Control Systems and Computers

https://doi.org/10.15407/csc.2020.02.066

Pidnebesna H.A. Bioproductivity of Dnieper Reservoirs Analysis by Inductive Methods. Control Systems and Computers. 2020. № 2. pp. 66-76.

УДК 004.94

Г. А. Поднебесная, мл. науч. сотр., отдел информационных технологий индуктивного моделирования, Международный научно-учебный центр информационных технологий и систем НАН Украины и МОН Украины, просп. Глушкова, 40, Киев 03187, Украина, 
pidnnebesna@ukr.net

Моделирование биопродуктивности Днепровских водохранилищ индуктивными методами

Введение. Исследование закономерностей функционирования водных экосистем, влияния природных факторов на процесс формирования биологической продуктивности водоемов в условиях антропогенной нагрузки играют чрезвычайно важное значение для оценки экологической безопасности и поддержания экологического равновесия, и, как следствие, для разработки научно обоснованных методов управления и прогнозирования качества воды.

Цель. Была поставлена ​​задача определения факторов, которые имеют весомое влияние на состояние воды Днепровских водохранилищах, путем построения модели зависимости концентрации хлорофилла а в фитопланктоне по данным многолетних наблюдений в Кременчугском и Каховском водохранилищах. Результаты наблюдений за 1976-1993 годы предоставлены Институтом гидробиологии НАН Украины.

Методы. Малый объем данных наблюдений и погрешности измерений значительно усложняет решение задачи. Для получения удовлетворительного результата были применены разные индуктивные методы. Проведено моделирование методами: линейной регрессии LR, LASSO, комбинаторным алгоритмом МГУА COMBI и корреляционным алгоритмом с анализом рейтинга факторов CAR. Для оценки адекватности полученных моделей применен коэффициент детерминации R2 и соответствующий коэффициент множественной корреляции R.

Результати. Для Кременчугского водохранилища оказалось, что модели, построенные с помощью LASSO и COMBI имеют отрицательное значение коэффициента детерминации R2, то есть недостаточную адекватность.
Модель, полученная с помощью линейной регрессии LR, имеет коэффициент детерминации R2 = 0.204 (соответственно, множественной корреляции R = 0.452). Это означает, что модель имеет удовлетворительную адекватность. Но при этом имеет в своем составе все факторы, то есть не отбирает наиболее значимые.
Модель, полученная с помощью корреляционного алгоритма с расчетом рейтинга регрессоров CAR, имеет коэффициент детерминации R2 = 0.273 (соответственно, множественной корреляции R = 0.522), то есть модель имеет хорошую степень адекватности.
Для Каховского водохранилища модели, полученные применение методов, имеют высокую степень адекватности (RLR = 0,838, RCOMBI = 0,820, RCAR = 0.812, RLASSO = 0,803). Кроме того, модели имеют схожие структуры.

Выводы. Анализ полученных результатов показал, что во все модели, полученные различными методами для обоих водохранилищ входит фактор — минеральная форма азота. Это закономерно, т.к. при эвтрофирования водоемов содержание азота становится тем фактором, который лимитирует развитие фитопланктона. Также в состав трех моделей из полученных для Каховского водохранилища и двух моделей Кременчугского, которые имеют удовлетворительную адекватность, входит показатель объема стока воды.
Проведенное исследование дает основания полагать, что эти факторы (минеральная форма азота и объем стока воды) могут быть самыми влиятельными для жизнедеятельности фитопланктона и определять состояние функционирования Каховского и Кременчугского водохранилищ. Сказанное относится именно названных днепровских водохранилища и имеющейся выборки статистических данных летнего сезона характеризуется интенсивным «цветением» воды синезелеными водорослями.

 Загрузить полный текст! (на английском)

Ключовые слова: индуктивные методы моделирования, корреляционный алгоритм с расчетом рейтинга регрессоров CAR, комбинаторный алгоритм МГУА COMBI, LASSO, фитопланктон, концентрация хлорофилла а.

  Поступила 20.03.2020