Электролиттіі  плазманың әсері  кезіндегі локальді  модификациялау  процессін  басқару  бұйымдар-

 

●

 Техникалық ғылымдар 

 

ҚазҰТЗУ хабаршысы №1 2017                                          

357 

 

Sapatayev E.E., Skakov M.K. 

Process control local modification under the influence of electrolytic plasma 

Summary. The article describes the main components developed  by laboratory  facility  for electrolytic-plasma 

treatment of materials designed for various experiments on the energetic and hydrodynamic characteristics of the elec-

trolyte in the local surface modification of materials under the influence of an electrolytic plasma. 

Key words: surface modification, local processing, the plasmatron. 

 

 

УДК 551.588.74 

 

1

К.А. Бостанбеков,

 2

А.А Куандыков 

 

(

1

Казахский национальный исследовательский технический университет имени К.И. Сатпаева

1

, 

2

Международный университет информационных технологий) 

Алматы, Республика Казахстан 

k.bostanbekov@norlist.kz) 

 

МОДЕЛИРОВАНИЕ ПЕРЕНОСА ЗАГРЯЗНЯЮЩИХ ВЕЩЕСТВ ПРИ АВАРИЙНЫХ 

ВОЗГОРАНИЯХ НЕФТЕХРАНИЛИЩ 

 

Аннотация.  Для  количественной  оценки  объемов  переноса  диоксида  серы  (SO

2

)  при  аварийных 

выбросах в случае возгорания нефтехранилищ нами использована модель Enviro-HIRLAM (Environment – HIgh 

Resolution  Limited  Area  Model).  Enviro-HIRLAM  представляет  собой  гидродинамическую  модель  атмосферы 

высокого разрешения для ограниченной области интегрирования, «онлайн» совмещенную с моделью переноса 

и химического взаимодействия примесей. Рассмотрен возможный случай аварийного выброса во время пожара 

на  нефтехранилище,  в  г.  Атырау  (Казахстан)  вблизи  северной  части  Каспийского  моря.  Смоделированы 

метеорологические и химические параметры для территории Казахстана и близлежащих регионов. Результаты 

пространственно-временной  изменчивости  концентрации  и  осаждения  диоксида  серы  представлены  с 

использованием инструментов ГИС.  

Ключевые слова: ГИС, аварийный выброс, диоксид серы, модель Enviro-HIRLAM 

 

1 Введение 

На  региональном  уровне,  особенно  в  районах  с  источниками  промышленных  выбросов 

загрязняющих  веществ,  оценка  риска  воздействия  на  окружающую  среду  имеет  критическое 

значение.    А  во  время  аварийных  ситуаций,  риск  загрязнения  многократно  увеличивается  за  счет 

неконтролируемых выбросов вредных веществ в различные среды, такие как вода, почва и атмосфера. 

Загрязнение  атмосферы  аварийными  промышленными  выбросами  приводит  к  ухудшению 

экологической  ситуации,  как  на  прилегающих  территориях,  так  и  на  значительных  расстояниях  от 

источника.  

Продукты сгорания нефти и нефтепродуктов представляют собой достаточно токсичную смесь. 

Для высокосернистой нефти преобладающую роль в загрязнении играет диоксид серы (SO

2

).  Одним 

из  источников  выбросов  большого  количества  загрязняющих  веществ,  в  частности  SO

2

,  является 

Атырауская  область  Казахстана,  где  сосредоточена  нефтегазовая  и  другие  промышленные 

предприятия  страны.  Это  исследование  посвящено  изучению  распространения  диоксида  серы  при 

авариях на резервуарах нефтехранилища, находящихся в Атырауской области Республики Казахстан.  

Совместное  моделирование  полей  химических  соединений  и  атмосферы  приобретают  все 

большую  популярность  в  научной  среде.  Существуют  две  парадигмы  моделирования  для 

прогнозирования  химической  погоды;  онлайн  подход  и  автономный  подход  [1].  В  нашем  случае 

расчет  распространения  сернистого  ангидрида  выполнялся  с  помощью  онлайн  модели  Enviro-

HIRLAM.  В  результате  расчета  был  получен  большой  набор  данных,  который  обрабатывался  с 

помощью специально разработанной процедуры. Основная цель данной работы заключается в оценке 

распространения  загрязняющих  веществ,  основанную  на  результатах  моделирования  и  анализа 

временной  и  пространственной  изменчивости  полей  химических  соединений.  Результаты  данного 

исследования  могут  быть  использованы  для  проведения  анализа  вреда  химических  веществ  для 

территории Казахстана и близлежащих регионов. 

 

 

 

●

 Технические науки 

 

358                                                                                            

№1 2017 Вестник КазНИТУ 

 

2 Методология 

2.1 Модель Enviro-HIRLAM 

Enviro-HIRLAM  представляет  собой  полностью  онлайн  интегрированную  систему,  включаю-

щую  гидродинамическую  модель  атмосферы  и  модель  атмосферного  переноса  химических  веществ 

(АПХВ),  используемую  для  прогнозирования  и  исследования  метеорологической  и  химической  по-

годы  [1]. В модели Enviro-HIRLAM используются  шесть  уравнений, описывающие следующие про-

цессы: эмиссии, адвекции, горизонтальной и вертикальной диффузия, сухого мокрого и конвекцион-

ного  осаждения,  и  химию  газообразных  примесей  и  аэрозолей  [2].    Поскольку  модель  Enviro-

HIRLAM  является  онлайн  интегрированной  моделью,  оба  процесса,  метеорологические  и  химиче-

ские, одновременно моделируются на каждом временном шаге. ГИС-инструменты используются для 

визуализации и обработки выходных данных модели Enviro-HIRLAM и анализа полученных резуль-

татов. 

 

2.2. Начальные и граничные условия для метеорологии и химии 

Начальные и граничные условия для метеорологических параметров были получены по данным 

ЕЦСПП  (Европейского  центра  среднесрочных  прогнозов  погоды)  с  горизонтальным  разрешением 

0,75°.  

Данные  ретроспективного  анализа  МСАК  (Мониторинг  состава  атмосферы  и  климата)  были 

использованы  в  качестве  начальных  и  граничных  условий  для  модели  АПХВ.  Глобальные  данные 

были загружены с сервера данных ЕЦСПП [3], с горизонтальным разрешением 1.125°. Из этой базы 

данных  извлекается  интересующий  нас  диоксид  серы  (SO

2

),  и  затем  используется  в  модели  Enviro-

HIRLAM.  

Также  была  использована  глобальная  база  данных  антропогенных  выбросов  ECLIPSE  v5a  [4].  

Данные ECLIPSE v5a носят глобальный охват с горизонтальным разрешением 0.5° и предоставляется 

в  виде  накопленной  суммы  в  тысячу  тонн  загрязняющих  веществ  в  год  в  каждой  ячейке  сетки.  В 

модели  Enviro-HIRLAM  могут  использоваться  химические  вещества  как  черный  углерод  (BC), 

органические вещества (ОM), диоксид серы (SO

2

) и др.  

 

2.3 Интересующие области 

Перед  запуском  расчета  необходимо  определить  расчетную  область  (домен).  Определение  и 

создание  новых  доменов  моделирования  является  начальным,  подготовительным  этапом  для 

дальнейшего  расчета  файлов  генерации  климата  для  выбранного  разрешения  домена.  В  нашем 

исследовании был выбран моделируемый домен – K15 с горизонтальным разрешением 0.15 градусов. 

Параметры домена приведен в таблице 1. Наглядно  охватываемая доменом территория представлена 

на рисунке 1.  

 

Таблица 1. Параметры домена K15 модели Enviro-HIRLAM. 

 

Описание параметров 

K15 

Горизонтальное разрешение в градусах 

0.15 

Количество ячеек по долготе 

334 

Количество ячеек по широте 

148 

Количество вертикальных уровней 

40 

Площадь, покрываемая доменом в км

2 

11122200 

Южная граница 

25,495 

Северная граница  

47,545 

Западная граница  

0,495 

Восточная граница 

50,445 

Полюс широты 

-80,0 

Полюс долготы 

30,0 

 

 

 

●

 Техникалық ғылымдар 

 

ҚазҰТЗУ хабаршысы №1 2017                                          

359 

 

 

 

Рис.1. Домен К15 модели Enviro-HIRLAM для территории Казахстана.  

 

3. Моделируемый эксперимент 

В  Казахстане  переработка  нефти  в  целом  развивается  синхронно  с  увеличением  объемов 

добываемой  нефти.  При  сгорании  нефтяных  продуктов  в  атмосферу  выбрасывается  огромное 

количество токсичной смеси. Для высокосернистой нефти преобладающую роль в загрязнении играет 

диоксид серы (SO

2

) [5].  

На  сегодняшний  день  имеется  3  крупных  НПЗ,  суммарная  мощность  переработки  которых 

составляет  около  19,5  млн.  тонн.  Для  экспериментального  расчета  распространения  сернистого 

ангидрида  (SO

2

)  при  аварийном  выбросе  на  территории  Казахстана  мы  выбрали  Атырауский 

нефтеперерабатывающий  завод,  находящийся  в  городе  Атырау  Республики  Казахстан.  Завод  был 

пущен в эксплуатацию 8 сентября 1945 года.  

Для  добавления  источника  загрязнения  в  нашу  расчетную  модель  нам  необходимо  знать 

координаты  источника,  дату  выброса,  длительность  выброса  и  скорость  выброса  исследуемого 

химического вещества (в нашем случае SO

2

). Смоделируем сценарий, при котором произошла авария 

и  началось  возгорание  нефтяного  резервуара  с  объемом  5000  м

3

.  Предположим,  что  горение 

нефтяного  продукта  происходит  по  всей  поверхности  резервуара.  Высота  такого  резервуара 

составляет около 11,9 метров, а площадь поверхности резервуара - 420 м

2

 [6]. При горении нефтяного 

продукта с площадью 1 м

2

 выделяется 405 кг/ч диоксид серы [7]. В итоге при возгарании резервуара 

скорость  выброса  SO

2

  составляет  170100  кг/ч.  Мы  моделируем  ситуацию,  где  продолжительность 

выброса будет 24 часа, зследовательно  в атмосфере будет выброшено 4082,4 тонны диоксида серы.  

Для моделирования атмосферных процессов и переноса загрязнения на территории Казахстана 

были выбраны следующие параметры: 

1) расчетный период – с 17 по 26 января 2010 года;  

2) момент аварии – 20 января 2010 года, в 00 часов по UTC;  

3) длительность аварии – 24 часа 

4) источник выброса – Атырауский НПЗ (широта: 47.0734, долгота: 51.9261) 

5) скорость выброса – 170100 кг/ч 

6) загрязняющее вещество – диоксид серы (SO

2

) 

 

4. Результаты 

На рисунке 2 представлены пространственно-временные поля ветра на высоте до 32 метров  от 

поверхности Земли за 20 января в 2:00 и 21 января в 9:00.  В течение расчетного периода преобладал 

восточный ветер и практический не менял своего направления.  

 

 

●

 Технические науки 

 

360                                                                                            

№1 2017 Вестник КазНИТУ 

 

 

 

 

Рис. 2. Пространственно-временная изменчивость полей ветра 

 

На  рисунке  3  представлен  результат  моделирования,  отображающий  распространение  SO

2

  в 

случае  аварийного  возгарания  резервуара  для  хранения  нефти  за  2,  9,  21  и  30  часов  после  момента 

аварии. По результатам моделирования, видно, что на выбранные нами даты, за счет восточного ветра 

загрязнение переносилось на территорию соседних государств. 

 

 

 

Рис. 3. Пространственно-временная изменчивость концентрации диоксида серы (SO2) в случае аварии 

 

 

●

 Техникалық ғылымдар 

 

ҚазҰТЗУ хабаршысы №1 2017                                          

361 

 

5. Заключение 

В  настоящем  исследовании, анализ  переноса  диоксида  серы  при  аварийном  выбросе  во  время 

пожара на нефтехранилище проводился с помощью онлайн интегрированной модели Enviro-HIRLAM 

(метеорология-химия/аэрозоли),  настроенной  для  территории  Казахстана.  В  результате  получены 

пространственно-временные поля концентрации SO

2

, с временным шагом 1 час на расчетный период 

с 17 по 26 января 2010 года. Данные были визуализированы, что дало возможность построить карты 

распространения  и  уровней  загрязнения  на  исследуемой  территории.    Модель  рассчитывает  множе-

ство метеорологических и химических параметров, что позволяет проводить анализ других метеопа-

раметров и загрязняющих веществ, которые не были отображены в этой статье. Данная работа была 

проведена в Датском Метеорологическом Институте (DMI) в рамках зарубежной научной стажиров-

ки докторантов PhD. 

ЛИТЕРАТУРА 

[1]  Baklanov  A.  Integrated  Meteorological  and  Atmospheric  Chemical  Transport  Modeling:  Perspectives  and 

Strategy for HIRLAM/HARMONIE. – HIRLAM Newsletter. – 2008. – N53 

[2] Korsholm U.S., A. Baklanov, A. Gross, A. Mahura, B.H. Sass, E. Kaas. Online coupled chemical weather 

forecasting based on HIRLAM – overview and prospective of Enviro-HIRLAM. – HIRLAM Newsletter. – 2008. – N54 

[3] http://apps.ecmwf.int/datasets/data/macc-reanalysis  

[4] http://www.iiasa.ac.at/web/home/research/researchPrograms/air/ECLIPSEv5a.html  

[5]  Edige  Zakarin,  Larissa  Balakay,  Bibigul  Mirkarimova,  Alexander  Mahura,  Alexander  Baklanov,  Jens  H. 

Sorensen.  Transboundary  Atmospheric  Pollution  of  Oil-Gas  Industry  Emissions  from  North  Caspian  region  of 

Kazakhstan. – Abstract EGU-2012. 

[6] http://worldtek.ru/neftegaz/291-osnovi-nefteaza-hranenie-nefti-transport-gaza.html?showall=1 

[7] http://response.restoration.noaa.gov/oil-and-chemical-spills/oil-spills/resources/in-situ-burn-emissions-

comparisons.html

). 

 

Бостанбеков К.А., Куандыков А.А 

Мұнай қоймасының апаттық өртенуі жағдайында ластаушы заттардың тасымалдануын модельдеу 

Түйіндеме.  Мақалада  Қазақстан  аймағы  үшін  теңшеленген,  метеорология-химия/аэрозольдер  Enviro-

HIRLAM кешенді онлайн моделін пайдалана отырып, ластаушы заттардың атмосфералық тасымалдауын, дис-

персиясын және тұнуын зерттеу қарастырылған. Салыстырмалы талдау және атмосфераның апаттық ластануы-

на қатысты пайдаланылатын, метеорологиялық және химиялық өрістерді қысқа мерзімді модельдеудің әр түрлі 

сценарийлерін  есептеу  жүргізілген.  Күкірт  диоксиді  өрістерінің  концентрациясы  талданды.  ГАЖ  құралдары 

көмегімен Қазақстан мен көрші елдерде күкірт диоксидінің таралу картасы тұрғызылған. 

Түйін сөздер: ГАЖ, апаттық ластану, күкірт диоксиді, Enviro-HIRLAM  

 

Bostanbekov K.A., Kuandykov A.A. 

Modelling of pollutant transport due to accidental release in the oil refinery 

Summary. In the article, research of atmospheric transport, dispersion and deposition of pollution using on-line 

integrated meteorology-chemistry/aerosols Enviro-HIRLAM model setup for Kazakhstan territory. Used for compara-

tive  analysis  and  accidental  pollution  of  the  atmosphere, meteorological  and  chemical  fields in  the  calculation  of  the 

short-term modeling of various scenarios. Mapping concentration of sulfur dioxide in the Kazakhstan and neighboring 

countries with using GIS tools. 

Key words: GIS, accidental release, sulphur dioxide, Enviro-HIRLAM 

 

 

 

 

 

 

 

 

 

 

 

●

 Технические науки 

 

362                                                                                            

№1 2017 Вестник КазНИТУ 

 

УДК 004.93'1; 004.932, 004.896 

 

З.Ж. Жанабаев, Т.Ю. Гревцева, Е.Т. Кожагулов 

(Казахский национальный университет имени аль-Фараби, 

НИИЭТФ, ННЛОТ,

 

Алматы, Республика Казахстан, 

kazgu.kz@gmail.com)

 

 

НЕЛИНЕЙНЫЕ ХАРАКТЕРИСТИКИ НЕЙРОННЫХ СИГНАЛОВ  

 

Аннотация.  Работа  посвящена  определению  обобщенной  метрической  и  топологической  (информаци-

онно-энтропийной)  характеристик  нейронных  сигналов  по  их  известным  теоретическим  моделям.  Показано, 

что кривые изменения по времени потенциалов действия нейронов имеют свойство масштабной инвариантно-

сти. Информация и энтропия нейронных сигналов принимают постоянные значения при их самоподобии и са-

моаффинности. 

Ключевые  слова:  Нейронные  сети,  информация,  энтропия,  масштабная  инвариантность,  топологиче-

ские характеристики.  

 

Введение  

Искусственные нейронные сети являются одним из перспективных направлений исследований 

по информационным технологиям. Важной проблемой является то, что используемая нейронная сеть 

должна  обладать  основными  свойствами  ансамбля  биологических  нейронов:  ассоциативностью, 

устойчивостью к шуму, распределенным характером хранения и обработки информации, адаптивно-

стью к связям между элементами. Такая необходимость отмечается практически во всех монографи-

ях, обзорах [1-4]. В оригинальных исследованиях последних лет указывается возможность использо-

вания типов нейронных колебаний для целей маршрутизации информации [5-7].    

Однако  использование  точной  модели  биологического  нейрона  (даже  модели  функционирова-

ния ионных каналов одного нейрона) предполагает анализ систем сотни дифференциальных уравне-

ний  с  количеством  параметров  такого  же  порядка  [8-10].  Поэтому  необходимы  пути  установления 

универсальных, наиболее  общих и простых  закономерностей  динамики нейронов. В работах [11-12] 

были  использованы  методы  нелинейной  динамики  для  описания  работы  нейронной  сети  системой 

дифференциальных уравнений.   

Известны  теоретические  модели  [13-16],  описывающие  следующие  закономерности.  Под  дей-

ствием  стимула  (внешнего  потенциала)  нейрон  переходит  из  основного  состояния  в  возбужденное 

состояние. Переход наблюдается в виде спайков – всплесков потенциала и их кластеров. Такие коле-

бания также называются колебаниями типа «integrate-and-fire» (bursting). Наряду с берстовыми коле-

баниями нейрон может генерировать также квазипериодические, хаотические и шумоподобные коле-

бания [16].  

В  то  же  время  нелинейная  теория  динамических  процессов  [17]  указывает  наличие  фракталь-

ных,  информационно-энтропийных  закономерностей  хаоса.  Информационная  энтропия  и  фракталь-

ная  размерность  множества  физических  величин  используются  в  качестве  количественных  характе-

ристик хаоса [18-19]. В работе [16] показана возможность описания различного экспериментального 

поведения потенциала действия нейронов в виде фрактальной меры. Возникает естественный вопрос, 

существуют ли энтропийные закономерности динамики нейронов? Очевидно, что при наличии само-

подобия  (коэффициенты  подобия  по  разным  переменным  одинаковые)  и  самоаффинности  (коэффи-

циенты подобия различные) фрактальной меры должны существовать интервалы постоянных значе-

ний энтропии. Знание дополнительно двух (фрактальных, энтропийных) закономерностей позволило 

бы  построить  более  эффективную  нейронную  сеть  для  классификации,  распознавания,  идентифика-

ции образов, управления процессами. 

Целью  настоящей  работы  является  поиск  информационно  -  энтропийных  закономерностей 

нейронных колебаний. 

 

Уравнения для потенциала действия нейронов   

Известны различные модели нейронных колебаний [13-16].   

Уравнения колебаний нейронов по модели ФитцХью-Нагумо [13] записываются в виде: 

 

 

●

 Техникалық ғылымдар 

 

ҚазҰТЗУ хабаршысы №1 2017                                          

363 

 

3

3

ext

v

v

v

w I

w

v

a b w



 







   





,   

 

 

 

 

(1) 

 

где   – мембранный потенциал;   – переменная восстановления; 

 – величина тока стимула; 

параметры  ,  ,   > 0.    

Уравнения модели Хиндмарш-Роуз [14] имеют вид: 

 









3

2

2

,

R

x

y

a x

b x

z

I

y

c

d x

y

z

r

s

x

x

z



 

 

 

 





 













 

 

 

 

 

(2) 

 

где 

I

  имитирует  входной  мембранный  ток  для  биологических  нейронов; 

b

  позволяет  пере-

ключаться между берстовыми и спайковыми поведениями и контролировать частоту спайков; 

r

 кон-

тролирует  скорость  изменения  медленной  переменной 

z

  (т.е.,  эффективность  медленных  каналов  в 

обмене ионами); параметры 

, , ,

a b c d

 контролируют скорость изменения переменной 

x

 и 

,

y s

 регу-

лирует адаптацию; 

R

x

 устанавливает потенциал покоя системы.   

Модель  нейрона  спайково-берствого  поведения  с  использованием  двухмерного  отображения, 

описанная в работе Н. Рулькова [15]: 

 

1

1

( ,

)

(

1)

i

i

i

i

i

i

x

f x y

y

y

x



 



















, 

(1

)

;

0

( , )

;

0

1;

x

y

x

f x y

y

x

y

x

y







































   

 

(3) 

 

где 

x

  быстрая, 

y

  медленная  динамическая  переменная.  Медленное  время 

y

  обусловленно 

малыми значениями параметра 

,

 

 – внешнее воздействие, 



 – параметр управления.  

В работе [16] потенциалы действия нейронов приняты в виде фрактальных мер – физической ве-

личины,  характеризуемой  аддитивным  и  измеримым  множеством.  В  отличие  от  известных  теорий 

фракталов  масштаб  измерения  выбран не  произвольно, а  как  относительная  разность  между  искомой 

мерой и внешним (управляющим) параметром. Следовательно, искомая фрактальная мера будет нели-

нейной функцией, зависящей от самого процесса (объекта), описываемая следующими уравнениями   

,

1

0























M

M

M

M

   

 

 

 

 

(4) 

 

.

1

0

























M

M

M

   

 

 

 

 

(5)

 

 

При 

0





  имеем 

0

M

M

M



, 

0

M





.  Это  означает,  что  фрактальная  мера,  определяемая 

собственной  нормой,  существует  и  в  случаях  отсутствия  внешнего  воздействия,  характеризуемого 

параметром 



.  

  Используя упрощенные обозначения 

M

M

M

V





, 

0

0

M

V



, 

( )

F t





, 

F

M

V





, из формул (4), 

(5) получим для потенциала нейрона   выражения 

 









0

0

0

( )

,

,

,

1

F t

V

f V V

f V V

V

V























, 

 

 

 

(6) 

 

жүктеу/скачать 28,19 Mb.

Достарыңызбен бөлісу: