БАЙЕСОВСКИЙ ПОДХОД К ПОВЫШЕНИЮ ДОСТОВЕРНОСТИ КОНТРОЛЯ КАЧЕСТВА ВОД

O. M. Rozental’, L. N. Aleksandrovskaya, A. V. Kirillin

Аннотация


Повышенная изменчивость и одновременно – пониженная частота выборочных измерений контролируемых показателей природных вод повышают вероятность ошибочной оценки их качества. В работе решается задача повышения достоверности такой оценки путем анализа массивов новых данных совместно с данными, накопленными в предыдущие периоды. Для этого  была применена модификация байесовского подхода с использованием показателя степени однородности объединяемых данных. Показано, что в последнем случае объединенная оценка смещается по сравнению с байесовской в сторону оценки максимального правдоподобия по вновь полученным экспериментальным данным, «забывая» таким образом устаревшие данные. При этом 90-процентный доверительный интервал, в котором заключены истинные значения контролируемых показателей, сужается, что повышает достоверность вероятностной оценки качества воды. Предложенный подход проиллюстрирован на примере универсального непараметрического метода оценки вероятности соответствия концентрации некоторого загрязняющего вещества предъявляемым требованиям, как наиболее общего показателя качества воды. Пример доведен до конкретных числовых значений, позволяющих как провести сравнение классического и модифицированного байесовского подхода, так и выдать рекомендации по рациональному использованию последнего. Предложенный подход может найти широкое применение в задачах анализа статистических показателей качества в различных предметных областях при дефиците экспериментальных данных.

Ключевые слова: контроль качества вод, вероятностная оценка, байесовский подход, смесь распределений, функция максимального правдоподобия

DOI: http://dx.doi.org/10.15826/analitika.2018.22.3.001

Полный текст:

PDF

Литература


REFERENCES

Chernjaev А.М., eds. Voda Rossii. Rechnye basseiny [Water of Russia. River Basins]. Ekaterinburg, Aqua-Press Publ., 2000. 536 p. (in Russian).

Zhen-Gang Ji. Hydrodynamics and water quality. Modeling rivers, lakes, and estuaries. A John Wiley & Sons, Inc, 2008. 670 p.

Aleksandrovskaya L.N., Rozental O.M. [Risk-based monitoring of water pollutants]. Analitika i kontrol’ [Analytics and Control], 2016, vol. 20, no. 1, pp. 6-14, DOI:10.15826/analitika.2015.20.1.004 (in Russian).

Rene E.R., Saidutta M.B. Prediction of water quality indices by regression analysis and artificial neural networks. International Journal of Environmental Research, 2008, vol. 2 (2), pp. 183-188, DOI: 10.22059/IJER.2010.192.

Gelman A., Hill J. Data Analysis Using Regression and Multilevel/Hierarchical Models. Cаmbridge: Cаmbridge Univеrsity Prеss, 2006. 648 p.

Carlin B.P., Louis T.A. Bayesian Methods for Data Analysis. Third Edition. Chapman & Hall/CRC, 2008. 535 p.

Kriukov S.P., Bodrunov S.D., Aleksandrovskaya L.N., Aronov I.E., Zakharevich A.P., Kuznetsov A.G., Kushel`man V.Ia. Metody analiza i otsenivaniia riskov v zadachakh menedzhmenta bezopasnosti slozhnykh tekhnicheskikh sistem [Methods for Analyzing and Estimating Risk in Security Management Problems for Complex Technical Systems]. Saint Petersburg, Aerokosm. Oborud. Corp. Publ., 2007. 462 p. (in Russian).


Ссылки

  • На текущий момент ссылки отсутствуют.