Инна Юрьевна Кузнецова, старший преподаватель кафедры «Математика и информатика»
ElibraryID: 650783ScopusID: 57217115003
344003, г. Ростов-на-Дону, пл. Гагарина, 1
Inna Yu. Kuznetsova, Senior Lecturer of the Department of Mathematics and Computer Science
ElibraryID: 650783ScopusID: 57217115003
1, Gagarin Sq., Rostov-on-Don, 344003
Алла Валерьевна Никитина, доктор технических наук, профессор кафедры «Программное обеспечение вычислительной техники и автоматизированных систем»
ElibraryID: 772685ScopusID: 57190226179
344003, г. Ростов-на-Дону, пл. Гагарина, 1
Inna Yu. Kuznetsova, Senior Lecturer of the Department of Mathematics and Computer Science
ElibraryID: 772685ScopusID: 57190226179
1, Gagarin Sq., Rostov-on-Don, 344003
Введение. Игнорирование системной природы водохранилища обусловливает неэффективные и деструктивные управленческие решения. Однако изучение таких объектов часто фокусируются именно на отдельных факторах. Прогнозный потенциал графовых моделей для этих целей ограничивается дефицитом экспертной информации и устаревающей базой индикаторов. Представленная работа призвана восполнить эти пробелы. Цель — оценка эффективности мероприятий по улучшению состояния Цимлянского водохранилища. Основа решения — авторская графовая модель взаимодействия антропогенных и биотических характеристик объекта.
Материалы и методы. Анализировались литературные источники, информация о гидробиохимии и видовом составе рыб. В модели учли 20 факторов состояния Цимлянского водохранилища. Анализ гидробиологии позволил составить граф G(V, E, Y). V — множество вершин, vk ∊ V, k = 1̅, ̅2̅0. E — множество ориентированных ребер ek = (vi, vj) в виде упорядоченных пар длины 2, i ≠ j. Y — отображение, Y : V → V. Матрицу весов построили по интегральной оценке экспертов для каждого фактора. Весовые коэффициенты (±0,5–±1) рассчитали по информационной базе гидробиологических и химических данных.
Результаты исследования. Выяснили, как повлияет на объект устранение дрейссены при однократной очистке (1-й сценарий) и трехлетней (2-й). Визуализировали динамику импульсов для состояния воды (v15) и изменения концентрации биовеществ (v18). В первом сценарии для первого фактора максимальный импульс (0,5) фиксируется с 3-го года воздействия, минимальный (0) — в течение 1-го. Для второго фактора за 3-й год импульс увеличивается с минимума (–0,5) до максимума (0,25). Во втором сценарии оба фактора не меняются в 1-й год. Затем импульс для v15 растет (до 0,75), v18 падает во 2-й год до –0,5, а потом увеличивается до –0,25.
Оценили воспроизводство леща при подкорме v5 в течение года (3-й сценарий) и пяти лет (4-й). Учитывалось состояние нерестовой рыбы v1, пополнение молоди v2, промысел v7, эвтрофикация v14. Два года остаются нулевыми импульсы v2, v7 и v14. Затем v2 и v7 растут до единицы, в 4-й год падают до нуля. Импульс эвтрофикации падает до –1, к концу 4-го года возвращается к нулю. При пятилетнем подкорме импульс v1 падает до –1 в 1-й год, v14 — в 3-й, и его значение не меняется, а v1 возвращается к 0 на 5-й год моделирования. Импульс для v2 и v7 за три года растет с нуля до единицы.
Обсуждение. Ежегодная очистка водоема от дрейссены более эффективна для улучшения состояния воды и менее — для концентрации биогенных веществ. Единоразовая подкормка повысит поголовье молоди и промысел. Эвтрофикация сократится, однако устойчивых результатов не будет. Ежегодный подкорм увеличит поголовье молоди, сократит эвтрофикацию и обусловит развитие промысла.
Заключение. Предложенное решение позволяет прогнозировать пользу или вред антропогенных воздействий на водохранилище. Модель можно совершенствовать за счет более тонкой настройки весовых коэффициентов, учета нелинейных и пороговых эффектов и других индикаторов.
Introduction. Ignoring the systemic nature of a reservoir can lead to ineffective and damaging management decisions. However, the study of such objects often focuses on individual factors. The predictive potential of graph models is limited by a lack of expert information and outdated databases of indicators. This work aims to address these issues by evaluating the effectiveness of measures to improve the condition of the Tsimlyansk Reservoir. The solution is based on the author's graph model that takes into account the interaction of anthropogenic and biotic characteristics of the object.
Materials and Methods. The literature sources and information on hydrobiochemistry and species composition of fish were analyzed. A model was created that took into account 20 factors related to the state of the Tsimlyansk Reservoir. A hydrobiological analysis allowed us to create graph G(V, E, Y). V — set of vertices, vk ∊ V, k = 1̅, ̅2̅0. E — set of oriented edges ek = (vi, vj) in the form of ordered pairs of length 2, i ≠ j. Y — mapping, Y : V → V. A weight matrix was created based on an integral assessment of each factor by experts. The weighting coefficients (±0.5–±1) were calculated using information from hydrobiological and chemical databases.
Results. We investigated how the removal of zebra mussels would affect the facility during a single cleaning (scenario 1) and a three-year cleaning (scenario 2). We visualized the dynamics of pulses for the state of the water (v15) and changes in the concentration of biological substances (v18). In the first scenario, for the first factor, the maximum pulse (0.5) was fixed from the third year of exposure; the minimum (0) was during the first year. For the second factor, the pulse increased from a minimum (–0.5) to a maximum (0.25) over the third year. In the second scenario, both factors did not change in the first year. Then the pulse for v15 increased (to 0.75), v18 fell in the second year to –0.5, and then increased to –0.25.
Bream reproduction with v5 feeding was evaluated for a year (scenario 3) and five years (scenario 4). The state of spawning fish v1, replenishment of juveniles v2, fishing v7, and eutrophication v14 were taken into account. v2, v7, and v14 pulses remained zero for two years. Then v2 and v7 grew to one, and in the fourth year they fell to zero. The eutrophication pulse dropped to –1, and returned to zero by the end of the fourth year. With a five-year feeding, v1 pulse dropped to –1 in the first year, v14 — in the third, and its value did not change, and v1 returned to 0 in the fifth year of modeling. The pulse for v2 and v7 grew from zero to one in three years.
Discussion. Annual cleaning of a reservoir from zebra mussel was more effective for improving the water condition and less effective for the concentration of nutrients. One-time feeding would increase the number of juveniles and fishing. Eutrophication would decrease, but there would be no sustainable results. Annual feeding would increase the number of juveniles, reduce eutrophication and lead to the development of fishing.
Conclusion. The proposed solution makes it possible to predict potential benefits or harm of anthropogenic activities on the reservoir. The model can be improved by fine-tuning the weighting coefficients, taking into account non-linear and threshold effects as well as other indicators.
The authors declare that there are no conflicts of interest present.