with boundary observations // Inverse Probl. 2012. V. 28. P. 1–22.
Badia A.E., Hamdi A. Inverse source problem in an advection–dispersion–reaction system: application to water pollution // Inverse Probl. 2007. V. 23. P. 2103–2120.
Boano F., Revelli R., Ridolfi L., Source identification in river pollution problems: A geostatistical approach. // Water Resour. Res. 2005. V. 41. P. 1–13.
Guidelines for the annual and periodical compilation and reporting of waterborne pollution inputs to the Baltic Sea (PLC-Water). Helsinki, Finland: HELCOM Publ., 2015. 143 p.
Kulbay M., Mukanova B., Sebu C. Identification of separable sources for advection-diffusion equations with variable diffusion coefficient from boundary measured data. // Inverse Problems in Science and Engineering. 2017. V.25. P.279-308.
Lewicki P., Hill T. Statistics: Methods and Applications. Tulsa, OK: StatSoft, 2007. 719 p.
Liu X., Chen L., Hua Z., Chu K. Inverse problem on pollutant source identification in 1D channel // Journal of Hydroelectric Engineering. 2014. V.33. P.132–135.
Stanev V.G., Iliev F.L., Hansen S., Vesselinov V.V., Alexandrov. Identification of release sources in advection-diffusion system by machine learning combined with Green’s function inverse method // Applied Mathematical Modelling. 2018. V.60. P.64–76.
Wang Z., Liu J. Identification of the pollution source from one-dimensional parabolic equation models // Applied Mathematics and Computation. 2012. V. 219. P. 3403–3413.
Дрейпер Н., Смит Г. Прикладной регрессионный анализ». М.: Диалектика, 2016. 912 с.
Кучмент Л.С. Формирование речного стока. Физико-математические модели. М.: Наука, 1983. 209 с.
Лойцянский Л.Г. Механика жидкости и газа. М.: Дрофа, 2003. 840 с.
Марчук Г.И. Математическое моделирование в проблеме окружающей среды. М.: Наука, 1982. 320 с.
Носкова Т.В., Подчуфарова Д.П., Лысенко М.С., Овчаренко Е.А. Папина Т.С., Ловцкая О.В., Марусин К.В., Дьяченко А.В. Экологический мониторинг состояния реки Барнаулки по химическим показателям // Известия АО РГО. 2019. Т.55. №4. С.130–136. DOI 10.24411/2410-1192-2019-15515
Отчет о научно-исследовательской работе по проекту «Разработка методов оценки диффузного стока с урбанизированных территорий путем решения обратных задач мо-делирования качества воды». Барнаул, ИВЭП СО РАН, 2018. Номер госрегистрации AAAA-A18-118112390023-7.
Река Барнаулка: экология, флора и фауна бассейна /Ред. М. М. Силантьева. Барнаул: Экоклуб АлтГУ, 2000. 222 с.
Самарский А.А., Вабищевич П.Н. Численные методы решения обратных задач математической физики. М.: ЛКИ, 2009. 480 с.
Филимонов В.Ю., Ловцкая О.В. Анализ стационарных распределений концентрации консервативных примесей при диффузном загрязнении малых равнинных рек // Известия АО РГО. 2019. Т. 54. №3. С.77–82. DOI: 10.24411/2410-1192-2019-15408
Andrle M., Badia A.E. Identification of multiple moving pollution sources in surface waters or atmospheric media with boundary observations // Inverse Probl. 2012. V. 28. P. 1–22.
Badia A.E., Hamdi A. Inverse source problem in an advection–dispersion–reaction system: application to water pollution // Inverse Probl. 2007. V. 23. P. 2103–2120.
Boano F., Revelli R., Ridolfi L., Source identification in river pollution problems: A geostatistical approach. // Water Resour. Res. 2005. V. 41. P. 1–13.
Guidelines for the annual and periodical compilation and reporting of waterborne pollution inputs to the Baltic Sea (PLC-Water). Helsinki, Finland: HELCOM Publ., 2015. 143 p.
Kulbay M., Mukanova B., Sebu C. Identification of separable sources for advection-diffusion equations with variable diffusion coefficient from boundary measured data. // Inverse Problems in Science and Engineering. 2017. V.25. P.279-308.
Lewicki P., Hill T. Statistics: Methods and Applications. Tulsa, OK: StatSoft, 2007. 719 p.
Liu X., Chen L., Hua Z., Chu K. Inverse problem on pollutant source identification in 1D channel // Journal of Hydroelectric Engineering. 2014. V.33. P.132–135.
Stanev V.G., Iliev F.L., Hansen S., Vesselinov V.V., Alexandrov. Identification of release sources in advection-diffusion system by machine learning combined with Green’s function inverse method // Applied Mathematical Modelling. 2018. V.60. P.64–76.
Wang Z., Liu J. Identification of the pollution source from one-dimensional parabolic equation models // Applied Mathematics and Computation. 2012. V. 219. P. 3403–3413.