CC BY
21
СОВЕРШЕНСТВОВАНИЕ СИСТЕМЫ МОНИТОРИНГА КЛИМАТИЧЕСКИХ ХАРАКТЕРИСТИК В УСЛОВИЯХ КРАЙНЕГО СЕВЕРА
И.Л. Скрипник, профессор, к.т.н., доцент, СПб университет ГПС МЧС России, Т.Т. Каверзнева, доцент, к.т.н., доцент,
Д.И. Идрисова,
СПб политехнический университет Петра Великого, г. Санкт-Петербург
В настоящее время Арктика становится регионом наших стратегических интересов, ее освоение потребует применения самых современных строительных технологий при соответствующем обеспечении безопасности.
На севере температура воздуха меняются в широких пределах. Строительство в условиях вечной мерзлоты имеет свои особенности в организации и технологии строительного производства, что обуславливает особенности по обеспечению безопасной эксплуатации строительной техники в условиях низких температур.
При разработке мерзлых грунтов строительная техника используется при работах, связанных с вертикальной планировкой строительных площадей; рытьем траншей под коллекторы санитарно-технических коммуникаций; бурением скважин в вечномерзлых грунтах под свайные фундаменты зданий и т.д. При выполнении этих работ необходимо иметь информацию о температуре промерзания грунта, чтобы с наибольшим эффектом применять нужную строительную технику.
В условиях Крайнего Севера приходится сталкиваться с возможностями оттаивания льдонасыщенных пород, которое обычно сопровождается просадками земной поверхности. В связи с этим возникает угроза разрушения зданий в условиях сохранения мерзлого основания, что делает задачу определения температуры грунта на заданной глубине особенно актуальной.
В первом приближении температура на поверхности грунта и в глубине верхнего слоя за год меняется по периодическому закону, следуя за изменением температуры воздуха. С глубиной грунта амплитуда колебаний температуры уменьшается. Однако, к периодической составляющей, вызванной изменением времён года, добавляется случайная компонента, связанная с погодными явлениями, влияние которой может быть существенным.
Пространство каждого северного региона целесообразно представить совокупностью ограниченных территорий, для каждой из которых статистические характеристики условий эксплуатации строительной техники с достаточной для инженерных приложений точностью являются постоянными, в том числе характеристики среднесуточных температур и их годового хода. Для выделения территория со сходными климатическими условиями требуется получать статистические характеристики распределения температур воздуха в пределах соответствующего месяца в каждом месте региона. В том числе:
- среднее значение температуры Мг (среднемесячная температура воздуха);
95
- среднеквадратичное отклонение температуры Gt ;
- коэффициент асимметрии функции распределения А!; .
Часть характеристик - минимальная температура воздуха Тв(шт), температура самых холодных суток Тв, температура самой холодной пятидневки Тв и продолжительность периода зимней эксплуатации машин при Тв< 5°С, используются в расчетной практике непосредственно и информация о них может быть получена путем введения в заранее разработанную Программу сведений о географических координатах (градусах северной широты и восточной долготы) расположения пункта в пределах выбранных регионов Севера, для которых эти сведения потребовались. Эту Программу сведений можно назвать банком данных.
При конструировании, расчетах и оценках эффективности систем тепловой подготовки приводов, например, землеройных машин в условиях низкотемпературной работы необходимо иметь сведения о частоте появления низких температур воздуха. Создав единый банк данных, по координатам любого пункта на территории Крайнего Севера можно получать сведения о численных значениях М^ Gt и At для каждого месяца года.
Далее, с помощью метода нейросетевого моделирования [1], можно определить вышерассмотренные климатические характеристики.
В качестве исходной информации целесообразно использовать данные пунктов метеонаблюдений, причем, чем большей выборкой данных мы сможем обладать, тем более достоверные будут результаты расчетов.
Выделяя зоны со сходными температурными характеристиками (на примере количества дней со среднесуточной температурой <-5°С), можно, задавая произвольный диапазон количества суток, производить интересующее нас группирование по временному фактору.
Таким образом, первым этапом является формирование базы (или банка) данных по температурным полям воздушных масс.
Второй этап - переход от температуры воздуха к температуре на поверхности грунта, то есть, установление взаимосвязи этих параметров. И, наконец, третий этап - определение распределения температуры по глубине грунта. Для решения задач обеспечения безопасных условий труда операторов строительной техники при работе в условиях вечной мерзлоты необходимо производить мониторинг глубины промерзания или оттаивания сезонномерзлых и кратковременно мерзлых почв.
Актуальной остается задача определения закона изменения температуры грунта на заданной глубине по известной температуре на поверхности грунта. В первом приближении можно пренебречь изменениями распределения температуры по горизонтали и теплообменом с воздухом.
Поставленную задачу можно решить, сформировав банк данных по мониторингу температуры воздуха и температуры грунта на поверхности, привлекая известные методы моделирования [2, 3].
Моделирование нейронными сетями применительно к совершенствованию системы мониторинга климатических явлений и обеспечения безопасных условий проведения строительных работ на территории Западной Сибири показало, что
этот вид моделирования является гибким инструментом, позволяющим учитывать особенности задачи и всю имеющуюся информацию, при этом точность результатов соответствует точности исходной информации, а дополнительная информация может быть эффективно использована для уточнения искомого решения.
Изложенный подход рекомендуется применить к совершенствованию системы мониторинга климатических явлений и обеспечения безопасных условий проведения строительных работ на территории Арктики.
Список использованной литературы
1. Ефремов С.В. Нейросетевое моделирование в охране труда / С.В. Ефремов, Т.Т. Каверзнева, Д.А. Тархов. - СПб: Изд-во Политехн. ун-та, 2014. -136 с.
2. Идрисова Д.И., Каверзнева Т.Т., Тархов Д.А. Нейросетевое моделирование глубин промерзания криолитозоны для определения безопасных условий эксплуатации строительной техники // Проблемы информатики в образовании, управлении, экономике и технике: сборник статей XIV Международной научно-технической конференции. - Пенза: Приволжский Дом знаний, 2014. - 224 с. (С.111-115).
3. Васильев А.Н. Применение нейросетевого моделирования для решения задач обеспечения безопасности труда на строительных машинах при работе в условиях вечной мерзлоты [Текст] / А.Н. Васильев, Д.А. Тархов, В. Н. Тарабанов, Д. И. Идрисова // Научно-технические ведомости СПбГПУ. Наука и образование. - 2012. - №2. - С. 271-277.
