Технології моделювання метеорологічних процесів із засвоєнням даних вимірювань для систем підтримки прийняття рішень

У четвертому розділі представлена чисельна гідродинамічна модель атмосферної дисперсії забруднень навколо будинків, в якій реалізовано модуль засвоєння даних вимірювань. У моделі розв'язується система рівнянь нерозривності, збереження імпульсу і внутрішньої енергії, доповнених параметризаціями турбулентних потоків у приземному шарі атмосфери і рівнянням переносу кінетичної енергії турбулентних пульсацій.

Рис. 5. Розраховане поле швидкості для експерименту з обтікання кубу

Верифікація моделі на даних натурного експерименту Мавроідіса з обтікання кубу показує гарне узгодження розрахунків і вимірювань. Зокрема, як видно з рис. 5, модель відтворює розмір рециркуляційної зони L=1,4 м (за даними вимірювань L=1,6 м). Середня абсолютна нормована помилка концентрації становить усього 30%, що відповідає рівню похибки найкращих сучасних моделей.

Для даної моделі розвинений метод засвоєння даних, що дозволяє ідентифікувати місце розташування й потужність стаціонарного джерела забруднення, розташованого в міській місцевості. В рамках ейлерового підходу задача розрахунку турбулентної дифузії пасивної домішки від точкового стаціонарного джерела зводиться до розв'язку рівняння:

, (5)

в якому - коефіцієнт турбулентної дифузії, - потужність викиду джерела з координатами ; функція скалярного аргументу в (1) є східчастою функцією:

і

і при достатньо малих значеннях параметра джерело може вважатися точковим. Розв'язок (5) розглядається в просторовій області . Рівняння (5) доповнюється граничними умовами непротікання через відкриті й тверді границі:

,

де - границя області, а - вектор нормалі до неї.

Тепер припустимо, що в обчислювальній області отримані ненульові значення вимірювань концентрації у деяких точках з координатами

:,

де - сумарна кількість вимірювальних станцій, а вимірювання складають вектор . Значення поля концентрації може бути співставлене вимірюванню у точці за допомогою функціонала:

,

в якому -пробна функція, що може бути визначена як

у протилежному випадку. Тоді задача ідентифікації потужності й положення джерела може бути поставлена як завдання знаходження значень (об'єднаних у вектор керуючих параметрів ), які доставляють мінімум функціонала якості:

, (6)

в якому перші три члени враховують апріорну інформацію (перше наближення) про місце знаходження джерела в точці , а , - середньоквадратичні похибки горизонтальної та вертикальної відстаней першого наближення від істинного положення; , - середньоквадратичні похибки моделі й вимірювань.

У даній роботі був використаний прямий метод розв'язку задачі мінімізації (6). Для швидкого розрахунку значення концентрації в даній точці відповідних до даного набору керуючих параметрів з використанням апарата спряжених рівнянь був розрахований дискретний аналог функції джерело-рецептор (ДР), як це було запропоновано в роботах Г.І. Марчука. Спряжена змінна є розв'язком спряженого рівняння:

і задовільняє умовам непротікання на границях. Тоді розв'язок рівняння (5) у точці може бути отриманий за допомогою співвідношення

,

в якому вираз у правій частині і є функцією джерело-рецептор.

Дискретними аналогами неперервних функцій і , а також правої частини , є відповідні вектори ,, значень на обчислювальній сітці. Функція апроксимується за допомогою інтерполяції за методом найближчого сусіда, і таким чином ненульове значення функції джерела задається тільки у вузлі , найближчому до місця розташування джерела, а елементи вектора визначаються співвідношенням:

.

Відповідність між значенням концентрації в точці вимірювання й сітковим полем концентрації задається лінійною інтерполяцією:

,

в якому вектор вагових коефіцієнтів визначається формулами трилінійної інтерполяції. Таким чином, дискретний аналог спряженого рівняння може бути записаний у виді:

,

де матриця відповідає чисельній апроксимації оператора . Тоді дискретна функція ДР може бути записана як:

.

За умови розташування джерела у вузлі k функціонал якості (6) може бути наближений виразом

. (7)

Таким чином, неперервна постановка задачі мінімізації може бути замінена такою дискретною постановкою: знайти таку пару значень, яка мінімізує функціонал якості (7). Для кожного вузла сітки обчислюється відповідне мінімальне значення . Потім розв'язок дискретної задачі мінімізації знаходиться шляхом вибору вузла, в якому досягається мінімальне значення серед усіх . Відповідна пара є розв'язком дискретної задачі мінімізації, а вектор є апроксимацією розв'язку неперервної задачі мінімізації.

Верифікація алгоритму була проведена на основі співставлення вимірювань і розрахунків, проведених для умов натурного експерименту MUST з атмосферного переносу забруднювача серед масиву прямокутних перешкод. Перешкоди були розташовані в 12 рядах по 10 перешкод у кожному, розмір яких був 12,2x2,42x2,54 метри. Метеорологічні умови характеризувалися нейтральною стратифікацією, швидкістю вітру на висоті 2,5 м: м/с і напрямком вітру: -45 град. в експериментальній системі координат. Домішка надходила через практично точкове джерело, розташоване на рівні Землі. Об'ємна витрата речовини в джерелі була: м³/с. Вимірювання концентрації здійснювалися масивом з 244 детекторів, розташованих вздовж напрямку вітру. Розмір обчислювальної області дорівнював 370x370x20 м, мінімальний горизонтальний крок сітки був рівний м, а вертикальний крок біля поверхні Землі дорівнював м.

Як показали розрахунки, обчислювальний час витрачається в основному на розрахунок параметрів функції ДР і, відповідно, прямо пропорційний кількості детекторів. У цих тестах час, необхідний для обчислення функції ДР для одного детектора, дорівнював 2 хвилини на комп'ютері 2,93 Ghz Intel Core-2 PC. Оскільки параметри функції ДР можуть бути розраховані незалежно для різних детекторів, запропонований алгоритм може бути ефективно розпаралелений.

Якість розв'язку задачі засвоєння характеризувалась як задовільна за умови:, ,. Тут , і вертикальна й горизонтальна відстані отриманої оцінки місця знаходження джерела викиду від істинного положення, параметр

характеризує відношення істинної і оціненої потужності джерела, - порогові параметри, для яких використовувались значення, м, м, , що приблизно відповідає середній якості аналогічних результатів, відомих з літератури.

Таблиця 3. Залежність ймовірності успішного знаходження параметрів джерела викиду від кількості вимірювань у випадках “ідеальної” та “реальної” моделей

Кількість датчиків	Pideal, %	Preal, %	Кількість датчиків	Pideal, %	Preal, %
1	0	0	25	96	43.6
2	13	8,7	50	99	60
3	47,6	14,5	100	100	80,5
6	80	18,6	200	100	96,7

Характеристики джерела, відновлені з використанням усіх наявних вимірів (K=244), були близькі до істинних (м, м, ). Було досліджено залежність якості одержуваного розв'язку від кількості вимірів, використовуваних для засвоєння. Для цього був розроблений метод, що дозволяє обчислювати ймовірність знаходження характеристик джерела із заданою точністю при даній кількості вимірів. У цьому методі використовується алгоритм випадкового вибору заданого числа вимірів із усіх наявних, так що будь-яка конфігурація із заданого числа вимірів виходить рівноймовірна. Було проведено кілька варіантів розрахунків, які відрізнялися апріорними оцінками місця розташування джерела й значеннями середньоквадратичних помилок апріорних оцінок. У випадку “ідеальної моделі” (тобто, коли як виміри при засвоєнні використовувалися обчислені при правильних характеристиках джерела значення), уже при використанні 15 і більше вимірів імовірність одержання задовільного розв'язку становила 90% і вище (табл. 3, колонка P_ideal). У випадку ж засвоєння реальних вимірів 90% ймовірність одержання задовільного розв'язку у всіх досліджених випадках досягалася при використанні не менше ніж 150 вимірювань (табл. 3, колонка P_real). Таким чином, подальше поліпшення одержаних результатів може бути досягнуте шляхом удосконалення вихідної моделі.

У п'ятому розділі досліджено два альтернативних способи підвищення швидкодії прогностичних метеорологічних моделей з метою їхнього включення як однієї із складових СППР реального часу. При використанні алгоритмів паралельних обчислень для прискорення швидкодії метеорологічних моделей постає питання про максимальну ефективність розпаралелення, яку можна досягти за рахунок цих алгоритмів. За наявності таких оцінок можна планувати ресурси, необхідні для розв'язку задач з метеорологічного прогнозування. Для алгоритму розпаралелення по областях, реалізованому в моделях WRF та ММ5, в роботі були отримані такі оцінки.

Показано, що й максимальний коефіцієнт підвищення швидкодії, і кількість процесів, на яких досягається максимальна швидкодія, росте з кількістю вузлів сітки М, як ~M^1/3, при розбивці обчислювальної області перпендикулярними вертикальними перерізами, і як ~M^1/4 при розбивці області паралельними вертикальними перерізами. Ці результати підтверджуються відповідними розрахунками. Так, у розрахунках моделі WRF при M₁=149212 насичення відбувається для 8 процесів. При цьому максимальне досягнуте прискорення за рахунок розпаралелення - у 3,5 рази. При M₂=1066520 насичення відбувається при 16 процесах, а максимальний коефіцієнт прискорення за рахунок розпаралелення дорівнює 6,8. Таким чином, при збільшенні кількості вузлів у 7,5 разів коефіцієнт прискорення збільшився в 1,94 рази, а кількість вузлів насичення збільшилася в 2 рази, що узгоджується з наведеними вище оцінками, згідно з якими відповідні параметри повинні збільшитися у

(M₂/M₁)^1/3=7,15^1/3?1,92 рази.

Отже, отримані оцінки дозволяють оцінити необхідні обчислювальні ресурси для конкретної задачі, в якій використовуються метеорологічні моделі.

Альтернативним методом підвищення швидкодії метеорологічних моделей є використання неявних чисельних схем у сполученні із сучасними методами чисельного розв'язку рівнянь гідродинаміки й збільшенням кроку інтегрування за часом. У даній роботі було досліджено можливість підвищення швидкодії таким шляхом на прикладі мезомасштабної метеорологічної моделі ADREA-I, для якої було розроблено неявну схему інтегрування рівнянь моделі. Також була розроблена бібліотека методів для розв'язку рівняння для тиску в ітераційному алгоритмі SIMPLER/ADREA на основі використання методу BiCGSTAB з різними передобумовлювачами: ILU(n), MILU(n), ILUT, ILUM(n), у яких використовується ідея неповної LU факторизації з різними рівнями заповнення, різними варіантами впорядкування вузлів і різних варіантів модифікації діагональних елементів.

На основі співставлення результатів моделювання з вимірами для умов морського бризу в Аттиці показано, що використання кроків інтегрування за часом, обумовлених умовою Куранта

,

досить для одержання необхідної точності розрахунків (тут U- масштаб швидкості вітру, - горизонтальний просторовий крок сітки). Це обмеження набагато слабкіше, ніж обмеження, що накладається акустичними хвилями

(тут - швидкість звуку), що виникає при використанні явних схем апроксимації горизонтальних похідних. Так, при розрахунку на обчислювальній сітці з кроком км та при використанні явної схеми ( с) середньоквадратичні похибки швидкості і температури складали rmsu=1,69 м/с, rmst=2,95 °C, тоді як при використанні неявної схеми (с) відповідні значення rmsu=1,72 м/с, rmst=3,1 °C, тобто погіршення точності розрахунків не перевищує 5%.

Найбільш ефективним методом розв'язку рівняння для тиску виявляється метод BiCGSTAB з модифікованим передобумовлювачем ILUT. Використання цього методу приводить до підвищення швидкодії в 6 разів у порівнянні із явною схемою при збереженні точності розрахунків. Час розрахунку 24-х годинного прогнозу на сітці з горизонтальним дозволом 4 км і розміром 46х46х29 вузлів досягає 30 хв на ПК Pentium-IV, 3GHz.

У шостому розділі представлена інформаційна система прогнозування погоди й забруднення повітря на основі каскаду моделей WRF (MM5), CALPUFF, розроблених у роботі моделі поширення забруднень у міській місцевості й технологій засвоєння даних вимірювань. Розроблено програмні засоби інтеграції даної системи з модулем атмосферного переносу європейської системи підтримки прийняття рішень РОДОС.

На рис. 6 схематично представлені основні компоненти інформаційної системи на основі каскаду моделей WRF (або MM5), CALPUFF, моделі атмосферного перенесення серед міської забудови, модуля засвоєння даних і відповідні дії, виконувані ними.

Із серверів NOMADS за допомогою менеджера завантаження даних, реалізованого в Java, здійснюється завантаження прогностичних даних глобальної моделі прогнозу погоди (Global Forecast System американського центру прогнозування довкілля NCEP). Далі запускається менеджер запуску метеорологічного прогнозу, що формує конфігураційні файли для програми WRF, а також модуля засвоєння даних і запускає ці програми на виконання. Вихідні дані метеорологічної моделі, а також дані метеорологічних вимірювань і вимірювань концентрації забруднювача передаються моделям атмосферного переносу CALPUFF і моделі розповсюдження забруднень серед міської забудови. При цьому здійснюється тривимірне засвоєння даних метеорологічних вимірювань. Дані представленої системи можуть передаватися СППР РОДОС для забезпечення цієї СППР прогностичною метеорологічною інформацією.

Рис. 6. Схема інформаційної системи прогнозування метеорологічних умов та розповсюдження атмосферних забруднень

Для уточнення прогнозів температури в точках у статистичному постпроцесорі в системі використовується нейронна мережа прямого розповсюдження з двома шарами. У першому шарі функція активації

,

у другому - . На вхід подаються дані прогнозу на 48 годин, на виході мережі при цьому виходить вектор, що складається із прогностичних значень температури (або опадів) на 48 годин, для обраної станції. При навчанні вихід формувався з даних вимірювань. Вхідна матриця P має таку структуру:

, , .

Тут - кількість моментів часу, для яких розраховується прогноз, - вхідний вектор для i-го моменту часу, - місяць, день місяця, перша година дня, година від початку прогнозу відповідно, - частина вхідного вектора, яка відповідає даним моделі для одного вузла обчислювальної сітки, - категорія землекористування, температура на висоті 2 м, точка роси, відносна вологість повітря, температура поверхні землі, - компонента швидкості, - компонента швидкості, накопичені від початку прогнозу опади.

Таблиця 4. Середньоквадратичні похибки 48 годинних прогнозів приземної температури для окремих станцій

Станція	RMSlin, К	RMSneuro, К	Станція	RMSlin, К	RMSneuro, К
Рахів	2,32	2,04	Яремча	2,40	1,88
Плай	2,39	1,78	Турка	2,56	2,02
Міжгір'я	2,36	2,14	Севастополь	2,32	1,83
Нижній Студений	2,17	1,96	Ангарський перевал	2,24	2,0
Славське	2,48	2,29	Одеса	2,96	2,11
Пожежевcька	2,35	1,75	Алушта	3,34	2,42
Селятин	3,05	2,40	Євпаторія	1,88	1,7

Для навчання була використана статична нейронна мережа зі зворотним розповсюдженням помилки, в якій мінімізація квадратичної функції відхилення від цільового результату проводиться за допомогою алгоритму Левенберга-Марквардта. Навчання проводилося за даними з 01.01.2007 р. по 30.03.2008 р. для кожної зі станцій окремо; 20% навчальних векторів, обрані випадковим чином, використовувалися для перевірки на етапі навчання й своєчасного припинення навчання. Тестування мережі проводилося на даних за квітень 2008 р. Обчислювалися середньоквадратичні (rms) і систематичні (bias) відхилення прогнозованої температури за весь строк тестування. Як показали розрахунки (табл. 4, в якій представлені помилки прогнозу в точках для випадків використання лінійної інтерполяції і нейромережі), використання нейромережі дозволяє покращити середньоквадратичну помилку температури в гірських і прибережних районах у середньому на 0,3 градуси.

У сьомому розділі розглянуті приклади застосування інформаційної системи прогнозу метеорологічних умов і розповсюдження забруднень. Особлива увага приділена задачам, в яких не можна обмежитися традиційно використовуваними спрощеними моделями розповсюдження забруднень.

Розглянуто задачу оцінки атмосферного забруднення в результаті потенційного руйнування Нового Безпечного Конфайнемнту Чорнобильської АЕС під дією смерчу класу F3.0. Розрахунок проводився для погодних умов, що супроводжували виникнення смерчу такого класу поблизу ЧАЕС (с. Покришів Житомирської обл.) 11.06.2001 р. Згідно зі сценарієм викиду, 500 кг радіоактивного бруду було піднято смерчем на висоту 1 км. Розв'язок цієї задачі показав, що тільки застосування достатньо складних моделей, які враховують розповсюдження домішки за межами примежевого шару на підставі даних ЧПП, дозволило передбачити неприйнятні наслідки розглянутого сценарію за межами зони відчуження (перевищення порогових значень концентрації в десятки разів) на відстані близько 100 км від реактора (рис. 7). На підставі отриманих результатів було проведено реконструкцію НБК.



Рис. 7. Поле приземного вітру для території України, розраховане ММ5-Україна (зліва) та розподіл випадінь концентрації (мг/м²), розрахований з використанням моделі CALPUFF для умов гіпотетичного викиду від 11.06.2001, 16:30. Чорним квадратом позначена вкладена область навколо ЧАЕС

До подібних результатів привело й моделювання атмосферного переносу продуктів горіння жовтого фосфору в результаті залізничної аварії 16 липня 2007 р. біля с. Ожидів Львівської області. Тільки застосування моделей атмосферного переносу, інтегрованих з моделями ЧПП, дозволило показати, що гранично припустимі концентрації жовтого фосфору в результаті цієї аварії могли бути перевищені на відстанях до 250 км від місця аварії, зокрема, у м. Рівне.

Як третій приклад практичного застосування сучасних технологій метеорологічного моделювання розглянуте завдання оцінки повітряного розповсюдження радону навколо небезпечних об'єктів уранового виробництва колишнього ПО ”Придніпровський хімічний завод” (ПХЗ). Результати моделювання свідчать про те, що концентрація радону, створюваного хвостосховищами, не може бути більше 50 Бк/м³ на відстанях більше 300 м. При цьому розраховані концентрації радону в повітрі над територією хвостосховищ суттєво менше вимірів. Детальний аналіз показав, що наявні розбіжності, можливо, пов'язані із впливом сторонніх джерел радону, присутніх на території проммайданчика ПХЗ, та ушкодженнями покриття хвостосховищ, не врахованими в розрахунках.

Крім радіоактивності, що зберігається в матеріалі хвостосховищ, на території ПХЗ знаходяться забруднені будинки й інші об'єкти, які були задіяні у виробничому технологічному циклі. При цьому проммайданчик ПХЗ перебуває в безпосередній близькості від житлової зони м. Дніпродзержинськ (близько 1 км), а на території колишнього ПХЗ, у безпосередній близькості (на відстані 15 м) із зараженими будинками, функціонують діючі підприємства. Для оцінки можливих наслідків руйнування заражених будинків на території ПХЗ за допомогою моделі, описаної в розд. 5, були виконанні розрахунки сценарію аварійного викиду із забрудненого будинку № 103 (рис. 8). По сусідству у будинку №102 розташоване діюче підприємство, тому особливе значення набувають розрахунки концентрації радіоактивних речовин поблизу цього будинку.

Рис. 8. Розраховане приземне поле вітру (ліворуч) і просторовий розподіл приземної концентрації , нормованої на значення концентрації в будинку (праворуч) навколо заражених будинків на проммайданчику ПХЗ. Показані ізолінії таких значень : 0,01; 0,05; 0,1; 0,2; 0,3; 0,4; 0,5; 0,6; 0,7; 0,8; 0,9; 1

Розраховувався гіпотетичний сценарій, в якому передбачалося, що в будинку №103 руйнуються усі вікна й радон, середня концентрація якого всередині будинку відома з вимірювань, виноситься за рахунок вентиляції повітря. На рис. 8 представлено приземне поле вітру, яке показує, що за рахунок геометричної конфігурації розташування будинків біля Землі існує істотний бічний потік, який виносить забруднення й таким чином зменшує концентрацію біля будинків. Як показують розрахунки описаного сценарію, біля будинку №102 безрозмірні концентрації на поверхні Землі

,

що відповідає значенням концентрації в кілька сот Бк/м³. При цьому максимальне значення концентрації в повітрі при даному аварійному сценарії руйнування будинку досягає

,

що відповідає значенню більш ніж 10000 Бк/м³. Більш точна оцінка вимагає уточнення середньої концентрації в будинку.

ВИСНОВКИ

В дисертації сформульовано й вирішено важливу науково-технічну проблему підвищення точності прогнозно-аналітичних оцінок стану повітряного середовища, що розраховуються системами підтримки прийняття рішень на основі розробки нових методів моделювання із засвоєнням даних вимірювань та їх інтеграції в інформаційні системи прогнозування метеорологічних умов та розповсюдження атмосферних забруднень.

Отримані результати показують, що розроблені моделі можуть застосовуватися в системах підтримки прийняття рішень як у режимі реального часу, у випадку аварійних ситуацій, так і в режимі планування, з метою зниження ризиків і мінімізації наслідків для населення від забруднення навколишнього середовища.

В роботі отримані такі нові наукові результати:

1. Уперше розроблено метод тривимірного засвоєння даних метеорологічних вимірювань у метеорологічних препроцесорах, в якому враховується просторовий розподіл кореляцій похибок розрахункових метеорологічних полів разом із фізичними закономірностями розподілу метеорологічних елементів у примежевому шарі атмосфери. Метод інтегровано в МПП Європейської системи ядерного реагування РОДОС. Отримано переконливе підтвердження ефективності розробленого методу тривимірного засвоєння за рахунок порівняння результатів розрахунків з даними натурних експериментів по атмосферному переносу. Середньоквадратична помилка приземної швидкості вітру зменшується від 3,2 до 2,5 м/с, а абсолютна помилка напрямку вітру зменшується від 10 до 5 градусів. Нормована середньоквадратична помилка концентрації, отримана з використанням тривимірного засвоєння, майже в 3 рази менше помилки, отриманої з використанням тільки даних чисельного прогнозу погоди. Розроблений метод тривимірного засвоєння успішно застосований і в моделі розповсюдження радіонуклідів у водоймах ТРИТОКС системи РОДОС. На основі розрахунків радіоактивного забруднення Чорного моря після Чорнобильської аварії показано, що під впливом засвоєння відносна помилка прогнозу концентрації ¹³⁷Сs зменшується в 2,5 рази.

2. Удосконалено діагностичну модель метеорологічного препроцесора системи РОДОС. Для підвищення точності збереження маси рівняння моделі виведені з дискретної постановки задачі мінімізації функціонала якості. Розроблені ефективні чисельні методи розв'язку рівнянь моделі на основі методу сполучених градієнтів із передобумовлювачами типу MILU довільних рівнів заповнення. У випадку стійкої стратифікації атмосфери досягнуто підвищення обчислювальної ефективності розв'язку рівнянь вітрової моделі в 10-30 разів у порівнянні із традиційно використовуваним методом релаксації по лініях. Показано, що використання діагностичної вітрової моделі на 10% зменшує нормовану середньоквадратичну помилку розрахованого поля концентрації.

3. Розроблені варіаційні методи засвоєння даних вимірювань концентрації й потужності дози в стохастичних лагранжевих і детерміністичних лагранжево-ейлерових моделях атмосферного переносу. На основі співставлення результатів розрахунків із засвоєнням вимірювань потужності доз у моделі ДИПКОТ з даними натурного експерименту з атмосферного переносу аргону показано, що навіть у тих випадках, коли перше наближення функції джерела в 10 раз відрізнялося від дійсного, отримана в результаті засвоєння вимірів функція потужності джерела характеризувалася значеннями нормованої абсолютної помилки в межах 30-60%.

4. Уперше розв'язано задачу про спільне уточнення поля швидкості вітру й функції потужності джерела викиду в моделі атмосферного переносу за допомогою засвоєння вимірювань концентрації. Градієнт функціонала якості по відношенню до поля вітру знаходиться з розв'язку спряжених рівнянь лагранжево-ейлерової моделі атмосферного переносу. Показано, що навіть при відомій функції потужності джерела, тільки за рахунок корекції поля вітру, залежно від кількості використаних вимірів, нормована середньоквадратична помилка (NMSE) суттєво зменшується (в 2-70 разів).

5. Розроблено чисельну гідродинамічну модель атмосферної дисперсії забруднень навколо будинків, яка включає модуль засвоєння даних на основі використання варіаційного методу, що дозволяє ідентифікувати місце розташування й потужність стаціонарного джерела забруднення. Верифікація моделі на даних натурного експерименту показує узгодження розрахунків і вимірювань. Середня абсолютна нормована помилка концентрації становить 30%. Проведено верифікацію алгоритму засвоєння шляхом співставлення з даними експерименту по атмосферному переносу забруднювачів в умовах міської забудови. Показано, що 90% імовірність знаходження задовільного розв'язку досягається при використанні 150 вимірювань. При цьому за рахунок удосконалювання точності вихідної моделі необхідне число вимірювань може бути зменшено в 10 разів.

6. Для території України адаптовані вільно розповсюджувані у вихідних кодах прогностичні метеорологічні моделі ММ5 і WRF. Для уточнення якості прогнозу температури в окремих точках розроблений статистичний постпроцесор на основі використання нейромережі, який дозволяє покращити середньоквадратичну похибку температури в гірських і прибережних районах в середньому на 0,3 градуси.

7. Досліджено можливість підвищення швидкодії прогностичних метеорологічних моделей шляхом застосування неявних схем апроксимації й ефективних чисельних схем. На прикладі застосування неявної схеми в прогностичній метеорологічній моделі ADREA і моделювання морського бризу з використанням цієї моделі показано, що при використанні неявних схем обмеження, що накладається вимогами точності на часовий крок інтегрування рівнянь моделі відповідає умові Куранта, і, таким чином, крок інтегрування по часу може бути збільшений у десятки разів у порівнянні з випадком використання явних схем. Серед використаних методів найбільш ефективним методом розв'язку рівняння для тиску виявився метод BICGSTAB з модифікованим передобумовлювачем ILUT. Використання цього методу приводить до підвищення швидкодії без втрати точності в 6 раз у порівнянні із традиційними явними схемами.

8. Для паралельних алгоритмів, використовуваних для підвищення швидкодії метеорологічних моделей, отримані теоретичні оцінки, згідно з якимм максимальний коефіцієнт підвищення швидкодії цих моделей і кількість процесів, на яких досягається максимальна швидкодія, зростають з кількістю вузлів сітки як ~M^1/3, при розбивці обчислювальної області перпендикулярними вертикальними перерізами, і ~M^1/4 , при розбивці області паралельними вертикальними перерізами. Теоретичні оцінки узгоджуються із проведеними розрахунками й дозволяють для конкретної задачі оцінювати необхідні обчислювальні ресурси й мінімальний час виконання. У проведених розрахунках отриманий максимальний коефіцієнт підвищення швидкодії моделей ММ5 і WRF за рахунок застосування алгоритму паралельних обчислень в 6-7 разів.

9. Розроблено інформаційну технологію прогнозування метеорологічного стану та забруднення атмосфери на основі ланцюга моделей прогнозування погоди WRF, MM5, моделі розповсюдження атмосферних забруднень CALPUFF, а також представлених в роботі моделі розповсюдження забруднень в міській місцевості і методів засвоєння даних вимірювань. З використанням розробленої інформаційної технології розв'язано ряд важливих практичних задач і показано, що використання запропонованої технології приводить до інших рішень, ніж у випадку використання спрощених моделей.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

1. Introduction of data assimilation procedures in the meteorological pre-processor of atmospheric dispersion models used in emergency responsesystems / I. Kovalets, S. Andronopolous, J.G. Bartzis, A. Kushchan // Atmospheric Environment. - 2004. -Vol.38, N 3. - P. 457-467.

2. Ковалец И.В. Ассимиляция данных в модели распространения радионуклидов в водоемах ТРИТОКС системы РОДОС / И.В. Ковалец, С.А. Ющенко, М.И. Железняк // Математичні машини і системи. -2005. - № 3. - С. 147-154.

3. Ковалец И.В. Ассимиляция данных метеорологических измерений в системах поддержки принятия решений / И.В. Ковалец // Математичні машини і системи. - 2005.- № 2. - С. 155-167.

4. Modelling the radionuclide contamination of the Black Sea in the result of Chernobyl accident using circulation model and data assimilation / S. Yuschenko, V. Maderich, I. Kovalets, D. Treebushny, M. Zheleznyak // Radioprotection. - 2005. - Vol. 40. - P. S685-S691.

5. Количественная оценка радиоактивных выпадений, вызванная потенциальным разрушением нового безопасного конфайнмента под воздействием смерча класса F 3.0 / В.И. Богорад, М.И. Железняк, И.В. Ковалец, А. Кущан, Т.В. Литвинская, А.Ю. Слепченко // Ядерная и радиационная безопасность. - 2006. - T. 9, № 1. - C. 28-33.

6. Kovalets I.V. Numerical simulation of interaction of the heavy gas cloud with the atmospheric surface layer / Ivan Vasilievich Kovalets, Vladimir Stanislavovich Maderich // Environmental Fluid Mechanics. - 2006. - Vol. 6, N 4. - P. 313-340.

7. Data assimilation in meteorological pre-processors: effects on atmospheric dispersion simulations / E. Davakis, S. Andronopoulos, I. Kovalets, N. Gounaris, J. Bartzis // Atmospheric Environment. - 2007. - Vol.41, № 3. - P. 2917-2932.

8. Ковалец И.В. Усвоение данных измерений в атмосферных моделях СППР: алгоритмы / И.В. Ковалец // Математичні машини і системи. - 2007. - №1. - C. 77-87.

9. Ковалец И.В. Уточнение входных данных модели атмосферного переноса путем усвоения измерений в случае постоянной скорости ветра / И.В. Ковалец // Зб. наук. праць Інституту проблем моделювання в енергетиці ім. Г.Є. Пухова. - 2008. - №47. - C. 117-125.

10. Система численного прогноза погоды WRF-Украина / А.М. Гузий, И.В. Ковалец, А.А. Кущан, М.И. Железняк // Математичні машини і системи. - 2008. - №4. - С. 123-131.

11. Optimisation of the numerical algorithms of the ADREA-I mesoscale prognostic meteorological model for real-time applications / I.V. Kovalets, S. Andronopoulos, A.G. Venetsanos, J.G. Bartzis // Environmental Modelling and Software. - 2008. - Vol. 23. - P. 96-108.

12. Ковалец И.В. К проблеме вариационного усвоения данных в лагранжевых стохастических моделях переноса загрязнений / И.В. Ковалец // Математичні машини і системи. - 2009. - №4. - С. 119-126.

13. Improvement of source and wind field input of atmospheric dispersion model by assimilation of concentration measurements: method and applications in idealized settings / I.V. Kovalets, V. Tsiouri, S. Andronopoulos, J.G. Bartzis // Applied Mathematical Modelling.- 2009.- Vol. 33. - P. 3511-3521.

14. RODOS meteorological pre-processor and atmospheric dispersion model DIPCOT: a model suite for radionuclides dispersion in complex terrain / S. Andronopoulos, E. Davakis, J.G. Bartzis, I.V. Kovalets // Radioprotection. -2010. - Vol. 45, N 5. - P. 77-84.

15. Численное моделирование воздушного распространения радона вокруг урановых хвостохранилищ / И.В. Ковалец, М.И. Железняк, А.В. Халченков, О.И. Удовенко, Т.В. Лаврова // Электронное моделирование. - 2010. - T. 32, №3. - C. 67-82.

16. Ковалец И.В. Повышение быстродействия диагностической метеороло-гической модели системы РОДОС / И.В. Ковалец // Зб. наук. праць Інституту проблем моделювання в енергетиці ім. Г.Є. Пухова. - 2010. - №55. - С. 68-75.

17. Верификация модуля атмосферной дисперсии системы РОДОС на основе моделирования натурного эксперимента по распространению аргона / И.В. Ковалец, А.В. Халченков, Е.А. Евдин, М.И. Железняк // Математичні машини і системи. - 2010. - №4. - С. 119-126.

18. Emission rate estimation through data assimilation of gamma dose measurements in a Lagrangian atmospheric dispersion model [Електронний ресурс] / V. Tsiouri, I.V. Kovalets, S. Andronopoulos, J.G. Bartzis // Radiation Protection Dosimetry. - 2011. - DOI:10.1093/rpd/NCQ592 - Режим доступу до журн. : http://rpd.oxfordjournals.org/cgi/content/full/ncq592?ijkey=GAoAnw7zBtzhGXZ&keytype=ref.

19. Ковалец И.В. Численная гидродинамическая модель атмосферной дисперсии загрязнений вокруг зданий / И.В. Ковалец // Зб. наук. праць Інституту проблем моделювання в енергетиці ім. Г.Є. Пухова. - 2011. - №57. - С. 3-10.

20. Ковалец И.В. Использование параллельных вычислений в метеорологической модели WRF / Иван Васильевич Ковалец, Александр Михайлович Гузий // Математичні машини і системи. - 2011. - № 1. - С.90-95.

21. Ковалец И.В. Усвоение данных в эйлеровой численной гидродинамической модели атмосферного переноса / И.В. Ковалец // Математичні машини і системи. - 2011. - №2. - С. 100-105.

22. Development and first tests of a data assimilation algorithm in a Lagrangian puff atmospheric dispersion model / V. Tsiouri, I. Kovalets, S. Andronopoulos, J. Bartzis // Int. J. of Environment and Pollution. - 2011. - Vol. 44. - P. 147 - 155.

23. Kovalets I. Use of data assimilation procedures in the meteorological pre-processor of decision support systems to improve meteorological input of atmospheric dispersion models / I. Kovalets, S. Andronopolous, J. Bartzis // Proc. of Int. Symp. on “Off-site nuclear emergency management”, (Salzburg, Austria, 29 Sept. - 3 Oct. 2003). - Austria, Salzburg: Federal Ministry of Environment, 2003. - P. 45-46.

24. Zheleznyak M. Implementation in Ukraine of the RODOS System / M. Zheleznyak, I. Kovalets, W. Lins // Proc. of Int. Symp. on “Off-site nuclear emergency management”, (Salzburg, Austria, 29 Sept. - 3 Oct. 2003). - Austria, Salzburg: Federal Ministry of Environment, 2003. - P. 79-80.

25. Assessment of doses for scenarios of accidental releases from Zaporizhje Nuclear Power Plant using RODOS system / A. Dvorzhak, I. Kovalets, V. Koshebutsky, A. Kuschan // Proc. of Int. Congr. “11^th International Congress of the International Radiation Protection Association”, (Madrid, Spain, 23-28 May 2004). -Spain, Madrid: Spanish Radiation Protection Soc., 2004. - P.286.

26. Data assimilation with Kalman filters in the hydrological models of the decision support system RODOS / M. Zheleznyak, H. Madsen, M. Kolomeev, I. Kovalets, [et al.] // Proc. of Nuclear Emergency Management Symposium, (Rhodes Island, Greece, 20-25 September 2004). - Germany, Karlsruhe: Forschungszentrum, 2004. - P. 85-86.

27. РОДОС-Україна - система підтримки прийняття рішень при ядерних аваріях / І.В. Ковалець, А. Дворжак, А. Кущан, М. Шляхтун, А. Кущан, В. Кошебуцький, О. Захарук, О. Удовенко, М. Железняк // Зб. доп. I-ї дист. наук.-практ. конф. з міжнар. участю “Системи підтримки прийняття рішень. Теорія і практика. СППР'2005”, (Київ, 07 червня 2005 р.). - К.: НАН України, Ін-т проблем математичних машин і систем, 2005. - C. 78-81.

28. Інтеграція системи ММ5-ІПММС з даними супутникового радіометра / А.А. Кущан, І.В. Ковалець, О.В. Удовенко, В.С. Мадерич, М.Й. Железняк // Зб. доп. V-ї Всеукр. конф. з космічних досліджень, (Євпаторія, Крим, 4-11 вересня 2005 р.). - К.: НАН України, Ін-т космічних досліджень, 2005. - C. 143.

29. Meteorological data assimilation effects on atmospheric dispersion model results / E. Davakis, S. Andronopoulos, I. Kovalets, N. Gounaris, J. Bartzis // Proc. of Int. Conf. “Harmonization within atmospheric dispersion modeling for regulatory purposes. HARMO'10”, (Crete, Greece, 17-20 October 2005). - Greece, Ioannina: Univ. of Ioannina, 2005. - P. 27-31.

30. Kovalets I.V. Parameterization of heat exchange with surface in dense gas dispersion modelling / Ivan Vasilievich Kovalets, Vladimir Stanislavovich Maderich // Proc. of Int. Conf. “Harmonization within atmospheric dispersion modeling for regulatory purposes. HARMO'10”, (Crete, Greece, 17-20 October 2005). - Greece, Ioannina: Univ. of Ioannina, 2005. - P. 605-609.

31. Реализация комплекса численного прогноза погоды ММ5-Украина на кластерной системе СКИТ / А.А. Кущан, М.И. Железняк, И.В. Ковалец // Зб. доп. міжнар. конф. “МОДЕЛИРОВАНИЕ-2006”, (Київ, 16-18 травня 2006 р.). - К.: НАН України, Ін-т проблем моделювання в енергетиці ім. Г.Є. Пухова, 2006. - C. 299-308.

32. Kovalets I.V. Assimilation of the concentration measurements in the atmospheric dispersion model / I.V. Kovalets // Зб. доп. міжнар. конф. “МОДЕЛИРОВАНИЕ-2006”, (Київ, 16-18 травня 2006 р.). - К.: НАН України, Ін-т проблем моделювання в енергетиці ім. Г.Є. Пухова, 2006. - C. 249-254.

33. Ковалец И.В. Ассимиляция данных метеоизмерений методом Ньютоновской релаксации в системе метеопрогноза ММ5-Украина / И.В. Ковалец, А.А. Кущан, М.И. Железняк // Тези доп. I-ї наук.-практ. конф. з міжнар. участю “Математичне та імітаційне моделювання систем. МОДС'2006”, (Київ, 26-30 червня 2006). - К.: НАН України, Ін-т проблем математичних машин і систем, 2006. - С. 17-18.

34. Применение системы РОДОС-Украина на учениях по радиационной безопасности на Запорожской АЭС / И.В. Ковалец, А.И. Дворжак, М.И. Железняк, В.И. Богорад // Зб. доп. II-ї дист. наук.-практ. конф. з міжнар. участю “Системи підтримки прийняття рішень. Теорія і практика. СППР'2006”, (Київ, 07 червня 2006 р.). - К.: НАН України, Ін-т проблем математичних машин і систем, 2006. - C. 64-67.

35. Model integration in the redesigned decision support system RODOS // I. Ievdin, O. Prymachenko, N. Shlyakhtun, I. Kovalets, D. Treebushny, I. Chorny, O. Guziy, M. Zheleznyak// Тези доп. II-ї наук.-практ. конф. з міжнар. участю “Математичне та імітаційне моделювання систем. МОДС'2007”, (Київ, 25-29 червня 2007 р.). - К.: НАН України, Ін-т проблем математичних машин і систем, 2007. - С. 45-48.

36. First prototype of redesign of the RODOS system for nuclear emergency management in Europe / I. Ievdin, O. Prymachenko, N. Shlyakhtun, I. Kovalets, D. Treebushny, I. Chorny, O. Guziy, M. Zheleznyak // Зб. доп. III-ї конф. з міжнар. участю “Системи підтримки прийняття рішень. Теорія і практика. СППР'2007”, (Київ, 7 червня 2007 р.). - К.: НАН України, Ін-т проблем математичних машин і систем, 2007. - С. 22-25.

37. Development multi-platform version of decision support system for nuclear emergency management in Europe (RODOS) on base of modern java and gis technologies / I. Ievdin, D. Treebushny, I. Kovalets, O. Guziy, M. Zheleznyak // Зб. доп. IV-ї дист. наук.-практ. конф. з міжнар. участю “Системи підтримки прийняття рішень. Теорія і практика. СППР'2008”, (Київ, 9 червня 2008 р.). - К.: НАН України, Ін-т пробл. мат. машин і систем, 2008. - С. 121-124.

38. Development and first tests of a data assimilation algorithm in a Lagrangian puff atmospheric dispersion model / V. Tsiouri, I.V. Kovalets, S. Andronopoulos, J. Bartzis // Proc. of 11^th Int. Conf. on “Harmonisation within atmospheric dispersion modeling for regulatory purposes. HARMO'11”, (Cambridge, UK, 2-5 July 2007). - UK, Cambridge: Cambridge Env. Res. Consultants, 2007. - P. 182-186.

39. Улучшение качества расчетов оперативных прогностических метеорологических комплексов с использованием нейросетевых технологий / А.М. Гузий, І.В. Ковалець, А.А. Кущан, М.И. Железняк // Тези доп. III-ї наук.-практ. конф. з міжнар. участю “Математичне та імітаційне моделювання систем. МОДС'2008”, (Київ, 23-27 червня 2008 р.). - К.: НАН України, Ін-т проблем математичних машин і систем, 2008. - С. 28-31.

40. Интеграция оперативных систем прогноза погоды с данными ГИС для территории Украины / О.И. Удовенко, И.В. Ковалец, Т.Д. Лев, А.А. Кущан, М.И. Железняк // Тези доп. III-ї наук.-практ. конф. з міжнар. участю “Математичне та імітаційне моделювання систем. МОДС'2008”, (Київ, 23-27 червня 2008). - К.: НАН України, Ін-т проблем математичних машин і систем, 2008. - С. 28-31.

41. Use of numerical weather prediction model«MM5» for the meteorological supporting of emergency response system of the Ukrainian NPP /T.D. Lev, N.N. Talerko, E.K. Garger, I.V. Kovalets // Proc. Of Int. Conf. “Mesoscale meteorology and air pollution”, (Odessa, Ukraine, 15-17 September 2008). - O.: Odessa State Env. Univ., 2008. - P. 74-75.

42. Использование модели численного прогноза погоды ММ5 для метеобеспечения систем аварийного реагирования АЭС / Е.К. Гаргер, Т.Д. Лев, Н.Н. Талерко, И.В. Ковалец // Український гідрометеорологічний журнал. - 2009. - №4. - C. 147-153.

43. Використання засобів паралельних обчислень для підвищення ефективності систем прогнозування погоди ММ5- та ВРФ-Україна /О.М. Гузій, І.В. Ковалець, А.А. Кущан, М.Й. Железняк // Зб. доп. V-ї дист. наук.-практ. конф. з міжнар. участю “Системи підтримки прийняття рішень. Теорія і практика. СППР'2009”, (Київ, 8 червня 2009 р.). - К.: НАН України, Ін-т проблем математичних машин і систем, 2009. - С. 55-58.

44. Ковалец И.В. Моделирование атмосферного переноса продуктов горения желтого фосфора в результате железнодорожной аварии 16 июля 2007 г. возле с. Oжидов Львовской области / И.В. Ковалец, М.И. Железняк, В.С. Мадерич // Зб. доп. V-ї дист. наук.-практ. конф. з міжнар. участю “Системи підтримки прийняття рішень. Теорія і практика. СППР'2009”, (Київ, 8 червня 2009). - К.: НАН України, Ін-т проблем математичних машин і систем, 2009. - С. 133-137.

45. Моделювання катастрофічного паводку в карпатському регіоні в липні 2008р. каскадом метеорологічних та гідрологічних моделей / О. Бойко, І.В. Ковалець, М.Й. Железняк, О.М. Гузій // Тези доп. IV-ї наук.-практ. конф. з міжнар. участю “Математичне та імітаційне моделювання систем. МОДС'2009”, (Київ, 22-26 червня 2009 р.). - К.: НАН України, Ін-т проблем математичних машин і систем, 2009. - С. 21-24.

46. Моделирование воздушного переноса радона вокруг урановых хвостохранилищ / А.В. Халченков, И.В. Ковалец, О.И. Удовенко, М.И. Железняк // Тези доп. V-ї наук.-практ. конф. з міжнар. участю “Математичне та імітаційне моделювання систем. МОДС'2010”, (Київ, 21-25 червня 2009 р.). - К.: НАН України, Ін-т проблем математичних машин і систем, 2009. - С. 63-65.

47. Andronopoulos S. Meteorological Pre-processor / S. Andronopoulos, J.G. Bartzis, I.V. Kovalets // Proc. of Int. Workshop “Final EURANOS Meeting”, (Madrid, Spain, 24-26 June 2009). - Madrid, Spain: Centro de Investigaciones Energeticas, Medioambientales y Technologicas, 2009. - P. 33.

48. RODOS re-engineering (concepts and realization) / I. Ievdin, D. Trybushnyi, A. Guziy, I. Kovalets [et al.] // Proc. of Int. Workshop “Final Euranos Contractors Meeting”, (Madrid, Spain, 24-26 June 2009). - Madrid, Spain: Centro de Investigaciones Energeticas, Medioambientales Technologicas, 2009. - P. 42.

49. Оценка воздушного распространения радона вокруг урановых хвостохранилищ / И.В. Ковалец, А.В. Халченков, О.И. Удовенко, М.И. Железняк // Зб. доп. VI-ї дист. наук.-практ. конф. з міжнар. участю “Системи підтримки прийняття рішень. Теорія і практика. СППР'2010”, (Київ, 07 червня 2010 р.). - К.: НАН України, Ін-т проблем математичних машин і систем, 2010. - С. 75-78.

50. Програмная оболочка системы оперативного обеспечения прогностической метеорологической информацией ВРФ-Украина / С.Н. Дидковская, А.М. Гузий, И.В. Ковалец, М.И. Железняк // Зб. доп. VI-ї дист. наук.-практ. конф. з міжнар. участю “Системи підтримки прийняття рішень. Теорія і практика. СППР'2010”, (Київ, 07 червня 2010). - К.: НАН України, Ін-т проблем математичних машин і систем, 2010. - С. 50-52.

51. Source rate estimation with the use of gamma dose measurements in Lagrangian atmospheric dispersion model DIPCOT / V. Tsiouri, I.V. Kovalets, S. Andronopoulos, J.G. Bartzis // Тези доп. V-ї наук.-практ. конф. з міжнар. участю “Математичне та імітаційне моделювання систем. МОДС'2010”, (Київ, 21-25 червня 2010 р.) - К.: НАН України, Ін-т проблем математичних машин і систем, 2010. - С. 21-23.

52. Model based approaches to water resource management in climate change conditions: case studies - Carpathian Watershed and Dnipro River Basin / M. Zheleznyak, I. Kovalets, O. Boyko, A. Demydenko // Proc. of Int. Conf. “Global and Regional Climate Changes”, (Kyiv, Ukraine, 16-19 November 2010). - Kyiv: Ukrainian Hydrometeorological Institute, 2010. - P.66-67.

53. Model Intercomparison Of JRODOS atmospheric dispersion module and Canadian atmospheric dispersion and dose assessment method / I.V. Kovalets, A.V. Khalchenkov, Y.A. Ievdin, M.I. Zheleznyak, V. Korolevich // Proc. of Int. Conf. “Harmonization within atmospheric dispersion modeling for regulatory purposes. HARMO'13”, (Paris, France, 1-4 June 2010). - France, Paris: ARIA Technologies, 2010. - P. 514.

54. Assimilation of gamma dose rate and concentration measurements in Lagrangian model DIPCOT / V. Tsiouri, I.V. Kovalets, S. Andronopoulos, J.G. Bartzis // Proc. of Int. Conf. “Harmonization within atmospheric dispersion modeling for regulatory purposes. HARMO'13”, (Paris, France, 1-4 June 2010). - France, Paris: ARIA Technologies, 2010. - P. 896-899.

АНОТАЦІЯ

Ковалець І. В. Технології моделювання метеорологічних процесів із засвоєнням даних вимірювань для систем підтримки прийняття рішень. - Рукопис.

Дисертація на здобуття наукового ступеня доктора технічних наук за спеціальністю 05.13.06 - інформаційні технології. - Інститут проблем математичних машин і систем НАН України, Київ, 2011.

Дисертація присвячена підвищенню точності прогнозно-аналітичних оцінок стану повітряного середовища в інформаційних системах підтримки прийняття рішень в області екологічної безпеки. Розроблені методи діагностичного метеорологічного моделювання та тривимірного засвоєння метеорологічних вимірювань для метеорологічних препроцесорів (МПП) СППР. Розроблені варіаційні методи засвоєння даних вимірювань концентрації й потужності дози в моделях атмосферного переносу. Розроблено чисельну гідродинамічну модель атмосферної дисперсії забруднень навколо будинків і варіаційний метод засвоєння даних, що дозволяє ідентифікувати місце розташування й потужність стаціонарного джерела забруднення. Розроблені ефективні чисельні схеми розв'язку рівнянь прогностичних метеорологічних моделей. Для уточнення якості прогнозу температури в окремих точках розроблений статистичний постпроцесор на основі використання нейромережі. Побудовано інформаційну систему прогнозування метеорологічного стану та забруднення атмосфери на основі ланцюга моделей прогнозування погоди WRF, MM5, моделі розповсюдження атмосферних забруднень CALPUFF, та представлених в роботі моделі розповсюдження забруднень в міській місцевості і методів засвоєння даних вимірювань.

Ключові слова: системи підтримки прийняття рішень, метеорологічне моделювання, засвоєння даних, системи прогнозу погоди.

АННОТАЦИЯ

Ковалец И. В. Технологии моделирования метеорологических процессов с усвоением данных измерений для систем поддержки принятия решений. - Рукопись.

Диссертация на соискание научной степени доктора технических наук по специальности 05.13.06 - информационные технологии. - Институт проблем математических машин и систем НАН Украины, Киев, 2011.

В диссертации сформулирована и решена важная научно-техническая проблема повышения точности прогнозно-аналитических оценок состояния воздушной среды в системах поддержки принятия решений на основе разработки новых методов моделирования с усвоением данных измерений и их интеграции в информационные системы прогнозирования метеорологических условий и распространения атмосферных загрязнений.

Разработаны методы диагностического метеорологического моделирования и трехмерного усвоения метеорологических измерений для метеорологических препроцессоров (МПП) СППР. Эти методы интегрированы в МПП Европейской системы ядерного реагирования РОДОС. Получено убедительное подтверждение эффективности разработанных методов трехмерного усвоения за счет сравнения результатов расчетов c данными натурных экспериментов по атмосферному переносу.

Разработаны вариационные методы усвоения данных измерений концентрации и мощности дозы в стохастических лагранжевых и детерминистических лагранжево-эйлеровых моделях атмосферного переноса, используемых в системе РОДОС и других подобных системах. На основе сопоставления результатов расчетов с усвоением измерений мощности доз в лагранжевой модели с данными натурного эксперимента по атмосферному переносу аргона показано, что даже в тех случаях, когда первое приближение функции источника в 10 раз отличалось от истинного, полученная в результате усвоения измерений функция источника характеризовалась значениями нормированной абсолютной ошибки, находящимися в пределах 30-60%. Решена задача о совместном уточнении поля скорости ветра и функции источника в модели атмосферного переноса с помощью усвоения измерений концентрации. Показано, что даже при известной функции мощности источника, только за счет коррекции поля ветра, в зависимости от количества использованных измерений, нормированная среднеквадратическая ошибка (NMSE) существенно уменьшается (в 2-70 раз).

Разработана численная гидродинамическая модель атмосферной дисперсии загрязнений вокруг зданий. Средняя абсолютная нормированная ошибка концентрации расчетов этой модели для условий натурных экспериментов составляет 30%. Для этой модели разработан вариационный метод усвоения данных, который позволяет идентифицировать местоположение и мощность стационарного источника загрязнения. Проведена верификация алгоритма усвоения путем сопоставления с данными эксперимента по атмосферному распространению загрязнения в условиях городской застройки. Показано, что 90% вероятность нахождения удовлетворительного решения достигается при использовании 150 измерений. При этом за счет совершенствования точности исходной модели необходимое число измерений может быть уменьшено в 10 раз.

Исследована возможность повышения быстродействия метеорологических моделей путем применения параллельных вычислений, неявных схем аппроксимации и эффективных численных схем. На примере моделирования морского бриза в Аттике показано, что при использовании неявных схем ограничение, налагаемое требованиями точности на временной шаг интегрирования, соответствует условию Куранта и, таким образом, временной шаг интегрирования может быть увеличен в десятки раз по сравнению со случаем использования явных схем. Среди использованных методов наиболее эффективным методом решения уравнения для давления оказывается метод BiCGSTAB с модифицированным предобуславливателем ILUT. Использование этого метода приводит к повышению быстродействия в 6 раз по сравнению с традиционными явными схемами. Получены теоретические оценки, показывающие, что максимальный коэффициент повышения быстродействия этих моделей за счет распараллеливания и количество процессов, на которых достигается максимальное быстродействие, растет с количеством узлов сетки как ~M^1/3 при разбиении вычислительной области перпендикулярными вертикальными сечениями, и как ~M^1/4 при разбиении области параллельными вертикальными сечениями.

...