Система мониторинга и прогнозирования пожароопасных состояний мест размещения и накопления твердых коммунальных отходов при их захоронении и транспортировке
https://doi.org/10.22227/0869-7493.2024.33.04.52-68
Аннотация
Введение. Пожары на объектах размещения и накопления твердых коммунальных отходов (ТКО) при их захоронении и транспортировке возникают с достаточной регулярностью. В настоящее время они практически не прогнозируются. Их обнаружение в большинстве случаев происходит, когда горение распространилось на значительные площади.
Цель и задачи. Разработка системы мониторинга и прогнозирования состояния мест размещения и накопления ТКО, позволяющей обнаруживать очаги горения, прогнозировать динамику изменения ключевых параметров и давать оценку пожарной опасности рассматриваемых объектов.
Материалы и методы. Проведен сравнительный анализ систем мониторинга мест размещения и накопления ТКО. Доказано, что наиболее перспективными для предупреждения возникновения пожароопасных ситуаций на рассматриваемых объектах являются методы прогнозирования с помощью искусственных нейронных сетей и машинного обучения. Определены этапы рабочего процесса при реализации технологии машинного обучения.
Результаты. Разработана система показателей для оценки пожароопасных состояний мест размещения и накопления отходов. Создана модель, позволяющая на основе полученных с датчиков данных прогнозировать динамику изменения ключевых параметров и давать оценку пожарной опасности мест размещения и накопления отходов с учетом выбранного горизонта планирования. Определены требования к модели, выполняемые задачи, проведены сбор и очистка данных, маркировка, конструирование признаков. Проведено обучение модели и ее оценка. Обоснован метод обнаружения аномалий на основе обучения без учителя.
Разработана модель, позволяющая на основе полученных с датчиков данных обнаруживать очаги горения, в том числе скрытые, с указанием их местоположения и границ. Представлены характеристики основных сценариев, определяющих структуру и использование сервиса «Умный полигон». Разработана его архитектура. Обоснованы преимущества использования. Проведено тестирование разработанных моделей.
Выводы. Применение сервиса «Умный полигон» позволит визуализировать информацию о состоянии мест захоронения отходов и результатах прогнозирования; сформировать отчет по полигону за выбранный период; осуществлять своевременное оповещение и передачу необходимой информации о возможности или возникновении горения; выбирать наилучшие решения, направленные на минимизацию пожарного риска и проводить контроль их эффективности.
Результаты проведенного исследования войдут в качестве модуля в состав комплексной платформы для риск-ориентированного прогнозирования, снижения экологической и пожарной опасности мест размещения и накопления ТКО.
Ключевые слова
Об авторах
Л. А. КоролеваРоссия
КОРОЛЕВА Людмила Анатольевна, д-р техн. наук, доцент, профессор кафедры пожарной, аварийно-спасательной техники и автомобильного хозяйства; ведущий научный сотрудник лаборатории проблем экологии транспортных систем
196105, г. Санкт-Петербург, Московский пр-т, 149;
199178, г. Санкт-Петербург, 12-я линия ВО, 13
Scopus: 57395471000, ResearcherID: HJZ-4255-2023
А. Г. Хайдаров
Россия
ХАЙДАРОВ Андрей Геннадьевич, канд. техн. наук, доцент, генеральный директор
191036, г. Санкт-Петербург, 3-я Советская ул., 7, пом. 5н
Scopus: 57395680500, ResearcherID: ACX-2398-2022
Список литературы
1. Королева Л.А., Свидзинская Г.Б., Хайдаров А.Г., Ивахнюк Г.К. Применение модели Хольта – Уинтерса и эксергетического метода для прогнозирования безопасного обращения с отходами в Российской Федерации // Безопасность труда в промышленности. 2021. № 11. С. 34–40. DOI: 10.24000/0409-2961-2021-11-34-40
2. Kumar А., Agrawal А. Recent trends in solid waste management status, challenges, and potential for the future Indian cities : a review // Current Research in Environmental Sustainability. 2020. Vol. 2. P. 10001. DOI: 10.1016/j.crsust.2020.100011
3. Liao С.-Н., Chiu A. SF Evaluate municipal solid waste management problems using hierarchical framework // Procedia — Social and Behavioral Sciences. 2011. Vol. 25. Рр. 353–362. DOI: 10.1016/j.sbspro.2011.10.554
4. Анализ выполнения мероприятий, обеспечивающих экологическую безопасность Российской Федерации, в части ликвидации объектов накопленного вреда и формирования комплексной системы обращения с твердыми коммунальными отходами : отчет о результатах экспертно-аналитического мероприятия // Бюллетень Счетной палаты РФ. 2020. № 9 (274). С. 6–43.
5. Пожары и пожарная безопасность в 2022 году : информ.-аналилит. сб. Балашиха : ФГБУ ВНИИПО МЧС России, 2023. 80 с.
6. Jafari N.А., Stark T.D., Thalhamer Т. Spatial and temporal characteristics of elevated temperatures in municipal solid waste landfills // Waste Management. 2016. Vol. 59. Рр. 286–301. DOI: 10.1016/j.wasman.2016.10.052
7. Hanson D., Yeşiller N., Onnen M.T. et al. Development of numerical model for predicting heat generation and temperatures in MSW landfills // Waste Management and Research. 2013. Vol. 33 (10). Рр. 1993–2000. DOI: 10.1016/j.wasman.2013.04.003
8. Samain S. Development of a subsurface landfill fire risk-index // Masters in Science. Rowan University, 2018. DOI: 10.13140/RG.2.2.24248.37123
9. Саати Т., Кернс К. Аналитическое планирование. Организация систем / пер. с англ. Вачнадзе Р.Г. М. : Радио и связь, 1991.
10. Titov А., Tumanov А., Timofeev А., Tumanov V., Denisov V. Autonomous safety system for MSW landfills // E3S Web International Conference on Efficient Production and Processing. 2020. Vol. 161. Р. 01043. DOI: 10.1051/conf/202016101043
11. Daugela I., Visockiene J.S., Kumpiene J. Detection and analysis of methane emissions from a landfill using unmanned aerial drone systems and semiconductor sensors // Detritus. 2020. Vol. 10. Рр. 127–138. DOI: 10.31025/2611-4135/2020.13942
12. Хайдаров А.Г., Королева Л.А., Смирнов А.С. Прогнозирование возникновения и распространения подземных пожаров на полигонах твердых коммунальных отходов // Вестник Санкт-Петербургского университета Государственной противопожарной службы МЧС России. 2022. № 4. С. 41–50.
13. Qdais Н.А., Shatnaw N. Assessing and predicting landfill surface temperature using remote sensing and an artificial neural network // International Journal of Remote Sensing. 2019. Vоl. 40. Issue 24. Рр. 9556–9571. DOI: 10.1080/01431161.2019.1633703
14. Amershi S., Begel A., Bird Ch., Deline R. Software engineering for machine learning : a case study // IEEE/ACM 41st International Conference on Software Engineering: Software Engineering in Practice (ICSE 2019). Montreal, QC, Canada, 2019. Рр. 291–300. DOI: 10.1109/ICSE-SEIP.2019.00042
15. Martin J.W., Stark T.D., Thalhamer T., Gerbasi-Graf G.T., Gortner R.E. Detection of aluminum waste reactions and associated waste fires // Journal of Hazardous, Toxic & Radioactive Waste. 2013. Vol. 17 (3). Рр. 164–174. DOI: 10.1061/(ASCE)HZ.2153-5515.0000171
16. Musilli А. Landfill elevated internal temperature detection and landfill fire index assessment for fire monitoring : theses and dissertations. USA : Rowan University, 2016. URL: https://rdw.rowan.edu/etd/2340/
17. Коroleva L.A., Antoshina T.N., Boyakhchyan A.A., Haidarov A.G., Ivakhnuk G.K. Comparative analysis of methods for determining the flammability of municipal solid waste as railway transport cargo // IOP Conference Series: Earth and Environmental Science. 2021. Vol. 938 (1). Р. 012006. DOI: 10.1088/1755-1315/938/1/012006
18. Manjunatha G.S., Chavan D., Lakshmikanthan P., Singh L., Kumar S., Kumar R. Specific heat and thermal conductivity of municipal solid waste and its effect on landfill fires // Waste Management. 2020. Vol. 116. Pр. 120–130. DOI: 10.1016/j.wasman.2020.07.033
19. Millet I., Saaty T. On the relativity of relative measures-accommodating both rank preservation and rank reversals in the AHP // European Journal of Operational Research. 2000. Vol. 121 (1). Pр. 202–212. DOI: 10.1016/j.wasman.2020.07.033
20. Mohsen R. Estimation of greenhouse gas emissions in municipal solid waste landfills in ontario using mathematical models and direct measurements : dissertation. Canada : University of Guelph, 2019.
21. Zaeimi М.В., Rassafi А.А. Designing an integrated municipal solid waste management system using a fuzzy chance-constrained programming model considering economic and environmental aspects under uncertainty // Waste Management. 2021. Vol. 125. Рр. 268–279. DOI: 10.1016/j.wasman.2021.02.047
22. Королева Л.А., Подмарков В.В., Хайдаров А.Г. Система классификации зон полигонов твердых коммунальных отходов по пожарной опасности // Проблемы управления рисками в техносфере. 2022. № 4 (64). С. 31–39.
23. Lim B., Zohren S. Time-series forecasting with deep learning: a survey // Philosophical Transactions of the Royal Society A : Mathematical, Physical and Engineering Sciences. 2021. Vol. 379. No. 2194. P. 20200209. DOI: 10.1098/rsta.2020.0209
24. Nassif A.B., Talib M.A., Nasir Q., Dakalbab F.M. Machine Learning for Anomaly Detection : a systematic review // IEEE Access. 2021. Vol. 9. Рр. 78658–78700. DOI: 10.1109/ACCESS.2021.3083060
Рецензия
Для цитирования:
Королева Л.А., Хайдаров А.Г. Система мониторинга и прогнозирования пожароопасных состояний мест размещения и накопления твердых коммунальных отходов при их захоронении и транспортировке. Пожаровзрывобезопасность/Fire and Explosion Safety. 2024;33(4):52-68. https://doi.org/10.22227/0869-7493.2024.33.04.52-68
For citation:
Koroleva L.A., Khaydarov A.G. System of monitoring and predicting of fire hazardous conditions of municipal solid waste disposal and accumulation sites during their disposal and transportation. Pozharovzryvobezopasnost/Fire and Explosion Safety. 2024;33(4):52-68. (In Russ.) https://doi.org/10.22227/0869-7493.2024.33.04.52-68