WWW.DISS.SELUK.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА
(Авторефераты, диссертации, методички, учебные программы, монографии)

 

На правах рукописи

Дербишер Евгения Вячеславовна

ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПРОГНОЗИРОВАНИЯ ОПАСНОСТИ

НАМЕЧАЕМЫХ К ПРОМЫШЛЕННОМУ ИСПОЛЬЗОВАНИЮ ВЕЩЕСТВ

05.13.01 – Системный анализ, управление и обработка

информации (промышленность)

Автореферат

диссертации на соискание ученой степени доктора технических наук

Волгоград – 2013 2

Работа выполнена на кафедрах «Аналитическая, физическая химия и физико-химия полимеров» Федерального государственного бюджетного образовательного учреждения высшего профессионального образования (ФГБОУ ВПО) «Волгоградский государственный технический университет»

и «Информатика и информатизация образования» ФГБОУ ВПО «Волгоградский государственный социально-педагогический университет».

Научный консультант: Гермашев Илья Васильевич, доктор технических наук, профессор, профессор кафедры «Информатика и информатизация образования» ФГБОУ ВПО «Волгоградский государственный социально-педагогический университет», г.Волгоград.

Официальные оппоненты: Коростелев Владимир Федорович, доктор технических наук, профессор, заведующий кафедрой «Автоматизация технологических процессов» ФГБОУ ВПО «Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых» (ВлГУ), г.Владимир;

Невский Александр Владимирович, доктор технических наук, профессор, профессор кафедры «Общая химическая технология» ФГБОУ ВПО «Ивановский государственный химико-технологический университет», г.Иваново;

Лебедев Николай Геннадиевич, доктор физико-математический наук, профессор, профессор кафедры «Теоретическая физика и волновые процессы» ФГБОУ ВПО «Волгоградский государственный университет», г.Волгоград.

Ведущая организация: ФГБОУ ВПО «Нижегородский государственный технический университет им. Р.Е. Алексеева».

Защита состоится «25» декабря 2013 г. в 1500 часов в ауд. 335-1 на заседании диссертационного совета Д.212.025.01 при ВлГУ по адресу: г. Владимир, ул. Горького, д.87, корпус 1, ауд. 335.

С диссертацией можно ознакомиться в научной библиотеке ВлГУ.





Автореферат разослан и размещен на официальном сайте ВлГУ «25»

сентября 2013 г.

Отзывы на автореферат в двух экземплярах, заверенные печатью, направлять по адресу совета университета: 600000, г. Владимир, ул. Горького, 87, ВлГУ, ученому секретарю диссертационного совета Д 212.025.01.

Ученый секретарь диссертационного совета, д.т.н., доцент Давыдов Н.Н

I.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования Оценка безопасности промышленных объектов это неотъемлемая часть их функционирования. Главным источником опасности является потокооборот веществ. В рамках данного исследования, вещество рассматривается как дискретный, сложный, технических объект (система), оценка безопасности которого осуществляется методами системного анализа.

В связи с вышесказанным, данное исследование выполнено в области применения методов системного анализа для классификации и прогнозирования экологической опасности промышленных веществ. В практическом плане работа ориентирована на органы экологического нормирования, обеспечивающие безопасность функционирования промышленных объектов.

Основанием для постановки исследования является государственная политика в области защиты окружающей среды, гигиенический норматив 1.1.701-98, указывает: «Допустим расчет и использование новых, не включенных в утвержденные Минздравом России методические документы, уравнений для прогноза токсичности, если они соответствуют теоретическим, методическим и статистическим критериям ускоренного нормирования и основаны на репрезентативном материале».

Развитие в наши дни исследований методов системного анализа и информационных технологий связано с работами отечественных ученых Л.И.

Александрова, В.С. Балакирева, А.А. Давыдова, И.Н. Дорохова, А.А. Кобзева, В.В. Кострова, В.Ф. Коростелева, В.Н. Ланцова, Р. И. Макарова, В.П.

Мешалкина, А.В. Невского, С.С. Садыкова и других. Широко известны также работы зарубежных специалистов: В. Кларка (W.C.Clark), Е. Одума (E.P.

Odum), Р. Мунна (R.E. Munn), Л. Мартина (L.B.Martin) и др.

Здесь важнейшим инструментом является прогнозирование опасности веществ, особенно на предпроектной стадии применения в промышленности, оценка опасности которых осуществляется на основе определения их класса опасности.

Актуальность проблемы прогнозирования опасности подчеркивает хотя бы тот факт, что к настоящему моменту известны более 100000000 только органических соединений. К ним ежегодно добавляется примерно 1000 новых соединений (данные U.S. National Toxicology Program) и только примерно для 20000 из них в отечественной и международной практике оценены количественно параметры безопасности.

Сегодня (2013г.) представлены в Российском реестре потенциально опасных промышленных веществ1, чуть больше тысячи, класс опасности которых определен эмпирически2. Для 15-18% из находящихся в промышленном обороте веществ известны характеристики опасности.

В тоже время экспериментальное определение характеристик, на основе которых идентифицируется класс опасности, является сложной, дорогостоящей процедурой и во многих случаях внедрения в промышленность, малооправданной. Например, в США стоимость токсикологических биотестов оценивается в сумму от 3 миллионов долларов.





Тема диссертации является актуальной еще и потому, что в ней поставлена новая задача: прогнозирование безопасности промышленных веществ на основе теоретических методов, как заградительной альтернативы по введению в промышленный оборот токсикантов. Это вписывается в государственную доктрину Российской Федерации, которая ставит одной из важнейших целей дать количественные оценки опасности веществ и предотвратить их использование, как это показано на рисунке 1.

Цель работы Цель данной работы - создание теоретических основ прогнозирования риска использования новых веществ для ограничения их антропогенного воздействия на окружающую среду.

При выполнении работы были поставлены основные задачи:

идентифицировать новую задачу системного анализа - прогнозирование опасности веществ на основе моделирования зависимости «структурасвойство – безопасность»;

провести системный анализ факторов, определяющих опасность промышленных и других веществ в рамках экологического нормирования;

идентифицировать связь физико-химических и структурных свойств веществ с их классами опасности принятыми в промышленности;

разработать модели класса опасности веществ;

провести верификацию и кластеризацию информации об экологических свойствах промышленных веществ и сформировать обучающие и экзаменационные выборки в соответствии с их классами опасности, принятыми в Российской Федерации;

http://www.rpohv.ru/arips;

ГОСТ 12.1.007-76. Вредные вещества. Классификация и общие требования безопасности:

издание официальное. – Введен 01.01.1977 (изм. Постановлением Гос. ком. СССР по управлению качеством продукции и стандартам от 28.03.90 № 625). - М., Издательство стандартов, 1991. - 5 с.

разработать методику прогнозирования опасности намечаемых к промышленному использованию веществ.

Объектом исследования являются системы обработки информации об используемых в промышленности веществах и методы оценки последствий их воздействия на окружающую среду.

Предметом исследования является методическое и информационнотехническое обеспечение прогнозирования опасности воздействия на окружающую среду веществ, намечаемых к промышленному использованию.

При изучении потокооборота веществ в промышленности, выдвинута гипотеза о наличии устойчивой связи «физико-химические и структурные характеристики вещества – факторы безопасности». Аналогами, предлагаемого в данной диссертационной работе подхода, могут служить информационные технологии определения медико-биологических параметров веществ по структурной формуле химических соединений3,4.

предпроектной, проектной и технологической деятельности Предупреждение неблагоприНЕНИЙ ятных воздействий токсикантов Оценка воздействия на окружающую среду и снижение антропогенного давления на природу Рисунок 1. Области использования прогноза опасности веществ Научная новизна Впервые сформулирована новая задача внеэкспериментального прогнозирования опасности веществ на основе использования зависимости «структура – свойство – безопасность».

Васильев, П.М. Информационная технология прогноза фармакологической активности химических соединений: дисс. на соиск. уч. ст. д-ра биол. наук: 14.00.25.-Волгоград, 2009.-445с.

Савицкая, Т.В. Системный анализ и управление безопасностью химических производств с использованием новых информационных технологий: дисс. на соиск. уч. ст. д-ра техн. наук: 05.13.01/Савицкая Татьяна Вадимовна. -М., 2004.-591с.

Впервые разработаны модели зависимости «структура – свойство – безопасность», для оценки безопасности новых веществ в промышленности.

Впервые введены понятия «расчетный класс опасности вещества» теоретической характеристики и «статистический образ опасного вещества».

Предложена модель класса опасности, основанная на гипотезе «вещества со сходной структурой близки по характеристикам промышленной опасности».

Впервые идентифицирована связь "физико-химические характеристики веществ – класс опасности", которая использована в вычислительном эксперименте.

Впервые разработана методика использования нечетких множеств при ранжировании веществ по признакам безопасности; введен новый интегральный показатель опасности веществ.

Разработан оригинальный алгоритм идентификации опасности химических соединений, содержание которого показано на рисунке 2.

Задача прогнозирования или конструирования химического соединения Рисунок 2. Алгоритм движения к неопасному/опасному веществу Теоретическая и практическая значимость работы Теоретическая значимость заключается в развитии представлений и методов системного анализа, управления и обработки информации, практическая – в том, что результаты использованы в методиках прогнозирования класса опасности веществ и на их основе разработаны технические решения.

Методики тестируются рядом организаций экологической направленности Нижневолжского региона.

Результаты используются в учебном процессе высшей школы.

Методология и методы исследования Использованы методология системного анализа, обработки и управления информации. В качестве методов использованы: априорное ранжирование факторов, параметрическая обработка экспериментальной информации, классификационные модели, нечеткие множества, математическая статистика и теория вероятности.

Положения, выносимые на защиту - прогнозирование безопасности вещества должно быть важной составляющей функционирования промышленного предприятия;

- существует устойчивая связь «физико-химические и структурные характеристики вещества – факторы безопасности»;

- набор методов системного анализа дает возможность надежно прогнозировать опасность вещества;

- набор моделей опасного вещества.

Степень достоверности и апробация результатов Достоверность полученных результатов обеспечена корректным использованием методов системного анализа, математического моделирования, оценки риска в промышленности, а также результатами параметрической обработки экспериментальной информации и методами математической статистики. Содержание работы опубликовано в монографии, 2-х свидетельствах о государственной регистрации программы для ЭВМ, 35 статьях из перечня, рекомендованного ВАК РФ, 10 патентах, 54 статьях в сборниках, 25 докладах и тезисах докладов конференций международного и другого уровня. Результаты исследования апробированы на ряде предприятий Нижневолжского региона. Работа поддержана грантом ВолгГТУ для молодых ученых (2010г.).

Структура и объем диссертации Диссертация состоит из основной части, изложенной на 340 стр., и приложения - на 30 стр. Содержит 7 глав, 72 таблицы, 64 рисунка, библиография 430 источников на 48 стр.

II. КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность работы, поставлены цели и задачи диссертационного исследования, описаны объект и предмет исследования, раскрыта научная новизна, практическая и теоретическая значимость работы, перечислены методы исследования, сформулированы основные результаты и положения, выносимые на защиту.

В первой главе «Теоретические основы прогнозирования опасности веществ» рассмотрены идейные основы методологии системного анализа в промышленности, проведенные Вернадским (1863-1945), Ляпуновым (1966Винбергом, Анисимовым (1966) и др. Алгоритм системного анализа принятый в работе показан на рисунке 3.

Европейская экологическая комиссия ООН включает в общую систему оценки воздействий на окружающую среду нормирование техногенной деятельности человека, вычисление интегральных показателей, важнейшим из которых является класс опасности веществ.

В таблице 1 проанализированы классы опасности веществ. Как видно, многие критерии не имеют ясно выраженной количественной оценки.

Прогнозирование опас- Постановка новой задачи Разработка иерархии цености (класса опасности) системного анализа и лей, задач, системных химических соединений введение ограничений связей при оценке класса Выбор возможных страВыбор путей и методов тегий прогнозирования Моделирование Рисунок 3. Системный анализ при прогнозировании Состояние экологической системы и класс опасности веществ Степень вредКласс опасности № ного воздей- Критерии отнесения вещества к Высокая рушена. Период восстановления не Министерство природных ресурсов Российской Федерации. Приказ от 15 июня 2001г. №511 «Об утверждении критериев отнесения опасных отходов к классу опасности http://www.centero.ru/project_othod.php.

При определении класса опасности промышленных токсикантов применяют зависимость норм и показателей, устанавливаемых стандартами, что представлено на рисунке 4. Кроме класса опасности для оценки взаимодействия «природа - токсикант» используют другие интегральные характеристики частного вида, частично представленные на рисунке 4.

Из сказанного следует, что для постановки и решения задачи прогнозирования опасности веществ имеется научная, информационная и правовая основы. Исходя из этого, была сформирована системная стратегия данного исследования и разрабатывались методы и алгоритмы прогнозирования класса опасности.

ХИМИЧЕСКОЕ СОЕДИНЕНИЕ

ПАРАМЕТРЫ ВОЗДЕЙ- ПАРАМЕТРЫ ВОЗДЕЙСТВИЯ НА ОКРУЖАЮ- СТВИЯ НА ОКРУЖАЮЩУЮ СРЕДУ ЩУЮ СРЕДУ

Ориентировочно допустимая Средняя смертельная доза Ориентировочно безопасный нанесении на кожу (LDK50) уровень воздействия (ОБУВ) Предельно допустимый уроЗона острого действия (ZO.D.) Допустимое остаточное колиЗона хронического действия Рисунок 4. Важнейшие интегральные характеристики оценки воздействия токсикантов в экологическом нормировании В обобщенном виде это показано на рисунке 5.

Сами математические методы, использованные как для анализа зависимости «химическое соединение – класс опасности», так и для выработки методики прогнозирования обобщены в таблице 2. Системные связи в пространстве «токсикант - среда» отражены на рисунке 6.

Параметром воздействия на среду выступал класс опасности (Y) (специфичность). Математическое моделирование в рамках концепции рисунка призвано создать условия для оценки вероятности наступления экологического эффекта от использования веществ как функции факторов

СИСТЕМНЫЙ АНАЛИЗ ЭКОЛОГИИ ХИМИЧЕСКИХ СОЕДИНЕНИЙ

РЕЗУЛЬТАТ ПРОГНОЗИРОВАНИЯ

ХИМИЧЕСКОЕ СОЕДИНЕНИЕ

молекулы Метаболизм Биотрансформация действия, агрегатного состояния, растворимости, концентрации и т.д. При этом осуществлялась:

разработка теоретического базиса;

формирование репрезентативного, систематизированного экспериментального материала;

оценка места токсиканта в окружающей среде;

оценка адекватности моделей;

формирование базы экологического нормирования и т.д.

Методы системного анализа использованные в работе Оценивалась весомость факторов экологиАприорное ранжиШирокая рование факторов Корреляционный между парами признаков веществ, для усШирокая Регрессионный анаШирокая веществ на непересекающиеся подмножеДискриминантный ства, (кластеры), так, чтобы каждый кла- Выборочкластерный) анализ стер состоял из схожих веществ, а вещест- ная Нечеткие множест- Проводилось ранжирование химических Выборочсоединений по экологической опасности Во второй главе «Подготовка информации для моделирования зависимости «структура - свойство – класс опасности» введены следующие обозначения факторов: Y – класс опасности; X1 - число атомов углерода (С) в молекуле; X2 – число атомов водорода (Н) в молекуле; X3 –число гетероатомов (Het); X4 – молекулярная масса; X5 – плотность вещества, г/см3; X6 – растворимость в воде, мг/дм3; X7 – температура кипения, 0С; X8 – температура плавления, 0С; X9 – агрегатное состояние: 1 – газ, 2 – жидкость, 3 – твердое вещество; X10 – предельно допустимая концентрация (ПДК) вещества в воздухе рабочей зоны, мг/м3.

Для эвристической оценки факторов использовалось априорное ранжирование. Задача эксперта заключалась в том, чтобы присвоить ранг влияния фактора на экологическую опасность. Экспертами коллективно признано, что наиболее важными факторами экологической опасности химических соединений являются Y, Х10, далее Х6, и другие характеристики. Для дальнейшей работы были выбраны факторы, показанные в таблице 3. В результате сформулированы идейные критерии классификации:

смесь веществ разных классов опасности имеют тот класс опасности, который соответствует самому вредному веществу, то есть:

смесь веществ первого класса опасности имеет первый класс опасности;

смесь веществ первого класса опасности с любыми другими имеет первый класс опасности;

смесь веществ второго класса опасности может быть веществом второго класса опасности или веществом первого класса опасности;

смесь веществ третьего класса опасности имеет третий класс опасности или второй, или первый;

смесь веществ четвертого класса опасности (малоопасных веществ) представляет собой не обязательно не опасное вещество;

вещества или их набор, имеющие сходные физико-химические и структурные характеристики, обладают сходными классами опасности.

Веса факторов по мнению экспертов при оценке класса опасности В данной главе также представлена методика формирования и содержание базы данных. Примерное распределение веществ по классам опасности показано на рисунке 7.

Информационная основа для конструирования базы данных сформирована на основе нормативных и научных справочных материалов7, а именно основные данные по структуре, активности и токсичности соединений, входящих в обучающие (90%) и контрольные (10%) выборки перенесены в реляционную базу данных.

«Справочник веществ», программный продукт фирмы «Интеграл».

Главным критерием для включения химических соединений в базу данных явилось наличие достоверных сведений о классе опасности и других экологических свойствах веществ. Вещества с сомнительными характеристиками исключались из выборки. В результате общий объем учтенных веществ составил 1015, из них 58 - в первом классе опасности, 316 - во втором, 332 - в третьем и 309 - в четвертом.

Структура информации в базе данных описывающей вещество показана на рисунке 8, а форма представления данных для иллюстрационной выборки веществ отражена таблицей 4.

Рисунок7. Примерное распределение веществ по классам опасности Исходя из соображений выравнивания значений факторов при проведении вычислений (корреляции, регрессии, кластерного анализа) была предложена операция нормирования данных с помощью выражения:

Fxxj – текущее значение фактора; Fxxmin – минимальное значение фактора; aj – диапазон изменения (амплитуда) фактора. Таким образом, диапазон изменений у всех параметров оказался в интервале 0Xi1.

Пример нормирования выборки данных из таблицы 4 приведен в таблице 5. В вычислениях по методам указанным в таблице 2 использовались нормированные значения Xj.

Толуилендиизоционат В третьей главе «Корреляционно-регрессионный анализ зависимости «физико-химические свойства - класс опасности» в ряду веществ» представлены результаты анализа линейных корреляционных связей модели химического соединения:

где n, k, m 0 и Y=f(Xj), Y – есть класс опасности или иной показатель экологической опасности.

Важным теоретическим звеном данной работы является доказательство наличия статистических или других связей между физико-химическими параметрами химических соединений и классом опасности. Для этого нами определены коэффициенты парной линейной корреляции Rxy.

Расчеты выполнены по стандартным методикам корреляционнорегрессионного анализа с использованием пакета прикладных программ «Regress». Учитывались веса факторов из главы 2. Вычислялись: математическое ожидание Mx и My, коэффициент ковариации cov (x,y), коэффициент корреляции - Rxy, t – критерий, строились уравнения регрессии.

Выборка состояла из 200 химических соединений по 50 в каждом классе опасности. Основные полученные результаты приведены в таблице 6.

Коэффициенты корреляции Rxy (значим при t tкр = 2,01) Rxy 0.64 0.04 -0.86 0.86 -0.14 -0.45 0.54 0.64 0.79 0. t 2.50 0.53 2.93 2.92 0.38 0.56 0.53 2.50 2.73 2. графа 1 – натуральное значение; графа 2 – нормированное значение Отметим следующие особенности. Не требуют прогнозирования опасности промышленные вещества содержащие радиоактивные изотопы, а также As (мышьяк), Hg (ртуть), Pb (свинец), Sb (сурьма). Вещества содержащие перечисленные выше атомы - являются веществами I-II классов опасности.

Далее выделим Rx3y, который отражает наличие гетероатома (неметалла) (например, O, N, S, Hal) и указывает на рост опасности в этом направлении, опасность вещества растет с уменьшением размера молекулы (X4), увеличением растворимости (X6), уменьшением температур плавления и кипения (X7, X8) и т.д. Имеется отчетливая связь между X10 (ПДК) и Y (классом опасности).

Нами осуществлена попытка построения линейных регрессионных моделей для вычисления Y с учетом значимых Rxy, однако большинство коэффициентов bi в моделях оказались незначимыми, а результаты для контрольной выборки веществ, среди которых были выбраны высокоопасные промышленные вещества (метанол, метафос, n-фенилхлоризоцианат, эпихлоргидрин, фурфурол, циклогексан, этилацетат и др.) привели к ошибке определения около 45%, при этом расчетный класс опасности в большинстве случаев приводил к занижению опасности вещества.

Из собранных в базе данных сведений о химических соединениях после статистической обработки и нормирования параметров, была создана статистическая модель вещества в классе опасности представленная в таблице 7, а результаты оценки линейной корреляции Rxy факторов в этой модели суммированы в таблице 8. В большинстве случаев Rxy значим и имеется отчетливая зависимость Y=f(Xj). Температура вспышки веществ представлена отдельно, так как в классе опасности данные о ней представлены ограниченно из-за отсутствия соответствующих сведений в литературе.

Статистическая модель класса опасности (I-IV) Y=f(Xj) вещества в нормированных параметрах 1 0.00 0.00 0.00 1.00 1.00 1.00 0.9 1.00 0.00 0.002 0.00 1. 2 0.33 0.72 0.20 0.39 0.40 0.39 1.6 0.00 1.00 0.020 0.69 0. 3 0.67 1.00 1.0 0.40 0.00 0.00 1.5 0.06 0.67 0.031 0.71 0. 4 1.00 0.89 0.85 0.29 0.07 0.33 1.3 0.60 0.07 1.000 1.00 0. Мы учли также опыт других исследователей в отношении прогнозирования токсикологических характеристик. Имеется следующее мнение «Не Оценка температуры вспышки представляется возможным осуществлять прогноз токсичности соединений в неизученных структурных рядах.

Коэффициенты линейной корреляции Rxy в статистической модели (таблица 7) класса опасности химических соединений Rxy 0.846 0.890 -0.843 -0.903 -0.744 0.457 0.309 0.033 0.788 0.917 0. 2.240 2.761 -2.219 -2.971 1.375 0.726 0.460 -0.047 1.810 3.252 -10. Построение соотношений структура – биотрансформация – токсичность предполагает строго гомогенную природу обучающей и тестовой выборок, т.е. схожесть структуры соединений, определяющую возможность одного механизма действия» [Н.В. Харчевникова, 2011г.]. Аналогичные суждения имеются и у других авторов. Поэтому мы перешли к другим методам системного анализа.

В четвертой главе10 «Экологическая диагностика токсикантов с использованием теории нечетких множеств» с использованием нечетких множеств проведена классификация химических соединений по признакам опасности. Методология нечетких множеств представлена на рисунке 9. Рассматривались ранжирование, классификация, экспертиза.

1. Ранжирование. Сформулируем общую задачу. Пусть S={si| i = 1, n } – множество, состоящее из n объектов. Выделим эталонный объект s0 и его характеристики Q0j. Построим для Qij нечеткое множество Q, i = 0, n, j = 1, m. ij Значения переменной xj, удовлетворяющие характеристике Qij, составят отрезок Xij. Определим середину qij и радиус ij0 отрезка Xij:

Для Qij подбираем функцию принадлежности µij. Исходя из построения Xij, получаем, что в qij функция имеет точку максимума, в пределах Xij функция принадлежности принимает значения больше 0,5, а вне Xij – меньше:

В рамках классификации воспользуемся функцией:

Данная часть работы выполнена совместно с И.В. Гермашевым; использовалась программа «Оценка качества технического объекта в условиях неопределенности»/И.В.

Гермашев //Свид-во о гос. регистрации программы для ЭВМ № 2008612198.-2008г.

Вычислим индекс равенства ij соответствующих нечетких множеств:

ij = max min(µ ij (x j ), µ 0j (x j )). Получено, что значение ij достигается в точке пересечения функций принадлежности, откуда вытекает:

В итоге получим интегральную оценку i соответствия совокупности характеристик si совокупности характеристик s0:

Информация о вещестФормирование параметвах и (или) химических Рисунок 9. Алгоритм применения нечетких множеств 2. Классификация Классификация проводится аналогично, однако вводятся следующие показатели.

Применялись следующие показатели (таблица 9) : класс I - высоко опасные - 0,70-1,00, класс II - умеренно опасные - 0,60-0,69, класс III - мало опасные - 0,40-0,59, класс IV - неопасные - 0,00-0,39.

Результаты классификации веществ приведены в таблице 10.

Ранжирование в группе фосфорсодержащих соединений № соедине- Брутто - форпараметра, j Рангi опасности Классификация фосфорсодержащих соединений № соединения по 3. Экспертиза.

Под экспертизой понимается заключение о том, насколько вещество удовлетворяет экологическим, технологическим и другим условиям. Этот вопрос может быть рассмотрен следующим образом. Пусть некоторое вещество (соединение) S0 удовлетворяет всем требованиям. Тогда для экспертизы соединения s, надо вычислить ранг для s относительно s0, так, как это было показано выше. Проведем их экспертизу упомянутых выше химических соединений (таблица 9) по следующим выборочным условиям: как можно большее значение параметров Xj; наименьшее значение параметров Xj. Приведенные здесь условия совпадают с параметрами ранжирования представленными в таблице. Поэтому показатель i является также и экспертной В качестве критериев использованы следующие характеристики: условный кислородный индекс (%) (1) (диапазон 120); концентрация (2) (диапазон 0,128,1); мольная доля фосфора (3) (диапазон 0,127,0). Данные нормированы.

оценкой. Соединение №4 (таблицы 9) отвечает условиям экспертизы на 70%.

4. Прогноз.

Метод прогноза основан на том факте, что при добавлении к множеству элемента, уже принадлежащего этому множеству, множество никак не изменится. Рассмотрим теоретические основы.

Пусть имеется множество веществ S={si| i = 1, n } и множество дескрипторов D={dj| j = 1, m }. Частоту появления дескриптора dj в соединении si обозначим через ij. Построим четыре множества:

тора dj среди S :

Для каждого класса опасности Sk построим нечеткое множество D k дескрипторов:

D k, по сути, является статистическим образом вещества класса Sk.

Определим функцию принадлежности µk(dj), как оценку вероятности появления дескриптора dj среди дескрипторов класса Sk:

Добавим вещество s в класс Sk и получим новый класс Ss :

Ss =Sk{s}.

Вычислим k индекс изменений, произошедших в классе Sk. В качестве оценки k возьмем индекс несходства нечеткого множества D k и D s :

X={x} универсум и задано некоторое НМ A ={x| µA(x)}, тогда A = k[0;1]. Получили, что k принимает значение 0, если нечеткое множество никак не изменилось и значение 1, если нечеткое множество настолько изменилось, что новое нечеткое множество не имеет ни одного общего элемента со старым. Таким образом, sSr, где r = arg min k.

Для таблицы 9 распределение веществ сохраняется.

5. Конструирование.

Методика конструирования веществ основана на идее «химическая структура – свойство» и ограниченном переборе элементов конструктора.

Пусть сконструировано соединение sk. Путем добавления элемента строим соединение sk+1. Шаг итерации sksk+1 состоит из нескольких этапов: выбор элемента конструирования; конструирование sk+1; анализ sk+1 и принятие решения: (признать sk+1 перспективным и строить sk+2 или признать sk+1 неперспективным, принять sk+1=sk и строить sk+2); принятие решения о прекращении конструирования.

В качестве элемента конструирования берем элемент с наибольшим значением функции принадлежности его дескриптора. Конструирование sk+1состоит в переборе вершин молекулярного графа для sk и попытки присоединения к каждому из них поочередно элемента конструирования. Получим, s1 +1, s k +1, …, s kk+1, где rk – число вершин в графе для sk.

Проведем прогноз s ik +1.

Найдем такой номер i* = 1, rk, при котором индекс изменений будет наименьшим, и примем sk+1= s ik*+1.

Анализ sk+1 на предмет перспективности состоит в сравнении индекса изменений для sk+1 и sk: если для sk окажется больше, то sk+1 следует признать перспективным, иначе – нет. В случае неперспективности полагаем sk+1=sk, удаляем элемент конструирования, участвовавший при конструировании, переходим на следующий шаг итерации. Критериями окончания служат: чрезмерная сложность sk, невозможность синтеза, низкий показатель, исчерпание списка элементов.

Алгоритм конструирования показан на рисунке 10.

В таблице 11 приведены отдельные результаты конструирования выборки активных добавок для поливинилхлорида (ПВХ). Критериям неопасности отвечает только добавка 3.

выбор модели структуры торов из неопасного класса опасности жительный Рисунок 10. Алгоритм конструирования неопасного вещества Таким образом, исследованные методы позволяют провести разносторонний анализ как реального, так и виртуального вещества. Выборочные результаты тестирования представлены в таблице 12.

Предлагаемая методология дает основания для разработки информационной технологии планирования и создания новых веществ.

Выборочные результаты экспертизы химических соединений, применяемых в промышленности, с помощью нечетких п/п, Торговое и химическое … Альтакс (Бис (2-бензосичен тиазолил) дисульфид) … Гипериз (гидропероксид кумола) Тирам (тетраметилтиурамдисульфид) В пятой главе «Теоретические основы и приложения нейронных сетей для анализа экологической опасности веществ» показаны возможности применения искусственной нейронной сети для прогнозирования опасности веществ.

На рисунке 11 изображена модель нейрона с тремя входами (дендритами), синапсы этих дендритов имеют веса w1, w2, w3. Если к синапсам поступают импульсы силы x1, x2, x3 соответственно, тогда после прохождения синапсов к нейрону поступают импульсы w1x1, w2x2, w3x3. Нейрон преобразует полученный суммарный импульс x = w1x1+w2x2+w3x3 в соответствии с передаточной функцией f(x). Тогда силы выходного импульса будет равна у = f(x) = f(w1x1+w2x2+w3x3). Нейронная сеть настраивает веса синапсов по обучающей выборке.

Описание химических соединений производили в виде линейных молекулярных цепочек. Использованы следующие виды дескрипторов, описанных в главе 3 диссертации:

1.АД – атом (или атомы) (кроме водорода объединенный химической связью с одним или несколькими атомами водорода;

2.ДД – число последовательных связей, соединяющих два каких-либо АД;

3.ДС – типы связей в молекулярной цепочке:

-связь, -связь и связи, отличные от ковалентной. В качестве примера, представлена цепочка этилового спирта (H3CCH2OH):

1) (–CH3, 1, –CH2–); 2) (–CH3, 1, –CH2–, 1, –OH);3) (–CH2–, 1, –CH3);

4) (–CH2–, 1, –OH); 5) (–OH, 1, –CH2–); 6) (–OH, 1, –CH2–, 1, –CH3).

Пусть задан набор химических соединений S = {si| i = 1, …, n} и m-мерное параметрическое пространство признаков Qm = Q1…Qm, с метрикой : QmQm R, определяющей расстояние между двумя точками пространства Qm. Каждому si поставлен в соответствие вектор значений признаков xiQm, i=1, …, n. Заданы классы эквивалентности A = {A1, …, Ak}. Для каждого нового si необходимо найти класс опасности. Отнесение к классу опасности производится путем его сравнения с типичными элементами разных классов опасности и выбора ближайшего. В терминах построенного пространства Qm малое значение (xi, xj) означает сходство свойств соответствующих веществ si и sj. Далее проводим кластерный анализ множества S над Qm.

Таким образом, накапливаются знания о классах опасности веществ. Положим: A4=A3A2 - «опасные соединения», A3 - «высоко опасные соединения», A2 — «умеренно опасные соединения», A1 — «неопасные соединения». Далее проведено обучение нейронной сети.

В качестве примера рассмотрим два соединения:

1) вышеприведенный этиловый спирт C2H5OH; обозначим его как опасное соединение;

2) уксусная кислота CH3COOH; обозначим ее как неопасное соединение.

В нейронную сеть включим количество слоев, равное длине самой длинной молекулярной цепочки (в нашем случае — 3). В каждом слое количество нейронов равно числу разных АД, описывающих все соединения в обучающей выборке (5). Каждый нейрон соответствует конкретному АД. Закодируем эти АД:

В начале полагаем веса у всех синапсов равными 0. Различаем несколько видов синапсов, в соответствии с видами химических связей. Будем изображать их соответственно одинарной линией, двойной и т. д. Результат этих построений изображен на рисунке 12а.

а) нейронная сеть перед обучением; б) нейронная сеть после обучения только цепочкой 1; в) нейронная сеть после обучения цепочками 1 и 2; г) нейронная сеть после полного обучения Подадим молекулярные цепочки этилового спирта на вход нейронной сети.

Берем первую цепочку:

1. (–CH3, 1, –CH2–) или в принятой кодировке (1, 1, 2).

Подаем эту цепочку на вход тому нейрону в первом слое, который соответствует первому АД в цепочке (1). Увеличиваем на 1 вес у синапса с кодом 1 (связь) ведущему к нейрону во втором слое с кодом равному коду следующего АД в цепочке (2). Поскольку цепочка исчерпана, то на этом передача обучающей информации от цепочки к нейронной сети завершается (рисунок 12б). Берем вторую цепочку (1, 1, 2, 1, 3).

Подаем эту цепочку на вход тому нейрону в первом слое, который соответствует первому АД в цепочке (1). Увеличиваем на 1 вес у синапса с кодом 1 (связь) ведущему к нейрону во втором слое с кодом равному коду следующего АД в цепочке (2). Далее увеличиваем на 1 вес у синапса с кодом 1 (-связь) ведущему к нейрону в третьем слое с кодом равному коду следующего АД в цепочке (3). Поскольку цепочка исчерпана, то на этом передача обучающей информации от цепочки к нейронной сети завершается (рисунок 12в). Так продолжаем до исчерпания цепочек.

Для уксусной кислоты, как представителя «неопасного» класса, проводим аналогичную процедуру. Нейронная сеть после описанной процедуры обучения изображена на рисунке 12г.

Экспертиза состоит в том, чтобы по химической структуре неизвестного (виртуального) соединения, определить к какому расчетному КО оно относится. Рассмотрим, например ацетон (С3Н6О), в терминах опасный/неопасный.

Генерируем всевозможные молекулярные цепочки, из которых для краткости рассмотрим только две из двенадцати возможных: (1, 1, 4).

Данная цепочка подается на вход нейронной сети аналогично тому, как это было при обучении (рисунок 12), но с одним существенным отличием информация поступает в обратном направлении - цепочка считывает информацию, а не модифицирует. При этом по пути прохождения цепочки от нейрона к нейрону суммируются веса всех пройденных синапсов, а на выходе выдается полученный результат. Однако здесь есть одна особенность - цепочка исчерпалась, не достигнув последнего слоя. Поэтому необходимо добавить фиктивные нейроны (с кодом 0), а короткие цепочки доопределяем АД с кодом 0 (рисунок 13). В результате на выходе получаем y0 = -1.

Рисунок 13. Путь прохождения цепочки (1, 1, 4) (обозначено точечной линией) и цепочки (1, 1, 4, 2, 5) (обозначено пунктирной линией) через нейронную сеть.

1. (1, 1, 4, 2, 5).

Аналогично подаем на вход (x1) и эту цепочку. В результате на выходе получаем y5 = -3. Получились следующие значения на выходных синапсах:

Чтобы завершить экспертизу, вычислим Y выходных сигналов yi, i = 0, 1, …, 5:

Получаем, что при Y0 тестируемое соединение относится к классу неопасных соединений, а при Y0 – к классу опасных. Таким образом, тестируемое соединение является неопасным.

В шестой главе «Кластерный анализ при прогнозировании экологической опасности химических соединений» представлен кластерный анализ как средство прогнозирования опасности веществ. Здесь тестируемое вещество описывается числовым набором данных о его составе, физико-химических свойствах и других характеристик, а затем происходит сравнение этого набора с классификационными моделями на основе вычисления меры близости (рисунок 14).

Идея кластеризации закреплена в нашей программе для ЭВМ Числовой набор данных (таблица 4) представляется в виде матриц А1 (класс опасности I), А2 (класс опасности II), А3 (класс опасности III), А4 (класс опасности IV).

Преобразованные данные показаны на рисунке 15.

Рисунок 14. Маршрут оценивания класса опасности вещества Отметим, что при формировании кластеров основной задачей является определение несходства или расстояния между группами химических соединений, при этом использованы широко известные методы представленные в таблице 13.

Расстояния (R) между объектами (xi, yj) в кластерном анализе Дербишер, Е.В. Сортирование технических объектов на основе разбиения области значений параметров/ Дербишер Е.В., О.В. Коляганова, И.В. Гермашев, М.В. Черткова // Свид-во о гос. рег. программы для ЭВМ № 2011615643 от 18 июля 2011 г. РФ, МПК (нет) ВолгГТУ. – 2011 г.

Для проведения вычислений использовалась программа для ЭВМ Прогноз класса опасности малоизученных веществ / Дербишер Е.В., И.В. Гермашев, Н.В. Веденина, В.Е. Дербишер //Свид-во о гос. рег. прогр. для ЭВМ № 2009613272 от 24 июня 2009 г. РФ, МПК [нет]. ГОУ ВПО ВолгГТУ. – 2009 г.

Рисунок 15. Распределение факторов в классах опасности Идейная основа кластеризации принятая в данной работе приведена на рисунке 16.

Рисунок16. Маршрут при определении класса опасности вещества Каждая строка матрицы представляет собой выборочный набор характеристик определенного химического соединения, а каждый столбец - набор значений выборочного показателя свойства в исследуемом наборе.

Чтобы показать возможность применения этой методики рассмотрим пример.

адамантилсодержащие производные.

Данные приведены в таблице 14. В цитируемой работе указанные вещества рекомендованы для медико-биологических испытаний по 15 видам биологической активности. Полученные нами оценки (для трех веществ - класс опасности по Dij - I) дают основания для сомнений в целесообразности таких испытаний по экологическим соображениям. В подобных случаях можно предложить альтернативу - из ассортимента новых веществ отбирать те, у которых расчетный класс опасности минимальный.

В таблице 15 даны результаты оценки вероятности правильного прогнозирования (1% ошибок) на основе расчета D (таблица 13), выполненные с использованием контрольных выборок химических соединений: а) включенных в обучающую выборку; б) не включенных в обучающую выборку.

Вероятность правильного прогнозирования класса опасности таблице

I II III IV

Как видно из данных таблицы 15, вероятность правильного прогнозирования класса опасности составляет 78-92%. По понятным причинам «прогнозирование» внутри выборки примерно на 10% точнее, чем вне ее. Наилучшее отнеКлимов Д.С. Синтез, реакции и применение адамантилсодержащих производных имидовых кислот // Автореф. дисс. на соиск. уч. ст. канд. хим. наук/ ВолгГТУ, Волгоград, 2000.-24с.

Расчеты выполнены совместно с Н.В. Ведениной, для вычисления использовалась программа для ЭВМ «Программный комплекс оценки и прогнозирования экологической опасности органических веществ» Свидетельство на регистрацию программы для ЭВМ Номер 2010617508, Номер заявки: 2010615946, Дата регистрации: 13.11.2010.

сение химических соединений происходит к I классу опасности. Это связано, во-первых, с более четкой классификацией веществ в I классе опасности и вовторых, с ролью гетероатомов (X3), так как именно вещества с гетероатомами составляют большинство особо опасных веществ, хотя без них сегодня обойтись невозможно, а многие из таких веществ являются компонентами лекарственных препаратов.

Алгоритм расчета приведен на рисунке 16.

Рисунок 16. Вариант алгоритма определения расчетного класса опасности промышленных веществ (химических соединений) В седьмой главе «Информационная система прогнозирования класса опасности веществ» представлены теоретические основы разработки информационной системы и приложение методов.

На рисунке 18 дано содержание информационной системы.

Метод классификации

РАСПОЗНАЮЩАЯ СИСТЕМА

Рисунок 18. Содержание информационной системы прогнозирования Идея и новизна использования методов иллюстрируется рисунком 19. Задачу управления веществом можно решать по схеме: «назначение химическая структура химическое соединение вещество свойство», что примерно показано на рисунке 20.

Для использования информационной системы имеется следующее основание. Согласно действующему законодательству, все «существующие» и «новые» вещества должны пройти через равнозначные процедуры оценки опасности. Основная ответственность за управление возможными рисками, возникающими вследствие производства, размещения на рынке и использования веществ, а также за представление информации об опасности веществ и оценка риска от их негативного воздействия на окружающую среду возложена на промышленность.

Надо отметить, что ориентировочная стоимость неполного экологического экспериментального диагностирования одного химического вещества (острая токсичность) составляет свыше 100 тыс. рублей.

ИНФОРМАЦИОННАЯ II

МОДЕЛЬ ХИМИЧЕСКОГО Биологическая ВЕЩЕСТВА ИЛИ СОЕДИ- токсичность как Предлагаемое решение:

прогноз индикатора (информационного свойства) Рисунок 19. Научная новизна задачи исследования В Волгоградском регионе где выполнена данная работа находится более 60 предприятий химической и нефтехимической промышленности, связанные с производством, переработкой, транспортировкой, хранением, утилизацией, продажей и уничтожением веществ, сырья.

Техническая функция Рисунок 20. Схема функционального управления веществом По оценкам ЗАО «Индустриальный риск» внеэкспериментальная оценка класса опасности находящихся в обороте не диагностированных веществ сумма экономического эффекта от снижения затрат на экспериментальное диагностирование химических соединений может составить более 6 млн.

рублей только в пределах Волгоградской области.

Однако, надо иметь ввиду, что прогнозирование не может быть «панацеей» от индустриальных рисков. Кроме того, база данных как информационная основа системы оценки класса опасности, требует постоянного пополнения, особенно в первом классе опасности химических соединений – обязательна динамика развития этой системы.

Схема внедрения химического соединения в промышленность с использованием прогнозирования его класса опасности предложена на рисунке 21.

Разработанные новые (в рамках сотрудничества с синтетиками) технические решения с использованием методологии рисунка 21 обобщенно представлены в таблице 16.

Набор химических Системный эколовеществ гический анализ Рисунок 21. Система внедрения вещества в промышленный оборот Гидразиды алифатиче- Нейронные Пластификатор для исIII - IV Ацилгидразиды поли- Кластерный Модификаторы полиIV Сополимеры метилакри- Кластерный Сорбент для очистки

III. ЗАКЛЮЧЕНИЕ

Проведено исследование системных связей в области прогнозирования опасности промышленных веществ, изучены закономерности проявления опасности вещества в зависимости от иерархического уровня его строения для управления процессом создания новых безопасных промышленных веществ.

Сформулирована новая научная задача в области системного анализа внеэкспериментальная классификация веществ по признакам опасности на основе фундаментальной зависимости «структура - опасность».

Создана научная концепция применения последовательного ряда методов системного анализа для прогнозирования промышленной безопасности веществ.

Впервые введены понятия «расчетный класс опасности вещества», «интегральный показатель опасности», «статическая модель вещества в классе» как теоретические характеристики опасности применения веществ в промышленности.

Методы нечетких множеств, кластерного анализа, искусственной нейронной сети, классификационные модели и другие адаптированы для анализа и обработки информации и управления веществом для решения задач безопасного функционирования объектов народного хозяйства Российской Федерации.

Разработан теоретические основы планирования создания веществ с заданными свойствами, построен его алгоритм, проведен его анализ и апробация при создании новых технических решений в области полимерных композитов и сорбентов для водоочистки.

Практические результаты используются при проведении государственной экологической экспертизы Комитетом охраны окружающей среды и природопользования Волгоградской области Правительства Волгоградской области, в ЗАО «Индустриальный риск» (Волгоград), ООО «Системы управления производственными рисками» (Волгоград), в учебном процессе в курсах «Применение ЭВМ в экологии», «Системный анализ процессов», «Основы научных исследований», в курсе «Введение в нечеткую математику» на кафедре «Математического анализа» в ФГОБУ ВПО «ВГСПУ».

IV. СПИСОК РАБОТ, В КОТОРЫХ ОПУБЛИКОВАНЫ ОСНОВНЫЕ ПОЛОЖЕНИЯ ДИССЕРТАЦИИ

В изданиях из перечня ВАК:

1. Дербишер, Е.В. Репрезентативность статистической базы данных экспертной системы прогноза органических добавок к полимерным композитам / И.В. Гермашев, В.Е. Дербишер, А.Ю. Колоскова, Е.В. Дербишер // Пластические массы. - 2000. - N7. - C. 20-21. (соискатель – 40%) 2. Дербишер, Е.В. Методика компьютерного конструирования органических соединений в качестве активных добавок к полимерным композициям / И.В.

Гермашев, В.Е. Дербишер, М.Н. Цаплева, Е.В. Дербишер // Химическая промышленность. - 2002. - N6. - C. 43-48. (соискатель – 35%) 3. Дербишер, Е.В. Диагностика возможной активности производных адамантана в полимерных композициях методами молекулярного дизайна / В.В.

Орлов, В.Е. Дербишер, Ю.Л. Зотов, П.М. Васильев, И.В. Гермашев, Е.В. Дербишер, А.Ю. Колоскова // Химическая промышленность. - 2003. - №2. - C.

46-55. (соискатель – 20%) 4. Дербишер, Е.В. Определение расчетного индекса экологической опасности веществ методами нечеткой математики / И.В. Гермашев, Е.В. Дербишер, Н.В. Веденина, В.Е. Дербишер // Химическая промышленность сегодня. C. 27-34. (соискатель – 60%) 5. Дербишер, Е.В. Компьютерное конструирование химических соединений с заданными свойствами / И.В. Гермашев, В.Е. Дербишер, М.Н. Цаплева, Е.В.

Дербишер // Теоретические основы химической технологии. - 2004. - №1. - C.

90-95. (Англ. Computer-Aided Design of Chemical Compounds with Controlled Properties / И.В. Гермашев, В.Е. Дербишер, М.Н. Цаплева, Е.В. Дербишер // Theoretical Foundations of Chemical Engineering. - 2004. - Vol. 38, № 1. - C. 86соискатель – 25%) 6. Дербишер, Е.В. Априорное ранжирование факторов при расчете индекса экологической опасности веществ с использованием нечетких множеств / Е.В. Дербишер, П.И. Погорелов, И.В. Гермашев, В.Е. Дербишер // Химическая промышленность сегодня. - 2006. - №8. - C. 48-56. (соискатель – 80%) 7. Дербишер, Е.В. Synthesis of polymeric peroxides and their use in finishing treatment of textile materials / В.Д. Васильева, В.Е. Дербишер, И.Ю. Ковалец, Т.П. Алейникова, Е.В. Дербишер // Russian Journal of Applied Chemistry. Vol. 80, № 8. - C. 1409-1412.- Англ. (соискатель – 30%) 8. Дербишер, Е.В. Компьютерная система диагностики эффективности добавок к полипропилену / А.Ю. Александрина, В.Д. Васильева, В.Е. Дербишер, Е.В. Дербишер // Химическая промышленность сегодня. - 2007. - №7. C. 49-55. (соискатель 25%) 9. Дербишер, Е.В. Оценка класса опасности намечаемых к промышленному использованию веществ с помощью евклидова расстояния / Е.В. Дербишер, В.Е. Дербишер, Н.В. Веденина, И.В. Гермашев // Химическая промышленность сегодня. - 2007. - №6. - C. 32-38. (соискатель – 90%) 10. Гермашев, И.В. Принятие решений о выборе ингредиентов полимерных композиций в условиях нечёткой информации / И.В. Гермашев, В.Е. Дербишер, Е.В. Дербишер // Пластические массы. - 2007. - №7. - C. 24-27. (соискатель – 50%) 11. Дербишер, Е.В. The choice of ingredients of polymer composites with fuzzy data / И.В. Гермашев, В.Е. Дербишер, Е.В. Дербишер // International Polymer Science and Technology. - 2008. - Vol. 35, № 8. - C. 47-51.- Англ. (соискатель – 45%) 12. Дербишер, Е.В. Интегральная оценка качества льносодержащей пряжи / И.А. Гуляева, В.Д. Васильева, Е.В. Дербишер, В.Е. Дербишер // Изв. вузов.

Технология текстильной промышленности. - 2008. - № 1. - C. 13-15. (соискатель – 25%) 13. Дербишер, Е.В. Компьютерное конструирование функциональных добавок к полимерным композитам (на примере полипропилена) / В.Д. Васильева, А.Ю. Александрина, Е.В. Дербишер, В.Е. Дербишер, И.В. Гермашев // Химическая промышленность сегодня. - 2008. - № 11. - C. 52-56. (соискатель – 20%) 14. Дербишер, Е.В. Методика оценки функциональной активности добавок к полипропилену на основе компьютерного моделирования зависимости "структура - свойство" / А.Ю. Александрина, В.Д. Васильева, В.Е. Дербишер, Е.В. Дербишер // Пластические массы. - 2008. - № 5. - C. 20-23. (соискатель – 30%) 15. Дербишер, Е.В. Нечёткие множества в химической технологии / Е.В.

Дербишер, И.В. Гермашев, В.Е. Дербишер // Известия вузов. Химия и химическая технология. - 2008. - Т. 51, вып. 1. - C. 104-110. (соискатель – 35%) 16. Дербишер, Е.В. Нормирование данных при внеэкспериментальной экологической экспертизе намечаемых к проектированию и промышленному использованию веществ / Е.В. Дербишер, В.Е. Дербишер, И.В. Гермашев, Е.Н.

Овдиенко // Химическая промышленность сегодня. - 2009. - № 4. - C. 34-40.

(соискатель – 90%) 17. Дербишер, Е.В. Оценка опасности органических веществ с использованием искусственных нейронных сетей / И.В. Гермашев, Е.В. Дербишер, А.Ю.

Александрина, В.Е. Дербишер // Теоретические основы химической технологии. - 2009. - Т. 43, № 2. - C. 225-231. (Англ. Hazard assessment of organic chemicals with the use of artificial neural networks / И.В. Гермашев, Е.В. Дербишер, А.Ю. Александрина, В.Е. Дербишер // Theoretical Foundations of Chemical Engineering. - 2009. - Vol. 43, № 2. - C. 212-217.) (соискатель – 50%) 18. Дербишер, Е.В. Применение теории нечётких множеств для решения задач химической технологии / И.В. Гермашев, В.Д. Васильева, В.Е. Дербишер, Е.В. Дербишер, А.Ю. Силина // Информационные технологии. - 2009. - № 5. C. 72-79. (соискатель – 20%) 19. Дербишер, Е.В. Построение комплексного показателя качества текстильных материалов / В.Д. Васильева, В.Е. Дербишер, И.В. Гермашев, Е.В. Дербишер, О.В. Коляганова // Известия вузов. Технология текстильной промышленности. - 2010. - № 6. - C. 8-10. (соискатель – 20%) 20. Дербишер, Е.В. Доочистка воды с применением полимерных гидразидов карбоновых кислот / Е.В. Дербишер, Е.Н. Овдиенко, Р.И. Габитов, В.Е. Дербишер, М.В. Черткова // Водоочистка. - 2011. - № 6. - C. 17-22. (соискатель – 80%) 21. Дербишер, Е.В. Оценка свойств полимерных материалов с использованием интегрального показателя / О.В. Коляганова, Е.В. Дербишер, И.В. Гермашев, В.Е. Дербишер/ Пластические массы. - 2011. - № 7. - C. 34-37. (соискатель – 50%) 22. Дербишер, Е.В. Полимерные сорбенты с гидразидными фрагментами для водоочистки / Е.В. Дербишер, Е.Н. Овдиенко, В.Е. Дербишер // Журнал прикладной химии. - 2011. - Т. 84, вып. 7. - C. 1218-1220. (соискатель – 60%) 23. Дербишер, Е.В. Технология очистки ливневых сточных вод с урбанизированных территорий с применением модифицированных полимерных сорбентов / Е.В. Дербишер, Е.Н. Овдиенко, В.Е. Дербишер // Вода: химия и экология. - 2011. - № 2. - C. 48-53. (соискатель – 50%) 24. Дербишер, Е.В. Три оригинальных метода сравнительной оценки свойств материалов с использованием интегральных показателей / О.В. Коляганова, Е.В. Дербишер, И.В. Гермашев, В.Е. Дербишер // Материаловедение. - 2011. C. 49-55. (соискатель – 40%) 25. Дербишер, Е.В. Проблемы улучшения технологии очистки ливневых сточных вод и особенности применения полимерных сорбентов с гидразидными группами / Е.Н. Овдиенко, Е.В. Дербишер, Т.И. Даниленко, В.Е. Дербишер // Химическая промышленность сегодня. - 2011. - № 11. - C. 51-56.

(соискатель – 25%) 26. Дербишер, Е.В. Методы обработки результатов экспериментов при сравнительной оценке материалов по интегральным критериям / О.В. Коляганова, Е.В. Дербишер, В.Е. Дербишер, И.В. Гермашев // Информатизация образования и науки. - 2012. - № 1. - C. 120-131. (соискатель – 70%) 27. Дербишер, Е.В. Представление результатов исследования свойств полимерных материалов в сравнении с эталоном / О.В. Коляганова, Е.В. Дербишер, И.В. Гермашев, В.Е. Дербишер // Известия ВолгГТУ. Серия «Химия и технология элементоорганических мономеров и полимерных материалов».

Вып. 9: межвуз. сб. науч. ст. / ВолгГТУ. - Волгоград, 2012. - № 5. - C. 110соискатель - 30%) 28. Дербишер, Е.В. О предпроектной экологической экспертизе малоизученных веществ с использованием информационных технологий/ Е.В. Дербишер, В.Е. Дербишер // Информатизация образования и науки.- 2012. – № (июль). – C. 148-163. (соискатель – 95%) Монография:

29. Дербишер, Е.В. Нормирование данных при внеэкспериментальной экологической экспертизе намечаемых к проектированию и промышленному использованию веществ: монография / Е.В. Дербишер. - Saarbrucken (Germany):

LAP LAMBERT Academic Publishing GmbH & Co. KG, 2012.-145с.

Прочие издания:

30. Свид. о гос. регистрации программы для ЭВМ № 2009613272 от 24 июня 2009 г. РФ, МПК [нет]. Прогноз класса опасности малоизученных веществ / Е.В. Дербишер, И.В. Гермашев, Н.В. Веденина, В.Е. Дербишер; ГОУ ВПО ВолгГТУ. - 2009.

31. Свид. о гос. регистрации программы для ЭВМ № 2011615643 от 18 июля 2011 г. РФ, МПК [нет] Сортирование технических объектов на основе разбиения области значений параметров / О.В. Коляганова, И.В. Гермашев, Е.В.

Дербишер, М.В. Черткова; ВолгГТУ. - 2011.

32. Пат. 2169156 РФ, МПК 7 С 08 F 8/30, 20/60, В 01 J 39/18, С 02 F 1/42 Способ получения гидразида полиметакриловой кислоты / В.Е. Дербишер, Т.И.

Даниленко, Е.В. Дербишер, В.В. Коледов, Т.Ф. Морозенко; ВолгГТУ. - 2001.

33. Пат. 2346956 Российская Федерация, МПК C 08F120/60, C 08 F 8/30, C F 8/00, B01J20/00. Способ получения ионообменного материала на основе гидразида поли(мет)акриловой кислоты / В.Е. Дербишер, Т.И. Даниленко, Е.В. Дербишер, И.В. Шипко, А.В. Даниленко; ГОУ ВПО ВолгГТУ. - 2009.

34. Пат. 2378300 РФ, МПК С 08 L 27/06. Композиция для плёночных материалов и искусственной кожи / В.Е. Дербишер, Т.И. Даниленко, Е.В. Дербишер, В.Д. Васильева, И.В. Гермашев, А.В. Даниленко; ГОУ ВПО ВолгГТУ. Пат. 2428240 РФ, МПК В 01 D 39/00, В 32 В 5/22, D 04 В 1/00. Композиционный материал / Е.Н. Овдиенко, Е.В. Дербишер, В.Д. Васильева, В.Е.

Дербишер, Т.И. Даниленко; ВолгГТУ. - 2011.

36. Пат. 2434811 РФ, МПК С 02 F 1/42, B 01 J 43/00, B 01 J 20/26. Способ ионообменной очистки сточных вод и технологических растворов от ионов металлов переменной валентности / Е.В. Дербишер, Е.Н. Овдиенко, В.Е. Дербишер, Г.Н. Дегтяренко, Н.В. Алимова; ВолгГТУ. - 2011.

37. Дербишер, Е.В. Синтез гидразидов полимерных карбоновых кислот / М.В. Черткова, Е.В. Дербишер, В.Е. Дербишер // Современные проблемы науки о полимерах: прогр. и тез. докл. 7-й Санкт-Петербургской конф. молодых учёных, 17-20 октября 2011 г. / Ин-т высокомолекулярных соединений РАН [и др.]. - СПб., 2011. - C. 23.

38. Дербишер, Е.В. Вычисление интегральных показателей при сравнительной оценке свойств полимерных материалов / О.В. Коляганова, Е.В. Дербишер, И.В. Гермашев, В.Е. Дербишер // Современные проблемы науки 2011 :

сб. ст. междунар. заоч. науч.-практ. конф. / Смоленский гуманитарный ун-т [и др.]. - Смоленск, 2011. - C. 32-36.

39. Дербишер, Е.В. Применение полимерных производных гидразина при очистке воды от солей металлов/Е.Н. Овдиенко, Е.В. Дербишер, Н.В. Алимова, В.Е. Дербишер//Прикладные аспекты химической технологии, полимерных материалов и наносистем (Полимеры-2010) : тез. и докл. IV всерос. науч.-практ. конф. студ., асп. и молодых учёных (Наукоград Бийск, 17-19 июня 2010 г.) / Бийский технол. ин-т (филиал) ГОУ ВПО "Алтайский гос. техн. унт им. И.И. Ползунова".-Бийск, 2010.-C.110-112.

40. Дербишер, Е.В. Компьютерный прогноз биологической активности химических соединений (на примере амидинов) / М.В. Черткова, Е.В. Дербишер, В.Е. Дербишер // Химия и химическая технология в XXI веке: матер. XI всерос. науч.-практ. конф. студ. и аспирантов, 12-14 мая 2010 г. / ГОУ ВПО "Национальный исследовательский Томский политехн. ун-т". - Томск, 2010. - Т.

1. - C. 251-253.

41. Дербишер, Е.В. Анализ качества машиностроительной продукции с применением интегральных показателей / О.В. Коляганова, В.Е. Дербишер, Е.В.

Дербишер // Актуальные проблемы машиностроения: матер. всерос. молодёжной Интернет-конф., г. Владимир, 22-23 апр. 2010 г. / Владимирский гос.

ун-т. - Владимир, 2010. - C. 10-15.

42. Дербишер, Е.В. The activated coal modified by derivatives of gidrazine / Е.Н.

Овдиенко, Е.В. Дербишер, В.Е. Дербишер // Membrane and sorption processes and technologies: abstracts of Int. scientific conf., Kyiv, Ukraine, April 20-22, 2010 / National Univ. of "Kyiv-Mohyla Academy", The Center of Membrane Research NaUKMA.- Kyiv, 2010.- P. 107.- Англ.

Полный список изданий автора приведен в диссертации

ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПРОГНОЗИРОВАНИЯ ОПАСНОСТИ НАМЕЧАЕМЫХ К ПРОМЫШЛЕННОМУ ИСПОЛЬЗОВАНИЮ ВЕЩЕСТВ

диссертации на соискание ученой степени Подписано к печати_ Формат 6084/16. Бум.офс.

Гарнитура Times. Усл.печ.л. 2,0 Уч.-изд. л.2,0. Тираж 120экз. Заказ Волгоградский государственный технический университет 400005, г. Волгоград, пр. Ленина, 28, корп. 400005, г. Волгоград, пр. Ленина, 28, корп.

 
Похожие работы:

«БУБНОВ ДМИТРИЙ ВЛАДИМИРОВИЧ РАЗРАБОТКА МЕТОДОВ И АЛГОРИТМОВ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ В АВТОМАТИЗИРОВАННЫХ МАШИНОСТРОИТЕЛЬНЫХ СИСТЕМАХ 05.13.06 – Автоматизация и управление технологическими процессами и производствами (технические системы) АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук Москва 2012 г. Работа выполнена в ФГБОУ ВПО Московском государственном технологическом университете СТАНКИН. Научный руководитель : доктор технических...»

«Абрамов Николай Александрович ПРОГРАММНАЯ СИСТЕМА ВЫЯВЛЕНИЯ НЕЛЕГИТИМНОЙ АКТИВНОСТИ НА ПРОМЫШЛЕННЫХ ПЛОЩАДКАХ Специальность 05.13.11 – Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей. Автореферат диссертации на соискание ученой степени кандидата технических наук Москва 2013 Работа выполнена в Федеральном государственном бюджетном Учреждении науки Вычислительный центр им. А.А. Дородницына Российской Академии Наук Научный...»

«ГРИШИНА Елена Евгеньевна МЕТОД НЕЛИНЕЙНОГО ОБЪЕМНОГО СИНГУЛЯРНОГО ИНТЕГРО-ДИФФЕРЕНЦИАЛЬНОГО УРАВНЕНИЯ РЕШЕНИЯ ОБРАТНОЙ ЗАДАЧИ ОПРЕДЕЛЕНИЯ ЭФФЕКТИВНОЙ ДИЭЛЕКТРИЧЕСКОЙ ПРОНИЦАЕМОСТИ ТЕЛА В ВОЛНОВОДЕ Специальность 05.13.18 – Математическое моделирование, численные методы и комплексы программ Автореферат диссертации на соискание ученой степени кандидата физико-математических наук КАЗАНЬ 2013 Работа выполнена на кафедре математики и суперкомпьютерного моделирования в ФГБОУ ВПО...»

«ЧЕХОНАДСКИХ АЛЕКСАНДР ВАСИЛЬЕВИЧ АЛГЕБРАИЧЕСКИЙ МЕТОД СИНТЕЗА АЛГОРИТМОВ АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ ПОНИЖЕННОГО ПОРЯДКА 05.13.01 — системный анализ, управление и обработка информации (промышленность) Автореферат диссертации на соискание ученой степени доктора технических наук Новосибирск, 2013 г. 1 Работа выполнена в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования Новосибирский государственный технический университет...»

«Сорокин Анатолий Александрович СОЗДАНИЕ РАСЧЕТНЫХ СРЕДСТВ ДЛЯ МОДЕЛИРОВАНИЯ ПОВЕДЕНИЯ НЕГЕРМЕТИЧНЫХ ТВЭЛОВ И АКТИВНОСТИ РАДИОНУКЛИДОВ В ТЕПЛОНОСИТЕЛЕ ПЕРВОГО КОНТУРА ЛЕГКОВОДНЫХ РЕАКТОРОВ Специальность 05.13.18 Математическое моделирование, численные методы и комплексы программ Автореферат диссертации на соискание ученой степени кандидата физико-математических наук Троицк 2010 Работа выполнена в ФГУП Государственный научный центр Троицкий институт инновационных и термоядерных...»

«Газиа Мохамед Сорор Абдельлатиф Махмуд Моделирование волн и гидродинамических течений в биологических жидкостях 05.13.18 Математическое моделирование, численные методы и комплексы программ Автореферат диссертации на соискание ученой степени кандидата физико-математических наук Астрахань 2011 Работа выполнена в Астраханском государственном университете. Научный руководитель : доктор физико-математических наук, профессор Тарасевич Ю.Ю. Официальные оппоненты : доктор...»

«АБДРАФИКОВ Михаил Асхатович ОЦЕНКА НАДЕЖНОСТИ ЭЛЕКТРОННЫХ МОДУЛЕЙ РАДИОЭЛЕКТРОННЫХ СРЕДСТВ НА ОСНОВЕ АППАРАТА ПОРЯДКОВЫХ СТАТИСТИК (на примере блоков станции коммутации и каналообразования сетей связи) Специальность 05.13.01 Системный анализ, управление и обработка информации (промышленность) АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук Уфа – 2012 Работа выполнена в ФГБОУ ВПО Уфимский государственный авиационный технический университет на...»

«Нагоев Залимхан Вячеславович Методы принятия решений и управления в неструктурированных задачах на основе самоорганизующихся мультиагентных рекурсивных когнитивных архитектур Специальность – 05.13.01 – Системный анализ, управление и обработка информации (вычислительная техника и информатика) Автореферат диссертации на соискание ученой степени доктора технических наук Нальчик – 2013 Диссертация выполнена в ФГБУН Институт информатики и проблем регионального управления...»

«БУТАКОВ МИХАИЛ ИГОРЕВИЧ ИНСТРУМЕНТАЛЬНОЕ СРЕДСТВО СИНТЕЗА И ИСПОЛНЕНИЯ ТРАНСЛИРУЮЩИХ ПРОГРАММ НА ОСНОВЕ ПОЗИТИВНО-ОБРАЗОВАННЫХ ФОРМУЛ Специальность 05.13.11 – Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук Иркутск – 2012 Работа выполнена в Учреждении Российской академии наук Институте динамики систем и теории управления Сибирского отделения Российской...»

«Гусев Анатолий Владимирович ЧИСЛЕННАЯ МОДЕЛЬ ГИДРОДИНАМИКИ ОКЕАНА В КРИВОЛИНЕЙНЫХ КООРДИНАТАХ ДЛЯ ВОСПРОИЗВЕДЕНИЯ ЦИРКУЛЯЦИИ МИРОВОГО ОКЕАНА И ЕГО ОТДЕЛЬНЫХ АКВАТОРИЙ 05.13.18 – Математическое моделирование, численные методы и комплексы программ Автореферат диссертации на соискание ученой степени кандидата физико-математических наук Москва – 2009 Работа выполнена в Учреждении Российской академии наук Институте вычислительной математики РАН Научный руководитель : д.ф.-м.-н....»

«ХАЙЛЕНКО ЕКАТЕРИНА АЛЕКСЕЕВНА Алгоритмы оценивания параметров регрессионных моделей и планирования эксперимента при наличии выбросов и неоднородности распределения ошибок Специальность 05.13.17 — Теоретические основы информатики АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук НОВОСИБИРСК – 2013 Работа выполнена в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования Новосибирский государственный...»

«КОРКМАЗОВА Зарема Османовна МНОГОКРИТЕРИАЛЬНАЯ ЗАДАЧА ЭЙЛЕРА НА ПРЕДФРАКТАЛЬНЫХ ГРАФАХ 05.13.18 – Математическое моделирование, численные методы и комплексы программ Автореферат диссертации на соискание ученой степени кандидата физико-математических наук Ставрополь, 2006 Работа выполнена в Карачаево-Черкесской государственной технологической академии на кафедре математики. Научный руководитель : доктор физико-математических наук, профессор Кочкаров Ахмат Магомедович...»

«ГУДКОВА Ирина Андреевна МЕТОДЫ АНАЛИЗА ВЕРОЯТНОСТНО-ВРЕМЕННЫХ ХАРАКТЕРИСТИК МОДЕЛИ МУЛЬТИСЕРВИСНОЙ СЕТИ С ПОТОКОВЫМ И ЭЛАСТИЧНЫМ ТРАФИКОМ 05.13.17 – Теоретические основы информатики Автореферат диссертации на соискание ученой степени кандидата физико-математических наук Москва – 2011 Работа выполнена на кафедре систем телекоммуникаций Российского университета дружбы народов. Научный руководитель : доктор технических наук, профессор Самуйлов Константин Евгеньевич Официальные...»

«. КОТОВ Юрий Борисович МЕТОДЫ ФОРМАЛИЗАЦИИ ПРОФЕССИОНАЛЬНОГО ЗНАНИЯ ВРАЧА В ЗАДАЧАХ МЕДИЦИНСКОЙ ДИАГНОСТИКИ. Специальность 05.13.18 – Математическое моделирование, численные методы и комплексы программ Автореферат Диссертации на соискание ученой степени доктора физико-математических наук Москва – 2002 2 Работа выполнена в ордена Ленина Институте прикладной математики им. М.В. Келдыша Российской академии наук. Научный консультант : доктор физико-математических наук, профессор...»

«КОЗЛОВА ЛЮБОВЬ АЛЕКСАНДРОВНА АЛГОРИТМЫ И ПРОГРАММЫ ПОСТРОЕНИЯ ИНВАРИАНТНЫХ И КВАЗИИНВАРИАНТНЫХ ИНДЕКСОВ ПОТРЕБИТЕЛЬСКОГО СПРОСА Специальность 05.13.18 - Математическое моделирование, численные методы и комплексы программ АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук Ульяновск – 2010 Работа выполнена на кафедре экономико-математических методов и информационных технологий в Государственном образовательном учреждениии высшего профессионального...»

«Чибисов Петр Александрович ВСТРЕЧНОЕ ТЕСТИРОВАНИЕ ВЫСОКОПРОИЗВОДИТЕЛЬНЫХ МИКРОПРОЦЕССОРОВ Специальность 05.13.11 – математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук Москва 2013 Работа выполнена в Федеральном государственном бюджетном учреждении науки Научно-исследовательском институте системных исследований РАН. Научный руководитель : Бобков Сергей...»

«БУДКОВ Виктор Юрьевич МЕТОДЫ И ПРОГРАММНЫЕ СРЕДСТВА АУДИОВИЗУАЛЬНОЙ ОБРАБОТКИ СИГНАЛОВ ПРИ СОПРОВОЖДЕНИИ РАСПРЕДЕЛЕННЫХ СОВЕЩАНИЙ Специальность 05.13.11 – Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук Санкт-Петербург 2013 2 Работа выполнена в Федеральном государственном бюджетном учреждении науки Санкт-Петербургском институте информатики и...»

«УДК 519.6 Подрыга Виктория Олеговна Моделирование теплофизических свойств веществ методами молекулярной динамики с использованием параллельных вычислений Специальность 05.13.18 – математическое моделирование, численные методы и комплексы программ АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата физико-математических наук Москва – 2011 Работа выполнена в...»

«МУРАВЬЕВ ИГОРЬ ВЛАДИМИРОВИЧ АВТОМАТИЗИРОВАННАЯ СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ КОНСТРУКТОРСКИХ РЕШЕНИЙ ДЛЯ ОПРЕДЕЛЕНИЯ КАЧЕСТВА СОЕДИНЕНИЙ В УЗЛАХ С УЧЕТОМ ЭКОЛОГИЧЕСКИХ ФАКТОРОВ Специальность 05.13.06 – Автоматизация и управление технологическими процессами и производствами (технические системы) АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук МОСКВА 2007 Работа выполнена в Государственном образовательном учреждении Московский государственный...»

«БУРНАЕВ ЕВГЕНИЙ ВЛАДИМИРОВИЧ О МИНИМАКСНОЙ И ОБОБЩЕННОЙ БАЙЕСОВСКОЙ ЗАДАЧАХ СКОРЕЙШЕГО ОБНАРУЖЕНИЯ РАЗЛАДКИ ДЛЯ ПУАССОНОВСКОГО ПРОЦЕССА Специальность: 05.13.17 – теоретические основы информатики АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата физико-математических наук МОСКВА 2008 Работа выполнена в Московском физико-техническом институте (государственном университете) Научный руководитель : доктор физико-математических наук, профессор А.Н. Ширяев Официальные...»






 
© 2013 www.diss.seluk.ru - «Бесплатная электронная библиотека - Авторефераты, Диссертации, Монографии, Методички, учебные программы»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.