CC BY
547
Библиографический список
1. Бобкова Е.В. Жизненные формы и онтогенез А1пш шсапа (ВеШ1асеае) в подзоне хвойно-широколиственных лесов европейской части России // Ботанический журнал. - 2001. - № 4. - С. 75-86.
2. Лебедев В.П., Неганов А.Н. Формирование и структура клональных систем ольхи серой // Тезисы VI всероссийского популяционного семинара. - Нижний Тагил, 2002. - С. 97-98.
3. Неганов А.Н. Онтогенез ольхи серой (Л1пш incana (Ь.) МоепсИ) // Онтогенетический атлас лекарственных растений. Т. III. - Йошкар-Ола: МарГУ, 2002. - С. 18-23
4. Соколов Н.В. Лосеводство. - Кострома: КГСХА, 2005. - С. 17.
5. Чистякова А.А., Заугольнова Л.Б. Полтинки-на И.В. Диагнозы и ключи возрастных состояний лесных растений. Деревья и кустарники. Ч. 1. - М.: «Прометей» МГПИ им. В.И. Ленина, 1989. - 102 с.
УДК 516.7
Белихов Александр Борисович
кандидат технических наук, Костромской государственный университет им. Н.А. Некрасова
Леготин Денис Леонидович
кандидат физико-математических наук Костромской государственный университет им. Н.А. Некрасова
Сухов Андрей Константинович
кандидат физико-математических наук Костромской государственный университет им. Н.А. Некрасова
СОВРЕМЕННЫЕ КОМПЬЮТЕРНЫЕ МОДЕЛИ РАСПРОСТРАНЕНИЯ ЗАГРЯЗНЯЮЩИХ ВЕЩЕСТВ В АТМОСФЕРЕ
В статье представлены основные подходы к созданию компьютерных моделей атмосферных явлений. Произведён обзор современных моделей распределения поллютантов в атмосфере, фильтров пыли и пыльцы растений. Показано преимущество модели SILЛM Финского метеорологического института.
Ключевые слова: параллельное вычисление, моделирование атмосферных процессов, компьютерное моделирование.
Моделирование распространения загрязнений в атмосфере играет важную . роль при проектировании жилой застройки, промышленных и сельскохозяйственных предприятий, зон отдыха и подобных объектов. В этих случаях важно определить направление возможного распространения загрязнений, их интенсивность и оседание на местности. Это позволяет минимизировать степень экологической опасности, улучшить уровень комфорта проживания и отдыха населения и оптимизировать финансовые затраты на экологические мероприятия.
Для городов точечными стационарными источниками, загрязняющими атмосферу, являются дымовые трубы заводов, теплоэлектростанций, отопительных котельных, технологических установок, печей и сушилок, вытяжные шахты, дефлекторы, вентиляционные трубы, вытяжки, шахты и так далее [10].
Стационарные источники выбрасывают в воздух главным образом сернистый газ, оксиды азота, а также некоторое количество угарного газа, фенолов, серной кислоты и других загрязняющих веществ в зависимости от специфики промышленного производства города и состава используемого в нем топлива. Относительно недавно стационар-
ные источники выбрасывали в атмосферу значительное количество пыли разнообразного химического состава, но в настоящее время существующие газоочистные установки задерживают более 95% всех твердых частиц, образующихся при сгорании топлива, но практически не улавливают газовых составляющих [2]. Другой особенностью стационарных источников является то, что их выбросы в атмосферу, в отличие от мобильных, происходят, как правило, на большой высоте, и производимые ими загрязнения распространяются на большой территории (в зависимости от высоты труб). Эти зоны, накладываясь друг на друга, образуют области устойчивых загрязнений в промышленных районах городов, поднимаются на высоту до 150 м и более [3].
Газообразные выбросы промышленных предприятий создают в атмосферном воздухе аэродис-персные системы и в результате турбулентного движения и других процессов долгое время удерживаются в воздухе. Дальность рассеяния загрязнителя зависит от времени его существования в воздухе, метеорологических условий, скорости и направления атмосферных потоков.
Физические основы построения компьютерных моделей атмосферы. Физическая сторона рассмат-
риваемой проблемы связана с анализом эмиссии, распространения и поглощения загрязняющих веществ. Однако почти все компьютерные модели требуют уточнения применительно к конкретным условиям. Кроме того, возникает необходимость апробации моделей на основе известных экологических и метеорологических наблюдений [2].
В основе физического моделирования атмосферных процессов лежат уравнения непрерывности и уравнение Навье-Стокса.
Уравнение непрерывности является следствием закона сохранения массы применительно к жидкости, протекающей через фиксированный бесконечно малый контрольный объем, и имеет вид
(1)
где р - плотность жидкости, V - вектор скорости. Уравнение Навье-Стокса имеет вид:
dv д
Р~т = Pg -VP + dt дх.
И
ди. ____1_
дх.
duj
дх.
- 2 3
<К
дх.
(2)
где 8.. - символ Кронекера; х. - координаты; и. -компоненты вектора скорости; л - коэффициент динамической вязкости; р - плотность среды; g - ускорение силы тяжести.
Уравнение (2) описывает весь спектр атмосферных процессов, но для решения конкретных задач требует специальных преобразований.
В настоящее время основное направление численных методов расчета [3-5] турбулентных течений состоит в решении осредненных уравнений Навье-Стокса, которые называют также уравнениями Рейнольдса. Чтобы перейти к уравнениям Рейнольдса, поля метеоэлементов представляют в виде суммы средних значений, описывающих крупномасштабное течение, и флуктуаций, представляющих турбулентные течения более мелкого масштаба. При этом учитывают вращение Земли (силы Кориолиса).
Модели обязательно дополняют дифференциальными уравнениями притока тепла вида (3).
dT ART dp s
dt
(3)
р dt р
где Т- абсолютная температура воздуха; ср - удельная теплоемкость воздуха при постоянном давлении; А - термический эквивалент работы; R - газовая постоянная воздуха; е - приток тепла к единичному объему воздуха за единицу времени.
Модели выбросов.
1. Модель Гаусса. Загрязняющий промышленный выброс воздушными потоками выносится из района расположения источника на значительное расстояние. Скорость и дальность переноса зависит от турбулентных течений в атмосфере и существующего во время эмиссии ветрового поля. Среднее сечение выброса (факела) очень сходно с видом распределения Гаусса, имеющего форму коло-
кола. На рисунке 1 приведен идеализированный вид факела гауссова типа.
Здесь Ф - сечение выброса перпендикулярно направлению движения, h - высота трубы, Н - общая высота выброса, которая является суммой высоты трубы и добавочной высоты, на которую поднимается выброс.
Гауссова модель обычно используют для анализа распространения мелкодисперсной смеси воздуха с загрязнителями. Она основана на предположении, что загрязнитель будет расходиться в соответствии с нормальным распределением. Гауссовское уравнение имеет вид [1]:
дС ттдС d („ dCЛ d dCЛ 0 — + и— = —I Ку— 1 +—I К7— 1 + £ дt дх dy ^ а'у) d7 ^ d7) ’
где: х - измеренная координата от источника вдоль направления ветра; у - измеренная координата от источника перпендикулярно направлению ветра; 7 -вертикальная координата, отсчитываемая от почвы; С = С(х, у, 7) - средняя концентрация дисперсного вещества в точке (х, у, 7); Ку, К7 - коэффициенты турбулентности по направлениям осей у и z; и -средняя скорость ветра вдоль оси х.
При реализации модели часто делают некоторые упрощения - концентрации загрязняющих веществ не влияют на разрежённый поток, турбулентные потоки являются линейными, выброс является постоянным и равномерным, направление ветра и скорость оседания примесей являются постоянными и др.
Гауссовская модель чаще всего используется для прогнозирования распространения непрерывных поточных выбросов, начинающихся от уровня земли или надземных источников. Но может быть также использована для расчета прерывистых выбросов (так называемые слоеные модели) [1].
2. Модель Эйлера. Модель Эйлера основана на уравнении сохранения массы для данного загрязнителя.
Общее уравнение выглядит следующим образом:
^ = -Щс,)- ч{с\)+ DV 2( С) + ф), и = и+и\
где: и - вектор скорости перемещения атмосерных
масс и (х, у, z); и - вектор скорости перемещения воздуха; и' - вектор скорости перемещения выброса; С - концентрация загрязняющего вещества, С=<С>+С'; <С> - средняя концентрация загрязняющего вещества в атмосфере; С’ - концентрация загрязняющего вещества в выбросе; D - молекулярный коэффициент диффузии; - скорость изменения концентрации в начальный момент времени.
Модели Эйлера используют фиксированную решетку (вертикальную и горизонтальную). При реализации моделей решают соответствующие уравнения одновременно во всех ячейках решетки, при этом учитывается обмен загрязняющими веществами между ячейками и химические реакции.
Обычно количество вычислений снижают, используя различный масштаб решеток: в сельских районах, где концентрации веществ достаточно гомогенны, применяются более «грубые» решетки, на территории городов, с сильными градиентами концентраций веществ, используют более тонкие и комбинированные сетки.
3. Модель Лагранжа. Модель Лагранжа предсказывает распространение загрязняющего вещества, учитывая изменение базовой решетки, не привязанной к географическим координатам. Это изменение в целом зависит от того насколько направление ветра близко к направлению движения загрязняющего облака. Модель Лагранжа может быть представлена следующим образом [6]:
(е{г,I^ = Цр{г,11 г',I(г',I')&'Ж',
где: <с(г,/)> - средняя концентрация загрязняющего вещества в точке с координатой г, в момент времени /; S(г',f) - определяет источник выброса; р(г,/|г'/) - функция вероятности перехода от точки и времени (г', /') к точке и времени (г, /).
Вероятностная функция должна быть определена как функция полных метеорологических данных, близких к источникам загрязнения. Если источник выбросов включает в себя помимо газа механическую пыль или аэрозоль, то количество уравнений увеличивается. Для каждого вида загрязнения существует свое уравнение. Этот подход дает эффективную в вычислительном плане систему. Однако трудно должным образом описать физическое и химическое взаимодействие большого количества отдельных видов загрязнений между собой.
Физические уравнения построены так, чтобы моделировать динамику процессов в узлах сетки.
Модель Эйлера (3-D)
Рис. 2. Модели Лагранжа и Эйлера
Учет химических реакций производится путем добавочного изменения концентраций на каждом шаге расчета. Таким образом, модель Лагранжа позволяет рассматривать реакции в перемещающейся ячейке воздуха. Этим она отличается от модели Эйлера, где неподвижная сетка привязана к реальным геофизическим координатам (рис. 2). Модели Лагранжа более просты, однако они неприменимы для построения климатических моделей.
Краткая характеристика атмосферных моделей и динамика их развития. Все модели, построенные на основе рассмотренных выше уравнений, классифицируются по масштабам атмосферных процессов, а именно: макромасштаб (> 1000 км), мезомасштаб (1 км - 1000 км), микромасштаб (< 1 км).
Необходимо также отметить, что системы для расчетов распространения загрязняющих веществ в атмосфере проектируются под конкретную задачу и разрабатываются специальными организациями или научно-исследовательскими институтами. Наиболее известными реализациями моделей рассеяния газов являются согласно [9]: методика Всемирного банка, методики класса HGSYSTEM, методики, созданные такими организациями как TNO (Голландия), Det Norske Veritas (DNV Technica) (Норвегия), U.S. Environmental Protection Agency (EPA - агентство защиты окружающей среды США), NIST (Национальный институт стандартов и технологий США), методики класса DEGADIS. Эти модели приняты и рекомендованы для расчетов в различных странах. Они в большей мере конкретизированы для определенных задач и условий.
Согласно [6-9; 11-14; 16; 20] используемые в настоящее время системы представляют собой комбинированные модели, в которых за основу взят какой-либо из рассмотренных алгоритмов с различными дополнениями в виде уравнений, описывающих турбулентность, осаждение, изменение относительной влажности, учет рельефа земной поверхности (орографии) и иные факторы. Существенно значимыми из них согласно [4] являются:
- режим циркуляции атмосферы, ее термическая устойчивость;
- атмосферное давление, влажность воздуха, температурный режим;
- температурные инверсии, их повторяемость и продолжительность;
- скорость ветра, повторяемость застоев воздуха и слабых ветров (скоростью до 1 м/с);
- продолжительность туманов;
- рельеф местности, геологическое строение и гидрогеология района;
- почвенно-растительные условия (тип почв, водопроницаемость, пористость, гранулометрический состав почв, состояние растительности, состав пород, возраст, бонитет);
- фоновые значения показателей загрязнения природных компонентов атмосферы;
- состояние животного мира.
Необходимо также учитывать кинетику и механизм физических процессов (например, изменение агрегатного состояния веществ) и химических реакций, происходящие в атмосфере. Например, во влажном воздухе может происходить конденсация паров кислот с образованием аэрозоля, а в сухом теплом воздухе в результате испарения происходит уменьшение размеров капель жидкости. Жидкие и твердые частицы могут объединяться, растворять газообразные вещества [6].
Некоторые процессы химических преобразований начинаются непосредственно с момента поступления выбросов в атмосферу, другие - при появлении для этого благоприятных условий - необходимых реагентов, солнечного излучения, других факторов [7; 8].
Под действием солнечной радиации в верхних слоях атмосферы происходят реакции распада и полимеризации органических соединений, что приводит, в частности, к образованию свободных радикалов, оксидов азота и серы (N0^ SOx). Это приводит к выпадению «кислотных дождей» и образованию вредных для здоровья человека и опасных для окружающей среды соединений [8].
Развитие атмосферных моделей за последние 30 лет было весьма бурным. Так, если в 1970-е годы моделировались процессы, имеющие место только в атмосфере, то к середине 1980-х они уже были дополнены взаимодействием атмосферы с верхним слоем земной поверхности, в начале 1990-х - взаимодействием с поверхностью океана, была подключена модель перехода соли из воды в лёд. В конце 1990-х модели дополняются распространением сульфатных аэрозолей, а в начале 2000-х -несульфатных аэрозолей и моделью круговорота углерода на море и на суше. В последнее время модели усложняются включением в рассмотрение химических реакций и процессов радиоактивного распада, имеющего место в атмосфере.
Построение единой классификации моделей распространения примесей от точечных источников представляет трудноразрешимую задачу ввиду многогранности и многоаспектности подходов к моделированию. В работе [1] предпринята попыт-
ка упорядочить множественные подходы к решению данной задачи. Можно утверждать, что модели, используемые на практике, являются, во-первых, специализированными, а во-вторых - интегральными. Установлено, что возникающая на практике задача моделирования в больших масштабах при учете большого числа факторов и т.п. требует значительных вычислительных ресурсов и многопроцессорных компьютерных систем. Это связано с необходимостью решать системы уравнений большой размерности. Анализ существующих программных реализаций показывает, что лишь незначительное их число предлагается для расчетов на многопроцессорных системах. В связи с этим можно утверждать, что реализация данных моделей на параллельных компьютерных системах представляет собой актуальную научную задачу.
Характеристика и преимущества модели SILAM. В настоящее время система SILAM, разработанная в Финском метеорологическом институте (System for Integrated modeLling of Atmospheric coMposition - система интегрального моделирования атмосферных композиций) включает в себя, кроме рассмотренных выше, учет распространения радионуклидов, разноразмерных аэрозолей и природных аллергенов. Она может использоваться для прогноза последствий чрезвычайных ситуаций. Размер частиц аэрозоли варьируется в широких пределах [20]. SILAM содержит обширную базу данных: 496 нуклидов и параметров их распадов, 80 механизмов радиоактивных загрязнений с учетом влияния на органы-мишени человеческого организма (23 органа). Это позволяет рассчитать распад цепи, экологическое удаление (миграцию) нуклидов после выброса, а также внутренние и внешние дозы облучения. Внешнее воздействие радиации включает прямое облучение от облака или осадков (гамма- и бета-излучение), внутренние воздействие включает вдыхание радионуклидов.
SILAM является единственной европейской моделью, которая позволяет вычислить вероятность охвата территорий, которые будут подвергнуты загрязнению от неизвестных или мало изученных источников выбросов. Для таких расчетов облако лаг-ранжевых частиц рассчитывается на основе воздушных ансамблей, стохастически выброшенных из источника загрязнения и вычисляются плотности вероятности их появления в пострадавшем районе или в загрязненном воздухе [19].
Для численного моделирования в SILAM используются метеорологические базы данных [17], находящиеся в хранилищах Европейского центра ETEX, либо численные модели прогноза погоды в форматах HIRLAM или ECMWF.
Динамика расчета SILAM основывается на более точной (но и более ресурсоемкой в плане компьютерных вычислений) итерационной схеме, что увеличивает продолжительность вычислений (если
в моделируемой системе происходят химические реакции или радиоактивный распад изотопов) и требует применения высокопроизводительной вычислительной техники. Последние версии SILAM [19] позволяют ее использовать на многопроцессорных кластерных системах в режиме параллельных вычислений.
Испытания модели SILAM с 2007 г. по настоящее время показали удовлетворительную корреляцию с данными непосредственных наблюдений на метеостанциях. Сравнение расчетных моделей распространения атмосферных выбросов с результатами наблюдений по 150 метеорологическим станциям показало, что коэффициент корреляции везде превышает 60%, при среднем его значении более 70% [15; 17; 18].
SILAM может решать прямые и сопряженные (часто называемые обратными) задачи рассеяния. В частности, решение одной обратной задачи позволило уточнить карту расположения и мощности источников атмосферных выбросов на территории Кольского полуострова [17].
Высокая эффективность прогнозирования распространения радиоактивных изотопов в атмосфере продемонстрирована на примере расчёта последствий аварий на атомных электростанциях в Японии в марте 2011 года [19].
Модель SILAM является свободно-распростра-няемой на основе лицензии GNU и является муль-типлатформенной (под OC Linux и Windows).
Обмен данными между компонентами системы SILAM и запись результатов моделирования в выходные файлы осуществляется в выбранном пользователем формате данных, поддерживаемых программным обеспечением, используемым на большинстве национальных гидрометеоцентров и геофизических обсерваторий. В настоящее время поддерживаются 5 форматов ввода-вывода: двоичный, NetCDF, PHDF5, GRIB1 и GRIB2. Форматом по умолчанию, рекомендуемым для использования во всех задачах моделирования, является NetCDF (Network Common Data Form), представляющий собой формат данных и соответствующий программный интерфейс, предназначенный для работы с научными данными. NetCDF нацелен на предоставление эффективного доступа к относительно небольшим подмножествам массивных наборов данных.
Проделанный нами анализ моделей и существующих систем компьютерного моделирования распространения атмосферных загрязнений показывает, что система SILAM является наиболее развитой и наиболее пригодной для использования в Костромской области. Используя имеющийся в КГУ им. Н.А.Некрасова кластер и технологии параллельного программирования, она позволяет проводить следующие виды экологических расчетов:
- моделирование последствий лесных и торфяных пожаров;
- уточнение очагов лесных и торфяных пожаров;
- распространение пыльцы растений и природных аллергенов;
- оценка влияния на регион промышленных предприятий сопредельных регионов (Ярославская, Ивановская и Вологодская области).
Возможно также решение других задач, связанных с экологией, которые могут появиться при развитии региона или при природных либо техногенных катастрофах.
Библиографический список
1. Бабков B.C., Ткаченко Т.Ю. Анализ математических моделей распространения примесей от точечных источников // Наукові праці ДонНТУ Серія «Інформатика, кібернетика та обчислювальна техніка» - С. 147-155.
2. Берлянд М.Е. Предсказание и регулирование теплового режима приземного слоя атмосферы. -Л.: Гидрометеоиздат, 1956. - 436 с.
3. Берлянд М.Е. Прогноз и регулирование загрязнения атмосферы. - Л.: Гидрометеоиздат, 1985. - 272 с.
4. Берлянд М.Е. Современные проблемы атмосферной диффузии и загрязнения атмосферы. - Л.: Гидрометеоиздат, 1975. - 448 с.
5. Бицадзе А.В. Уравнения математической физики. - М.: Наука, 1976. - 296 с.
6. Бызова Н.Л., Гарнер Е.К., Иванов В.Н. Экспериментальные исследования атмосферной диффузии и расчет распространения примеси. - Л.: Гидрометеоиздат, 1991. - 23 с.
7. Вызова Н.Л., Гаргер Е.К., Иванов В.И. Экспериментальные исследования атмосферной диффузии и расчеты рассеяния примеси. - Л.: Гидрометеоиздат, 1989. - 280 с.
8. Гил А. Динамика атмосферы: В 2 т. / Пер. с англ. - М.: Мир, 1986. - 415 с.
9. Динамическая метеорология. - Л.: Гидрометеоиздат, 1967. - 607 с.
10. Дымников В.П. Устойчивость и предсказуемость крупномасштабных атмосферных процессов. - М.: ИВМ РАН, 2007. - 283 с.
11. Жермен П. Механика сплошных сред. - М.: Мир, 1965. - 479 с.
12. Ионисян А.С. О целесообразности использования метода Зейделя при численном решении уравнения диффузии примеси в атмосфере // Проблемы физико-математических наук: Материалы 48-й научно-методической конференции преподавателей и студентов «Университетская наука - региону». - Ставрополь: Изд-во СГУ, 2003. - С. 7678.
13. Ионисян А. С. Математическое моделирование процесса распространения активной приме-
си в свободной и облачной атмосфере. - Ставрополь, 2003. - 190 с.
14. Руководство по организации контроля состояния природной среды в районе расположения АЭС / Под ред. К.П. Махонько. - Л.: Гидрометео-издат, 1990. - 264 с.
15. A re?nement of the emission data for Kola Peninsula based on inverse dispersion modeling / M. Prank, M. So?ev, H.A.C. Denier van der Gon, M. Kaasik, T. M. Ruuskanen and J. Kukkonen // Atmospheric Chemistry & Physics. - 2010. - № 10. -Pp. 10849-10865.
16. Chrysikopoulos C. V, Hildmann L.M., Roberts P. V A three-dimensional steady-state atmospheric dispersion-deposition model for emission from a ground-level area source // Atmos. Env. - 1992. -V. 26A. - № 5. - Pp. 747-757.
17. Sofiev M. A dispersion modelling system SILAM and its evaluation against ETEX data / M. Sofiev, P. Siljamo, I. Valkama, M. Ilvonen,
J. Kukkonen // Atmospheric Environment. - 2006. -№ 40. - Р. 674-685.
18. Sofiev M. An operational system for the assimilation of the satellite information on wild-land fires for the needs of air quality modelling and forecasting / M. Sofiev, R. Vankevich, M. Lotjonen, M. Prank, V. Petukhov, T. Ermakova, J. Koskinen and J. Kukkonen // Atmospheric Chemistry and Prysics. -2009. - № 9. - Р. 6833-6847.
19. System for integrated modelling of atmospheric composition / Mikhail Sofiev, Marje Prank, Pilvi Siljamo, Joana Soares, Julius Vira, Tuula Summanen, Ari Karppinen. - FMI. - [Электронный ресурс]. -Режим доступа: http: //silam. fmi. fi.
20. Turner D.B., Addendum to TUPOS -Incorporation of a Hesitant Plume Algorithm. 1986. EPA-600/8-86/0.27.US. Environmental Protection Agency, Research Triange Park, NC (available only from NTIS, Accession Number PB86-241 031/AS).
УДК 004.02
Голубинский Евгений Юрьевич
Академия Федеральной службы охраны Российской Федерации, г. Орел
МЕТОДИКА АНАЛИТИЧЕСКОГО МОНИТОРИНГА КАЧЕСТВА ИНФОРМАЦИОННО-АНАЛИТИЧЕСКИХ МАТЕРИАЛОВ: ОСНОВНЫЕ ЭТАПЫ, СТРУКТУРА МОНИТОРИНГОЙ ИНФОРМАЦИИ
Рассмотренная в статье методика аналитического мониторинга качества информационно-аналитических материалов предназначена для использования в деятельности по управлению качеством информационной продукции. Автором также предлагается подход к структуризации и хранению информации, используемой при проведении анализа качества информационно-аналитических материалов, и результатов данного анализа.
Ключевые слова: информационно-аналитический материал, аналитический мониторинг качества, информационная служба, база данных, мониторинговая информация.
Одной из важных управленческих задач, решаемых информационными службами, работающими в социальной, экономической и других сферах, является анализ качества выпускаемых ими информационных продуктов (ИП) на предмет наличия недостатков, снижающих объективность информирования потребителей. На практике для этого часто применяются способы анализа качества ИП, базирующиеся на редакторском анализе [5, с. 59-302; 12, с. 93-103]. Результатами такого анализа, выполняемого опытными специалистами (экспертами), являются краткие суждения об их пригодности или непригодности к применению по назначению. Более сложный вариант формирования выводов о качестве ИП предполагает использование характеристик качества и шкал, предназначенных для аргументации мнений экспертов.
Следует отметить, что несовершенство системы мер (критериев и оценок), отражающих степень соответствия ИП конкретным требованиям, ведет к возрастанию затрат на их подготовку, связанных
со своевременным выявлением фактов снижения качества продукции в процессе ее создания. В ходе исследования определено, что при использовании известных методов анализа качества ИП [5, с. 59302; 12, с. 93-103] один и тот же продукт может иметь целый ряд проекций оценки качества, зависящих от разных доминант у специалиста, производящего его анализ. В связи с этим сделан вывод о необходимости сохранения тождества (воспроизводимости) оценки качества ИП при его восприятии различными специалистами, чему способствует выделение взаимосвязей причин возникновения (факторов) и построение системы недостатков качества ИП.
Проведенное исследование содержания ИП, изготавливаемых в интересах органов власти, процедур подготовки и анализа их качества позволило разработать методику аналитического мониторинга качества информационно-аналитического материала (далее - методика). Информационно-аналитический материал (ИАМ) является видом информационной продукции, выпускаемым многими ин-
