Реализация имитационной модели оценки экологического риска на территории нефтедобычи
Г.А. Кочергин, А.В. Якимчук,
М.А. Куприянов

АУ "Югорский НИИ информационных технологий"
Представлены результаты разработки имитационной модели для оценки экологического риска изменения состояния территории лесного фонда в Ханты-Мансийском автономном округе с использованием разнородных многомерных данных о произошедших на нефтепроводах авариях в 2010-2018 гг.
В основе разработанной модели лежат методы машинного обучения, которые позволяют определить степень риска возникновения повторных аварийных ситуаций на территории лицензионных участков, и методы геоинформационного анализа, которые используются для построения цифровой карты рисков негативного воздействия на земли лесного фонда. Имитационная модель, представленная в виде интерактивной цифровой карты региона, позволяет выявить территории с наибольшим экологическим риском. Достоверность обсуждаемых результатов подтверждена проведенными численными экспериментами.
Введение
Одной из ключевых экологических проблем таких крупных нефтедобывающих регионов, как Ханты-Мансийский автономный округ, является загрязнение земель вследствие аварийных разливов нефти и нефтепродуктов при их транспортировке по трубопроводным системам.
В результате разлива нефтесодержащей жидкости наносится значительный урон землям лесного фонда и водно-болотным угодьям, что требует принятия незамедлительных мер по устранению причин и проведению рекультивационных работ на указанных экосистемах. Выявление подобных инцидентов с целью расчета ущерба нанесенного окружающей среде является одной из основных задач контрольно-надзорных органов автономного округа, осуществляющих свои полномочия в сфере экологической безопасности региона. Однако огромная и зачастую труднодоступная территория, а также слабо развитая коммуникационная инфраструктура региона существенно затрудняют своевременный контроль за экологическим состоянием окружающей среды, что требует внедрения принципиально новых подходов к осуществлению плановых и внеплановых выездных контрольно-надзорных мероприятий [3].

В настоящее время в Российской Федерации ведется активная работа над внедрением риск-ориентированного подхода при организации государственного контроля (надзора) в отношении юридических лиц и индивидуальных предпринимателей, как наиболее перспективного с точки зрения его эффективности и затрат. В 2015 г. с принятием федерального закона [4] были утверждены основные цели и правила такого подхода. Годом позже постановлением Правительства Российской Федерации [5] утвержден перечень видов федерального государственного контроля (надзора), в отношении которых применяется риск-ориентированный подход, в который включен и государственный экологический надзор. Также был принят ряд нормативно-правовых актов [6–8], устанавливающих критерии для категоризации объектов, оказывающих негативное воздействие на окружающую среду, и соответствующие им рисков, а также базовую модель и типовой перечень показателей результативности и эффективности контрольно-надзорной деятельности.
В результате разлива нефтесодержащей жидкости наносится значительный урон землям лесного фонда и водно-болотным угодьям, что требует принятия незамедлительных мер по устранению причин и проведению рекультивационных работ на указанных экосистемах.
В результате разлива нефтесодержащей жидкости наносится значительный урон землям лесного фонда и водно-болотным угодьям, что требует принятия незамедлительных мер по устранению причин и проведению рекультивационных работ на указанных экосистемах. Выявление подобных инцидентов с целью расчета ущерба нанесенного окружающей среде является одной из основных задач контрольно-надзорных органов автономного округа, осуществляющих свои полномочия в сфере экологической безопасности региона. Однако огромная и зачастую труднодоступная территория, а также слабо развитая коммуникационная инфраструктура региона существенно затрудняют своевременный контроль за экологическим состоянием окружающей среды, что требует внедрения принципиально новых подходов к осуществлению плановых и внеплановых выездных контрольно-надзорных мероприятий [3].

В настоящее время в Российской Федерации ведется активная работа над внедрением риск-ориентированного подхода при организации государственного контроля (надзора) в отношении юридических лиц и индивидуальных предпринимателей, как наиболее перспективного с точки зрения его эффективности и затрат. В 2015 г. с принятием федерального закона [4] были утверждены основные цели и правила такого подхода. Годом позже постановлением Правительства Российской Федерации [5] утвержден перечень видов федерального государственного контроля (надзора), в отношении которых применяется риск-ориентированный подход, в который включен и государственный экологический надзор. Также был принят ряд нормативно-правовых актов [6–8], устанавливающих критерии для категоризации объектов, оказывающих негативное воздействие на окружающую среду, и соответствующие им рисков, а также базовую модель и типовой перечень показателей результативности и эффективности контрольно-надзорной деятельности.
Имитационная модель оценки экологического риска
Предлагаемая нами имитационная модель оценки экологического риска реализуется алгоритмическими методами в виде определенного набора программных модулей, использование которых позволяет построить цифровую карту, на которой отображены риски аварийных разливов нефти на лицензионных участках.
Для реализации имитационной модели используются методы машинного обучения и методы пространственного (геоинформационного) анализа данных. Методы машинного обучения основаны на создании, обучении и последующем использовании нейронной сети, которая позволяет обрабатывать большие объемы разнородной информации об объектах исследования. Методы геоинформационного анализа данных используются для учета пространственных свойств объектов исследования.
Общая последовательность этапов построения цифровой карты в рамках разрабатываемого риск-ориентированного подхода:
1
предварительная обработка исходных данных
2
пространственный анализ данных
3
анализ данных с использованием методов машинного обучения
4
представление результатов анализа средствами геоинформационных систем
Для создания карты экологических рисков нами используется информация, накопленная в Службе по контролю и надзору в сфере охраны окружающей среды, объектов животного мира и лесных отношений Ханты-Мансийского автономного округа — Югры (Природнадзор Югры) с 2010 г. по настоящее время, а также результаты дешифрирования космических снимков территории автономного округа. Имеющуюся выборку данных объемом более 17 тыс. записей по 83 параметрам, можно разделить на две категории:
пространственная и атрибутивная информация
о ранее произошедших инцидентах (авариях);
пространственная информация о техногенных объектах
в том числе близлежащих населенных пунктах и транспортной инфраструктуре.
Компоненты реализации имитационной модели
Для автоматизации процессов обработки и анализа информации в рамках реализации представленной имитационной модели разработаны следующие программные модули (компоненты):
компонент сбора данных
предназначен для агрегирования исходных данных о фактических экологических нарушениях, произошедших на территории округа, а также результатах дешифрования космических снимков, на которых имеется информация о произошедших инцидентах. Все данные в необработанном виде хранятся в хранилище данных и при загрузке нового массива данных они добавляются к имеющейся информации;
компонент очистки и трансформации данных
реализует функции предварительной обработки исходной информации с целью подготовки массива данных, пригодного для дальнейшего анализа методами машинного обучения и пространственного анализа. Здесь проводится нормализация числовых данных, исправление ошибок пространственной привязки данных, удаление дублирующихся объектов и объектов без привязки к местности. Предварительно обработанные данные также накапливаются в хранилище данных;
компонент конструирования и выбора ключевых признаков
позволяет провести анализ всех имеющихся признаков и выбрать из них ключевые, имеющие наибольший вес для использования методов машинного обучения;
в компоненте нейросетевой модели рисков реализована
многослойная (4 слоя) нейронная сеть, а также функции для ее обучения на основе предварительно обработанного массива данных с наиболее весомыми ключевыми признаками;
компонент оценки качества
позволяет провести оценку достоверности реализованной нейросетевой модели с использованием метода кросс-валидации по k-блокам [15, 16] на основе тестовой выборки данных. Для проверки достоверности нейронной сети был проведен численный эксперимент с использованием указанного метода. По результатам численного эксперимента показано, что достоверность результатов анализа, полученных с использованием разработанной нейронной сети составляет 91,5%;
компонент визуализации
реализованный с использованием геоинформационных технологий, позволяет создать и отобразить цифровую карту с рассчитанными значениями уровня рисков для соответствующих участков на исследуемой территории.
Схема обработки данных для оценки экологических рисков
Использование имитационной модели
В соответствии с [7] принято выделять следующие пять категорий риска для регионального государственного экологического надзора: высокий, значительный, средний, умеренный и низкий, для каждого из которых устанавливается своя очередность плановых проверок.
С учетом данной категоризации рисков, разработанные нами программные модули позволяют построить цифровую карту и рассчитать значения степени риска для каждого из 402 лицензионных участков, расположенных в границах Ханты-Мансийского автономного округа, а также отнести их к одному из 5 классов в зависимости от категории риска. Так как площадь лицензионного участка может составлять несколько сотен квадратных километров, то лицензионные участки с высоким уровнем риска были разделены на более мелкие участки квадратной формы размером 2x2 км, для каждого из которых было рассчитано новое значение степени риска. Лицензионные участки с значительным, средним и умеренным риском также были разделены на участки размером 4x4 км, 8x8 км и 16x16 км соответственно для пересчета степени риска. Лицензионные участки, отнесенные к классу с низким уровнем риска, не подвергались дальнейшему более детальному анализу.

Построенная в результате работы цифровая карта экологического риска аварийного разлива нефти с использованием разработанной имитационной модели, представлена на рисунке. Согласно полученным результатам можно сделать вывод, что в Ханты-Мансийском автономном округе высокий риск аварийного разлива нефти определен для нескольких участков общей площадью 128 кв. км, расположенных на Мамонтовском, Южно-Балыкском и Тепловском лицензионных участков.
Цифровая карта экологического риска
ИТОГИ
В статье представлен новый подход к осуществлению контрольно-надзорной деятельности при осуществлении регионального экологического надзора, основанный на использовании имитационной модели, позволяющей построить цифровую карту экологического риска загрязнения земель лесного фонда нефтью и нефтепродуктами. Путем анализа разнородных данных были рассчитаны риски негативного воздействия на территорию Ханты-Мансийского автономного округа, и локализованы участки, относящиеся к наивысшей категории риска. Представленные в работе результаты будут использоваться для планирования контрольно-надзорных мероприятий инспекторским составом Службы по контролю и надзору в сфере охраны окружающей среды, объектов животного мира и лесных отношений Ханты-Мансийского автономного округа – Югры.
ВЫВОДЫ
В Ханты-Мансийском автономном округе высокий риск аварийного разлива нефти определен для нескольких участков общей площадью 128 кв. км, расположенных на Мамонтовском, Южно-Балыкском и Тепловском лицензионных участков. Показано, что достоверность разработанной нейросетевой модели, применяемой для оценки рисков аварийных разливов нефти, составляет 91,5%.
ЛИТЕРАТУРА
1. Об экологической ситуации в Ханты-Мансийском автономном округе – Югре в 2018 году. [Электронный ресурс]. Режим доступа: https://prirodnadzor.admhmao.ru/doklady-i-otchyety/doklad-ob-ekologicheskoy-situatsii-v-khanty-mansiyskom-avtonomnom-okruge-yugre/2876367/2018-god (дата обращения 11.10.2019).

2. Об экологической ситуации в Ханты-Мансийском автономном округе – Югре в 2017 году. [Электронный ресурс]. Режим доступа: https://prirodnadzor.admhmao.ru/doklady-i-otchyety/doklad-ob-ekologicheskoy-situatsii-v-khanty-mansiyskom-avtonomnom-okruge-yugre/1815795/2017-god (дата обращения 11.10.2019).

3. Комов В.Э., Кабалинский А.И. Обоснование повышения эффективности деятельности контрольно-надзорной деятельности на региональном уровне // Известия Тульского государственного университета. Экономические и юридические науки. 2017. №1-1. С. 159–164.

4. Федеральный закон от 13.07.2015 N 246-ФЗ "О внесении изменений в Федеральный закон "О защите прав юридических лиц и индивидуальных предпринимателей при осуществлении государственного контроля (надзора) и муниципального контроля".

5. Постановление Правительства РФ от 17.08.2016 N 806 (ред. от 21.03.2019)
"О применении риск-ориентированного подхода при организации отдельных видов государственного контроля (надзора) и внесении изменений в некоторые акты Правительства Российской Федерации" (вместе с "Правилами отнесения деятельности юридических лиц и индивидуальных предпринимателей и (или) используемых ими производственных объектов к определенной категории риска или определенному классу (категории) опасности").

6. Постановление Правительства Российской Федерации от 28 сентября 2015 г. № 1029 "Об утверждении критериев отнесения объектов, оказывающих негативное воздействие на окружающую среду, к объектам I, II, III и IV категорий".

7. Постановление Правительства Российской Федерации от 22 ноября 2017 г. № 1410
"О критериях отнесения производственных объектов, используемых юридическими лицами и индивидуальными предпринимателями, оказывающих негативное воздействие на окружающую среду, к определенной категории риска для регионального государственного экологического надзора и об особенностях осуществления указанного надзора".

8. Распоряжение Правительства РФ от 17.05.2016 № 934-р (ред. от 27.04.2018) "Об утверждении основных направлений разработки и внедрения системы оценки результативности и эффективности контрольно-надзорной деятельности".

9. Кузнецова Т.И., Плюснин В.М. Геоинформационное ландшафтное картографирование для обеспечения управления экологическим риском Байкальского региона // Материалы международной конференции «ИнтерКарто/ИнтерГИС». 2016. Т.1. №20. С. 318–327.

10. Бескид П.П., Силин П.И. Использование метода анализа иерархий для оценки информационных рисков в ГИС предприятий-перевозчиков бытовых отходов // Ученые записки Российского государственного гидрометеорологического университета. 2015. №40.
С. 276–283.

11. Большагин А.Ю. и др. Риск-ориентированный подход к ранжированию водных объектов и территорий субъектов Российской Федерации по степени опасности для населения // Технологии гражданской безопасности. 2017. Т.14. №2 (52). С. 96–98.

12. Чаплинский А.В., Плаксин С.М. Управление рисками при осуществлении государственного контроля в России // Вопросы государственного и муниципального управления. 2016. №2. С. 7–29.

13. Авдийский В.И., Безденежных В.М., Катаева Е.Г. Управление рисками как ключевой элемент обеспечения реализации риск-ориентированного подхода в деятельности хозяйствующих субъектов // Экономика. Налоги. Право. 2017. №6. С. 6–15.

14. Акинина Н.В., Псоянц В.Г., Колесенков А.Н., Таганов А.И. Теория и практика применения нечетких сетей Петри для мониторинга экологических рисков // Вестник Томского государственного университета. 2017. №41. С. 4–11.

15. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning. Stanford: Springer, 2014, 745 p.

16. Refaeilzadeh P., Tang L., Liu H. Cross Validation. Encyclopedia of Database Systems. New York: Springer, 2009, 4355 p.
Материалы и методы
Ключевые слова
Для цитирования
Поступила в редакцию
УДК и DOI
Методы машинного обучения, методы пространственного анализа, геоинформационные технологии, риск-ориентированный подход.
риск-ориентированный подход, экологические риски, нейронные сети, машинное обучение, геоинформационный анализ, ГИС-технологии
Г.А. Кочергин, А.В. Якимчук, М.А. Куприянов. Реализация имитационной модели оценки экологического риска на территории нефтедобычи. Экcпозиция Нефть Газ. 2020. №1. С. 51-92. DOI: 10.24411/2076-6785-2019-10071
22.10.2019
УДК 504.06
DOI: 10.24411/2076-6785-2019-10071
Г.А. Кочергин, к.т.н, руководитель Центра космических услуг, АУ "Югорский НИИ информационных технологий", Ханты-Мансийск, Россия

А.В. Якимчук, старший программист Центра информационно-аналитических систем, АУ "Югорский НИИ информационных технологий", Ханты-Мансийск, Россия

М.А. Куприянов, главный специалист Центра космических услуг, АУ "Югорский НИИ информационных технологий", Ханты-Мансийск, Россия
kupriyanovma@spambox.ru

Рекомендуемые статьи
© Экспозиция Нефть Газ. Научно-технический журнал. Входит в перечень ВАК
+7 (8552) 92-38-33
Made on
Tilda