Оценивание экологической обстановки в районах хранения и транспортировки нефти и нефтепродуктов на основе использования данных космического мониторинга
+7 (383) 343-12-55 vestnik@ssga.ru
Ru
En
Ru
En
Авторам публикаций
Вестник СГУГиТАрхив журнала Оценивание экологической обстановки в районах хранения и транспортировки нефти и нефтепродуктов на основе использования данных космического мониторинга

Оценивание экологической обстановки в районах хранения и транспортировки нефти и нефтепродуктов на основе использования данных космического мониторинга

Дистанционное зондирование земли, фотограмметрия
УДК: 528.71: (622.69:622.323+574)
DOI: 10.33764/2411-1759-2025-30-1-77-87
М. А. Сквазников 1, Д. Л. Колыгин 1
Год: 2025
Том: 30
№: 1
Страницы: 77 - 87
1 Военно-космическая академия имени А. Ф. Можайского, г. Санкт-Петербург, Российская Федерация

Финансирование: -

Аннотация:

Процессы, обеспечивающие транспортировку и хранение нефти и нефтепродуктов, связаны с рисками чрезвычайных ситуаций и угроз природной среде. Информационное обеспечение безопасности окружающей среды осуществляется путем своевременного сбора и обработки разнородных данных, поступающих в том числе от средств космического мониторинга. Применение средств дистанционного зондирования Земли позволяет оценивать техническое состояние зданий, резервуаров и трубопроводов, обнаруживать и идентифицировать разливы сырой нефти и нефтепродуктов, опасные отходы производства, а также источники утечки. Использование космических снимков высокого и сверхвысокого разрешения обуславливает объектно-ориентированную интерпретацию предметов искусственного происхождения с использованием семантических признаков, описанных на естественном языке. В основе предлагаемого метода оценивания экологической обстановки в районах хранения и транспортировки нефти и нефтепродуктов лежит модель системы поддержки принятия решений на основе использования прецедентов. Для извлечения прецедентов применяется модифицированный метод ближайшего соседа с комплексным использованием метрик Евклида и Хэмминга. При этом важность параметров контролируемого объекта рассчитывается на основе экспертных данных. При описании текущей ситуации или прецедента разработан алгоритм применения неполной информации в исходных данных.

Ключевые слова (RU):

нефть и нефтепродукты, экологическая обстановка, космический мониторинг, модифицированный метод ближайшего соседа, метрика Евклида, метрика Хэмминга

Ключевые слова (EN):

oil and petroleum products, environmental conditions, space monitoring, modified nearest neighbor method, Euclid metric, Hamming metric

Читать статью Скачать JATS XML

Библиографический список:

  1. Чистяков Д. А., Нечаева О. А. Экологический мониторинг разливов нефти и нефтепродуктов с использованием летательных аппаратов // Новая наука: проблемы и перспективы. – 2016. – № 3. – С. 18–23. – EDN VKMNRL.
  2. Филина Н. А., Мазуркин П. М. Мониторинг аварийных разливов нефти // Современные наукоемкие технологии. – 2011. – № 3. – С. 62–67. – EDN NUHMXJ.
  3. Карпик А. П., Мусихин И. А., Ветошкин Д. Н. Интеллектуальные информационные модели территорий как эффективный инструмент пространственного и экономического развития // Вестник СГУГиТ. – 2021. – Т. 26, № 2. – C. 155–163. – DOI 10.33764/2411-1759-2021-26-2-155-163. – EDN FXIMIO.
  4. Павлов С. В., Сайфутдинова Г. М., Бахтизин Р. Н. Геоинформационные методы описания магистральных трубопроводов и аварийных разливов нефти // Геоинформационные технологии в проектировании и создании корпоративных информационных систем. – Уфа : Уфимский государственный авиационный технический университет, 2007. – С. 97–104. – EDN VOGWFV.
  5. Долгополов Д. В., Мелкий В. А., Верхотуров А. А. Геоинформационное обеспечение безопасной эксплуатации трубопроводного транспорта // Известия Томского политехнического университета. Инжиниринг георесурсов. – 2021. – Т. 332, № 12. – С. 52–63. – DOI 10.18799/24131830/2021/12/3028. – EDN ZAFHWP.
  6. Бондур В. Г. Аэрокосмические методы и технологии мониторинга нефтегазоносных территорий и объектов нефтегазового комплекса // Исследование Земли из космоса. – 2010. – № 6. – С. 3–17. – EDN NBSTHV.
  7. Алексеева М. Н., Ященко И. Г. Экологический мониторинг нефтедобывающих территорий на основе космических снимков // Интерэкспо ГЕО-Сибирь-2013. IХ Междунар. науч. конгр. : Междунар. науч. конф. «Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология» : сб. материалов в 2 т. (Новосибирск, 15–26 апреля 2013 г.). – Новосибирск : СГГА, 2013. Т. 2. – С. 101–106. – EDN QITZXN.
  8. Токарева О. С., Климентьев Д. С. Оценка последствий нефтяных разливов на основе данных дистанционного зондирования Земли // ГЕО-Сибирь-2010. VI Междунар. науч. конгр. : сб. материалов в 6 т. (Новосибирск, 19–29 апреля 2010 г.). – Новосибирск : СГГА, 2010. Т. 4, ч. 1. – С. 130–133. – EDN PFOMNF.
  9. Ященко И. Г., Перемитина Т. О. Мониторинг экологического состояния нефтедобывающих территорий Западной Сибири с применением данных дистанционного зондирования // Интерэкспо ГЕО-Сибирь-2015. XI Междунар. науч. конгр. : Междунар. науч. конф. «Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология» : сб. материалов в 2 т. (Новосибирск, 13–25 апреля 2015 г.). – Новосибирск : СГУГиТ, 2015. Т. 1. – С. 89–93.
  10. Алексеева М. Н., Перемитина Т. О. Оценка негативного воздействия аварийных разливов нефти на окружающую природную среду на основе космических снимков // Безопасность жизнедеятельности. – 2014. – № 2. – С. 12–17. – EDN RVRUXL.
  11. Беликов В. А., Галянин В. В. Анализ данных дистанционного зондирования Земли для обнаружения нефтяных разливов // Вестник Самарского гос. технического ун-та. – 2017. – № 2. – С. 7–12. – EDN ZGBWEL.
  12. Верхотуров А. А., МелкийВ. А., ДолгополовД. В., ЛисицкийД. В. Мониторинг изменения состояния растительного покрова на участке трассы трубопровода проекта «Сахалин-2» по данным космических съемок // Вестник СГУГиТ. – 2022. – Т. 27, № 4. – C. 45–53. – DOI 10.33764/2411-1759-2022-27-4-45-53. – EDN AROBFE.
  13. Шляхова М. М., Лакеев И. Ю. Мониторинг объектов нефтегазовой отрасли с помощью воздушного лазерного сканирования // Вестник СГУГиТ. – 2022. – Т. 27, № 6. – C. 64–72. – DOI 10.33764/2411-1759-2022-27-6-64-72. – EDN FMTZWL.
  14. Гордиенко А. С., Ткач А. В. Исследование состояния окружающей среды в районе нефтеразработок по космическим снимкам // Вестник СГУГиТ. – 2022. – Т. 27, № 6. – C. 55–63. – DOI 10.33764/2411-1759-2022-27-6-55-63. – EDN UURWSZ.
  15. Зулин К. А., Кулик Е. Н. Использование данных дистанционного зондирования SENTINEL-2B для мониторинга последствий разливов нефти // Вестник СГУГиТ. – 2023. – Т. 28, № 2. – C. 60–66. – DOI 10.33764/2411-1759-2023-28-2-60-66. – EDN ZCAIJH.
  16. ДолгополовД. В., НиконовД. В., Полуянова А. В., МелкийВ. А. Возможности визуального дешифрирования магистральных трубопроводов и объектов инфраструктуры по спутниковым изображениям высокого и сверхвысокого пространственного разрешения // Вестник СГУГиТ. – 2019. – Т. 24, № 3. – С. 65–81. – DOI 10.33764/2411-1759-2019-24-3-65-81. – EDN BQCQZY.
  17. A. Aamodt and E. Plaza. Case-based reasoning: foundational issues, methodological variations, and system approaches. AI Communications, 1994. – Vol. 7. – № 1. – P. 39–59. – DOI 10.3233/AIC1994-7104.
  18. Вагин В. Н., Головина Е. Ю., Загорянская А. А., Фомина М. В., Поспелов Д. А. Достоверный и правдоподобный вывод в интеллектуальных системах. – 2-е изд. – М. : ФИЗМАТЛИТ, 2008. – 712 с.
  19. Watson I. D., Marir F. Case-based reasoning: A review. The Knowledge Engineering Review, 1994. – Vol. 9. – No. 4. – Р. 355–381. – DOI 10.1017/S0269888900007104.
  20. Варшавский П. Р., Еремеев А. П. Методы правдоподобных рассуждений на основе аналогий и прецедентов для интеллектуальных систем поддержки принятия решений // Новости искусственного интеллекта. – 2006. – № 3. – С. 39–62. – EDN AJCDQP.
  21. Люгер Д. Ф. Искусственный интеллект: стратегии и методы решения сложных проблем / пер. с англ. – 4-е изд. – М. : Вильямс, 2003. – 864 с.
  22. Barry Smyth and Mark T. Keane Retrieving adaptable cases. The role of adaptation knowledge in case retrieval // Springer Berlin / Heidelberg, Vol. 837, 1994. – Р. 209–220.
  23. Башмаков А. И., Башмаков И. А. Интеллектуальные информационные технологии : учеб. пособие. – М. : Изд-во МГТУ им. Н. Э. Баумана, 2005. – 304 с. – ISBN 5-7038-2544-X. – EDN QMOGNX.
  24. Варшавский П. Р. Механизмы правдоподобных рассуждений на основе прецедентов (накопленного опыта) для систем экспертной диагностики // Труды 11-й национальной конференции по ИИ с международным участием (КИИ-2008, г. Дубна, Россия). В 3-х т. Т. 2. – М. : ЛЕНАНД, 2008. – С. 106–113.
  25. Куликов А. В., Фомина М. В. Алгоритмы обобщения при наличии шума в исходных данных // Труды 11-й национальной конференции по ИИ с международным участием (КИИ2008, г. Дубна, Россия). В 3-х т. Т. 2. – М. : ЛЕНАНД, 2008. – С. 148–156.
  26. Геловани В. А., Башлыков А. А., Бритков В. Б., Вязилов Е. Д. Интеллектуальные системы поддержки принятия решений в нештатных ситуациях с использованием информации о состоянии природной среды. – М. : Эдитореал УРСС, 2001. – 304 с.
  27. Поспелов Д. А. Моделирование рассуждений. Опыт анализа мыслительных актов. – М. : Радио и связь, 1989. – 184 с.
  28. Варшавский П. Р., Еремеев А. П. Реализация методов поиска решения на основе аналогий и прецедентов в системах поддержки принятия решений // Вестник МЭИ. – 2006. – № 2. – С. 77–87. – EDN HTYCNJ.
  29. Юре Лесковец, Ананд Раджараман, Джеффри Д. Ульман. Анализ больших наборов данных / пер. с англ. Слинкин А. А. – М. : ДМК Пресс, 2016. – 498 с.

Образец цитирования:

Сквазников М. А., Колыгин Д. Л. Оценивание экологической обстановки в районах хранения и транспортировки нефти и нефтепродуктов на основе использования данных космическогомониторинга // Вестник СГУГиТ. – 2025. – Т. 30, № 1. – С. 77–87. – DOI 10.33764/2411-1759-2025-30-1-77-87