Обнаружение нефтяных загрязнений на различных подстилающих поверхностях

ОБНАРУЖЕНИЕ НЕФТЯНЫХ ЗАГРЯЗНЕНИЙ НА РАЗЛИЧНЫХ ПОДСТИЛАЮЩИХ ПОВЕРХНОСТЯХ

, ,

Московский государственный технический университет им.

*****@***ru

Ключевые слова: лазер, нефтяные загрязнения, спектры флуоресценции

Разработан алгоритм обнаружения нефтяных загрязнений на различных подстилающих поверхностях. Показано, что для обнаружения нефтяных загрязнений с высокой вероятностью правильного обнаружения и низкой вероятностью ложных тревог недостаточно использовать только корреляционный анализ спектров флуоресценции. В качестве дополнительных признаков используется средняя интенсивность флуоресценции и интенсивность сигнала упругого рассеяния, которые позволяют уменьшить вероятность ложной тревоги.

Важной задачей экологического мониторинга является обнаружение нефтяных загрязнений на различных типах подстилающей поверхности. Основными сложностями, возникающими при решении данной задачи, являются зависимость спектров флуоресценции от различных внешних факторов, многообразие подстилающих поверхностей и типов нефтепродуктов, отсутствие достаточного количества экспериментальных данных для нефтяных загрязнений на земной поверхности.

Для исследования спектров флуоресценции была создана лабораторная установка. Структурная схема установки приведена на рисунке 1.

Рисунок 1 - Схема лабораторной установки

Основные параметры лабораторной установки приведены в таблице 1.

В качестве источника возбуждения излучения флуоресценции используется четвертая гармоника YAG:Nd лазера. Подсистема регистрации излучения флуоресценции построена на основе полихроматора и высокочувствительного матричного детектора с усилителем яркости.

Таблица 1 - Основные параметры лабораторной установки

Энергия импульса, мДж	0,2
Длительность импульса, нс	6
Длина волны возбуждения, нм	266
Диапазон регистрации спектра, нм	295 – 700
Разрешение по спектру, нм	8
Диаметр приемного объектива, мм	15

На установке были проведены измерения спектров флуоресценции в диапазоне 295-700 нм. Одновременно со спектром флуоресценции регистрировалась интенсивность упруго рассеянного излучения на длине волны 266 нм. Всего было исследовано 10 типов нефтепродуктов, которые условно были разбиты на три подгруппы: легкие нефтепродукты (ЛН), тяжелые нефтепродукты (ТН) и сырая нефть. Подстилающие поверхности включали 4 группы: почвы (11 типов), растительность (4 типа), вода (3 типа) и асфальт. Наиболее интенсивная флуоресценция наблюдается у нефтепродуктов, наименьшая – у почв. Флуоресценция воды и растительности в ряде случаев соизмерима с флуоресценции нефти, что усложняет задачу обнаружения нефтяных загрязнений.

Необходимо было разработать алгоритм обнаружения нефтяных загрязнений, т. е. создать правило, разделяющие вещества на два класса: «нефтяные загрязнения» и «чистые подстилающие поверхности».

На первом этапе был исследован корреляционный алгоритм обнаружения. Для каждого -го измеренного спектра флуоресценции находились коэффициенты корреляции Пирсона со всеми опорными спектрами флуоресценции нефтепродуктов [1]:

, (1)

где - -ый исследуемый спектр флуоресценции, - опорные спектры флуоресценции, - среднее по -ому спектру значение интенсивности излучения флуоресценции, - коэффициент корреляции Пирсона между -ым спектром флуоресценции исследуемого вещества и -ым опорным спектром флуоресценции.

Опорные спектры были получены путем измерения спектров флуоресценции чистых нефтепродуктов из каждой подгруппы.

Далее из коэффициентов корреляции находился максимальный:

(2)

Решение об обнаружении принималось на основании сравнения значения для исследуемого образца с величиной порога .

На рисунке 2 представлены гистограммы максимального коэффициента корреляции для случая, когда исходный спектр принадлежит к классу «нефтяные загрязнения» (рисунок 2а) и когда исходный спектр принадлежит к классу «чистые подстилающие поверхности» (рисунок 2б).

а)

б)

Рисунок 2 – Гистограммы коэффициента корреляции

Из гистограмм видно, что максимальный коэффициент корреляции для случая подстилающих поверхностей, незагрязненных нефтепродуктами, варьируется в широких пределах, в том числе в ряде случаев принимает значения близкие к единице. Это объясняется тем, что спектры флуоресценции незагрязненных поверхностей часто имеют низкую интенсивность и случайную структуру, близкую к шумовой. Данный факт исключает возможность обнаружения НП с малой вероятностью ложных тревог только при помощи коэффициента корреляции.

Для повышения достоверности обнаружения было решено дополнительно использовать среднюю интенсивность флуоресценции и интенсивность сигнала упругого рассеяния . Дополнительный признак формировался путем отношения данных величин:

(3)

Таким образом, каждый образец характеризовался двумя величинами: коэффициентом корреляции и отношением средней интенсивности флуоресценции к интенсивности сигнала упругого рассеяния . В двумерном пространстве задача обнаружения сводилась к разбиению всего пространства на две области и ее дополнение и проверки принадлежности исследуемого образца к одной из этих областей.

На рисунке 3 представлены исследуемые образцы в пространстве признаков .

Рисунок 3 – Исследуемые вещества в пространстве Х

В качестве границы между областями и была выбрана прямая, построенная с использованием метода опорных векторов [2, 3] (рисунок 3). Разработанный алгоритм позволил обнаруживать нефтяные загрязнения с вероятностью правильного обнаружения 93.9% и вероятностью ложной тревоги 1,4%.

В работе предложен метод обнаружения нефтяных загрязнений на различных подстилающих поверхностях. В качестве признаков обнаружения выбраны максимальный коэффициент корреляции и отношение средней интенсивности флуоресценции к интенсивности сигнала упругого рассеяния. Данный алгоритм позволяет эффективно обнаруживать нефтяные загрязнения на различных подстилающих поверхностях.

1. , , Мешалкин статистика: Классификация и снижение размерности. М.: Финансы и статистика, 19с.

2. Дьяконов данных, обучение по прецедентам, логические игры, системы WEKA, RapidMiner и MatLab (Практикум на ЭВМ кафедры математических методов прогнозирования): Учебное пособие. М.: Издательский отдел факультета ВМК МГУ имени , 20с

3. Воронцов лекций «Математические методы обучения по прецедентам» // http://www. *****/voron/, http://www. *****/