А.Г. Разумеется.
И.К. Наша модель объясняет, почему не сбывались прогнозы, построенные на основе линейных моделей.
Кроме того, аналогичные модели мы построили для других бессточных водоёмов – для Мёртвого моря, для озёр Балхаш, Большое Солёное, Чаны, Чад и так далее. И везде мы получили то же самое. И основным общим, характерным свойством всех этих решений является бимодальность гистограмм. Пожалуйста, покажите рисунок 3 по теме 2. Все эти гистограммы – бимодальные. Сверху Каспийское море, потом озеро Чад, потом Мёртвое море.
Теперь, почему не сбывались эти прогнозы? Потому что линейная модель имеет только один устойчивый уровень состояния. И каждый переход воспринимает как чрезвычайно редкое событие с очень малой вероятностью. Линейные модели использовались, конечно, для обоснования переброски северных рек. И используются, возможно, и сейчас тоже для каких-то целей.
Кроме того, мы рассчитали показатели Харста для приращения уровня Каспийского моря и стока Волги. Сток Волги занимает 80 процентов от стоков всех рек, впадающих в Каспийское море. Мы получили близкие значения. Затем мы рассчитали эти показатели для некоторых объектов бассейна Каспийского моря – температуры воды в Астрахани, в Казани, среднегодовых значений температур. Тоже получили показатель Харста больше, чем одна вторая. То есть это такая система, которая характеризуется нелинейными свойствами.
В.Н. Я хотел сказать, что есть эффект, который родственен эффекту Харста и дополняет его. Это так называемый степенной закон распределения вероятностей. Что это за закон? Вероятности катастрофических наводнений, в которых гибнут люди, убывает с ростом числа жертв этих наводнений, не экспоненциально, а по степенному закону, то есть очень медленно. Говоря другим языком, можно сказать, что вероятности этих наводнений гораздо выше, чем принято считать. Возникает тогда вопрос: как рассчитывать вероятности таких наводнений, как описать физический механизм, который приводит к степенному закону затухания распределения вероятностей, и как построить удобную аналитическую функцию, чтобы можно было бы на основе этой придуманной нами функции правильно подсчитать вероятность этих катастрофических наводнений? Или, по крайней мере, согласовать их с известными данными по степенной статистике, которая широко применяется в американских работах. Но там ничего не говорится о механизме.
Так вот, почему это важно? Важно потому, что в 20-е годы в Нидерландах правительственный комитет по защите от наводнений принял максимальный уровень воды 390 сантиметров. На этот уровень предполагалось рассчитывать защитные сооружения.
А.Г. Это от уровня моря?
В.Н. Нет, на уровне внезапного подъёма воды.
А.Г. Ну, 390 от уровня моря.
В.Н. Такой уровень возможен раз в 10 тысяч лет. Гидротехники не стали ориентироваться на столь редкое событие, взяли отметку 340 сантиметров. Стремление удешевить строительство привело к трагедии голландского урагана, вызвало большие разрушения и самое большое несчастье – погибло около 2000 человек.
Таким образом, правильное определение вероятности этих катастроф нам очень важно. Так вот, мы посмотрели на эту задачу и построили простую модель, заключающуюся в расчёте стока, в который входят осадки, испарения, сток и влагозапасы бассейна. Такая модель описывается стохастическим дифференциальным уравнением. Мы написали уравнение Фоккера-Планка-Колмогорова для этой системы и получили достаточно простое распределение – со степенным затуханием функции распределения вероятности при больших величинах этого стока. А поскольку можно предполагать, что масштабы этого бедствия функционально связаны с расходом воды и уровнем воды, мы стали использовать эту функцию для расчёта катастрофических наводнений на разных реках. Мы начали с Невы. Потому что для неё посчитаны детальные гидродинамические модели, и можно было сравнить эту теорию с гидродинамическими теориями наводнений.
И.К. Мы взяли эту плотность степенного распределения, в простейшем случае она зависит от одного параметра «бета» и обладает следующими свойствами. Во-первых, плотность степенного распределения степенным образом затухает, когда её аргумент стремится к нулю, и тем медленнее, чем меньше параметр «бета». И, кроме того, если «бета» больше, то она достаточно быстро убывает. И, во-вторых, моменты порядка «целая часть параметра „бета“ обращаются в бесконечность для этого степенного распределения. Таким образом, если у нас „бета“ приняло значение между двумя и тремя, то „целая часть параметра бета“ равно двум и степенное распределение не имеет дисперсии. То есть дисперсия обращается в бесконечность. Таким образом, соответствующий случайный процесс должен совершать гигантские выбросы, чтобы набрать такую дисперсию. Действительно, существует такая северная горная река Тура, которая протекает в Эвенкийском Национальном округе, в горах, между реками Енисеем и Леной, и для неё оценка параметра „бета“ равна 2,63. То есть там имеют место гигантские выбросы.
Вообще говоря, применение степенного распределения в корне меняет въевшееся в плоть и кровь представление о надёжности и риске. Вот мы рассмотрели максимальные уровни для реки Невы. И для того, чтобы исследовать повторяемость наводнений, мы рассмотрели наше степенное распределение и принятое в гидрологии гамма-распределение. Вот крупнейшее наводнение на реке Неве произошло в Петербурге. Его описал Пушкин в поэме «Медный всадник». Он писал, что «вода и больше ничего» – настолько залило Петербург. Уровень воды реки Невы 19 ноября 1824-го года достиг 421 сантиметра. Если использовать гамма-распределение, то такое наводнение повторяется один раз в 22 тысячи лет. То есть оно является чрезвычайно редким и совершенно невероятным.
А если использовать степенное распределение и рассчитать повторяемость, то оно происходит один раз в 667 лет и является, в общем, вполне реальным.
Следующее крупное наводнение произошло 23 сентября 1924-го года. Уровень в реке Неве был 380 сантиметров. С точки зрения гамма-распределения такое наводнение повторяется раз в 2700 лет. А с точки зрения степенного распределения, оно повторяется один раз в 2,5 века и является вполне реальным событием. Получив это, мы сравнили нашу модель с гидродинамическими моделями, которые были разработаны в Петербурге. И вот в таблице видно, что наша модель и гидродинамические модели очень хорошо соответствуют друг другу. А плотности степенного распределения и гамма-распределения хорошо совпадают в средней части и очень сильно различаются в области катастрофических наводнений. Именно этим и объясняется разница в такой повторяемости.
В.Н. Я хотел бы здесь добавить, что гидродинамические модели, которые использовались для расчёта и описания наводнений, неявно, – и явно, конечно, – учитывали нелинейный характер воды движения в Финском заливе. Именно они и дали такой правильный результат – с нашей точки зрения.
Мы рассчитывали натурные данные конечно не только для Невы, но и для других рек. Например, Янцзы. Хорошо известно, что там в 1931-м году произошло крупнейшее наводнение, унёсшее 1,3 миллиона жизней. Что оказалось здесь? Мы рассчитывали наводнение 54-го года, по 31-му году у нас не было данных. Оказалось, везде наблюдается одна и та же картина: невероятное, с точки зрения обычных формул гидрологии, оказывается вероятным с точки зрения степенного закона. То есть, нужен пересмотр всех этих явлений с точки зрения правильного описания статистики редких событий.
Исследовали такую реку – Западная Двина. То же самое. В Витебске в 31-м году было крупнейшее наводнение. Обычные формулы дают – невероятно. Наша формула даёт раз в шесть большую вероятность. Через три года это наводнение повторяется. И в Миссури мы анализировали максимальный расход воды, потом исследовались высокие уровни воды в Амуре. Потом исследовали (правда, тут маловато данных, но, тем не менее, из-за любопытства), например, наводнение на Северном Кавказе прошлым летом, наводнение в Чехии и Германии – исследовались июльские и августовские расходы воды в Эльбе.
Везде наблюдалась та же картина. Вероятность наводнений, вычисленных на основе такого вот экспоненциального семейства, в 6, 7 (и даже больше, если особо выдающиеся наводнения) больше вероятности по гамма-распределению.