СИСТЕМНЫЙ АНАЛИЗ ПОКАЗАТЕЛЕЙ ИСХОДНОЙ ВОДЫ ПРИ ПРОИЗВОДСТВЕ ПИТЬЕВОЙ ВОДЫ В СИСТЕМЕ ЦЕНТРАЛЬНОГО ВОДОСНАБЖЕНИЯ
DOI:
https://doi.org/10.22213/2410-9304-2018-2-84-96Ключевые слова:
производство питьевой воды, метод главных компонент, кластеризация, регрессия, визуализацияАннотация
Работа посвящена системному анализу данных показателей исходной воды при производстве питьевой воды в системе центрального водоснабжения крупного населенного пункта. На сегодняшний день на фоне увеличивающегося негативного антропогенного воздействия на окружающую среду наблюдается ухудшение состояния многих источников питьевого водоснабжения в широком спектре показателей, в частности, таких как органолептические свойства воды. Как следствие, возникает проблема и для питьевой воды. В работе приводится процесс подготовки данных о параметрах исходной воды, забираемой из водохранилища, которые ежемесячно (с 2002 по 2014 год) учитывались на предприятии при дезодорации воды. Приведенные параметры оказывают существенное влияние на органолептические свойства конечной воды. Подготовка данных для анализа проводится методом главных компонент К. Пирсона. Данные, полученные в пространстве R9, переводятся в пространство меньшей размерности R3. Понижение размерности позволяет снизить автокорреляцию между компонентами. Отбор компонент в пространство R3 проводится по правилу Парето. В пространстве R3 методом сферической кластеризации данных «Форель» с постоянным радиусом группировки проводится кластеризация. Приводится пошаговое визуальное представление алгоритма кластеризации в пространстве R3. В работе показано, что в данных показателях качества исходной воды имеются кластеры. Проводится корреляционно-регрессионный анализ данных, представленных в главных компонентах. Строятся регрессионные зависимости показателей органолептических свойств от главных компонент из пространства R3.Библиографические ссылки
Pearson K. On Lines and Planes of Closest Fit to Systems of Points in Space // Philosophical Magazine (London, UK). 1901. № 2 (11). P. 559-572.
Калиткин Н. Н. Численные методы. М. : Наука, 1978. C. 177.
Koch R. The 80/20 Principle : The Secret of Achieving More with Less. New York: Doubleday. 1998. 288 p.
Соболь И. М. Метод Монте-Карло. М. : Наука, 1968. 64 с.
Калиткин Н. Н. Указ. соч. C. 59.
Благодатский Г. А., Тененев В. А., Шаура А. С. Численная реализация алгоритма управления запасами при длительных сроках поставки комплектующих в условиях «узких» мест производственного цикла // Интеллектуальные системы в производстве. 2016. № 4 (31). С. 40-44. DOI: 10.22213/2410-9304-2016-4-40-44.
Благодатский Г. А., Горохов М. М., Переведенцев Д. А. Моделирование системы нечеткого логического вывода оценки наукоемких проектов // Автоматизация процессов управления. 2017. № 2 (48). С. 82-89.
Благодатский Г. А., Горохов М. М., Чухланцев Е. С. Программно-инструментальное средство оценки тренированности спортсменов высших квалификаций // Вестник ИжГТУ имени М. Т. Калашникова. 2016. № 2 (70). С. 87-90.