Контрфактуальный анализ эффективности обеззараживания органических отходов животноводства

Полный текст

Введение

Согласно данным Организации Объединенных Наций, в мире ежегодно образуется более 1 млрд т продовольственных и сельскохозяйственных органических отходов. Это связано с технологическими процессами животноводства, составляющими которых являются подстилочный и бесподстилочный навоз, технологические стоки, отходы кормления и другие продукты жизнедеятельности животных. В настоящее время энергетический потенциал данных органических систем используется не более чем на 35–40 %. Оставшиеся объемы представляют собой серьезную нагрузку на окружающие экосистемы. В Российской Федерации, согласно данным Федеральной службы по гидрометеорологии и мониторингу окружающей среды (Росгидромет), а таже статистическим данным Росстата за 2020–2022 гг., в агропромышленном комплексе образовалось порядка 150 млн т отходов. Усредненное ежегодное значение составляет порядка 45–47 млн т, из которых 95–97 % приходятся на навоз и его отдельные разновидности, в том числе помет, подстилку и прочее. К сожалению, используемые технические решения по утилизации данного вида отходов не обеспечивают должной интенсивности, что приводит к недостаточному использованию потенциала органических отходов животноводства как потенциального энергоносителя. Отсутствие экологически безопасных и энергетически эффективных решений по интенсивному обеззараживанию органических отходов животноводства приводит к его внесению в почвы с высоким содержанием патогенных элементов, что увеличивает площадь эродированных земель. Ежегодный экономический убыток, связанный с данной проблемой, составляет порядка 25 млрд руб. Согласно отчету Минсельхоза России за 2019 год, объем производства свинины в России составил более 5,8 млн т, что является рекордным показателем за последние 30 лет. В 2020–2022 гг. данный показатель сохранялся на прежнем уровне. Известно, что обеспечить данный объем производства возможно использованием индустриального подхода к животноводству. Индустриализация животноводства требует бесподстилочного содержания свиней, а также высокопроизводительных и технологически эффективных технических решений по удалению и обеззараживанию жидких отходов. Доказано [1–9], что обеспечение обеззараживания свиного бесподстилочного навоза без совместного использования специфических цифровых инструментов на сегодняшний день затруднительно. Так, разработка цифровых решений, дополняющих используемые технические решения обеззараживания свиного бесподстилочного навоза, является актуальной задачей для науки, практическая составляющая которой позволит повысить экологическую безопасность и энергетическую эффективность.

Кроме значительной энергоемкости процесс обеззараживания и подготовки к нему свиного бесподстилочного навоза обладает высокой длительностью. В зависимости от климатических условий обеззараживание и подготовка к нему могут продолжаться от 6 до 9 месяцев, что приводит к значительным экономическим и экологическим убыткам. Интенсифицировать данный процесс возможно путем использования активаторов. Наиболее распространенными являются химические, физические и физико-химические. К химическим активаторам относят воздействия бактерицидными реагентами, к физическим – волновые воздействия механическими колебаниями на частоте ультразвука, а также воздействия электромагнитным полем с перемещающимися в нем ферромагнитными телами различной формы. Установлено [10–15], что использование физических и химических активаторов в комплексе, контролируемом цифровыми системами, является наиболее приоритетным направлением интенсификации обеззараживания свиного бесподстилочного навоза и органических отходов животноводства в целом.

Целью исследования является контрфактуальная оценка эффективности модели обеззараживания свиного бесподстилочного навоза в активаторе обеззараживания.

Для достижения поставленной цели необходимо решить следующие задачи:

– обосновать наиболее перспективный активатор обеззараживания свиного бесподстилочного навоза;

– определить наиболее значимые факторы эффективности обеззараживания свиного бесподстилочного навоза и модель, формализующую их;

– провести контрфактуальный анализ полученной модели.

Объект исследования – свиной бесподстилочный навоз влажностью 88–98 %, предмет – контрфактуальный анализ зависимости числа КОЕ ОКБ от времени экспозиции в активаторе, концентрации активного хлора, массы рабочих тел, магнитной индукции, влажности бесподстилочного навоза.

Обзор литературы

Обеззараживание – комплекс мероприятий, направленный на подавление патогенной составляющей обрабатываемой среды. Согласно исследованию В. Г. Тюрина, обеззараживание включает: дезинсекцию, дератизацию, дегазацию, дезактивацию, дезинфекцию [14]. Наиболее приоритетной составляющей описанного комплекса мероприятий в вопросе энергетически эффективного и экологически безопасного обеззараживания органических отходов являются эффекты, обеспечиваемые дезинфекцией. На основании проведённого анализа [11–24], а также результатов собственных исследований [24–26], сформулированы следующие требования к данной операции: устойчивый пролонгированный бактерицидный эффект, а также минимальное количество отрицательных побочных продуктов. К отрицательным побочным продуктам зачастую относят образование следующих элементов: тригалометанов, броматов, хлоратов, хлоритов, альдегидов, кетонов, органических кислот, бромсодержащих тригалометанов, броматов (в присутствии бромидов), пероксидов, бромуксусной кислоты и т. п.¹ Образование данных элементов приводит к необходимости внедрения дополнительных операций, направленных на их сепарацию, удаление и энергетически эффективную утилизацию. Установлено [24; 26], что наиболее рациональным вариантом обеззараживания органических отходов животноводства является использование комбинированных физико-химических воздействий. Доказана эффективность использования хлорсодержащих реагентов, среди которых хлорная известь Ca(Cl)OCl, гипохлорит натрия NaClO, диоксид хлора ClO₂, хлорамин NH₂Cl [13; 14; 19; 22]. Обобщенно механизм подавления активности патогенных форм с использованием описанных реагентов можно представить следующим образом: хлорноватистая кислота взаимодействует с гипохлорит ионами протоплазмы, находящимися в органических отходах, что вызывает течение окислительного процесса с последующей деградацией и лизисом жизненно важных путей патогенов. Отмечен положительный опыт обеззараживания с использованием наночастиц серебра [27; 28]. В отличие от традиционного бактериостатического подавления активности патогенов олигодинамическими реагентами, использование наночастиц серебра позволяет проникать в протоплазму и цитоплазму клеток, что приводит к их естественному лизису. Существенными преимуществами использования химических составляющих при обеззараживании органических отходов животноводства является обеспечение устойчивого пролонгированного бактерицидного эффекта, эффективность против большинства психрофильных и мезофильных патогенных форм.

На основании проведенных экспериментальных исследований, методик и результатов, которые подробно описаны в исследовании ряда авторов, доказано, что наиболее перспективным способом обеззараживания органически отходов животноводства является использование воздействий, сочетающих физические и химические эффекты¹ [29]. Одной из систем, позволяющих реализовать данные требования, являются электромагнитные активаторы. Общий вид активатора в разрезе представлен ниже (рис. 1).

 

Р и с. 1. Общий вид активатора обеззараживания в разрезе: 1 – труба рабочей зоны; 2 – корпус; 3 – индуктор; 4 – пространство рабочей зоны; 5 – стержневые или шаровые рабочие ферромагнитные тела; 6 – шкаф управления; 7 – станина устройства

F i g. 1. General view of the decontamination activator in the section: 1 – working area pipe; 2 – housing; 3 – inductor; 4 – working area space; 5 – rod or ball working ferromagnetic bodies; 6 – control cabinet; 7 – the device frame

 

Опыт использования данных систем в смежных областях описан в работах П. И. Гриднева, Д. А. Ковалева и др. [30–34]. Электромагнитный активатор представляет собой индуктор, создающий вращающееся переменное электромагнитное поле, рабочая зона которого является открытым цилиндром, находящимся в расточке индуктора с перемещающимися внутри ферромагнитными телами. Согласно исследованиям [35; 36], геометрия, масса рабочих тел и уровень заполненности ими рабочей зоны электромагнитного активатора оказывают значительное влияние на эффективность реализуемых процессов. В данном случае под эффективностью понимается соотношение уровня энергетических затрат к совокупности количественных показателей, определяющих качество. Установлено, что данное физическое воздействие значительно интенсифицирует химические реакции. Положительной составляющей данного эффекта является получение безопасного с санитарно-эпидемиологической точки зрения продукта за меньший промежуток времени и с наименьшими энергозатрами.

Из анализа рисунка 1 видно, что зона подачи химического активатора обеззараживания располагается непосредственно перед воздействием индуктора. Подача химического активатора осуществляется путём массового дозирования в трубу рабочей зоны. Методика приготовления химического активатора и их типы подробно описаны в работах [25; 29]. Согласно следующим проанализированным источникам [22; 24; 29], наиболее предпочтительным химическим активатором обеззараживания бесподстилочного навоза является активный хлор, положительный опыт использования которого описан в нескольких рассмотренных нами работах [14–18; 29]. Отличительным признаком использования данного химического активатора является его сниженная концентрация, обусловленная последующей интенсификацией. Данный способ обеззараживания бесподстилочного навоза защищен патентом Российской Федерации на изобретение № 2723609.

Бесподстилочный навоз совместно с химическим активатором далее подается в технологическое пространство рабочей зоны, в котором происходит воздействие вращающегося переменного магнитного поля промышленной частоты и перемещающихся в нем ферромагнитных тел. Результаты сопоставления данных имитационного моделирования влияния массы и геометрии рабочих тел на его энергетические характеристики в среде Comsol Multiphysics представлены на рисунке 2. Согласно данным исследований [32–36], геометрия и масса используемых рабочих тел оказывают значительное влияние на эффективность обеззараживания. Доказано [34; 35], что наиболее рациональным является использование стержневой и шаровой формы рабочих тел. С целью проверки приведенных данных было принято решение провести исследование [35], суть которого заключалась в имитационном моделирования влияния массы и геометрии ферромагнитных тел, перемещающихся во вращающемся переменном магнитном поле индуктора, на энергетические характеристики: активную, реактивную, полную мощности, уровень магнитной индукции. Моделирование осуществлялось на основании результатов исследований [36]. Методика, условия, параметры моделирования описаны в работе А. А. Лаврентьева и др. [35].

Анализ результатов, представленных на рисунке 2, позволил сделать следующие выводы: при минимальной массе ферромагнитных стержневых рабочих тел уровень магнитной индукции составляет В ≈ 38–40 мТл, при максимальной В ≈ 54–57 мТл, при минимальной массе шаровых ферромагнитных рабочих тел В ≈ 50 мТл, при максимальной В ≈ 68–72 мТл [35]. Был сделан вывод о наибольшей перспективности использования шаровых ферромагнитных рабочих тел в качестве физического активатора.

Проведённый анализ источников позволил выделить наиболее существенные факторы, оказывающие влияние на эффективность активации обеззараживания бесподстилочного навоза физико-химическим воздействием. К ним относятся: концентрация химического активатора, масса шаровых ферромагнитных рабочих тел, магнитная индукция в рабочей зоне индуктора, влажность бесподстилочного навоза и время экспозиции материала с активатором.

 

Р и с. 2. Сопоставление результатов моделирования влияния массы и геометрии ферромагнитных рабочих тел на энергетические характеристики активатора в среде Comsol Multiphysics

F i g. 2. Comparison of simulation results of the influence of the mass and geometry of ferromagnetic working bodies on the energy characteristics of the activator in the Comsol Multiphysics environment

 

После определения конструктивно-технологических параметров активатора обеззараживания бесподстилочного навоза необходимо выбрать наиболее представительные маркеры, определяющие эффективность процесса. Анализ информационных источников [18; 21; 23], результатов испытаний [25; 29], а также нормативных документов позволил с достаточной степенью достоверности принять в качестве данного маркера число КОЕ ОКБ. Известно, что общие колиформные бактерии включают в себя следующие виды микроорганизмов: Escherichia coli (E. coli), Enterobacter spp., Klebsiella spp., Citrobacter spp. Это грамотрицательные бактерии, присутствующие в кишечнике животных и человека, они являются представительным маркером фекального загрязнения среды [24; 26; 29]. Известно, что концентрация ОКБ в бесподстилочном навозе в значительной мере варьируется в зависимости от вида животных, рациона их питания, условий и формы содержания. Однако концентрация ОКБ в свежем бесподстилочном навозе составляет не менее 10–30·10⁶ колоний на грамм, что делает их информативным маркером эффективности обеззараживания.

Материалы и методы

После обоснования наиболее перспективного активатора обеззараживания, выбора маркера, определяющего эффективность воздействия, на основании исследований сформулируем диапазоны варьирования наиболее значимых факторов. Диапазоны варьирования факторов, входящих в анализируемую модель, представлены в таблице 1.

Так как физико-химическая активация процесса обеззараживания бесподстилочного навоза физико-химическим воздействием является многофакторной задачей, вклад в которую вносят не только отдельные оценки коэффициентов описанных факторов, но и их парные взаимодействия, в качестве модели, формализующей их связь, была выбрана следующая зависимость:

$\overline{y}=b_0^{,}+\sum _{}_{i=1}^k{b}_i{x}_i+\sum _{}_{ji=1}^k{b}_{ij}{x}_i{x}_j+\sum _{}_{i=1}^k{b}_{ii}^{,}\left(x_{ii}^2-\beta \right).$ (1)

 

Т а б л и ц а 1

T a b l e 1

Факторы, входящие в анализируемую модель, и уровни их варьирования

Factors included in the analyzed model and the levels of their variation

№	Факторы / Factors	Об. /Des.	Ниж. / Low	Нул. / Middle	Вер. / High
1	Концентрация активного хлора ω в мг/л / Concentration of active chlorine ω in mg/l	x1	10	13	16
2	Масса шаровых ферромагнитных рабочих тел m, гр. / Mass of spherical ferromagnetic working bodies m, gr.	x2	600	1 000	1 400
3	Магнитная индукция B в мТл / Magnetic induction B, mTl	x3	40	60	80
4	Влажность бесподстилочного навоза W, % / Humidity of liquid manure W, %	x4	88	93	98
5	Время экспозиции активатора t в с / Activator exposure time t, s	x5	6	9	12

 

Оценка адекватности полученной модели осуществлялась в соответствии со стандартной методикой, реализованной в программном пакете Statistica. Кроме пакета Statistica также возможно использование программы Matlab, технологии библиотек Pandas, Matplotlib в среде языка программирования Python. Алгоритм оценки адекватности подобных моделей подробно описан в исследованиях [29]. Фундаментальные основы оценки адекватности статистических моделей как исходных данных для проведения контрфактуального анализа описаны в рассмотренных нами работах². В ходе анализа описанных информационных источников наиболее значимыми критериями оценки адекватности статистической модели как исходных данных для контрфактуального анализа является определение соотношений расчетных и критических значений критериев Стьюдента и Фишера. Расчетное значение критерия Фишера определяется отношением дисперсии адекватности к дисперсии воспроизводимости:

$F_{р}=\frac{S_{ад}^2}{S_{восп}^2}=\frac{\frac{1}{N-L}{{\displaystyle \sum }}_{j=1}^N{\left(y_j-{\overline{y}}_j\right)}^2}{\frac{1}{n_0-1}{{\displaystyle \sum }}_{i=1}^{n_0}{\left(y_{oi}-{\overline{y}}_0\right)}^2},$ (2)

где $S_{ад}^2$ – дисперсия адекватности; $S_{восп}^2$ – дисперсия воспроизводимости; N – общее число опытов; L – число значимых коэффициентов в уравнении регрессии; y_j – экспериментальные значения отклика; ${\overline{y}}_j$ – значения отклика, рассчитанные по уравнению регрессии; n₀ – число опытов в центре плана; ${\overline{y}}_0$ – среднее значение отклика в центре плана.

После обоснования выбора модели, наиболее достоверно формализующей исследуемые зависимости, были проведены экспериментальные исследования, методика которых описана в нескольких рассмотренных нами источниках [29; 37].

В результате была получена математическая модель зависимости числа КОЕ ОКБ от варьируемых факторов при обеззараживании комплексным физико-химическим воздействием в активаторе:

$\begin{array}{c}{y}_1=\mathrm{85,04}-\mathrm{7,86}{x}_3^2-\mathrm{5,97}{x}_5^2+\mathrm{10,26}{x}_1+\mathrm{10,35}{x}_2-\mathrm{15,30}{x}_4+\mathrm{13,38}{x}_5-\\ -\mathrm{7,90}{x}_1{x}_2-\mathrm{7,90}{x}_1{x}_3-\mathrm{8,10}{x}_1{x}_4-\mathrm{6,65}{x}_1{x}_5-\mathrm{7,90}{x}_2{x}_3-\mathrm{8,10}{x}_2{x}_4-\\ -\mathrm{6,65}{x}_2{x}_5-\mathrm{8,10}{x}_3{x}_4-\mathrm{6,65}{x}_3{x}_5-\mathrm{9,35}{x}_4{x}_5,\end{array}$ (3)

где х₁ – концентрация активного хлора ω в мг/л; х₂ – масса шаровых ферромагнитных рабочих тел m, гр; х₃ – уровень магнитной индукции в рабочей зоне В, мТл; х₄ – влажность бесподстилочного навоза W, %; х₅ – время экспозиции активатора t в с.

Критическое значение критерия Стьюдента – 4,303, уровень значимости α = 0,05, число степеней свободы – 2. Расчётное значение критерия Фишера – F_р = 4,195, критическое значение критерия Фишера – F_кр = 5,87. Поскольку F_р < F_кр, модель (3) является адекватной.

Осуществив необходимые проверки модели (3) и убедившись в ее адекватности с математической точки зрения, используя известные преобразования осуществим переход от кодированного представления к натуральному для дальнейшего удобства исследования.

Раскодирование модели является важным этапом для ее последующего контрфактуального анализа, так как оно позволяет сделать его наиболее приемлемым с математической точки зрения. Обобщенно процесс раскодирования модели (3) представим следующим образом:

$\begin{array}{c}{y}_1=\mathrm{85,04}-\mathrm{7,86}\cdot \frac{x_3^2-60}{20}-\mathrm{5,97}\cdot \frac{x_5^2-9}{3}+\mathrm{10,26}\cdot \frac{x_1-13}{3}+\mathrm{10,35}\cdot \frac{x_2-1000}{400}-\\ -\mathrm{15,30}\cdot \frac{x_4-93}{5}+\mathrm{13,38}\cdot \frac{x_5-9}{3}-\frac{-\mathrm{7,90}}{3\cdot 400}\left(x_1-\left(-13\right)\right)\left(x_2-\left(-1000\right)\right)+\\ +\frac{\mathrm{7,90}}{3\cdot 20}\left(x_1-\left(-13\right)\right)\left(x_3-\left(-60\right)\right)-\frac{\mathrm{8,10}}{3\cdot 5}\left(x_1-\left(-13\right)\right)\left(x_4-\left(-93\right)\right)-\\ -\frac{\mathrm{6,65}}{3\cdot 3}\left(x_1-\left(-13\right)\right)\left(x_5-\left(-9\right)\right)-\frac{-\mathrm{7,90}}{400\cdot 20}\left(x_2-\left(-1000\right)\right)\left(x_3-\left(-60\right)\right)-\\ -\frac{-\mathrm{8,10}}{400\cdot 5}\left(x_2-\left(-1000\right)\right)\left(x_4-\left(-93\right)\right)-\frac{-\mathrm{6,65}}{400\cdot 3}\left(x_2-\left(-1000\right)\right)\left(x_5-\left(-9\right)\right)-\\ -\frac{-\mathrm{8,10}}{20\cdot 5}\left(x_3-\left(-60\right)\right)\left(x_4-\left(-93\right)\right)-\frac{-\mathrm{6,65}}{20\cdot 3}\left(x_3-\left(-60\right)\right)\left(x_5-\left(-9\right)\right)-\\ -\frac{-\mathrm{9,35}}{5\cdot 3}\left(x_4-\left(-93\right)\right)\left(x_5-\left(-9\right)\right).\end{array}$ (4)

После раскодирования модель (3) примет следующий вид:

$\begin{array}{c}КОЕОКБ=-\mathrm{2881,4133}-\mathrm{0,0197}{B}^2-\mathrm{0,6633}{t}^2+\mathrm{74,7733}\omega +\mathrm{0,5972}m-\\ -\mathrm{24,6000}W+\mathrm{96,1672}t-\mathrm{0,0006}\omega m-\mathrm{0,1300}\omega B-\mathrm{0,5400}\omega W-\mathrm{0,74}\omega t-\\ -\mathrm{0,0010}mB-\mathrm{0,0041}mW-\mathrm{0,0055}mt-\mathrm{0,0810}BW-\mathrm{0,1108}Bt-\mathrm{0,6233}Wt.\end{array}$ (5)

После получения исходных данных, осуществим контрфактуальный анализ модели (5). Рассмотрим его основные составляющие. Контрфактуальный анализ (или анализ контрфактуальных ситуаций) – метод исследования, позволяющий оценить последствия различных решений, событий или действий, которые могли бы произойти, если бы были изменены определенные факторы или условия. Суть анализа заключается в создании «контрфактуальных» сценариев, которые предполагают изменение определенных факторов или условий в прошлом или в будущем, чтобы определить, какие были бы последствия для системы. Данный метод рационально использовать при оценке достоверности математических моделей, являющихся исходными данными для построения интеллектуализированных систем принятия решений. В работах зарубежных ученых [38–40] отмечен положительный опыт использования данной методологии в задачах оценки эффективности различных политических, экономических, социальных или технологических решений. Контрфактуальный анализ позволяет оценить, какие факторы являются ключевыми для определенного явления или системы, какие изменения в этих факторах могут привести к определенным результатам, что позволяет определить оптимизационный потенциал системы и его конкретные количественные границы. В качестве инструмента реализации контрфактуального анализа был выбран язык программирования Python, в качестве среды – PyCharm 2022.2. С помощью описанных инструментов был реализован скрипт, позволяющий провести контрфактуальный анализ нелинейных регрессионных моделей.

Результаты исследования

Результаты контрфактуального анализа с использованием описанных инструментов представлены в таблицах 2, 9. В таблице 2 представлены результаты контрфактуального анализа модели (5) в условиях: концентрация активного хлора 4–11 мг/литр в зависимости от времени экспозиции навоза в активаторе от 2 до 18 секунд. Анализ представленных данных позволит сделать вывод об отсутствии целесообразности использования приведенных диапазонов при обеззараживании навоза, так как полученные значения числа КОЕ ОКБ не соответствуют предъявляемым к нему санитарно-эпидемиологическим требованиям.

 

Т а б л и ц а 2

T a b l e 2

Результаты контрфактуального анализа модели в условиях: концентрация активного хлора 4–11 мг/литр. Время экспозиции активатора

Results of counterfactual analysis of the model under the following conditions: concentration of active chlorine is 4–11 mg/liter. Activator exposure time

Число КОЕ ОКБ, шт. / Number of CFU CCB, pcs		Концентрация активного хлора ω, мг/л / Concentration of active chlorine ω in mg/l
		4	5	6	7	8	9	10	11
Время экспозиции активатора t, с / Activator exposure time t, s	2	227	222	217	212	208	203	198	193
	3	222	217	212	208	203	198	193	189
	4	217	212	208	203	198	193	189	184
	5	212	208	203	198	193	189	184	179
	6	208	203	198	193	189	184	179	174
	7	203	198	193	189	184	179	174	170
	8	198	193	189	184	179	174	170	165
	9	193	189	184	179	174	170	165	160
	10	189	184	179	174	170	165	160	155
	11	184	179	174	170	165	160	155	151
	12	179	174	170	165	160	155	151	146
	13	174	170	165	160	155	151	146	141
	14	170	165	160	155	151	146	141	137
	15	165	160	155	151	146	141	137	132
	16	160	155	151	146	141	137	132	127
	17	155	151	146	141	137	132	127	122
	18	151	146	141	137	132	127	122	118

 

В таблице 3 представлены результаты контрфактуального анализа модели (5) в условиях концентрации активного хлора 12–19 мг/л в зависимости от времени экспозиции навоза в активаторе от 2 до 18 секунд. Анализ данных, представленных в таблице 3, позволит сделать вывод о том, что наибольший экологический эффект с точки зрения санитарно-эпидемиологических требований, предъявляемых к навозу и определяющих его безопасность, дают: концентрация активного хлора 19 мг/л при времени экспозиции 14 секунд, концентрация активного хлора от 17 до 18 мг/л при времени экспозиции 15 секунд, концентрация активного хлора от 16 до 19 мг/л при времени экспозиции 16 секунд, концентрация активного хлора от 15 до 19 мг/л при времени экспозиции 17 секунд, концентрация активного хлора от 14 до 19 мг/л при времени экспозиции 18 секунд. Приведенные значения обеспечивают число КОЕ ОКБ, не превышающее 100 шт., что является предпочтительным с точки зрения требований Методических указаний 2.1.5.3692-21. Описанные значения выделены зеленым цветом ячеек таблицы 3. Кроме наиболее предпочтительных сочетаний диапазонов факторов, обеспечивающих реализацию предъявляемых требований, алгоритм контрфактуального анализа позволяет выделить диапазоны, использование которых способно представлять потенциал граничных условий при решении оптимизационной задачи. Ячейки данных значений выделены серо-голубым цветом. Принцип выбора алгоритмом данных значений основан на оценке весовой значимости коэффициентов модели (5). На текущий момент значимость весовых коэффициентов уравнения интерпретирует исследователь. Для оценки адекватности диапазонов оптимизационного потенциала исследуемой модели (5) и подтверждения или опровержения выдвинутой гипотезы необходимо проведение дополнительных исследований, что является отдельной задачей и не входит в алгоритм контрфактуального анализа.

 

Т а б л и ц а 3

T a b l e 3

Результаты контрфактуального анализа модели в условиях: концентрация активного хлора 12–19 мг/литр. Время экспозиции активатора

Results of the counterfactual analysis of the model under the following conditions: concentration of active chlorine is 12–19 mg/liter. Activator exposure time

Число КОЕ ОКБ, шт. / Number of CFU OKB, pcs.		Концентрация активного хлора ω, мг/л / Concentration of active chlorine ω in mg/l
		12	13	14	15	16	17	18	19
Время экспозиции активатора t, с / Activator exposure time t, s	2	189	184	179	174	170	165	160	155
	3	184	179	174	170	165	160	155	151
	4	179	174	170	165	160	155	151	146
	5	174	170	165	160	155	151	146	141
	6	170	165	160	155	151	146	141	137
	7	165	160	155	151	146	141	137	132
	8	160	155	151	146	141	137	132	127
	9	155	151	146	141	137	132	127	122
	10	151	146	141	137	132	127	122	118
	11	146	141	137	132	127	122	118	113
	12	141	137	132	127	122	118	113	108
	13	137	132	127	122	118	113	108	103
	14	132	127	122	118	113	108	103	99
	15	127	122	118	113	108	103	99	94
	16	122	118	113	108	103	99	94	89
	17	118	113	108	103	99	94	89	84
	18	113	108	103	99	94	89	84	80

 

В таблицах 4 и 5 представлены результаты контрфактуального анализа модели (5) в условиях изменения массы шаровых ферромагнитных рабочих тел в диапазоне от 300 до 1 800 гр. в зависимости от времени экспозиции навоза в активаторе от 2 до 18 секунд. Анализ данных, представленных в таблицах 4 и 5, позволит сделать вывод об отсутствии прямого влияния данного фактора на число КОЕ ОКБ. Масса рабочих тел является сопутствующим фактором, оказывающим влияние на интенсивность активации обеззараживания навоза, следовательно его действие проявляется при межфакторном взаимодействии, что подтверждается наличием соответствующих оценок коэффициентов в модели (5).

 

Т а б л и ц а 4

T a b l e 4

Результаты контрфактуального анализа модели в условиях: масса рабочих тел 300–1000 г. Время экспозиции активатора

Results of counterfactual analysis of the model under the following conditions: Mass of working bodies 300–1000 g. Exposure time of the activator

Число КОЕ ОКБ, шт. / Number of CFU CCB, pcs.		Масса рабочих тел m, гр. / Mass of spherical ferromagnetic working bodies m, gr.
		300	400	500	600	700	800	900	1000
Время экспозиции активатора t, с / Activator exposure time t, s	2	522	515	508	500	493	485	478	471
	3	520	512	505	497	490	483	475	468
	4	517	509	502	495	487	480	472	465
	5	514	507	499	492	485	477	470	462
	6	511	504	497	489	482	474	467	460
	7	509	501	494	486	479	472	464	457
	8	506	498	491	484	476	469	461	454
	9	503	496	488	481	474	466	459	451
	10	500	493	486	478	471	463	456	449
	11	498	490	483	475	468	461	453	446
	12	495	488	480	473	465	458	451	443
	13	492	485	477	470	463	455	448	440
	14	489	482	475	467	460	452	445	438
	15	487	479	472	465	457	450	442	435
	16	484	477	469	462	454	447	440	432
	17	481	474	466	459	452	444	437	429
	18	478	471	464	456	449	441	434	427

 

В таблицах 6 и 7 представлены результаты контрфактуального анализа модели (5) в условиях изменения уровня магнитной индукции, создаваемой индуктором в рабочей зоне активатора в диапазоне от 25 до 100 мТл в зависимости от времени экспозиции навоза в активаторе от 2 до 18 сек. Как показал анализ полученных результатов, обеспечение требований санитарно-эпидемиологической безопасности, предъявляемых к навозу, начинает выполняться при значениях магнитной индукции от 55 мТл и времени экспозиции 18 с.

 

Т а б л и ц а 5

T a b l e 5

Результаты контрфактуального анализа модели в условиях: масса рабочих тел 1100–2000 гр. Время экспозиции активатора

Results of counterfactual analysis of the model under the following conditions: Mass of working bodies 1100–2000 gr. Exposure time of the activator

Число КОЕ ОКБ, шт. / Number of CFU CCB, pcs.		Масса рабочих тел m, гр. / Mass of spherical ferromagnetic working bodies m, gr.
		1100	1200	1300	1400	1500	1600	1700	1800
Время экспозиции активатора t, с / Activator exposure time t, s	2	463	456	448	441	434	426	419	411
	3	460	453	446	438	431	423	416	409
	4	458	450	443	435	428	421	413	406
	5	455	448	440	433	425	418	411	403
	6	452	445	437	430	423	415	408	400
	7	449	442	435	427	420	412	405	398
	8	447	439	432	424	417	410	402	395
	9	444	437	429	422	414	407	400	392
	10	441	434	426	419	412	404	397	389
	11	438	431	424	416	409	401	394	387
	12	436	428	421	414	406	399	391	384
	13	433	426	418	411	403	396	389	381
	14	430	423	415	408	401	393	386	378
	15	428	420	413	405	398	391	383	376
	16	425	417	410	403	395	388	380	373
	17	422	415	407	400	392	385	378	370
	18	419	412	404	397	390	382	375	367

 

Т а б л и ц а 6

T a b l e 6

Результаты контрфактуального анализа модели в условиях: уровень магнитной индукции 25–60 мТл. Время экспозиции активатора

Results of counterfactual analysis of the model under the following conditions: magnetic induction level 25–60 mT. Activator exposure time

Число КОЕ ОКБ, шт. / Number of CFU CCB, pcs.		Магнитная индукция B в мТл / Magnetic induction B, mT
		25	30	35	40	45	50	55	60
Время экспозиции активатора t, с / Activator exposure time t, s	2	198	189	180	171	163	154	145	137
	3	195	186	177	168	160	151	142	134
	4	192	183	174	166	157	148	139	131
	5	189	180	171	163	154	145	136	128
	6	186	177	168	160	151	142	133	125
	7	183	174	165	157	148	139	131	122
	8	180	171	162	154	145	136	128	119
	9	177	168	159	151	142	133	125	116
	10	174	165	156	148	139	130	122	113
	11	171	162	153	145	136	127	119	110
	12	168	159	150	142	133	124	116	107
	13	165	156	147	139	130	121	113	104
	14	162	153	145	136	127	118	110	101
	15	159	150	142	133	124	115	107	98
	16	156	147	139	130	121	112	104	95
	17	153	144	136	127	118	110	101	92
	18	150	141	133	124	115	107	98	89

 

Т а б л и ц а 7

T a b l e 7

Результаты контрфактуального анализа модели в условиях: уровень магнитной индукции 65–110 мТл. Время экспозиции активатора

Results of counterfactual analysis of the model under the following conditions: Magnetic induction level 65–110 mT. Activator exposure time

Число КОЕ ОКБ, шт. / Number of CFU CCB, pcs.		Магнитная индукция B в мТл / Magnetic induction B, mT
		65	70	75	80	85	90	95	100
Время экспозиции активатора t, с / Activator exposure time t, s	2	128	119	111	102	93	84	76	67
	3	125	116	108	99	90	81	73	64
	4	122	113	105	96	87	79	70	61
	5	119	110	102	93	84	76	67	58
	6	116	107	99	90	81	73	64	55
	7	113	104	96	87	78	70	61	52
	8	110	101	93	84	75	67	58	49
	9	107	98	90	81	72	64	55	46
	10	104	96	87	78	69	61	52	43
	11	101	93	84	75	66	58	49	40
	12	98	90	81	72	63	55	46	37
	13	95	87	78	69	60	52	43	34
	14	92	84	75	66	58	49	40	31
	15	89	81	72	63	55	46	37	28
	16	86	78	69	60	52	43	34	25
	17	83	75	66	57	49	40	31	23
	18	80	72	63	54	46	37	28	20

 

Исходя из результатов предварительно проведенных исследований [35–37], можно сделать вывод о том, что уровень энергозатрат при данной продолжительности будет непропорционален санитарно-эпидемиологическому эффекту. Наибольшее санитарно-эпидемиологическое соответствие числа КОЕ ОКБ наблюдается при значениях магнитной индукции от 65 мТл и времени экспозиции 12 сек., при увеличении магнитной индукции до 70 мТл время экспозиции составляет от 9 сек., при 75 мТл – от 6 сек., а при 85–100 мТл – от 2 сек. Кроме полученных данных в таблицах 6 и 7 выделены серо-голубым цветом ячейки, представляющие собой потенциал диапазона варьирования при решении оптимизационной задачи. Уровень магнитной индукции в данных ячейках составляет от 50 до 80 мТл при времени экспозиции от 18 до 2 сек.

На основании изложенного, проведенных ранее исследований [35–37] и анализа весовых оценок коэффициентов модели (5) можно сделать вывод о том, что магнитная индукция является значимым фактором, определяющим интенсивность активации навоза. Контрфактуальный анализ показал, что существенное влияние на нее оказывают парные межфакторные взаимодействия.

В таблицах 8 и 9 представлены результаты контрфактуального анализа модели (5) в условиях изменения влажности бесподстилочного навоза в диапазоне от 86 до 99 % в зависимости от времени его экспозиции от 2 до 18 секунд. Анализ данных, позволит сделать вывод об отсутствии прямого влияния данного фактора на число КОЕ ОКБ. Влияние влажности бесподстилочного навоза и времени экспозиции в диапазоне от 2 до 18 сек. на число КОЕ ОКБ без учета межфакторных взаимодействий является недостаточно корректным [37].

 

Т а б л и ц а 8

T a b l e 8

Результаты контрфактуального анализа модели в условиях: влажности бесподстилочного навоза 86–91 %. Время экспозиции активатора

Results of counterfactual analysis of the model under the following conditions: humidity of liquid manure 86–91 %. Exposure time of the activator

Число КОЕ ОКБ, шт. / Number of CFU CCB, pcs.		Влажность бесподстилочного навоза W, % / Humidity of liquid manure W, %
		86	87	88	89	90	91
Время экспозиции активатора t, с / Activator exposure time t, s	2	225	224	224	223	222	222
	3	225	224	224	223	222	221
	4	225	224	224	223	222	221
	5	225	224	224	223	222	221
	6	225	224	223	223	222	221
	7	225	224	223	223	222	221
	8	225	224	223	223	222	221
	9	225	224	223	223	222	221
	10	225	224	223	222	222	221
	11	225	224	223	222	222	221
	12	225	224	223	222	222	221
	13	224	224	223	222	221	221
	14	224	224	223	222	221	221
	15	224	224	223	222	221	221
	16	224	224	223	222	221	221
	17	224	223	223	222	221	220
	18	224	223	223	222	221	220

 

Т а б л и ц а 9

T a b l e 9

Результаты контрфактуального анализа модели в условиях: влажности бесподстилочного навоза 92–99 %. Время экспозиции активатора

Results of counterfactual analysis of the model under the following conditions: humidity of liquid manure 92–99 %. Exposure time of the activator

Число КОЕ ОКБ, шт. / Number of CFU OKB, pcs.		Влажность бесподстилочного навоза W, % / Humidity of liquid manure W, %
		92	93	94	95	96	97	98	99
Время экспозиции активатора t, с / Activator exposure time t, s	2	221	220	219	219	218	217	216	216
	3	221	220	219	218	218	217	216	216
	4	221	220	219	218	218	217	216	215
	5	221	220	219	218	218	217	216	215
	6	221	220	219	218	218	217	216	215
	7	220	220	219	218	217	217	216	215
	8	220	220	219	218	217	217	216	215
	9	220	220	219	218	217	217	216	215
	10	220	219	219	218	217	217	216	215
	11	220	219	219	218	217	216	216	215
	12	220	219	219	218	217	216	216	215
	13	220	219	219	218	217	216	216	215
	14	220	219	218	218	217	216	216	215
	15	220	219	218	218	217	216	215	215
	16	220	219	218	218	217	216	215	215
	17	220	219	218	218	217	216	215	215
	18	220	219	218	217	217	216	215	214

 

Обсуждение и заключение

Таким образом, использование контрфактуального анализа позволяет с минимальными энергозатратами определить направление дальнейшего уточнения математической модели, а также ее потенциал при решении оптимизационной задачи. Результатом контрфактуального анализа является расширение области интереса варьируемого фактора и понимания тесноты его парных взаимодействий.

В результате оценки эффективности обеззараживания свиного бесподстилочного навоза по числу КОЕ ОКБ методом контрфактуального анализа получены следующие результаты:

– обоснована перспективность использования активного хлора в сочетании с воздействием шаровых ферромагнитных рабочих тел, перемещающихся в переменном вращающемся электромагнитном поле;

– наиболее значимыми факторами, определяющими эффективность обеззараживания свиного бесподстилочного навоза по числу КОЕ ОКБ, являются: магнитная индукция в рабочей зоне индуктора активатора, концентрация активного хлора, время экспозиции. Наиболее предпочтительной моделью, формализующей данную связь, является квадратичный полином, учитывающий эффекты парного взаимодействия факторов;

– на основании контрфактуального анализа модели (5) установлено, что область интереса варьирования фактора допустимо расширить от 13 до 19 мг/литр для обеспечения требуемого санитарно-эпидемиологического эффекта, магнитную индукцию в рабочей зоне – от 50 до 100 мТл, расчетное значение критерия Фишера F_р = 4,195 при уровне значимости α = 0,05.

Полученные результаты представляют собой исходные данные для создания интеллектуализированной цифровой системы оценки эффективности обеззараживания свиного бесподстилочного навоза и органических отходов в целом. Алгоритм контрфактуального анализа математических моделей позволяет оценить пределы их корректного функционирования, что позволяет повысить достоверность управления операциями и технологическими процессами в рамках их интеллектуализации.

 

¹ Лимаренко Н. В. Повышение эффективности обеззараживания бесподстилочного навоза : дис. ... д-ра. техн. наук : 05.20.01. Рязань, 2022. 397 с.

1. ² Гмурман В. Е. Теория вероятностей и математическая статистика : уч. пособие для вузов. М. : Высш. шк., 2003. 479 с.; Реклейтис Г., Рейвиндран А., Рэгсдел К. Оптимизация в технике. В 2-х кн. Кн. 1. М. : Мир, 1986. 349 с.

Об авторах

Яков Петрович Лобачевский

Федеральный научный агроинженерный центр ВИМ

Email: limarenkodstu@yandex.ru
ORCID iD: 0000-0001-7863-2962

доктор технических наук, профессор, академик-секретарь отделения сельскохозяйственных наук РАН, первый заместитель директора по развитию и инновациям

Россия, г. Москва

Александр Владимирович Шемякин

Рязанский государственный агротехнологический университет имени П. А. Костычева

Email: shem.alex62@yandex.ru
ORCID iD: 0000-0001-5019-258X

доктор технических наук, профессор, ректор

Россия, г. Рязань

Николай Владимирович Лимаренко

Рязанский государственный агротехнологический университет имени П. А. Костычева; Донской государственный технический университет

Автор, ответственный за переписку.
Email: limarenkodstu@yandex.ru
ORCID iD: 0000-0003-3075-2572

доктор технических наук, профессор кафедры технической эксплуатации транспорта, профессор кафедры приборостроения и биомедицинской инженерии

Россия, г. Рязань; г. Ростов-на-Дону

Иван Алексеевич Успенский

Рязанский государственный агротехнологический университет имени П. А. Костычева

Email: ivan.uspensckij@yandex.ru
ORCID iD: 0000-0002-4343-0444

доктор технических наук, профессор, заведующий кафедрой технической эксплуатации транспорта

Россия, г. Рязань

Иван Александрович Юхин

Рязанский государственный агротехнологический университет имени П. А. Костычева

Email: ivan.uspensckij@yandex.ru
ORCID iD: 0000-0002-3822-0928

доктор технических наук, профессор, заведующий кафедрой автотракторной техники и теплоэнергетики

Россия, г. Рязань

Список литературы

Дополнительные файлы