Możliwości zastosowania symulacji komputerowych w prognozowaniu rozprzestrzeniania się zanieczyszczeń

• Autorzy: Pomorska K. , Duda A.

Warianty tytułu

EN

The capabilities of employing computer simulations in forecasting the spreading of pollution

• Języki publikacji: PL

Abstrakty

PL

Rozprzestrzenianie się zanieczyszczeń bada się w warunkach terenowych złożonymi metodami: - matematyczne modelowanie na drodze analitycznego lub numerycznego rozwiązywania ogólnego równania dyfuzji, - modelowanie fizyczne w tunelach aerodynamicznych, - bezpośrednie pomiary dyfuzji w terenie przy wykorzystaniu substancji znaczonych. Za pomocą modelowania matematycznego możliwa jest nie tylko ocena faktycznego stanu zanieczyszczenia, ale także możliwość prognozowania skutków mających wystąpić stężeń oraz prognozowania zagrożeń wywołanych dużymi emisjami losowymi. W publikacji przedstawiono krótkie omówienie wybranych modeli. Podstawowymi modelami opisu rozprzestrzeniania się zanieczyszczeń są różniczkowe modele Eulera, całkowe Langrange'a oraz statystyczne modele Gaussa. Z innych modeli należy wymienić model trójwymiarowy oparty na metodzie elementów skończonych. Model ten należy do grupy numerycznych modeli dyfuzyjnych. Zaawansowaną techniką modelowania procesów rozprzestrzeniania się zanieczyszczeń są sieci neuronowe. Zastosowanie sieci neuronowych oparte jest na licznych zbiorach danych. Podstawową cechą sieci neuronowych jest jej zdolność do uogólnienia, którą uzyskuje się podczas nauczania na podstawie zbioru danych.

EN

The spread of pollution is measured in composite local conditions using compound methods such as: - mathematical simulation by way of analytical or numeric solving of the general equation of diffusion, - physical simulation - in wind tunnels, - direct measurements of diffusion in the field, utilizing marked substances. The use of mathematical simulation allows not only for the measurement of the actual level of pollution, but also gives the ability to forecast it's effects as well as asses the threat caused by large random emissions. A short discussion of the chosen models is presented in the publication. The basic models describing the diffusion of pollutants are the differential Euler model, Langrange integrated model as well as Gauss statistical model. Other models which should be mentioned are the three dimensional model based on the method finished elements. This model belongs to the group of numeric diffusion models. An advanced technique of modeling the processes of pollutant diffusion are neuron networks. The employment of neural networks is based on numerous data sets. The basic feature of neural networks is their ability to generalize, which is achieved during computer managed on the basis of the data set.

Słowa kluczowe

PL

symulacja komputerowa; prognozowanie rozprzestrzeniania się zanieczyszczeń

• Wydawca: Oddział SIMP w Lublinie
• Czasopismo: Postępy Nauki i Techniki
• Rocznik: 2007
• Tom: nr 1
• Strony: 145--151
• Opis fizyczny: Bibliogr. 13 poz.

Twórcy

autor

Pomorska K.

autor

Duda A.

• Katedra Podstaw Techniki, Wydział Podstaw Techniki, Politechnika Lubelska, 20-618 Lublin, ul. Nadbystrzycka 38,

Bibliografia

• 1. Stawiński R.: Transport a człowiek i ochrona środowiska, Przegląd komunikacyjny nr 9, 10, 1991.
• 2. Zwoździak J.: metody prognozy i analizy stężeń zanieczyszczeń w powietrzu w regionie Czarnego Trójkąta, Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław 1995.
• 3. Michalczyk J.K., Murawski K., Pawłowski L.: Propozycje symulacji numerycznych rozprzestrzeniania się zanieczyszczeń w powietrzu atmosferycznym, Ochrona powietrza i problemy odpadów. Nr 2 , 50-53, 1999.
• 4. Szepesi O.J.: Compendium of regulatory air quality simulation models, Akad. Kiado, Budapest 1989.
• 5. Zanetti P.: Air pollution modeling. Theories computational method and available software, Van Norstad Renhold, New York 1990.
• 6. Straszko J., Paulo L.A.: Modele dyfuzyjne propagacji zanieczyszczeń w atmosferze, Inżynieria Chemiczna i Procesowa, nr 17/1996.
• 7. Juda J., Chróściel S.: Ochrona powietrza atmosferycznego, WNT Warszawa, 1974.
• 8. Zientkiewicz O.C.: The Finite Element Method, Mc Graw Hill, London 1977.
• 9. Zlatev Z., Berkowicz R., Prahm L.: Three- dimensional advection diffusion modeling for regional scale, Atmos. Environ. Vol 17, 3, 491-499, 1983.
• 10. Bogacki M., Mazur M., Oleniacz R.: Modelowanie stężenia ozonu w niskiej troposferze na przykładzie Nowego Sącza, Aura, 3, 4-6, 1999.
• 11. Pao Y.H.: Adaptive Paltern Recognition and Neural Networks, Addison Weseley Reading, 1989.
• 12. Rumelhar D.E., Hinton G.E., Williams R.J.: Learning internal representations by error propagation. In Parrallel Distributed Processing: Explorations in the Microstructures of congnition, Eds. E.D.E. Rumelhord I.L.Mc Clelland vol II, Mit. Press Cambrige, 1986.
• 13. Osowski S.: Sieci neuronowe w ujęciu algorytmicznym. WNT, Warszawa 1996.