Логотип
ИЭА СТР
УДК 502.51:006.354 • EDN: AQTSHA • e-Library ID: 91973402

ВЕРОЯТНОСТНО-ОБОСНОВАННОЕ НОРМИРОВАНИЕ КАЧЕСТВА ПРИРОДНЫХ ВОД: ИНТЕГРАЦИЯ ОЦЕНКИ МОДЕЛЕЙ, ОПЕРАТИВНОГО ПРОГНОЗА И ИИ-ПРОЕКТИРОВАНИЯ СТАНДАРТОВ

• С. 79-87
Скачать JATS XML Скачать PDF
🇷🇺 На русском

Для цитирования

Самбурский А.Г., Розенталь О.М. Вероятностно- обоснованное нормирование качества природных вод: интеграция оценки моделей, оперативного прогноза и ИИ-проектирования стандартов // Информационно-экономические аспекты стандартизации и технического регулирования. 2026. № 4(91). С. 79–87

Аннотация

Действующая система нормирования качества природных вод, опирающаяся на детерминированные предельно допустимые концентрации, не учитывает ни природной вариабельности гидрохимических показателей, ни погрешности их измерения, ни экономических последствий ошибочных решений о соответствии. В работе обоснован переход к вероятностно- обоснованному, риск-ориентированному нормированию, которое опирается на доверительные интервалы измерений и допустимый уровень экологического риска вместо жестких порогов. Методологической основой такого перехода служат три разрабатываемые авторами концепции национальных стандартов – общей оценки качества гидрологических и гидрохимических прогнозов, краткосрочного оперативного прогнозирования на горизонт 6 часов и проектирования водно-экологических стандартов с применением методов искусственного интеллекта. Показано, что их интеграция позволяет одновременно повысить достоверность контроля, снизить необоснованные эколого- экономические издержки природопользователей и сформировать правовую основу для перехода к обслуживанию водоочистных устройств по фактическому состоянию. Внедрение предложенного подхода создает условия для гармонизации отечественной практики с международными документами WMO, ISO и EU WFD при сохранении национальной специфики

Ключевые слова

стандартизация качества воды ПДК экологический риск неопределенность измерений искусственный интеллект временные ряды объяснимый ИИ обслуживание по состоянию водно-экологический стандарт

Информация о финансировании

Работа выполнена в рамках темы «Исследования процессов формирования качества поверхностных и подземных вод, природных и антропогенных механизмов изменения экологического состояния водных объектов, разработка методов и технологий управления водными ресурсами и качеством вод» (FMWZ-2025-0002)

Об авторах

Самбурский Алексей Георгиевич

Самбурский Алексей Георгиевич — сотрудник, Российская ассоциация водоснабжения и водоотведения, ( Москва )

Розенталь Олег Моисеевич

Розенталь Олег Моисеевич — д-р техн. наук, главный научный сотрудник, Институт водных проблем РАН, ( Москва )

Список литературы

  1. 1. Hyndman R.J., Athanasopoulos G. Forecasting: Principles and Practice. – 3rd ed. – Melbourne: OTexts, 2021. – URL: https://otexts.com/fpp3/
  2. 2. Lundberg S.M., Lee S.-I. A Unified Approach to Interpreting Model Predictions // Advances in Neural Information Processing Systems 30 (NIPS 2017). – Long Beach, CA, USA, December 4–9, 2017. – Curran Associates, Inc., 2017.
  3. 3. Розенталь О.М., Александровская Л.Н. Риск-ориентированный подход к оценке качества воды источников питьевого водоснабжения // Гигиена и санитария. – 2019. – Т. 98, № 5. – С. 563–569. – DOI: 10.18821/0016-9900-2019-98-5-563-569.
  4. 4. Moriasi D.N., Arnold J.G., Van Liew M.W., et al. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations // Transactions of the ASABE. 2007. Vol. 50, № 3. P. 885–900. DOI:10.13031/2013.23153.
  5. 5. Box G.E.P., Jenkins G.M., Reinsel G.C., Ljung G.M. Time Series Analysis: Forecasting and Control. – 5th ed. – Hoboken, NJ: John Wiley & Sons, 2015. – 712 p. – ISBN 978-1-118-67502-1.
  6. 6. Taylor S.J., Letham B. Forecasting at scale // The American Statistician. – 2018. – Vol. 72, № 1. – P. 37–45. – DOI:10.1080/00031305.2017.1380080.
  7. 7. Technical Regulations (WMO-No. 49). Volume III: Hydrology. – 2021 edition. – Geneva: World Meteorological Organization, 2022. – URL: https://library.wmo.int/idurl/4/35631
  8. 8. Directive 2000/60/EC of the European Parliament and of the Council of 23 October 2000 establishing a framework for Community action in the field of water policy (Water Framework Directive) // Official Journal of the European Communities. – 22.12.2000. – L 327. – P. 1–73.
  9. 9. Бирюков Е.С., Терентьев Н.Е. К оценке экономического ущерба от наводнений в России и потенциала адаптации // Теория и практика общественного развития. 2024. № 11. URL: https://cyberleninka.ru/article/n/k-otsenke-ekonomicheskogo-uscherba-otnavodneniy-v-rossii-i-potentsiala-adaptatsii
🇬🇧 In English

PROBABILITY-BASED STANDARDIZATION OF NATURAL WATER QUALITY: INTEGRATING MODEL EVALUATION, OPERATIONAL FORECASTING, AND AI-DRIVEN STANDARDS DESIGN

For citation

Samburskiy A.G., Rozental O.M. Probability-Based Standardization of Natural Water Quality: Integrating Model Evaluation, Operational Forecasting, and AI-Driven Standards Design. Information and economic aspects of standardization and technical regulation. 2026;4(91): 79–87. (In Russ.)

Abstract

The current system of natural water quality standardization, based on deterministic maximum permissible concentrations, accounts neither for the natural variability of hydrochemical indicators, nor for measurement uncertainty, nor for the economic consequences of erroneous compliance decisions. The paper substantiates a transition to probability-based, risk-oriented standardization that relies on confidence intervals of measurements and an acceptable level of environmental risk instead of rigid thresholds. The methodological basis for this transition is provided by three national standard concepts being developed by the authors: general quality assessment of hydrological and hydrochemical forecasts, short-term operational forecasting with a 6-hour horizon, and the design of waterenvironmental standards using artificial intelligence methods. It is shown that their integration makes it possible to simultaneously improve the reliability of control, reduce unjustified environmental and economic costs incurred by water users, and form a legal basis for the transition to condition-based maintenance of water treatment facilities. The implementation of the proposed approach creates conditions for harmonizing national practice with international documents of the WMO, ISO, and the EU WFD while preserving national specificity

Keywords

water quality standardization maximum permissible concentration (MPC) environmental risk measurement uncertainty artificial intelligence time series explainable AI condition-based maintenance water-environmental standard

Funding information

This work was carried out as part of the research topic “Studies of the processes shaping the quality of surface and groundwater; natural and anthropogenic mechanisms affecting the ecological status of water bodies; and the development of methods and technologies for managing water resources and water quality.”

About the authors

SAMBURSKY ALEXEY GEORGIEVICH

SAMBURSKY ALEXEY GEORGIEVICH — employee, Russian Association of Water Supply and Sanitation, ( Moscow )

Rosenthal Oleg Moiseevich

Rosenthal Oleg Moiseevich — Doctor of Technical Sciences, Сhief researcher, Institute of Water Problems RAS, ( Moscow )

References

  1. 1. Hyndman R.J., Athanasopoulos G. Forecasting: Principles and Practice. 3rd ed. Melbourne: OTexts, 2021. URL: https://otexts.com/fpp3/
  2. 2. Lundberg S.M., Lee S.-I. A Unified Approach to Interpreting Model Predictions. Advances in Neural Information Processing Systems 30 (NIPS 2017). Long Beach, CA, USA, December 4–9, 2017. Curran Associates, Inc., 2017.
  3. 3. Rozental O.M., Aleksandrovskaya L.N. Risk-oriented approach to the assessment of the water quality of drinking water supply sources. Gigiena i Sanitariya [Hygiene and Sanitation]. 2019. Vol. 98, No. 5. P. 563–569. DOI: 10.18821/0016-9900-2019-98-5-563-569. (In Russ.)
  4. 4. Moriasi D.N., Arnold J.G., Van Liew M.W., et al. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. Transactions of the ASABE. 2007. Vol. 50, No. 3. P. 885–900. DOI:10.13031/2013.23153.
  5. 5. Box G.E.P., Jenkins G.M., Reinsel G.C., Ljung G.M. Time Series Analysis: Forecasting and Control. 5th ed. Hoboken, NJ: John Wiley & Sons, 2015. 712 p. ISBN 978- 1-118-67502-1.
  6. 6. Taylor S.J., Letham B. Forecasting at scale. The American Statistician. 2018. Vol. 72, No. 1. P. 37–45. DOI:10.1080/00031305.2017.1380080.
  7. 7. Technical Regulations (WMO-No. 49). Volume III: Hydrology. 2021 edition. Geneva: World Meteorological Organization, 2022. URL: https://library.wmo.int/ idurl/4/35631
  8. 8. Directive 2000/60/EC of the European Parliament and of the Council of 23 October 2000 establishing a framework for Community action in the field of water policy (Water Framework Directive). Official Journal of the European Communities. 22.12.2000. L 327. P. 1–73.
  9. 9. Biryukov E.S., Terentyev N.E. On the assessment of economic damage from floods in Russia and adaptation potential. Teoriya i praktika obshchestvennogo razvitiya [Theory and Practice of Social Development]. 2024. No. 11. URL: https://cyberleninka.ru/article/n/k-otsenkeekonomicheskogo- uscherba-ot-navodneniy-v-rossii-ipotentsiala- adaptatsii (In Russ.)