EN
Significant spatial variability of the accumulation of pollutants in soils can make problems in the determination of the borders defining a zone where pollution, according to the applied legal requirements, is excessive. Particular difficulty is caused by a short-distance variability, disturbing the regularity in a spatial distribution of pollution around the source of emission. The paper presents an alternative, compared to traditional interpolation methods, algorithms based on the optimization and the application non-linear neural networks called mixture density network MDN and feature space mapping network FSM.The benefit from the application of this approach is more information referring to the distribution of pollution. This approach allows the estimation of the local variance of the accumulation of pollutants and approximate local distribution. This allows greater extent of taking into account the uncertainty connected with the spatial variability of soil pollution.
PL
Znaczna przestrzenna zmienność akumulacji zanieczyszczeń w glebach może sprawiać problemy przy wyznaczaniu zasięgu strefy nadmiernie nimi obciążonej, zgodnie ze stosownymi wymogami prawnymi. Szczególne utrudnienie sprawia zmienność krótkodystansowa, zakłócająca oczekiwaną regularność rozkładu przestrzennego zanieczyszczeń wokół Źródła emisji. W pracy zaprezentowano zastosowanie alternatywnych, wobec tradycyjnych metod interpolacji, algorytmów sieci neuronów MDN i FSM. Korzyścią płynącą z zastosowania tego podejścia jest pogłębienie informacji dotyczących rozkładu zanieczyszczenia. Podejście pozwala na oszacowanie lokalnej wariancji akumulacji zanieczyszczeń oraz przybliżonego lokalnego rozkładu. Pozwala to na pełniejsze uwzględnienie niepewności związanej z przestrzenną zmiennością obciążenia gleb zanieczyszczeniami.