L. Mustafa, M. Ismailov
4. AL01 алгоритмінің биттік шашырауы қасиеті
Мақаланың осы бөлімінде аталған шифрлау алгоритмінің биттік шашырау қасиетін кілт пен ашық мәтіндерге қатысты зеттеулер жүргізілген. Төменгі AL01 алгоритмінің ашық мәтіннің әртүрлі орындағы бір ғана биттің өзгеруіне қатысты шифрмәтіннің биттік шашырауы төменгі 1-кестеде көрсетілген.
●
Техникалық ғылымдар
ҚазҰТЗУ хабаршысы №5 2019 97
1-кесте. Биттік шашыраудың ашық мәтінге қатысты алынған статистикалық мәндері i ki i ki i ki i ki i ki i ki i ki i ki1 0,49 17 0,52 33 0,45 49 0,46 65 0,5 81 0,41 97 0,55 113 0,48 2 0,58 18 0,57 34 0,51 50 0,54 66 0,52 82 0,55 98 0,41 114 0,39 3 0,53 19 0,52 35 0,5 51 0,44 67 0,44 83 0,5 99 0,52 115 0,52 4 0,41 20 0,52 36 0,53 52 0,48 68 0,48 84 0,54 100 0,51 116 0,48 5 0,53 21 0,49 37 0,57 53 0,53 69 0,49 85 0,48 101 0,46 117 0,47 6 0,41 22 0,5 38 0,51 54 0,53 70 0,52 86 0,46 102 0,55 118 0,47 7 0,48 23 0,41 39 0,49 55 0,46 71 0,45 87 0,55 103 0,55 119 0,45 8 0,57 24 0,46 40 0,47 56 0,45 72 0,43 88 0,56 104 0,56 120 0,52 9 0,51 25 0,48 41 0,51 57 0,46 73 0,59 89 0,46 105 0,44 121 0,49 10 0,55 26 0,45 42 0,55 58 0,50 74 0,46 90 0,49 106 0,53 122 0,52 11 0,5 27 0,47 43 0,47 59 0,49 75 0,51 91 0,45 107 0,49 123 0,49 12 0,5 28 0,48 44 0,53 60 0,49 76 0,5 92 0,45 108 0,52 124 0,56 13 0,46 29 0,53 45 0,34 61 0,49 77 0,49 93 0,5 109 0,51 125 0,49 14 0,56 30 0,51 46 0,47 62 0,53 78 0,53 94 0,6 110 0,48 126 0,48 15 0,49 31 0,49 47 0,47 63 0,43 79 0,45 95 0,39 111 0,48 127 0,59 16 0,54 32 0,53 48 0,54 64 0,51 80 0,55 96 0,55 112 0,52 128 0,52
1-кестеден алынған статистикалық мәндерге сүйенсек, яғни хи-квадрат 66,421875-ке, ал еркіндік дәрежесі (степень свободы) 127-ге тең болуы себепті, шифрлау алгоритмнің биттік шашырауы қасиеті жақсы нәтижеге ие болып отыр.
AL01 алгоритмінің кілтінің әртүрлі орындағы бір ғана биттің өзгеруіне қатысты шифрмәтіннің биттік шашырауы 2-кестеде көрсетілген.
2-кесте. Биттік шашыраудың кілтке қатысты алынған статистикалық мәндері
i ki i ki i ki i ki i ki i ki i ki i ki
1 0,44 17 0,51 33 0,48 49 0,47 65 0,51 81 0,55 97 0,53 113 0,56 2 0,54 18 0,44 34 0,51 50 0,54 66 0,53 82 0,44 98 0,46 114 0,54 3 0,44 19 0,42 35 0,49 51 0,44 67 0,42 83 0,46 99 0,41 115 0,52 4 0,58 20 0,5 36 0,5 52 0,51 68 0,43 84 0,48 100 0,51 116 0,52 5 0,52 21 0,42 37 0,52 53 0,46 69 0,49 85 0,48 101 0,54 117 0,51 6 0,54 22 0,49 38 0,52 54 0,48 70 0,52 86 0,55 102 0,48 118 0,55 7 0,55 23 0,45 39 0,51 55 0,53 71 0,54 87 0,53 103 0,49 119 0,40 8 0,51 24 0,51 40 0,41 56 0,37 72 0,44 88 0,55 104 0,51 120 0,45 9 0,46 25 0,51 41 0,51 57 0,56 73 0,48 89 0,44 105 0,47 121 0,45 10 0,56 26 0,52 42 0,5 58 0,48 74 0,54 90 0,54 106 0,57 122 0,55 11 0,48 27 0,51 43 0,51 59 0,48 75 0,51 91 0,46 107 0,49 123 0,54 12 0,58 28 0,52 44 0,49 60 0,51 76 0,46 92 0,40 108 0,5 124 0,53 13 0,55 29 0,55 45 0,48 61 0,55 77 0,45 93 0,51 109 0,47 125 0,55 14 0,55 30 0,43 46 0,55 62 0,48 78 0,54 94 0,62 110 0,45 126 0,46 15 0,45 31 0,45 47 0,52 63 0,48 79 0,49 95 0,44 111 0,48 127 0,52 16 0,55 32 0,55 48 0,49 64 0,45 80 0,47 96 0,45 112 0,48 128 0,44
Осы мәндер арқылы есептелінген хи-квадрат 67,75-ке, ал еркіндік дәрежесі 127-ге тең болуы себепті аталған шифрлау алгоритмы биттік шашырау қасиеті бойынша оң нәтиже берді.
Қарастырылған «AL01» шифрлеу алгоритміне жүргізілген сызықтық және дифференциалдық криптоталдаулар нәтижелеріне қарап, аталған алгоритмнің осы талдаулауларға беріктілігіне көз жеткіздік. 1-ші және 2-кестелердегі мәндердің биттік шашырауының ашық мәтін мен кілттерге қатысты жоғарғы дәрежеде орындалуы алгоритмнің оң тұстарының бірі екендігін көрсетті.
Қорытынды
Қарастырылған еңбекте «AL01» шифрлеу алгоритміне жүргізілген сызықтық және дифференциалдық криптоталдаулар нәтижелері көрсетілген. Осы алгоритмнің жоғарыдағы талдаулар
98
№5 2019 Вестник КазНИТУ
түрлеріне қаншалықты берік екендігіне көз жеткізілді. Сондай-ақ, алгоритмнің биттік шашырауы қасиетіне жүргізілген зерттеулерден алынған нәтижелер алгоритмнің практикада қолдану мүмкіндігін арттыра түспек.Жүргізілген ғылыми зерттеу жұмысы «Ақпараттық және есептеуіш технологиялар институтында» орындалып жатқан «Жалпы мақсаттағы желілер мен инфокоммуникациялық жүйелерде ақпаратты жіберу және сақтау кезінде оны криптографиялық қорғау үшін бағдарламалық және бағдарламалық-аппараттық кешендерді құрастыру» BR05236757 жобасы аясында жүзеге асты.
ӘДЕБИЕТ
[1] Biham E., ShamirA. Differential cryptoanalysis of DES-like cryptosystems (англ.). – 1990.
[2] Matsui, M. «Linear cryptanalysis method for DES cipher» (PDF). Advances in Cryptology - EUROCRYPT 1993. Archived from the original (PDF) on 2007-09-26. Retrieved 2007-02-22.
[3] Шнайер Б. Прикладная криптография. Протоколы, алгоритмы, исходные тексты на языке Си.
— Москва: Триумф, 2002.
[4] Бабенко Л. К., Ищукова Е.А. Современные алгоритмы блочного шифрования и методы их анализа.
Москва: «Гелиос АРВ», 2006.
[5] Авдошин С. М., Савельева А. А. Криптоанализ: современное состояние и перспективы развития.
Приложение к журналу «Информационные технологии». — 03/2007. — N 3.: 25.07.2019).
[6] Ростовцев А.Г., Маховенко Е.Б. Теоретическая криптография. АНО НПО "Профессионал", 2005.
[7] Дюсенбаев Д.С., Алғазы К.Т. «Симметриялық криптографиялық алгоритмдердің S-блоктарына талдау»
Материалы Международной научной конференции Института информационных и вычислительных технологий МОН РК “Современные проблемы информатики и вычислительных техналогий”, 28-29 июня 2016. Алматы: 5-9 c.
[8] Дюсенбаев Д.С., Алғазы К.Т. S-блоктаға жүргізілген сызықтық және дифференциалдық криптоталдаудың нәтижелері Мат. Междун. Научн. Конф. Информатика и прикладная математика, посвященной 25-летию Независимости Республики Казахстан и 25-летию Институт информационных и вычислительных технологий, 2016. 14-17 c.
[9] Капалова Н.А., Алгазы К.Т., Дюсенбаев Д.С. Линейный и дифференциальный криптоанализ s-блоков.
Труды 13-й Международной школы-семинара "Проблемы оптимизации сложных систем" в рамках международной конференции IEEE SIBIRCON, Новосибирск, 18-22.сент.2017. [Электрон.ресурс]- http://conf.nsc.ru/opcs2017/ru/proceedings.
Капалова Н., Дюсенбаев Д., Сақан Қ., Алғазы К.
Криптографический анализ алгоритма шифрования «AL01»
Аннотация. В статьи отражены результаты проведенного дифференциального и линейного криптографического анализа алгоритма шифрования «AL01». Исследование проведено по двум этапам: в первом – преобразований, участвующие в алгоритме, рассмотрены по отдельности, во-втором: исследование алгоритма в целиком – во взаймодействии со всеми преобразованиями. По итогам проведенной работы более подробно изучена криптографическая стойкость рассматриваемого алгоритма к атакам методами дифференциального и линейного криптоанализа. А также проведен анализ алгоритма по определению степени обладания лавинным эффектом.
Ключевые слова: линейный криптоанализ, дифференциальный криптоанализ, лавинный эффект, криптостойкость алгоритма шифрования.
УДК 1082
N.S. Zaurbekov, A.A. Asylbekov, A.K. Kozybayev, Zh.S. Nabiyeva (Almaty University of Technology, Kazakhstan, Almaty
E-mail: asilbek_k@mail.ru)
MODEL ANALYSIS OF THE INFLUENCE OF HYDROMODUL AND MALT BILL ON THE BEER BODY
Abstract. The necessity of wide application of mathematical modeling in these industries of beer output and productivity. In the composition of the dry substances in a mixture influence the size of the basic processes of mathematical modeling Hydromodul beer and water. As a result, Microsoft Excеl-regulatory determine their optimal values using a modeling method.
Key words: the module, extract, regression, correction, dispraxia, multicollinearity, simulation, modeling, computer modeling.
●
Техникалық ғылымдар
ҚазҰТЗУ хабаршысы №5 2019 99
Н.С. Зәуірбеков, А.А. Асылбеков, А.К. Козыбаев, Ж.С. Набиева(Алматы технологиялық университеті, Алматы, Қазақстан Республикасы E-mail: asilbek_k@mail.ru)
ГИДРОМОДУЛЬДІҢ ЖӘНЕ СУСЫЗ ҚОСПАНЫҢ СЫРАНЫҢ ЭКСТРАКТИВТІЛІГІНЕ ӘСЕРІН МОДЕЛЬДЕУ
Андатпа. Сыра өндірістеріндегі шығымы мен өнімділігін математикалық модельдеуді кеңінен қолдану қажеттілігі көрсетілген. Гидромодульдің және сусыз қоспаның сыраның құрамындағы құрғақ заттардың мөлшерінің әсерін математикалық модельдеудің негізгі процестері келтірілген. Нәтижесінде, Microsoft Excеl бағдарламасында перспективті-нормативті модельдеу әдісін қолдану арқылы олардың оптимальды мәндерін анықтаған.
Негізгі сөздер: гидромодуль, экстрактивтивтілік, регрессия, коррекция, диспрессия, мультиколлинеарлық, модельдеу, компьютерлік модель.
Кіріспе
Қазіргі қоғамда болып жатқан ақпараттық дамудың өңделу, жеткізілу,сақталу заңдарының негізін ұғыну және дұрыс болжамдау үшін болашақ маманға компьютерлік модельдеу, ақпаратты өңдеу аса қажет. Кез-келген технологиялық жүйе қарапайым нысанда нақты жүйенің ең маңызды қасиеттерін көрсететін сандық әдістердің кең ауқымын қолдана отырып белгілі математикалық модель ұсыныланады. Математикалық және статистикалық әдістер заманауи технологиялық сапаны бақылауды және өнімнің шығымын арттыруға мүмкіндік береді. Сыраны өндіру үшін қолданатын шикізат шығынын толық компьютерлік модельдеу. Таңдап алынған сыра ассортиментінің оңтайлы құрамын тауып, өндірілген өнімнің шығымын көбейту жолдарын компютерлік модельдеу арқылы қарастырарттыруға болатындығы көрсетілген [1,2].
Зерттеу нысандары мен әдістері
Зерттеу нысаны ретінде сыра өндірісінің гидромодулі, сусыз қоспасы және сыраның экстрактивтілігі алынды.Көрсеткіштер жүйесін жасау барысында технологиялық процессті оңтайландыратын факторларға аса назар аударылды.
Х-гидромодуль, У-себу нормасы, Z- экстрактивтілігі.
Тәжірибе нәтижесінде үш факторда орташа мәнге келтірілген.
Нәтижелер және оларды талдау
Жоcпapлapудың мaтeмaтикaлық талдау жacaу бapыcындa зepттeу бeлгiлi жоcпap бойыншa жүpді.
Төмендегі 1 кестеде зерттеу нәтижелері келтірілген. Осы бойынша берілген факторларға математикалық математикалық моделдеу жасалынды [3,4].
Кесте 1. Зерттеу нәтижелерінде алынған гидромодульдің, себу нормасының, экстрактивтілігің мәндері
Гидромодуль Себу нормасы Экстрактивтілік
5 95 16
5 85 15
5 75 14
5 65 13
4 95 13,1
4 85 12,5
4 75 11,9
4 65 10
3 95 13,2
3 85 13
3 75 11,2
3 65 9,8
100
№5 2019 Вестник КазНИТУ
1.Регрессия теңдеуін бағалау.Регрессия коэффициенттерін бағалаудың векторын (S) ең кіші квадраттар әдісімен анықтаймыз:
s = (XTX)-1XTY
Регрессия теңдеуі (регрессия теңдеуін бағалау) Y = -1.1817 + 1.35X1 + 0.1063X2
y-экстрактивтілігі, х1-гидромодуль, х2-қоспа нормасы
2. Корекциялық жұптық коэфициенттерінің матрицасы – R (2 кесте). Бақылау саны n = 12. Тәуелсіз айнымалы модельдің саны 2ге тең, ал бірлік векторын ескерсек онда регрессорлар белсігіз коэфиценттерінің санына тең. Белгіні ескерсек Y, матрицаның өлшемі 4тең болады. Тәуелсіз айнымалының матрицасы Х, өлшемі (12 х 4) [4,5.] Коррекцияның жұптық коэфициенттері:
Кесте 2. Коррекциялық жұптың коэфиценттерінің матрицасы - R:
- y x1 x2
y 1 0.627 0.6763
x1 0.627 1 0
x2 0.6763 0 1
Мультиколлинеарлықты тестілеу және жою. Мультиколлинеарлық – факторлар арасындағы байланыс. Мультиколлинеарлық өлшем ретінде келесі теңсіздіктерді сақтау қабылдануы мүмкін:
r(xjy) > r(xkxj) ; r(xky) > r(xkxj).
Егер бір теңсіздік сақталмаған болса,онда xk немесе xj, онда нәтижелі көрсеткішпен байланысының жиілігі Ү аз болады [7,6]. Ең маңызды xi факторларын іріктеу үшін мынадай шарттар іріктеледі:
-нәтижелі белгі мен факторлық байланыс фактораралық байланыстан жоғары болуы тиіс;
-факторлар арасындағы байланыс 0.7-ден аспауы тиіс. Егер матрицада корреляцияның фактораралық коэфициенті бар болса, rxjxi > 0.7, онда бұл модельде көпше регрессияның мультиколлинеарлығы бар;
- белгінің жоғары фактораралық байланысы кезінде олардың арасындағы корреляция коэфицентінің аз факторлары іріктеледі. Біздің жағдайда барлық жұп корреляция коэфиценттері
|r|<0.7, факторлардың мультиколлинеарлығының болмауын айтуға болады.
Мультиколлинеарлықты зерттеудің ең толық алгоритмі Фаррар-Глобер алгориті болып табылады, оның көиегімен мультиколлинеарлықтың үш түрін белгілейді:
1. Барлық факторларды (χ2 - хи-квадрат).
2. Барлық факторды қалғандарынан ( Фишера критериясы).
3. Әрбір факторлар жұбын( Стьюдент критериясы).
1. Статистикалық критериилердің бірінші түрі бойынша Фаррар-Глоубер әдісімен мультиколлинеарлыққа айнымалыларды тексересіз( "хи-квадрат"). Фаррара-Глоубердің
статистикалық мәнін есептеудің формуласы:
χ2 = -[n-1-(2m+5)/6]ln(det[R]) = -[12-1-(2*2+5)/6]ln(0.149) = 18.06
●
Техникалық ғылымдар
ҚазҰТЗУ хабаршысы №5 2019 101
m = 2 – факторлар саны, n = 12 –бақылау саны, det[R] –Rкорреляциясының жұп коэфиценттерінің матрицасын анықтағыш [8,9]. Оны кесте мәнімен салыстырамыз v = m/2(m-1) = 1еркіндік мәні болғанда және α мәнділік деңгейі бойынша. Егер χ2 > χкесте2болса, онда факторлар векторында мультиколлинеарлығы бар болғаны χтабл2(1;0.05) = 3.841462. Статистикалық критерийлердің екінші түрі бойынша мультиколлинеарлыққа айнымалыларды тексереміз (Фишер критериясы).
F- Фишер критериясын шығарамыз:
мұндағы dkk –матрица элементінің диагоналы. Өлшемдердің есептелген мәндері кесте v1=n-m и v2=m-1 түріндегі еркіндік дәрежесімен және мәнділік деңгейімен салыстырылады α. Егер Fk >FТабл, кесте болса, онда k-айнымалы басқалармен мультиколлинеарлы [8,9].
v1=12-2 = 11; v2=2-1 = 2. FТабл(11;2) = 19.4
F1 > Fкесте, болғанда айнымалы басқалармен мультиколлинеарлы.
F2 ≤ Fкесте болғанда, x1 – айнымалы басқалармен мультиколлинеарлы емес.
F3 ≤ Fкестеболғанда, x2 – айнымалы басқалармен мультиколлинеарлы емес.
3. Айнымалыларды мультиколлинеарлыққа статистикалық критерияның (Стьюдент критериясы).үшінші түрімен тексереміз.Ол үшін корреляцияның меншікті коэфиценттерін табамыз. Қорыта айтқанда бірде-бір факторларды регрессиялық теңдеулерді құруға қолдануға болмайды.
Стандартты масштабтағы регрессия моделі.
Стандартты масштабтағы регрессия моделі зерттелетін белгілердің барлық мәндері формулалар бойынша стандарттарға ауысатынын болжайды.
мұндағыхji –айнымалы бақылау мәні хji дегі.
Осылайша, әрбір стандарттаған айнымалы санаудың басталуы оның орташа мәнімен біріктіріледі, ал өзгерту бірлігі ретінде онығ орташа квадраттық ауытқуы–S қабылданады.
Егер табиғи масштабтағы айнымалылардың арасындағы байланыс сызықтық болса, онда санаудың басы мен өлшем бірліктерінің өзгеруі бұл қасиетін бұзады, сондықтан стандартталған айнымалылар сызықтық қатынаспен байланысты ty = ∑βjtxj болады.
β-коэффициенттерді бағалауға МНК қолданады. Бұл ретте қалыпты теңдеулер дүйесі төмендегі түргн ие болады:
rx1y=β1+rx1x2•β2 + ... + rx1xm•βm rx2y=rx2x1•β1 + β2 + ... + rx2xm•βm rxmy=rxmx1•β1 + rxmx2•β2 + ... + βm
Біздің деректер үшін (корреляция коэфиценттерінің жұптарының матрицаларынан аламыз) 0.627 = β1 + 0β2
0.676 = 0β1 + β2
Бұл сызықты теңдеулер дүйесін Гаусс әдісімен шешеміз:
β1 = 0.627; β2 = 0.676;
102
№5 2019 Вестник КазНИТУ
Стандартталған массштабтағы берілген теңдеу:ty=β1tx1+β2tx2
β-коэфициентінің есебін төмендегі формуламен есептейміз:
Регрессия теңдеуінің стандартталған түрі былай:
ty = 0.627x1 + 0.676x2
Осы жүйеден табылған β–коэффициенттерформулалар бойынша табиғи масштабтағы регрессия коэфициенттерінің мәнін анықтауға мүмкіндік береді.
3. Регрессиялық теңдеудің параметрлерін талдау.
Алынған регрессия теңдеуін статистикалық талдауға көшеміз:теңдеудің маңыздылығын және оның коэфициенттерін тексеру аппроксимациның абсолюттік және салыстырмалы қателерін зерттеу үшін:
Дисперсияның араласпаған бағасы үшін келесі есептеулерді жүргіземіз:
Аппроксимацияның орташа қатесі:
Дисперсияның қатесі тең:
se2=(Y-Y(X))T(Y-Y(X))=5.543 Араласпаған дисперсияның бағасы тең:
Орта квадратты ауытқудың бағасы (Y-бағасы үшін стандартты қате ):
Кесте 7
k = S2 • (XTX)-1 векторының коварнациялық матрицасының бағасын табамыз
Модель параметрлерінің дисперсиясы S2i = Kii, ,демек осы қатынаспен анықталады, бұл басты диагональда жатқан элементтер.
Түбірдің көпше корреляциялық коэфициенті (Түбірдің көпше корреляциялық индексі).
Көптеген корреляция коэфициентін корреляцияның жұп коэфициенттерінің матрицасы арқылы анықтауға болады [10,11].
мұндағы Δr -жұп коэфиценттерінің матрицасын анықтағыш; Δr11 –фактор аралық матрицаны анықтағыш.
Көптеген корреляция коэфиценті
●
Техникалық ғылымдар
ҚазҰТЗУ хабаршысы №5 2019 103
Басқа формуланы қолданғанда осыған ұқсас нәтиже аламыз.Y және Xi факторының арасындағы белгілердің байланысы күшті. Детерминациялық коэффициент.
R2= 0.92222 = 0.8505
Объективті бағалау түзетілген детерминация коэфиценті болып табылады.
Осы коэфицент неғұрлым бірге жақын болса, онда регрессия теңдеу Ү-дың мәнін көбірек түсіндіреді. Жаңа түсіндіруші айнымалылардың моделіне қысым түсірілсе детерминация коэфиценті өсе бастағанға дейін жүзеге асырылады.
5.Реггрессия теңдеулерінің коэфиценттеріне байланысты гипотезаларды тексеру (регрессияның көпше теңдеуі параметрлерінің маңыздылығын тексеру).
v = n - m - 1 саны еркіндік дәрежелерінің саны деп аталады. Статистикалық сенімділікті қамтамасыз ету үшін көптеген сызықтық регрессияны бағалау кезінде юақылау саны соңғы өлшем бойынша 3 рет бағаланатын параметрлердің санынан асып түсуі талап етіледі деп саналады [12,13,14].
t-статистика
Tтабл (n-m-1;α/2) = (9;0.025) = 2.262
b0 - регрессиясы коэфицентінің статистикалық маңыздылығы расталмайды.
b1 - регрессиясы коэфицентінің статистикалық маңыздылығы расталады.
b2 – регрессиясы коэфицентінің статистикалық маңыздылығы расталады.
Регрессия теңдеуінің коэфиценттері үшін сенімді интервал.
Сенімділік 95% болатын регрессия коэфиценттерінің сенімді интервалдарын анықтаймыз:
(bi - ti*Sbi; bi + ti*Sbi)
b0: (-1.182 - 2.262*1.978 ; -1.182 + 2.262*1.978) = (-5.655;3.292) b1: (1.35 - 2.262*0.277 ; 1.35 + 2.262*0.277) = (0.722;1.978) b2: (0.106 - 2.262*0.0203 ; 0.106 + 2.262*0.0203) = (0.0604;0.152) 6. Жалпы регрессия теңдеуінің сапасын тексеру.
F-статистика. Критерий Фишера.
Жалпы маңыздылығ туралы гипотезаны тексереміз және түсіндіретін айнымалылардың регрессиясын барлық коэфиценттерін нөлге бір мезгінде теңдігі туралы гипотезаны тексереміз [15,16].
H0: R2 = 0; β1 = β2 = ... = βm = 0.
H1: R2 ≠ 0.
Бұл гипотезаны тексеру Фишердің таралу F-статистикасының көмегімен жүзеге асырылады.(оңжақты тексеру)
Егер F <Fkp = Fα ; n-m-1 болма, онда H0– гипотезадан ауытқуға негіз жоқ.
104
№5 2019 Вестник КазНИТУ
Бос дәрежедегі кестенің мәні k1 = 2 и k2 = n-m-1 = 12 - 2 - 1 = 9, Fkp(2;9) = 4.26Егер нақты мән F >Fkp болса, онда статистикалық детерминация коэфиценті маңызды және регрессия теңдеуі статистикалық сенімді (яғни biкоэфиценттері бірге маңызды). Қорытынды. Есептеу нәтижесінде көптеген репрессия теңдеулері алынды:
Y = -1.1817 + 1.35X1 + 0.1063X2.Яғни параметр моделдерінің интерпретациялануы мүмкін: 1-ші өлшем бірлігінде X1- дің ұлғаюы Ү-тің 1.35 өлшем бірлігіне ұлғаюына алып келед.; ал 2-ші өлшем бірлігінде X2 -нің ұлғаюы Y-тің 0.106 өлшем бірлігіне ұлғаюына алып келеді. Теңдеудің статистикалық мәні детерминациякоэффициентінің және Фишер критерийінің көмегімен тексерілді. Сонымен зерттеу нәтижесі мынаны көрсетті Ү-тің мәнінің 85.05% вариабельіктілігін Xj– факторының өзгеруімен түсіндіріледі.
Сурет-1. Сыра өңдіру пpоцecciнiң экстрактивтілігіне гидромодуль қисығы мен себу нормасының әcepiнiң STATISTICA бағдарламасындағы гpaфикaлық cуpeтi
Шегі сары аймақ болып табылады, гидромодуль қисығында оптимум 4 және себу нормасы 80- 85, ал экстрактивтілігі 12,0-ге тең.
Адекваттылық бағдарламаның қамтамасыз ету көмегімен ANOVA жүйесінде тексерілді, Statistica 10.0-ға тең.
Қорытынды
Стaтиcтикaлық өңдeу сыра өңдіру пpоцecciнiң экстрактивтілігіне гидромодуль мен себу нормасының тікелей әсерінің бар екендігін көрсетті.
Сыра өндірісінің экстрактивтілігінің тeхнологиялық пpоцeccтepін оңтaйлaндыpудың пapaмeтpлepiн мaтeмaтикaлық cипaттaп, ғылыми нeгiздeугe мүмкiндiк бepдi.
ӘДЕБИЕТ
[1] Мaкapовa Н.В., Тpофимeц В.Я. Cтaтиcтикa в Eхcel: учeб. поcобиe - Финaнcы и cтaтиcтикa, 2015.-368 c.
[2] Боpовиков В.П., Боpовиков И.П. STATISTICA - Cтaтиcтичecкий aнaлиз и обpaботкa дaнных в cpeдe Windows.-2-e изд., пepepaб. и доп. – М.: Филин, 2016. – 608 c.
[3] Бeшeнков C.A.,Paкитинa E.A. Модeлиpовaниe и фоpмaлизaция. Мeтодичecкоe поcобиe. - Моcквa:
Лaбоpaтоpия Бaзовых Знaний, 2004-336 c.
3D Surface Plot of экстрактивность against гидромодуль and норма засыпи Spreadsheet1 3v*12c
экстрактивность = 2,0954-8,05*x+0,4797*y+1,275*x*x-0,01*x*y-0,0021*y*y
> 16 < 15,75 < 14,75 < 13,75 < 12,75 < 11,75 < 10,75 < 9,75 < 8,75
2,83,03,23,43,63,84,0
4,24,44,64,85,05,2
гидромодуль 60
65 70 75 80 85 90 95 100
норма засыпи 9 10 11 12 13 14 15 16 17
экст рактив ность
●
Техникалық ғылымдар
ҚазҰТЗУ хабаршысы №5 2019 105
[4] Ивлев А.Н. Охрана авторских прав в Интернет: проблема, которая выдумана Электронный ресурс. / А.Н. Ивлев // Право и Интернет. — Режим доступа : http://russianlaw.net/law/doc/a68.htm (дата обращения: 01.09.2016).
[5] Бешенков С.А.,Ракитина Е.А. Лаборатория базовых знаний.Моделирование и формализация.Методическое пособие. М.: 2017-336с
[6] Быков М.Ю., Гагарина Л.Г. Математическая модель системы частичного кэширования динамических страниц. Журнал «Техника и технология», номер 2, 2015.
[7] Ван Хейк Бернард. JDBC: Java и базы данных. М.: Лори, 2015.
[8] Гиббонз Пол. Платформа .NET для Java-программистов. СПб: Питер, 2014.
[9] Библиотеки в мире Интернет: матер, науч.-практ. семинаров / сост. : Э. Н. Белоножка. — Великий Новгород, 2016. — 118 с.
[10] Елманова Н. Управление информационным наполнением М^Ь-сайтов Электронный ресурс. / Н.
Елманова // КомпьютерПресс. — Режим доступа: http://compress.ru/article.aspx?id=10953&iid=440 (дата обращения : 01.09.2017).
[11] С. Н. Колупаева. Математическое и компьютерное моделирование. Учебное пособие. – Томск, Школьный университет, 2015. – 208с.
[12] Официальный сайт издательства "Открытые Системы". Интернет университет информационных технологий. – Режим доступа: http://www.intuit.ru/ . Дата обращения: 5.10.2016
[13] А. В. Могилев, Н. И. Пак, Е. К. Хеннер. Информатика. Учебное пособие. – М.: Центр «Академия», 2015. – 816с.
[14] Van Poppel G., Spanhaak S., Ockhuizen T. Effect of beta-carotene on immunological indeхes in healthу male smokers //The American Journal of Clinical Nutrition. - 2013.- Vol.57, №3.- P.402-407.
[15] Закгейм А.Ю. Введение в моделирование химико-технологических процессов. – М.: Химия, 2014.
– 237 с.
[16] Д. А. Поселов. Информатика. Энциклопедический словарь. – М.: Педагогика-Пресс, 2015. 648с.
Заурбеков Н.С., Асылбеков А.А., Козыбаев А.К., Набиева Ж.С.
Моделирование влияния гидромодуля и засыпи на экстрактивность пива
Аннотация. Показана необходимость широкого применения математического моделирования выхода и производительности пива в производствах. Приведены основные процессы математического моделирования концентрации сухих веществ пива гидромодуля и засыпи. В результате, с помощью программы Microsoft Excеl и способа перспективно-нормативного моделирования установлены их оптимальные значения.
Ключевые слова: гидромодуль, экстрактивность, регрессия, коррекция, диспрессия, мультикол- линеарный, моделирование, компьютерная модель.
УДК 628.351
Sh. Sagidollakyzy
(Satbayev University, Almaty, Kazakhstan.
E-mail: sagidullina@mail.ru)
NON-DRAINAGE TECHNOLOGY USING BIOFLOCCULATING AGENT IN THE PETROCHEMICAL INDUSTRY
Abstract Industrial wastewaters cause severe environmental pollution, and in recent years, much work has been devoted to this topic searching less costly depollution methods. Several biomaterials have recently been explored to be used for the bio-sorption and bio-coagulation-flocculation of pollutants from wastewaters. In the last years, there has been an advanced research regarding the use of biological materials in the wastewater treatment such as, chitosan, Moringaoleifera, algae, cactus plants etc. The main results obtained in these studies for the depollution of oil refinery wastewaters by using cactus juice, have shown very high removal percentages in the range of (86-99) %, (62-76) % and (67-95) % forturbidity, COD and color removal, respectively, by coagulation-flocculation process. Thus, the biomaterials have proved to be efficient in the pollutant removal, and there for ether is need to explore the scaling up of the reported works, from the laboratory scale to community pilot plants, and eventually to industrial levels.
Keywords: bio-flocculant, coagulation-flocculation, turbidityremoval, COD removal
106
№5 2019 Вестник КазНИТУ
Ш. Сағидоллақызы(Satpaev University, Алматы, Казахстан E-mail: sagidullina@mail.ru)
МҰНАЙ-ХИМИЯ САЛАСЫНДА БИОФЛОКУЛЯНТТЫ ҚОЛДАНУ АРҚЫЛЫ АҒЫНСЫЗТЕХНОЛОГИЯ
Аннотация Промышленные сточные воды вызывают серьезное загрязнение окружающей среды, и в последние годы много работы было посвящено этой теме в поисках менее дорогостоящих методов удаления загрязняющих веществ. В последние годы были продвинутые исследования, касающиеся использования биологических материалов для очистки сточных вод, таких как хитозан, Moringaoleifera, водоросли, растения и т. д. Основные результаты, полученные в этих исследованиях для удаления загрязнений сточных вод нефтеперерабатывающего завода с использованием биоматериала показали очень высокий процент удаления в диапазоне (86-99)%, (62-76)% и (67-95)% стойкости, ХПК и удаления цвета, соответственно, в процессе коагуляции-флокуляции. Таким образом, биоматериалы доказали свою эффективность в удалении загрязняющих веществ, и для получения эфира необходимо изучить расширение масштабов сообщаемых работ - от лабораторного масштаба до экспериментальных установок в сообществах и, в конечном итоге, до промышленных уровней.
Ключевые слова: биофлокулянт, коагуляция-флокуляция, удаление мутности, удаление ХПК.
Очистка сточных вод в эти последние годы стала очень важной задачей для нынешних обществ.
Основной целью является устранение городских и промышленных сточных вод без ущерба для здоровья и окружающей среды. Одним из важных источников загрязнения является нефтеперерабатывающая промышленность. Обработка сточных вод с нефтехимической отрасли является одной из основных проблем, вызывающих экологическую озабоченность. Потоки отходов, которые выходят без какой-либо обработки, создают экологическую проблему, такую как угроза водной жизни из-за их высокого содержания органических веществ. Характеристика в значительной степени зависят от типа обрабатываемой нефти, в результате чего образуются как высокоорганические, так и органические загрязнители. Многие методы обработки были испытаны в борьбе с загрязнением в сточных водах, было предложено большое разнообразие физико-химических процессов (коагуляция/флокуляция, адсорбция, фотокатализ, электрокоагуляция, мембранная фильтрация) [1].
Очистка сточных вод нефтеперерабатывающего завода приобретает все большее значение, ее можно очищать либо отдельно, либо совместно химическими или биологическими средствами. Методы биологической очистки предлагают простую и экономически эффективную альтернативу химическим методам. Процесс коагуляции является одним из наиболее эффективных методов удаления загрязняющих веществ из сточных вод. Проблемы с химической обработкой заключаются в повышенных расходах на обработку и производстве химического осадка, который трудно поддается обработке [2]. В настоящее время два основных химических продукта используются в процесс коагуляции; сульфат алюминия (Al2(SO4)3) и сульфат железа (Fe2(SO4)3), называемый квасцами и железом соответственно [3], но использование этих химических продуктов имеет некоторые недостатки для здоровья человека и экосистем [4]. Для решения этой проблемы было разработано много типов природных реагентов для удаления загрязняющих веществ из сточных вод, они обладают преимуществами биоразлагаемости и без риска для здоровья людей, поэтому для очистки сточных вод используется ряд биоматериала.
Повышение ценности сока кладовых кактусов , для исследовании, поступает из окрестностей города Мохаммедия на западе Марокко, кладода немедленно доставляется в лабораторию для извлечения сока. Их многократно промывали водой для удаления грязных частиц, кладки опунций выполняли вручную. Биокоагулянт хранили в стеклянной бутылке в холодильнике при 4°С для дальнейшего использования; он относительно стабилен и может поддерживать свою емкость коагулянта вне любой системы хранения в течение нескольких дней.
Биокоагулянт представляет собой вязкую жидкость зеленого цвета, pH = 6,5, смешивается с водой, объемная плотность 1008 кг/л и содержит около 96% воды [5].
Удаление мутности является наиболее важным параметром, повышающим эффективность обработки путем коагуляции. процесс флокуляции, 85% - максимальное удаление эффективность достигается путем добавления при высокой загрязняющей нагрузке. Однако чрезмерное количество флокулянтной дозы, превышающее оптимальное значение в стоках, может привести к диспергированию агрегированной частицы, а также нарушить осаждение частиц [6]. Такое поведение
●
Техникалық ғылымдар
ҚазҰТЗУ хабаршысы №5 2019 107
может быть объяснено энергетическим барьером отталкивания, возникающим между флокулянтом и загрязняющим веществом, при более высокой дозе флокулянта, что приводит к возникновению препятствий в образовании хлопьев [7].Природные флокулянты работают лучше при низкой нагрузке загрязнения по сравнению с высокой нагрузкой загрязнения. Несколько исследований подтвердили эффективность всего биоматериала в удалении мутности сточных вод [8]. Кроме того, Bouatayetal. Протестировали кактус в качестве экологичного флокулянта для очистки текстильных сточных вод, и их результаты показали, что удаление мутности составило 91,66% [9]. Кроме того, Yéwêgnon изучил использование кактуса для очищения очень мутных поверхностных вод; Результаты показали, что эффективность удаления мутности варьировалась от 89% до 93% [10]. Наконец, Belbahloul продемонстрировал, что применение слизи или пектина в качестве биофлокулянта показало более 98% флокулянтной активности в глинистой суспензии [11].
Реализация данного исследования позволила выделить влияние сока ОФИ на очистку двух промышленных стоков с различной нагрузкой загрязнения (низкая и высокая нагрузка загрязнения).
Мы можем сделать вывод, что использование OFI с низкой нагрузкой загрязнения может немного уменьшить ХПК сточных вод, больше, чем при использовании с высоким загрязняющая нагрузка.
Выводы
Таким образом, результаты показали, что использование биоматериала в качестве естественного коагулянта было более эффективным при удалении мутности, ХПК и цвета от нагрузок с низким уровнем загрязнения. Следовательно, это уменьшило 99% мутности, 76% ХПК и 95% удаления цвета из-за низкой нагрузки загрязнения, тогда как из-за высокой нагрузки загрязнения использование кактуса уменьшило 86% мутности, 62% ХПК и 67%. удаления цвета. Из этой работы можно сделать вывод, что природные коагулянты можно эффективно использовать для обработки с низкой загрязняющей нагрузкой.
ЛИТЕРАТУРА
[1] A. Anouzla, S. Souabi, M. Safi, H. Rhbal, Y. Abrouki,A. Majouli, St. Cerc. St. CICBIA. 11 (2010) 255-264.
[2] S. Aslan, L. Miller, M. Daha,Bioresource. Techno. 100 (2009) 659.
[3] H.Betatache, A. Aouabed, N. Drouiche, H. Lounici, Ecol. Eng. 70 (2014) 465-469.
[4] B. Bolto,J. Gregory, Water. Res. 24 (2007) 2301-2324.
[5] A. Abid, A. Zouhri, A. Ider, S. Kholtei,Revue des Energies Renouvelables. 12-2 (2009) 321-330
[6] M. Chatoui, S. Lahsaini, S. Souabi, M. A. Bahlaoui, S. Hobaizi, A. Pala, J. Mater. Environ. Sci. 7 (2016) 3906-3915.
[7] Mishra, M. Bajpai, J. Hazardous. Materials. 118 (2005) 213-217
[8] N. Adjeroud, F. Dahmoune, B. Merzouk, J. Leclerc, K. Madani. Separt. & Purif. Techno. 144 (2015) 168-176.
[9] F. Bouatay, F. Mhenni, J. Water. Resource. And. Protection. 5 (2013) 1242-1246.
[10] A. E. I. Yéwêgnon, P. A. Cokou, Y. K. Alain, A. D. Comlan, P.A. Martin, M. Daouda, C.K.S. Dominique, J. Water. Resource and Protection. 5 (2013) 1242-1246.
[11] M. Belbahloul, A. Zouhri, A. Anouar, Inter. J. Sci Eng. Tech. 3 (2014) 734-737.
Сағидоллақызы Ш.
Мұнай-химия саласында биофлокулянтты қолдану арқылы ағынсыз технология
Резюме: Промышленные сточные воды вызывают серьезное загрязнение окружающей среды, и в последние годы много работы было посвящено этой теме в поисках менее дорогостоящих методов удаления загрязняющих веществ. В последние годы были продвинутые исследования, касающиеся использования биологических материалов для очистки сточных вод, таких как хитозан, Moringaoleifera, водоросли, растения и т. д. Основные результаты, полученные в этих исследованиях для удаления загрязнений сточных вод нефтеперерабатывающего завода с использованием биоматериала показали очень высокий процент удаления в диапазоне (86-99)%, (62-76)% и (67-95)% стойкости, ХПК и удаления цвета, соответственно, в процессе коагуляции-флокуляции. Таким образом, биоматериалы доказали свою эффективность в удалении загрязняющих веществ, и для получения эфира необходимо изучить расширение масштабов сообщаемых работ - от лабораторного масштаба до экспериментальных установок в сообществах и, в конечном итоге, до промышленных уровней.
Ключевые слова: биофлокулянт, коагуляция-флокуляция, удаление мутности, удаление ХПК.