Інтервальний нечіткий кластерний аналіз для моніторингу стану артезіанської свердловини

Abstract

UK: Актуальність. Моніторинг природних систем різного характеру є необхідною умовою раціонального природокористування. Технології інтелектуального аналізу даних, зокрема кластерний аналіз, надають широкі можливості для візуалізації наборів даних, що дозволяє використовувати ці технології людьми, які не мають спеціальної математичної підготовки. Задача моніторингу системи, стан якої змінюється в часі, висуває вимогу розширеної інтерпретації результатів кластеризації з урахуванням історичних даних. Технічні можливості для виявлення характеру змін, що відбуваються в об’єкті, представленому набором даних, мають особливе значення в задачі моніторингу водних ресурсів, оскільки вони перебувають у тісному взаємозв’язку з зовнішнім середовищем, та величина їхніх запасів залежить від багатьох факторів, зовнішніх відносно водоносної системи. Після введення в експлуатацію артезіанська свердловина потребує постійного спостереження задля правильного керування експлуатацією підземних вод, захисту їх від забруднення та вичерпання, а також попередження негативних наслідків впливу водовідбору на навколишнє середовище. Крім того, для складних природних систем характерна висока надлишковість простору параметрів, а також наявність як відомих, так і не виявлених досі кореляційних зв’язків між параметрами. Ці фактори зумовлюють необхідність використання методів кластерного аналізу, здатних працювати в умовах невизначеності та надлишковості параметрів. Мета роботи – розширення можливостей для аналізу зміни стану системи в часі шляхом урахування невизначеностей, присутніх у даних спостережень. Метод. Запропоновано застосування методу інтервального нечіткого кластерного аналізу для дослідження зміни характеристик набору даних у часі та виявлення загальних тенденцій. Формалізація поставленої технологічної задачі в термінах інтелектуального аналізу даних передбачає можливість одночасної роботи з множиною вхідних векторів. Сформульовано покроковий алгоритм побудови інтервальної оцінки стану природної системи на основі історичних даних спостережень та поточних значень. Результати. Запропоновану модель адаптовано до розв’язання технологічної задачі моніторингу артезіанської свердловини та експериментально показано можливості раннього виявлення прихованих закономірностей. Висновки. Інтервальний нечіткий кластерний аналіз дозволяє враховувати та моделювати невизначеності довільної природи, що виникають у даних досліджень артезіанської свердловини на різних стадіях моніторингу. Показано, що одночасне подання на вхід системи даних кількох свердловин може дати змогу оцінити не лише їхнє розташування щодо стандартних компактних класів за (потенційною) якістю води, але й взаємне розташування, і в кінцевому підсумку вказати на деяку не виявлену до цього закономірність. EN: Context. Monitoring natural systems of diverse nature is an essential condition of rational environmental management. Data Mining technologies, cluster analysis in particular, provide a wide range of capabilities for data sets visualization, which makes it possible for these technologies to be used by individuals with no specialized background in mathematics. The task of monitoring a system that changes its state in time requires extended interpretation of clustering result, which would allow accounting for historical data. Technical capabilities for revealing the nature of changes occurring in the object represented by a data set are of particular importance in water resources monitoring area, as they are strongly related to their environment, and the quantity of the available reserves depend on multiple factors, which are external to the water-bearing system. Upon commissioning, an artesian well requires constant monitoring in order to ensure proper management of groundwater processing, protection against pollution and exhaustion, and preventing negative effects of groundwater mining on the environment. In addition, high redundancy of the parameter space is typical for complex natural systems, as well as existence of both known and not yet discovered correlations between parameters. These factors necessitate the use of cluster analysis methods, which would be capable of operating within the conditions of uncertainty and parameter redundancy. Objective. The goal of the research is extending the capabilities for analyzing changes in a system’s state in time by accounting for uncertainties present in observations data. Method. An application of the interval fuzzy cluster analysis method for investigating changes in data set characteristics in time, and for revealing general trends, is proposed. Formalizing the technological problem faced by the research in terms of Data Mining provides for a possibility of simultaneously processing multiple input vectors. A step-by-step algorithm for interval evaluation of the state of a natural system based on historical observations data and current values is developed. Results. The proposed model is adapted for solving the technological task of an artesian well monitoring, and its capabilities for revealing hidden patterns on early stages are demonstrated experimentally. Conclusions. Interval fuzzy cluster analysis allows taking into account and modeling uncertainties of any given nature, which may occur in artesian well research data on different stages of monitoring. It is shown, that concurrent input of multiple wells data may allow to evaluate not only there position against the standard compact classes according to (potential) water quality, but also their position against each other, and eventually indicate a previously unknown pattern.