The object of research, development or design (in Russian) : Проект представляет собой подход к прогнозированию уровня загрязнения с учетом различных факторов на основе моделей машинного обучения. Данный Проект нацелен для предсказания уровня загрязнения в жилых районах с учетом интенсивности загрязнений, влияния скорости и направления ветра, высоты здания, расположения и формы зданий на основе адаптивных алгоритмов мультипараметрической и нелинейной регрессий машинного обучения.

The object of research, development or design (in Kazakh) : Жоба машиналық оқыту үлгілеріне негізделген әртүрлі факторларды ескере отырып, ластану деңгейін болжау тәсілі болып табылады. Бұл жоба ластанудың қарқындылығын, желдің жылдамдығы мен бағытының әсерін, ғимарат биіктігін, ғимараттардың орналасуы мен пішінін ескере отырып, тұрғын аудандардағы ластану деңгейін болжауға бағытталған, бейімделген көппараметрлік және сызықты емес машиналық оқыту регрессия алгоритмдері негізінде.

Aim of work (in Russian) : Целью данного проекта является предсказания уровня загрязнения в жилых районах с учетом различных внешних факторов на основе методов машинного обучения. Также на основе методов машинного обучения определить критические параметры влияющие на уровень загрязнения в зависимости от внешних факторов и интенсивности загрязнения.

Aim of work (in Kazakh) : Бұл жобаның мақсаты машиналық оқыту әдістеріне негізделген әртүрлі сыртқы факторларды ескере отырып, тұрғын үйлердің ластану деңгейін болжау болып табылады. Сондай-ақ, машиналық оқыту әдістеріне сүйене отырып, сыртқы факторларға және ластану қарқындылығына байланысты ластану деңгейіне әсер ететін маңызды параметрлерді анықтаңыз.

Методы исследования (на русском) : Метод или методология проведения работы: построение алгоритмов машинного обучения, построение математических моделей, численная реализация математических моделей, вычислительный эксперимент.

Методы исследования (на казахском) : Жұмысты орындау әдісі немесе әдістемесі: машинада оқыту алгоритмдерін құру, математикалық модельдерді құру, математикалық модельдерді сандық орындау, есептеу эксперименті.

Obtained results and novelty (in Russian) : Разработаны математические модели для описания ветрового потока и переноса загрязняющих примесей в жилых районах с целью прогнозирования уровня загрязнения в зависимости от внешних факторов и формы зданий. Проведено прогнозирование уровня загрязняющих примесей в жилых районах с учетом влияния интенсивности загрязнений, расположения и высоты зданий, скорости и направления ветра. Проведены серии численных экспериментов на основе разработанных математических моделей, описывающих ветровой поток и перемещение загрязняющих примесей при разных сценариях, для создания больших обучающих и тестовых наборов данных, используемых в алгоритмах машинного обучения. Проведен анализ, сбор и подготовка данных, полученных при численных моделированиях, включая устранение выбросов (шумов), обработку пропущенных значений и масштабирование признаков для использования в алгоритмах машинного обучения.

Obtained results and novelty (in Kazakh) : Сыртқы факторларға және ғимараттардың пішініне байланысты ластану деңгейін болжау мақсатында жел ағынын және елді мекендердегі ластаушы заттардың тасымалдануын сипаттайтын математикалық модельдер әзірленді. Ластану қарқындылығының, ғимараттардың орналасуы мен биіктігінің, желдің жылдамдығы мен бағытының әсерін ескере отырып, тұрғын аудандардағы ластаушы заттардың деңгейі болжамдалған. Машиналық оқыту алгоритмдерінде қолданылатын үлкен оқу және сынақ деректер жиынын жасау үшін әртүрлі сценарийлер бойынша жел ағыны мен ластаушы заттардың қозғалысын сипаттайтын әзірленген математикалық модельдер негізінде бірқатар сандық эксперименттер жүргізілді. Сандық модельдеулерден алынған деректер талданған, жиналған және дайындалған, соның ішінде шектен тыс мәндерді (шу) жою, жетіспейтін мәндерді өңдеу және машиналық оқыту алгоритмдерінде пайдалану үшін масштабтау мүмкіндіктері.

The main constructive and technical economic indicators (in Russian) : Разработанный компьютерный код на основе адаптивных моделей мультипараметрических и нелинейных регрессий машинного обучения позволит, используя компьютерное моделирование автоматизировать выявление критических параметров на уровень загрязнения в зависимости от внешних факторов и интенсивности загрязнения для конкретных районов в городе. Так как проведения прямых численных решений полных трехмерных уравнений как правило, требуют больших вычислительных затрат по сравнению с использованием методов машинного обучения. Так на основе разработанных в Проекте моделей машинного обучения можно будет получить оперативный прогноз и оценку уровня загрязнения при учете нестационарных ветровых потоков и направления ветра.

The main constructive and technical economic indicators (in Kazakh) : Машиналық оқытудың көппараметрлі және сызықты емес регрессияларының бейімделген модельдеріне негізделген әзірленген компьютерлік код компьютерлік модельдеуді пайдалана отырып, қаланың нақты аймақтары үшін сыртқы факторларға және ластану қарқындылығына байланысты ластану деңгейінің маңызды параметрлерін анықтауды автоматтандыруға мүмкіндік береді. . Толық үш өлшемді теңдеулердің тікелей сандық шешімдері әдетте машиналық оқыту әдістерін қолданумен салыстырғанда үлкен есептеу шығындарын талап ететіндіктен. Осылайша, Жобада әзірленген машиналық оқыту үлгілерінің негізінде желдің тұрақты емес ағындары мен жел бағытын ескере отырып, ластану деңгейін жедел болжау мен бағалауды алуға болады.

Level of implementation (in Russian) : Отсутствует

Level of implementation (in Kazakh) : Жоқ

Efficiency (in Russian) : Данный проект не только открывает новые перспективы в области гидродинамики и машинного обучения, но и активно отвечает на социальные и экономические запросы современного общества. Его реализация не только поднимет уровень научно-исследовательских работ в стране, но и повысит конкурентоспособность национальных исследовательских организаций, привлекая внимание и интерес мирового научного сообщества.

Efficiency (in Kazakh) : Бұл жоба сұйықтық динамикасы мен машиналық оқыту саласындағы жаңа перспективаларды ашып қана қоймайды, сонымен қатар қазіргі қоғамның әлеуметтік және экономикалық қажеттіліктеріне белсенді түрде жауап береді. Оны жүзеге асыру еліміздегі ғылыми-зерттеу жұмыстарының деңгейін көтеріп қана қоймай, әлемдік ғылыми қауымдастықтың назарын аударып, ұлттық ғылыми ұйымдардың бәсекеге қабілеттілігін арттырады.

Field of application (in Russian) : Проект направлен на решение актуальных проблем городской среды и может применяться в различных областях, таких как градостроительство, планирование инфраструктуры и управление загрязнением. Разработанные методы могут быть интегрированы в существующие системы управления городской средой, обеспечивая более точные и ресурсоэффективные решения. Разработанная адаптивные модели мультипараметрических и нелинейных регрессий машинного обучения для предсказания уровня загрязнения в жилых районах с учетом различных внешних факторов могут быть применены научными-исследовательскими институтами, экологическими организациями и акиматами. Также, выявленные в ходе выполнения Проекта физические явления могут быть использованы специалистами для прогнозирования уровня загрязнения в жилых районах с учетом интенсивности загрязнений, влияния скорости и направления ветра, высоты здания, расположения и формы зданий. Разработанная математическая модель и численные алгоритмы для прямой задачи и адаптивные модели мультипараметрических и нелинейных регрессий машинного обучения могут быть использованы учеными в области ИТ инженерии, специалистами по искусственному интеллекту и численного моделирования.

Field of application (in Kazakh) : Жоба қалалық ортаның өзекті мәселелерін шешуге бағытталған және қала құрылысы, инфрақұрылымды жоспарлау және ластануды басқару сияқты әртүрлі салаларда қолданылуы мүмкін. Әзірленген әдістер дәлірек және ресурсты үнемдейтін шешімдерді қамтамасыз ете отырып, қолданыстағы қалалық қоршаған ортаны басқару жүйелеріне біріктірілуі мүмкін. Түрлі сыртқы факторларды ескере отырып, елді мекендердің ластану деңгейін болжау үшін әзірленген адаптивті көппараметрлік және сызықты емес машиналық оқыту регрессия үлгілерін ғылыми-зерттеу институттары, табиғатты қорғау ұйымдары және әкімдіктер пайдалана алады. Сондай-ақ, Жоба барысында анықталған физикалық құбылыстарды мамандар ластану қарқындылығын, желдің жылдамдығы мен бағытының әсерін, ғимарат биіктігін, ғимараттардың орналасуы мен пішінін ескере отырып, тұрғын аудандардың ластану деңгейін болжау үшін пайдалана алады. Әзірленген математикалық модельді және тікелей есептің сандық алгоритмдерін және машиналық оқытудың көппараметрлі және сызықты емес регрессияларының адаптивті модельдерін IT инженерия саласындағы ғалымдар, жасанды интеллект және сандық модельдеу мамандары пайдалана алады.