The object of research, development or design (in Russian) : Объектом исследования является воздушная среда города Павлодар, в которой изучалось пространственное распределение и временные колебания концентрации загрязнителей (PM2.5, PM10, О3, NO2, SO2, CO) и индекс качества воздуха (AQI).

The object of research, development or design (in Kazakh) : Зерттеу нысаны – Павлодар қаласының ауа ортасы. Зерттеу барысында ластағыштардың (PM2.5, PM10, O3, NO2, SO2, CO) концентрациясының кеңістіктік таралуы мен уақыт бойынша өзгерістері және ауа сапасының индексі (AQI) қарастырылды.

Aim of work (in Russian) : Выполнить пространственный и временной анализ содержания загрязняющих веществ в воздухе г. Павлодар в соответствии с Глобальными рекомендациями ВОЗ по качеству воздуха с применением методов машинного обучения.

Aim of work (in Kazakh) : Уақыт өте келе ластаушы заттардың кеңістіктік таралуын және құрамының өзгеруін модельдеу үшін машиналық оқыту әдістерін қолдана отырып, ДДҰ-ның ауа сапасы жөніндегі жаһандық ұсыныстарына сәйкес Павлодар қ. ауадағы ластаушы заттардың құрамына кеңістіктік және уақытша талдауын орындау.

Методы исследования (на русском) : Методы исследования включали мониторинг качества воздуха, который проводился с использованием как сети стационарных постов, так и мобильных замеров загрязнителей (PM2.5, PM10, О3, NO2, SO2, CO) на территории города Павлодар. Для обеспечения непрерывности временных рядов и анализа пространственного распределения данных применялись методы машинного обучения (ML). В частности, для заполнения значительной разреженности данных была разработана и протестирована адаптивная модель Dynamic Multi XGB Seq2Seq, которая сочетает градиентный бустинг (XGBoost) и архитектуру sequence-to-sequence. Пространственный анализ и картографирование осуществлялись с применением геоинформационных систем (ГИС), методов интерполяции, таких как многоуровневый B-сплайн (MLBS) и ординарный кригинг, для построения карт распределения загрязнителей и Индекса Качества Воздуха (AQI). Для оценки взаимосвязей между концентрациями загрязнителей, метеопараметрами и ландшафтными индикаторами проводился статистический анализ, включавший корреляционный анализ, регрессионный анализ и моделирование структурными уравнениями (SEM).

Методы исследования (на казахском) : Зерттеу әдістері Павлодар қаласы аумағында стационарлық бекеттер желісі мен мобильді өлшеулерді пайдалана отырып, ауа сапасын бақылауды қамтыды. Деректердің уақыттық қатарларының үздіксіздігін қамтамасыз ету және кеңістіктік таралуын талдау үшін машиналық оқыту (ML) әдістері қолданылды. Атап айтқанда, деректердің айтарлықтай сиректігін толтыру мақсатында градиенттік бустингті (XGBoost) және sequence-to-sequence архитектурасын біріктіретін бейімделгіш Dynamic Multi XGB Seq2Seq моделі әзірленіп, сыналды. Кеңістіктік талдау мен картографиялау геоақпараттық жүйелер (ГИС) және интерполяция әдістері — көпдеңгейлі B-сплайн (MLBS) мен ординарлық кригинг — көмегімен жүзеге асырылды, нәтижесінде ластағыштардың және Ауа сапасы индексінің (AQI) таралу карталары жасалды. Ластағыштар концентрацияларының, метеопараметрлердің және ландшафтық көрсеткіштердің өзара байланысын бағалау үшін статистикалық талдау жүргізілді, оған корреляциялық талдау, регрессиялық талдау және құрылымдық теңдеулерді модельдеу (SEM) кірді.

Obtained results and novelty (in Russian) : Комплексное исследование воздушной среды Павлодара с применением методов машинного обучения позволило выполнить пространственно-временной анализ загрязнителей (PM₂.₅, PM₁₀, O₃, NO₂, SO₂, CO) и индекса качества воздуха (AQI) по рекомендациям ВОЗ. Основными загрязнителями определены PM₂.₅ и NO₂, формирующие до 70% неблагоприятного AQI. Более 40% времени наблюдений приходятся на категории «вредный» и «очень вредный». Выявлены сезонные колебания с ростом загрязнения зимой и в часы пик, а также пространственная неоднородность — повышенные уровни фиксируются в промышленных и транспортных зонах. Разработана адаптивная модель Dynamic Multi XGB Seq2Seq, сочетающая градиентный бустинг и архитектуру sequence-to-sequence, обеспечивающая точность моделирования R²≈0,85 и MAE≈5 мкг/м³. С применением ГИС выполнено картографирование распределения загрязнителей и AQI. Создана публичная веб-платформа (https://pavlodar-aqi-dashboard.streamlit.app/) для открытого доступа к данным и прогнозам. Научная новизна заключается во внедрении машинного обучения и ГИС для анализа городской воздушной среды. Впервые для региона выполнено моделирование шести загрязнителей, разработана динамическая мультивариантная модель временных рядов и создана инфраструктура мониторинга, сопоставимая с международными практиками по точности и открытости экологических данных.

Obtained results and novelty (in Kazakh) : Павлодар қаласының ауа ортасын машиналық оқыту әдістерін пайдалана отырып кешенді зерттеу нәтижесінде ластағыштардың (PM₂.₅, PM₁₀, O₃, NO₂, SO₂, CO) және ауа сапасы индексінің (AQI) кеңістіктік-уақыттық талдауы ДДСҰ ұсынымдарына сәйкес орындалды. Негізгі ластағыштар — PM₂.₅ және NO₂, олардың үлесі AQI көрсеткішінің нашарлауына 70%-ға дейін әсер етеді. Бақылау уақытының 40%-дан астамы «зиянды» және «өте зиянды» санаттарына сәйкес келеді. Қыс мезгілінде және көлік қозғалысы көп кезеңдерде ластану деңгейінің артуы, сондай-ақ өнеркәсіптік және көлік аймақтарында жоғары шоғырлану байқалды. Dynamic Multi XGB Seq2Seq атты бейімделгіш модель әзірленіп, ол градиенттік бустинг пен sequence-to-sequence архитектурасын біріктірді. Модельдің дәлдігі R²≈0,85, ал орташа абсолюттік қатесі шамамен 5 мкг/м³ құрады. ГИС технологиялары арқылы ластағыштардың және AQI көрсеткішінің кеңістіктік таралу карталары жасалды. Деректер мен болжамдарға ашық қолжетімділік ұсынатын қоғамдық веб-платформа (https://pavlodar-aqi-dashboard.streamlit.app/) іске қосылды. Жобаның ғылыми жаңалығы Павлодар қаласының ауа ортасын талдауда машиналық оқыту мен ГИС технологияларын біріктіруде. Өңірде алғаш рет алты ластағыш бойынша модельдеу мен болжау жүргізіліп, уақыттық қатарлардың динамикалық көпвариантты моделі мен мониторинг инфрақұрылымы құрылды. Нәтижелер халықаралық деңгейдегі экологиялық деректердің дәлдігі мен ашықтығына сай келеді.

The main constructive and technical economic indicators (in Russian) : В рамках проекта создан комплекс моделей, методик и инструментов для мониторинга и анализа состояния воздушной среды Павлодара. Разработана адаптивная модель машинного обучения Dynamic Multi XGB Seq2Seq, объединяющая градиентный бустинг и архитектуру sequence-to-sequence для восстановления пропусков в временных рядах концентраций загрязнителей. На основе геоинформационных систем выполнено картографирование пространственного распределения шести загрязнителей (PM₂.₅, PM₁₀, O₃, NO₂, SO₂, CO) и индекса качества воздуха (AQI), включающее усреднённые и помесячные карты, отражающие динамику загрязнения. Дополнительно созданы вспомогательные карты координат постов наблюдений, зонирования территории и ландшафтных показателей, включая коэффициент озеленения (GSR), рассчитанный с использованием нейронной сети YOLOv8. Модели обеспечили точность восстановления данных на уровне R²≈0,85 и среднюю абсолютную ошибку 5–6 мкг/м³, сохраняя устойчивость при длительных пропусках. Реализована инфраструктура мониторинга, включающая сеть из пяти стационарных постов и публичную веб-платформу Pavlodar Air Quality Dashboard (https://pavlodar-aqi-dashboard.streamlit.app/), выполняющую онлайн-трансляцию данных и расчёт AQI по методике US EPA. Решения характеризуются низкими эксплуатационными затратами, масштабируемостью и совместимостью с международными стандартами экологического мониторинга.

The main constructive and technical economic indicators (in Kazakh) : Жоба аясында Павлодар қаласының ауа ортасын бақылау және талдау үшін модельдер мен әдістемелік құралдардың кешені әзірленді. Машиналық оқытудың бейімделгіш Dynamic Multi XGB Seq2Seq моделі жасалып, ол градиенттік бустинг пен sequence-to-sequence архитектурасын біріктіреді және ластағыштардың концентрациялары бойынша уақыттық қатарлардағы олқылықтарды қалпына келтіруге арналған. Геоақпараттық жүйелер негізінде алты ластағыштың кеңістіктік таралу карталары (PM₂.₅, PM₁₀, O₃, NO₂, SO₂, CO) мен ауа сапасының индексі (AQI) құрылды. Карталар құрамында орташа және айлық таралу карталары бар, олар ластанудың маусымдық және кеңістіктік динамикасын бейнелейді. Сонымен қатар бақылау бекеттерінің координаттарын, қала аумағының зонирленуін және ландшафтық көрсеткіштерді қамтитын қосымша карталар жасалды, оның ішінде жасыл екпелер коэффициенті (GSR) YOLOv8 нейрондық желісі арқылы есептелді. Модельдер деректерді қалпына келтіруде R²≈0,85 дәлдікке және абсолюттік қате шамамен 5–6 мкг/м³ деңгейіне қол жеткізді, ұзақ мерзімді олқылықтар кезінде тұрақтылықты сақтады. Мониторинг инфрақұрылымы бес стационарлық посттан және деректердің онлайн-трансляциясын қамтамасыз ететін Pavlodar Air Quality Dashboard (https://pavlodar-aqi-dashboard.streamlit.app/) атты ашық веб-платформадан тұрады, ол AQI көрсеткішін US EPA әдістемесі бойынша есептейді. Әзірленген шешімдер төмен пайдалану шығындарымен, кеңейтілу мүмкіндігімен және экологиялық мониторингтің халықаралық стандарттарына сәйкестігімен ерекшеленеді.

Level of implementation (in Russian) : Не внедрено

Level of implementation (in Kazakh) : Енгізілмеген

Efficiency (in Russian) : Применённые в проекте методы обеспечили высокую техническую, вычислительную и методологическую эффективность при минимальных эксплуатационных затратах. Разработанная адаптивная модель Dynamic Multi XGB Seq2Seq позволила успешно решать задачу реконструкции разреженных данных и прогнозирования концентраций загрязнителей. Точность моделирования достигала R²≈0,85 при средней ошибке 5–6 мкг/м³, а устойчивость сохранялась даже при пропусках до 72 часов. Использование оптимизированной архитектуры XGBoost и пакетной обработки данных обеспечило высокую скорость расчётов (8–9 секунд на тест) и низкую ресурсоёмкость. Интеграция моделей в систему ImputationCombiner позволила автоматизировать прогнозирование и построение интерактивных карт, что снизило затраты и повысило воспроизводимость результатов. На методологическом уровне проект объединил машинное обучение, статистический анализ и ГИС-технологии, обеспечив комплексный и сопоставимый с международными стандартами анализ воздушной среды. Расчёт индекса качества воздуха (AQI) выполнен по методике US EPA, что гарантирует корректность интерпретации данных. Открытая веб-платформа обеспечила прозрачность результатов и повысила экологическую информированность населения.

Efficiency (in Kazakh) : Жоба аясында қолданылған әдістер техникалық, есептеу және әдістемелік тұрғыдан жоғары тиімділікті көрсетті және минималды пайдалану шығындарымен жүзеге асырылды. Әзірленген бейімделгіш Dynamic Multi XGB Seq2Seq моделі сирек және үзілісті деректерді қалпына келтіру мен ластағыштардың концентрацияларын болжау міндеттерін табысты шешуге мүмкіндік берді. Модельдеу дәлдігі R²≈0,85 деңгейіне жетіп, орташа қате 5–6 мкг/м³ құрады, ал 72 сағатқа дейінгі үзілістер кезінде тұрақтылық сақталды. Оптимизацияланған XGBoost архитектурасы мен топтық деректерді өңдеу технологияларын пайдалану есептеу жылдамдығын арттырып (сынақ уақыты шамамен 8–9 секунд), ресурстық шығындарды азайтты. Модельдердің ImputationCombiner жүйесіне біріктірілуі болжау мен интерактивті карталарды автоматты түрде құруды қамтамасыз етіп, деректерді өңдеу шығындарын төмендетіп және нәтижелердің қайта өндірілуін арттырды. Әдістемелік тұрғыда жоба машиналық оқытуды, статистикалық талдауды және ГИС-технологияларды біріктіріп, ауа ортасын кешенді және халықаралық стандарттарға сай талдауды қамтамасыз етті. Ауа сапасының индексі (AQI) US EPA әдістемесі бойынша есептеліп, деректердің интерпретациясының дұрыстығы мен халықаралық салыстырмалылығын қамтамасыз етті. Ашық веб-платформа нәтижелердің айқындылығын арттырып, халықтың экологиялық хабардарлығын күшейтті.

Field of application (in Russian) : Результаты проекта АР19677560 имеют прикладное значение и могут использоваться в экологическом мониторинге, градостроительном планировании, социальной и научно-технической сферах. В области оценки и управления экологическим состоянием полученные данные служат основой для разработки региональных программ снижения выбросов, оздоровления городской среды и принятия природоохранных решений. В сфере градостроительства и устойчивого развития результаты применимы при планировании застройки и озеленения, оптимизации транспортных потоков и разработке мер по снижению загрязнения, а также при оценке стоимости жилья с учетом качества воздуха. В части методологии и технологий разработанные модели и подходы машинного обучения могут быть адаптированы для мониторинга воздушной среды в других регионах, создавая основу для национальных цифровых систем экологического анализа и прогнозирования. В социальной сфере проект способствует повышению экологической осведомлённости населения, защите уязвимых групп и развитию школьных экологических инициатив. Созданные карты распределения загрязнителей и индекса качества воздуха (AQI) представляют собой готовый научно-технический продукт, востребованный государственными структурами, бизнесом и гражданским обществом для анализа и управления качеством окружающей среды.

Field of application (in Kazakh) : АР19677560 жобасының нәтижелері қолданбалы сипатқа ие және экологиялық мониторингте, қала құрылысы мен әлеуметтік, сондай-ақ ғылыми-техникалық салаларда пайдаланылуы мүмкін. Экологиялық жағдайды бағалау және басқару саласында алынған деректер аймақтық эмиссияларды төмендету, қалалық ортаны сауықтыру және табиғатты қорғау шараларын негіздеу үшін пайдаланылатын нақты деректер базасын құрайды. Қала құрылысы және орнықты даму бағытында нәтижелер қаланы жоспарлау мен көгалдандыруда, көлік жүйелерін оңтайландыруда және ластану көздерін азайту шараларын әзірлеуде қолданылады. Сонымен қатар, ауа сапасы тұрғын үйдің нарықтық құнына әсер ететін фактор ретінде ескерілуі мүмкін. Әдістеме мен технологиялар тұрғысынан әзірленген машиналық оқыту модельдері мен тәсілдері басқа өңірлердің ауа ортасын мониторингілеуде бейімделіп қолданылуы мүмкін, бұл экологиялық талдау мен болжаудың ұлттық цифрлық жүйесін қалыптастыруға негіз болады. Әлеуметтік салада жоба халықтың экологиялық хабардарлығын арттыруға, осал топтарды қорғауға және мектеп оқушылары арасында экологиялық мәдениетті дамытуға ықпал етеді. Жобаның соңғы өнімі — ластағыштардың және ауа сапасы индексінің (AQI) кеңістіктік таралу карталары, олар мемлекеттік органдарға, бизнес құрылымдарға және азаматтық қоғамға қоршаған ортаның сапасын бағалау мен басқаруда практикалық құрал ретінде ұсынылады.