The object of research, development or design (in Russian) : IoT-система для мониторинга окружающей среды, нейронная сеть для прогнозирования типа облаков и степени облачности

The object of research, development or design (in Kazakh) : Қоршаған ортаны бақылау үшін IoT жүйесі, бұлт түрін және бұлттылық дәрежесін болжауға арналған нейрондық желі

Aim of work (in Russian) : Целью работы является разработка и внедрение IoT-системы для мониторинга окружающей среды с использованием сенсоров и нейронных сетей для распознавания облачности и индекса ясного неба, а также прогнозирования спектра солнечного излучения.

Aim of work (in Kazakh) : Жұмыстың мақсаты-бұлттылық пен ашық аспан индексін тану және күн сәулесінің спектрін болжау үшін сенсорлар мен нейрондық желілерді қолдана отырып, қоршаған ортаны бақылауға арналған IoT жүйесін әзірлеу және енгізу.

Методы исследования (на русском) : Экспериментальное исследование точности распознавания облачности и индекса ясного неба, а также прогнозирования спектра солнечного излучения с использованием различных архитектур нейронных сетей, а также анализ эффективности сбора и передачи данных с сенсоров в IoT-системе, учитывая параметры измерений и частоту передачи данных. Моделирование прогнозирование и оптимизация гиперпараметров нейронных сетей для повышения точности предсказаний.

Методы исследования (на казахском) : Бұлтты және ашық аспан индексін тану дәлдігін, сондай-ақ әртүрлі нейрондық желі архитектураларын пайдаланып күн сәулесінің спектрін болжауды тәжірибелік зерттеу және өлшеу параметрлері мен деректерді беру жиілігін ескеріп IoT жүйесіндегі сенсорлардан деректерді жинау және беру тиімділігін талдау. Болжамдардың дәлдігін жақсарту үшін нейрондық желілердің гиперпараметрлерін модельдеу болжау және оңтайландыру.

Obtained results and novelty (in Russian) : В результате проведенных экспериментальных исследований точности распознавания облачности, индекса ясного неба и спектра солнечного излучения с использованием различных архитектур нейронных сетей были получены зависимости точности прогнозирования солнечного излучения от архитектуры сети, параметров обучения и гиперпараметров. • Использование сверточных нейронных сетей позволило достичь высокой точности распознавания облачности, типа облаков и индекса ясного неба, с точностью до 99% в краткосрочном прогнозировании. • В долгосрочном прогнозировании наиболее высокие результаты были показаны архитектурами SimpleRNN, LSTM и GRU. • В ходе эксперимента была разработана и протестирована система сбора данных в реальном времени с IoT-системы, что позволило обеспечить точность и полноту входных данных для обучения нейронной сети.

Obtained results and novelty (in Kazakh) : Нейрондық желілердің әртүрлі архитектураларын қолдана отырып, бұлтты тану дәлдігі, ашық аспан индексі және күн сәулесінің спектрі бойынша жүргізілген эксперименттік зерттеулер нәтижесінде күн сәулесін болжау дәлдігінің желі архитектурасына, оқу параметрлеріне және гиперпараметрлерге тәуелділігі алынды. • Үйірткілі нейрондық желілерді пайдалану қысқа мерзімді болжауда 99% дәлдікпен бұлтты, бұлт түрін және ашық аспан индексін танудың жоғары дәлдігіне қол жеткізді. • Ұзақ мерзімді болжау кезінде ең жоғары нәтижелерді SimpleRNN, LSTM және GRU архитектуралары көрсетті. • Эксперимент барысында нақты уақыт режимінде IoT жүйесінен деректер жинау жүйесі әзірленіп, сынақтан өткізілді, бұл нейрондық желіні оқыту үшін кіріс деректерінің дәлдігін және толықтығын қамтамасыз етуге мүмкіндік берді.

The main constructive and technical economic indicators (in Russian) : В ходе работы были выявлены ключевые конструктивные и технико-экономические показатели, включая высокую эффективность системы сбора данных с IoT системы, двухпоточную передачу данных с минимальными задержками, точность распознавания облачности, типа облаков и индекса ясного неба до 99% с использованием нейронных сетей и экономию вычислительных ресурсов при внедрении системы для прогнозирования спектра солнечного излучения.

The main constructive and technical economic indicators (in Kazakh) : Жұмыс барысында IoT жүйесінен деректер жинаудың жоғары тиімділігі, деректерді екі ағынды түрде минималды кідірістермен жіберу, нейрондық желілерді пайдалану арқылы бұлттылықты, бұлт түрлерін және ашық аспан индексін 99%-ға дейін дәл тану және күн радиациясының спектрін болжау үшін жүйені енгізу кезінде есептеу ресурстарын үнемдеу сияқты негізгі конструктивтік және технико-экономикалық көрсеткіштер анықталды.

Level of implementation (in Russian) : Внедрение результатов проекта не предусмотрены.

Level of implementation (in Kazakh) : Жоба нәтижелерін жүзеге асыру қарастырылмаған.

Efficiency (in Russian) : Система позволяет распознавать облачность, типы облаков и индекс ясного неба, а также прогнозировать спектр солнечного излучения с высокой точностью. Система позволяет автоматизировать и оптимизировать процесс сбора данных с сенсоров и их передачи, что значительно повышает качество предсказаний и уменьшает энергозатраты в IoT-системах.

Efficiency (in Kazakh) : Жүйе бұлттылықты, бұлт түрлерін және ашық аспан индексін тануға, сондай-ақ күн радиациясының спектрін жоғары дәлдікпен болжауға мүмкіндік береді. Жүйе сенсорлардан деректер жинау және оларды жіберу процесін автоматтандыруға және оңтайландыруға мүмкіндік береді, бұл болжамдардың сапасын айтарлықтай арттырып, IoT жүйелеріндегі энергия шығындарын азайтады.

Field of application (in Russian) : Результаты работы могут быть использованы для улучшения прогнозирования метеопараметров и солнечного излучения, разработки эффективных IoT-систем для мониторинга внешней среды, а также для оптимизации работы нейронных сетей в задачах прогнозирования и обработки данных в реальном времени.

Field of application (in Kazakh) : Жұмыс нәтижелері метеопараметрлер мен күн радиациясын болжауды жақсарту, сыртқы ортаны бақылау үшін тиімді IoT жүйелерін әзірлеу, сондай-ақ нейрондық желілердің болжау және деректерді өңдеу саласындағы жұмысын оңтайландыру үшін пайдаланылуы мүмкін.