ДИСТАНЦИОННЫЙ СПОСОБ КЛАССИФИКАЦИИ НЕФТЯНЫХ ЗАГРЯЗНЕНИЙ НА ПОВЕРХНОСТИ ВОДЫ Российский патент 2013 года по МПК G01N21/64 

Область техники

Изобретение относится к измерительной технике и может быть использовано для оперативной идентификации разливов нефти и нефтепродуктов на морских, озерных и речных акваториях.

Уровень техники

Одними из наиболее перспективных классов датчиков для дистанционного оперативного контроля разливов нефти и нефтепродуктов являются лазерные флуориметры, работа которых основана на регистрации флуоресцентного излучения от исследуемой водной поверхности (см., например, [1]).

Лазерные флуориметры позволяют обнаруживать нефтяные загрязнения и проводить их идентификацию или, по крайней мере, классификацию по трем группам: легкие очищенные нефтепродукты (НП), сырая нефть и тяжелые нефтепродукты [1]. Основным признаком при этом является регистрируемый приемником лазерного измерителя спектр флуоресценции.

Известны способы классификации нефтяных загрязнений на поверхности воды [2 и 3], являющиеся аналогом и прототипом предлагаемого изобретения. Прототипный способ заключается в том, что исследуемую водную поверхность облучают на длине волны возбуждения в ультрафиолетовом диапазоне, регистрируют флуоресцентное излучение от исследуемой водной поверхности, и классификацию нефтяных загрязнений осуществляют по результатам сравнения измеренных спектров флуоресцентного излучения с эталонными (предварительно записанными) спектрами излучения образцов.

Недостатком прототипного способа является необходимость измерения спектра флюоресценции в широком спектральном диапазоне, что требует дорогостоящего многоканального приемного устройства.

Раскрытие изобретения

Задачей предлагаемого изобретения является измерение спектра флюоресценции в узких спектральных диапазонах без потери качества классификации нефтяных загрязнений. Эффект достигается тем, что в предлагаемом способе классификации нефтяных загрязнений на поверхности воды облучают исследуемую водную поверхность в ультрафиолетовом диапазоне на длине волны возбуждения λ_в, регистрируют интенсивность флуоресцентного излучения I(λ₁), I(λ₂), I(λ₃), I(λ₄) от исследуемой водной поверхности в четырех узких спектральных диапазонах с центрами на длинах волн λ₁, λ₂, λ₃, λ₄, выбранных из условия максимального расстояния между классами в двумерном пространстве классифицирующих признаков и , находят величины K₁ и K₂ для исследуемой водной поверхности, и о принадлежности нефтяного загрязнения к одному из классов судят по попаданию найденных величин K₁ и K₂ для исследуемой водной поверхности в область, соответствующую этому классу в двумерном пространстве классифицирующих признаков.

Предлагаемый способ позволяет проводить классификацию по четырем группам: вода с различными характеристиками (незагрязненная нефтепродуктами поверхность), белок или водоросли в воде; сырая нефть; тяжелые нефтепродукты; легкие очищенные нефтепродукты.

Значения длин волн центров спектральных диапазонов λ₁, λ₂, λ₃, λ₄ и конкретные границы классов зависят от конкретной длины волны возбуждения λ_в исследуемой акватории и определяются из условия максимальной вероятности правильной классификации.

Перечень фигур

На фиг.1 схематично изображено устройство, реализующее предлагаемый способ.

На Фиг.2 и Фиг.3 представлены некоторые типы воды и нефтепродуктов в пространстве выбранных классифицирующих признаков.

На Фиг.4 и Фиг.5 показано разделение классов с помощью линейно-кусочных границ (h(K₁, K₂)) для длин волн возбуждения 226 и 337 нм соответственно.

Осуществление изобретения

Устройство на фиг.1 содержит источник ультрафиолетового излучения 1, облучающий водную поверхность на длине волны возбуждения λ_в; фотоприемник 2, регистрирующий флуоресцентное излучение от водной поверхности в четырех узких спектральных диапазонах (с центрами на длинах волн λ₁, λ₂, λ₃, λ₄); блок обработки 3, который по данным измерений определяет величины K₁ и K₂ для исследуемой водной поверхности и проводит проверку попадания полученных значений K₁ и K₂ в область, соответствующую одному из классов в двумерном пространстве классифицирующих признаков.

Предлагаемый способ классификации нефтяных загрязнений на поверхности воды осуществляют следующим образом.

Источник ультрафиолетового излучения 1 (например, лазер с длиной волны возбуждения 266, или 308, или 337 нм - на эти длины волн приходится наибольшее количество известных по общедоступной научно-технической литературе измеренных спектров флуоресценции воды, нефти и нефтепродуктов) облучает исследуемую водную поверхность 4 на длине волны возбуждения λ_в (например, источник излучения 1 может находиться на авиационном носителе).

Облучение водной поверхности осуществляют вертикально вниз. Фотоприемник 2 регистрирует от исследуемой водной поверхности интенсивность флуоресцентного излучения I(λ₁), I(λ₂), I(λ₃), I(λ₄) в чeтыpex узких спектральных диапазонах с центрами на длинах волн λ₁, λ₂, λ₃, λ₄.

Сигналы с фотоприемника 2 поступают в блок обработки 3, в который введены границы классов (I - вода с различными характеристиками (незагрязненная нефтепродуктами поверхность), белок или водоросли в воде; II - сырая нефть; III - тяжелые нефтепродукты, IV - легкие очищенные нефтепродукты), заранее определенные для используемой волны возбуждения λ_в и исследуемой акватории.

В блоке обработки 3 по данным измерений находят величины и для исследуемой водной поверхности и проводят проверку попадания найденных значений K₁ и K₂ в область, соответствующую одному из классов в двумерном пространстве классифицирующих признаков.

При облете исследуемой акватории результатом работы блока 3 является массив данных о классификации нефтяных загрязнений (карта нефтяных загрязнений).

В настоящее время имеются достаточно многочисленные общедоступные экспериментальные данные по спектрам флуоресценции (в различных спектральных диапазонах регистрации) различных нефтей, нефтепродуктов и чистой воды для разных акваторий и для разных длин волн возбуждения 266, 308 и 337 нм и др. (см., например, [1, 4-6]).

Спектральные диапазоны регистрации флуоресцентного излучения (с центрами на длинах волн λ₁, λ₂, λ₃, λ₄) выбираются по максимуму расстояний между классами в двумерном пространстве классифицирующего признака. Результаты математического моделирования показывают:

- для длины волны возбуждения 266 нм задача классификации может быть решена, используя спектральные диапазоны с центрами на длинах волн 296, 306, 350, 367 нм. Таким образом, для длины волны возбуждения 266 нм классифицирующими признаками являются контрасты:

- для длины волны возбуждения 337 нм задача классификации может быть решена, используя спектральные диапазоны с центрами на длинах волн 395, 402, 408, 411 нм. Таким образом, для длины волны возбуждения 337 нм классифицирующими признаками являются контрасты:

На Фиг.2 представлены: 1 - модельная проба воды, 2 - вода Черного моря, 3 - белок, растворенный в воде, 4 - водоросль хлорелла в воде, 5 - водоросль хлорококкум в воде, 6 - гадливая и гуминовые кислоты в воде, 7 - нефть Ливийская в воде №1, 5 - нефть Шаимская в воде, 9 - нефть в воде, 10 - нефть Ливийская в воде №2, 11 - мазут в воде, 12 - дизельное топливо в воде, 13 - топливо для реактивных самолетов в воде, 14 - керосин в воде.

На Фиг.3 представлены: 1 - растворенное органическое вещество (РОВ), 2 - вода р. Дон, 3 - вода ручья Оуквилл, 4 - вода ручья Твелф-майл, 5 - нефть Ливийская, 6 - нефть фирмы Esso (высший сорт), 7 - нефть фирмы Esso, 8 - соляное масло, 9 - дизельное топливо, 10 - керосин.

При математическом моделировании работы метода классификации нефтяных загрязнений на поверхности воды считалось, что из-за шумов и погрешностей измерения интенсивности в спектрах флуоресценции распределены по нормальному закону. Полагалось, что каждый класс состоит из множества веществ; каждое вещество определяется нормально распределенными классифицирующими признаками; параметры распределений определяются для каждого вещества отдельно.

Полученные классы разделяют при помощи гиперплоскостей (см., например, [7]). Разделение классов с помощью линейно-кусочных границ (h(K₁, K₂)) представлено на Фиг.4 и Фиг.5 для длин волн возбуждения 226 и 337 нм соответственно. Верхние индексы I, II, III, IV указывают на пары разделяемых классов (I - вода, белок или водоросли в воде; II - сырая нефть; III - тяжелые нефтепродукты, IV - легкие очищенные нефтепродукты).

Находилась вероятность правильной классификации нефтяных загрязнений по четырем группам: вода, белок или водоросли в воде; сырая нефть; тяжелые нефтепродукты; легкие очищенные нефтепродукты.

В Таблицах 1 и 2 приведены результаты математического моделирования классификации нефтяных загрязнений на водной поверхности предлагаемым способом. Математическое моделирование проводилось для длин волн возбуждения 337 нм и 266 нм и разной величины относительного среднеквадратического значения шума регистрирующей аппаратуры.

Таблица 1. Вероятности правильной классификации для длины волны возбуждения 266 нм σ, % 1 2 3 4 5 Вещество Модельная проба воды 1,000 0,958 0,888 0,841 0,821 Вода Черного моря 1,000 1,000 1,000 0,999 0,992 Белок, растворенный в воде 1,000 0,988 0,912 0,821 0,746 Водоросль хлорелла в воде 0,985 0,856 0,759 0,700 0,657 Водоросль хлорококкум в воде 1,000 1,000 1,000 0,994 0,976 Гадливая и гуминовые кислоты в воде 1,000 1,000 1,000 1,000 1,000 Нефть Ливийская в воде 0,999 0,913 0,821 0,752 0,695 Нефть Шаимская в воде 1,000 0,963 0,889 0,815 0,758 Нефть в воде 1,000 0,956 0,861 0,767 0,698 Нефть Ливийская в воде 1,000 0,996 0,951 0,867 0,779 Мазут в воде 0,987 0,872 0,771 0,721 0,674 Дизельное топливо в воде 1,000 1,000 0,999 0,988 0,961 Топливо для реактивных самолетов в воде 0,998 0,925 0,833 0,772 0,729 Керосин в воде 1,000 0,967 0,887 0,809 0,737

Таблица 2. Вероятности правильной классификации для длины волны возбуждения 377 нм σ, % 1 2 3 4 5 Вещество РОВ 1,000 0,987 0,935 0,868 0,819 Вода р.Дон 1,000 1,000 1,000 0,999 0,994 Вода ручья Оуквилл 1,000 1,000 0,994 0,974 0,944 Вода ручья Твелф-майл 1,000 1,000 1,000 0,998 0,988 Нефть Ливийская 0,998 0,924 0,794 0,674 0,578 Нефть фирмы Esso (высший сорт) 1,000 1,000 0,996 0,979 0,942 Нефть фирмы Esso 1,000 1,000 0,999 0,983 0,955 Соляное масло 1,000 0,996 0,956 0,875 0,778 Дизельное топливо 1,000 0,997 0,970 0,924 0,890 Керосин 0,997 0,919 0,811 0,726 0,643

Из таблиц 1 и 2 видно, что разработанный метод классификации позволяет надежно классифицировать нефтяные загрязнения на водной поверхности.

Для длины возбуждения 266 нм при шуме измерения σ=1% вероятность правильной классификации оказывается не хуже 0,985, а в большинстве случае практически 1 (с точностью до трех знаков после запятой).

Для длины возбуждения 337 нм при шуме измерения σ=1% вероятность правильной классификации оказывается не хуже 0,997, а в большинстве случае практически 1 (с точностью до трех знаков после запятой).

Таким образом, предлагаемый дистанционный способ классификации нефтяных загрязнений на поверхности воды, основанный на регистрации флуоресцентного излучения в четырех узких спектральных диапазонах, позволяет надежно классифицировать нефтяные загрязнения на водной поверхности.

Источники информации

1. Межерис Р. Лазерное дистанционное зондирование. - М.: Мир. 1987, - 550 с.

2. Patent US 3899213. Airborne laser remote sensing system for the detection and identification of oil spills. Date of Patent Aug. 12, 1975. Int. Cl. G01Т 1/169; G01N 21/38.

3. Патент RU 2233438. Способ дистанционного обнаружения и идентификации объектов органического происхождения. Дата действия патента 26.08.2003. МПК G01N 21/64.

4. Таер Абд Дейдан, Пацаева С.В., Фадеев В.В., Южаков В.И. Спектральные особенности флуоресценции нефтепродуктов в пленках и в объеме воды. //Оптика атмосферы и океана. 1994. Т.7. №4. С.455-463.

5. Дистанционный контроль верхнего слоя океана. / В.М.Орлов, И.В.Самохвалов, М.Л.Белов и др. Новосибирск: Наука. Сиб. отд-ние, 1991. 149 с.

6. Глушков С.М., Фадеев В.В., Филиппова Е.М., Чубаров В.В. Проблемы лазерной флуориметрии органических примесей в природных водах. //Оптика атмосферы и океана. - 1994. - Т.7, №4. - С.464-473.

7. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Классификация и снижение размерности. - М.: Финансы и статистика. 1989, - 607 с.

Изобретение относится к измерительной технике и может быть использовано для оперативной идентификации разливов нефти и нефтепродуктов на морских, озерных и речных акваториях. Для классификации нефтяных загрязнений на поверхности воды облучают исследуемую водную поверхность в ультрафиолетовом диапазоне на длине волны возбуждения λ_в, регистрируют интенсивность флуоресцентного излучения I(λ₁), I(λ₂), I(λ₃), I(λ₄) от исследуемой водной поверхности в четырех узких спектральных диапазонах с центрами на длинах волн λ₁, λ₂, λ₃, λ₄, выбранных из условия максимального расстояния между классами в двумерном пространстве классифицирующих признаков и . Находят величины K₁ и K₂ для исследуемой водной поверхности и о принадлежности нефтяного загрязнения к одному из классов судят по попаданию найденных величин K₁ и K₂ для исследуемой водной поверхности в область, соответствующую этому классу в двумерном пространстве классифицирующих признаков. Изобретение позволяет проводить классификацию по четырем группам: вода с различными характеристиками (незагрязненная нефтепродуктами поверхность), белок или водоросли в воде, сырая нефть, тяжелые нефтепродукты, легкие очищенные нефтепродукты. 5 ил., 2 табл.

Дистанционный способ классификации нефтяных загрязнений на поверхности воды, включающий облучение исследуемой водной поверхности на длине волны возбуждения в ультрафиолетовом диапазоне, регистрацию флуоресцентного излучения от исследуемой водной поверхности в широком спектральном диапазоне и классификацию нефтяных загрязнений по результатам сравнения измеренных спектров флуоресцентного излучения с эталонными (предварительно записанными) спектрами излучения образцов, отличающийся тем, что поверхность воды облучают в ультрафиолетовом диапазоне на длине волны возбуждения λ_в, регистрируют интенсивность флуоресцентного излучения I(λ₁), I(λ₂), I(λ₃), I(λ₄) от исследуемой водной поверхности в четырех узких спектральных диапазонах с центрами на длинах волн λ₁, λ₂, λ₃, λ₄, выбранных из условия максимального расстояния между классами в двумерном пространстве классифицирующих признаков и , находят величины K₁ и K₂ для исследуемой водной поверхности, а о принадлежности нефтяного загрязнения к одному из классов судят по попаданию найденных величин K₁ и K₂ для исследуемой водной поверхности в область, соответствующую этому классу в двумерном пространстве классифицирующих признаков.