ekipЭкология и промышленность РоссииEcology and Industry of Russia1816-03952413-6042ООО "Калвис"10.18412/1816-0395-2025-1-59-65ekip-2812Research ArticleАНАЛИЗ. МЕТОДИКИ. ПРОГНОЗЫANALYSIS. METHODS. PROGNOSISГидрохимическая динамика речного потока горной реки (на примере р. Катунь)Hydrochemical Dynamics of River Flow in a Mountain River (Katun River as an Example)РозентальО.М.RosenthalO.M.

доктор технических наук, профессор

Dr. Sci. (Eng.), Professor

podpiska@kalvis.ruКрохинГ.Б.KrokhinG.B.

аспирант; ассистент

Postgraduate Student; Assistant

podpiska@kalvis.ruИнститут водных проблем, Российская академия наукРоссияWater Problems Institute, Russian Academy of SciencesRussian FederationИнститут водных проблем, Российская академия наук; МИРЭА – Российский Технологический Университет (Институт тонких химических технологий им. М. В. Ломоносова)РоссияWater Problems Institute, Russian Academy of Sciences; MIREA – Russian Technological University (Lomonosov Institute of Fine Chemical Technologies)Russian Federation2025150120252915965Copyright © ООО "Калвис", 20252025ООО "Калвис"ООО "Калвис"https://www.ecology-kalvis.ru/jour/about/submissions#copyrightNoticehttps://www.ecology-kalvis.ru/jour/article/view/2812

Отмечено, что эффективность охраны и рационального использования водных ресурсов понижается из-за неопределенности информации о самопроизвольно меняющихся показателях их качества, уникальности такой изменчивости и, следовательно, невозможности разработки единых правил хозяйственного использования водоемов и водотоков. Показано, что данные проблемы возникают не только на водных объектах, подвергающихся интенсивному антропогенному воздействию, но и у остающихся в практически естественных условиях. Приведены результаты исследований авторами рек Горного Алтая, где обнаружены такие особенности талой (свежеобразованной) воды, как структурные сдвиги временных рядов показателей ее качества, кластеризация волатильности, несезонная цикличность и длинная память временных рядов. Сделан вывод о необходимости учета не только внешних условий, но и собственных динамических характеристик водного потока для оценки состава и свойств воды с целью достоверного прогнозирования ее качества и обеспечения эффективного водопользования.

It is noted that the efficiency of protection and rational use of water resources decreases due to uncertainty of information about spontaneously changing indicators of their quality, uniqueness of such variability and, consequently, due to impossibility to develop uniform rules of economic use of water bodies and watercourses. It is shown that these problems arise not only in water bodies subjected to intensive anthropogenic impact, but also in those remaining in practically natural conditions. The results of the authors' studies of the rivers of the Altai Mountains are presented, where such features of melt (freshly formed) water as structural shifts in time series of its quality indicators, clustering of volatility, non-seasonal cyclicity and long memory of time series were discovered. It was concluded that it is necessary to take into account not only external conditions but also intrinsic dynamic characteristics of water flow to assess water composition and properties in order to reliably predict its quality and ensure efficient water use.

качество водыдлинная памятьSARIMAXR/S-анализпрогнозированиеwater qualitylong memorySARIMAXR/S-analysisforecastingReferencesСавичев О.Г., Паромов В.В., Копылова Ю.Г., Хващевская А.А., Гусева Н.В. Эколого-геохимическое состояние поверхностных вод в бассейне р. Катунь (Горный Алтай). Вестник Томского государственного университета. 2013. Т. 366. С. 157—161.Савичев О.Г., Паромов В.В., Копылова Ю.Г., Хващевская А.А., Гусева Н.В. Эколого-геохимическое состояние поверхностных вод в бассейне р. Катунь (Горный Алтай). Вестник Томского государственного университета. 2013. Т. 366. С. 157—161.Rozental O.M., Fedotov V.Kh. Neural Network Analysis as a Base of the Future System of Water—Environmental Regulation. Water Resources. 2023. Vol. 50. No. 3. Р. 452—463.Rozental O.M., Fedotov V.Kh. Neural Network Analysis as a Base of the Future System of Water—Environmental Regulation. Water Resources. 2023. Vol. 50. No. 3. Р. 452—463.Peters E. Fractal market analysis: Applying chaos theory to investment and economics. New York, J. Wiley & Sons, 1994. Р. 3044.Peters E. Fractal market analysis: Applying chaos theory to investment and economics. New York, J. Wiley & Sons, 1994. Р. 3044.Jarque C., Bera K. A test for normality of observations and regression residuals. International Statistical Review. 1987. Vol. 55. No 2. P. 163—172.Jarque C., Bera K. A test for normality of observations and regression residuals. International Statistical Review. 1987. Vol. 55. No 2. P. 163—172.Sukhorukov I.P. Application of R/S analysis in risk assessment of innovative companies. Management of the social and economic system. 2011. Vol. 1. P. 1—7.Sukhorukov I.P. Application of R/S analysis in risk assessment of innovative companies. Management of the social and economic system. 2011. Vol. 1. P. 1—7.Lo A.W. Long-term memory in stock market prices. Econometrica. 1991. Vol. 59. No 5. P. 1279—1313.Lo A.W. Long-term memory in stock market prices. Econometrica. 1991. Vol. 59. No 5. P. 1279—1313.Pesaran M.H. Time series and panel data econometrics. Oxford University Press, Oxford, 2015. 1104 p.Pesaran M.H. Time series and panel data econometrics. Oxford University Press, Oxford, 2015. 1104 p.Горяев В.М., Бембитов Д.Б., Мучкаев Д.Н., Аль-Килани В.Х. Модель SARIMA и статистика скользящего окна для локальных метеоданных. Современные наукоемкие технологии. 2019. T. 6. С. 31—38.Горяев В.М., Бембитов Д.Б., Мучкаев Д.Н., Аль-Килани В.Х. Модель SARIMA и статистика скользящего окна для локальных метеоданных. Современные наукоемкие технологии. 2019. T. 6. С. 31—38.Нyndman R.J., Athanasopoulos G. Forecasting: principles and practice. Melbourne, OTexts, 2018. 327 p.Нyndman R.J., Athanasopoulos G. Forecasting: principles and practice. Melbourne, OTexts, 2018. 327 p.Granger Cl.W.J. Time Series Analysis, Cointegration, and Applications. American Economic Review. 2004. Vol. 94. No. 3. P. 421—425.Granger Cl.W.J. Time Series Analysis, Cointegration, and Applications. American Economic Review. 2004. Vol. 94. No. 3. P. 421—425.Волошин В.П., Желиговская Е.А. Структуры сеток водородных связей и динамика молекул воды в конденсированных водных системах. Рос. хим. журнал. 2001. Т. 45. Вып. 3. C. 31—37.Волошин В.П., Желиговская Е.А. Структуры сеток водородных связей и динамика молекул воды в конденсированных водных системах. Рос. хим. журнал. 2001. Т. 45. Вып. 3. C. 31—37.Родникова М.Н. Об упругости пространственной сетки водородных связей в жидкостях и растворах. Структурная самоорганизация в растворах и на границе фаз. М., Изд. ЛКИ, 2008. 250 с.Родникова М.Н. Об упругости пространственной сетки водородных связей в жидкостях и растворах. Структурная самоорганизация в растворах и на границе фаз. М., Изд. ЛКИ, 2008. 250 с.Boffetta G., Ecke R.E. Two-dimensional turbulence. Annual Review of Fluid Mechanics. 2012. Vol. 44. No. 4. Р. 427—451.Boffetta G., Ecke R.E. Two-dimensional turbulence. Annual Review of Fluid Mechanics. 2012. Vol. 44. No. 4. Р. 427—451.Eckstein M., Horodecki P. The Experiment Paradox in Physics. Foundations of Science. 2022. Vol. 27. No. 12. P. 1—15. DOI: 10.1007/s10699-020-09711-y.Eckstein M., Horodecki P. The Experiment Paradox in Physics. Foundations of Science. 2022. Vol. 27. No. 12. P. 1—15. DOI: 10.1007/s10699-020-09711-y.Chashechkin Yu.D., Rosental O.M. River Flow Structure and its Effect on Pollutant Distribution. Water Resources. 2019. Vol. 46. No. 6. Р. 910—918. DOI: 10.1134/S0097807819060022.Chashechkin Yu.D., Rosental O.M. River Flow Structure and its Effect on Pollutant Distribution. Water Resources. 2019. Vol. 46. No. 6. Р. 910—918. DOI: 10.1134/S0097807819060022.

The authors declare that there are no conflicts of interest present.