Discrete-continuous stochastic model of identification of environmental ecological states
DOI:
https://doi.org/10.31649/1681-7893-2026-51-1-302-312Keywords:
mathematical modeling, discrete-continuous stochastic model, ecological state, maximum permissible concentration, environment.Abstract
The paper proposes an approach to constructing a discrete-continuous stochastic model for solving problems of environmental safety assessment. The developed Markov model describes the dynamics of a generalized environmental indicator within an extended phase space of six ecological macrostates, which combines the current pollution level and its trend phase to account for the system's inertia. A method for identifying ecological macrostates using a sensitivity threshold to account for measurement errors is proposed, enabling the filtration of noise and reliable identification of transitions between ecosystem states. The proposed approach allows calculating the steady-state distribution and objectively estimating the proportion of time the ecosystem spends in critical states, unlike traditional approaches based solely on the static recording of current exceedances of maximum permissible limits. The model was verified using experimental measurement data obtained at real transport hubs in Ternopil. Based on the calculated steady-state probability distribution, ecological risk profiles were quantitatively determined, enabling the identification of dominant states for the study areas and the characterization of external environmental impact factors The developed mathematical model provides a scientifically sound basis for managing anthropogenic load on the environment and mitigating ecological risks.
References
Order of the Ministry of Health of Ukraine No. 52 dated 14.01.2020. “On approval of hygienic regulations for the permissible content of chemical and biological substances in the ambient air of populated areas”. Ministry of Health of Ukraine. Kyiv, 2020.
Directive 2008/50/EC of the European Parliament and of the Council of 21 May 2008 on ambient air quality and cleaner air for Europe. https://zakon.rada.gov.ua/laws/show/994_950#Text
Wu, F.; Rüdiger, C.; Redouté, J.; Yuce, M.R. Live Demonstration: An IoT Platform for Environmental Monitoring Using Self-Powered Sensors. In Proceedings of the IEEE Sensors, New Delhi, India, 28–31 October 2018.
Ferro, M.; Paciello, V.; Pietrosanto, A.; Sommella, P. A distributed measurement system for the estimation of air quality. IEEE Instrum. Meas. Mag. 2020, 23, 51–56.
Wu, F.; Rudiger, C.; Yuce, M.R. Design and field test of an autonomous iot wsn platform for environmental monitoring. In Proceedings of the 27th International Telecommunication Networks and Applications Conference (ITNAC), Melbourne, VIC, Australia, 22–24 November 2017; pp. 1–6.
Moroni, A., et al. (2024). Continuous Markov Models for Analyzing the Effect of Environmental Personal Exposure on Multiple Sclerosis Progression. Studies in Health Technology and Informatics, 314, 401-405. https://doi.org/10.3233/SHTI240069
Jahin, N. A. M., et al. (2019). Markov Chain Model Development for Forecasting Air Pollution Index. Sustainability, 11(19), 5190. https://doi.org/10.3390/su11195190
Owayid, A. M., et al. (2024). Air Quality Index Prediction Using DNN-Markov Modeling. Applied Artificial Intelligence, 38(1). https://doi.org/10.1080/08839514.2024.2371540
Hood, C., et al. (2020). Comprehensive evaluation of an advanced street canyon air pollution model. Journal of the Air & Waste Management Association, 70(11), 1146-1160. https://doi.org/10.1080/10962247.2020.1803158
Wang, Y., et al. (2024). Effects of street plants on atmospheric particulate dispersion in urban streets: A review. Environmental Reviews. https://doi.org/10.1139/er-2023-0103
Dyvak M., Spivak I., Melnyk A., Manzhula V., Dyvak T., Rot, A., Hernes, M. Modeling Based on the Analysis of Interval Data of Atmospheric Air Pollution Processes with Nitrogen Dioxide due to the Spread of Vehicle Exhaust Gases. Sustainability (Switzerland). 2023. 15 (3). P. 2163. https://doi.org/10.3390/su15032163.
Downloads
-
PDF (Українська)
Downloads: 2
Published
How to Cite
Issue
Section
License
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
