The object of research, development or design (in Russian) : Данные о состоянии воздуха г.Алматы, уровень загрязненности почвы тяжелыми металлами, данные о загрязнении почвы неликвидными пестицидами; математические модели фитотоксичности почвы.

The object of research, development or design (in Kazakh) : Алматы қаласының ауа бассейінің жағдайы туралы деректер, топырақтың ауыр металдармен ластану деңгейі, топырақтың өтімсіз пестицидтермен ластануы туралы деректер; топырақ фитоуыттылығының математикалық модельдері және т.б.

Aim of work (in Russian) : Цель проекта - разработка интеллектуальной системы принятия решений и прогнозирования токсинов в почве, загрязненных пестицидами и тяжелыми металлами; проектирование геоинформационной системы мониторинга воздушного бассейна с учетом геопространственных данных Казахстана.

Aim of work (in Kazakh) : Жобаның мақсаты – пестицидтермен және ауыр металдармен ластанған топырақтағы токсиндерді болжаудың және шешім қабылдаудың интеллектуалды жүйесін құру; Қазақстанның геокеңістіктік деректерін ескере отырып, ауа бассейнін бақылаудың геоақпараттық жүйесін жобалау.

Методы исследования (на русском) : В исследовании применены рекуррентные нейронные сети (RNN): Simple RNN, LSTM-RNN и Stacked LSTM-RNN для прогнозирования концентраций загрязняющих веществ. Интегрированный подход к рекультивации почв реализован с использованием модели на основе XGBoost. Использованы передовые алгоритмы искусственного интеллекта и датчики Интернета вещей (IoT) для динамического регулирования сигналов светофоров. Создан имитационный набор данных для обучения и оценки эффективности искусственных нейронных сетей (ANN) и моделей LSTM при прогнозировании уровней PM2.5. Применялись методы теоретического и статистического анализа, математического моделирования, проектирования и геоинформационного моделирования, включая определение радиуса загрязнения от промышленных предприятий. При построении инфологической модели базы данных геоинформационной системы использованы CASE-технологии. Разработка программного обеспечения интеллектуальной информационной системы осуществлялась с применением методологии быстрой разработки приложений (RAD – Rapid Application Development). Для анализа временных рядов загрязнений использована STL-декомпозиция, позволившая исключить сезонную компоненту и повысить точность обучения моделей.

Методы исследования (на казахском) : Зерттеу барысында рекуррентті нейрондық желілер (RNN): Simple RNN, LSTM-RNN және Stacked LSTM-RNN қолданылды, олар ластаушы заттардың концентрациясын болжауға бағытталған. Топырақты рекультивациялаудың интеграцияланған тәсілі XGBoost моделіне негізделген. Бағдаршам сигналдарын динамикалық және автоматты түрде реттеу үшін жасанды интеллекттің озық алгоритмдері мен Заттар интернеті (IoT) датчиктері пайдаланылды. PM2.5 деңгейлерін болжау кезінде жасанды нейрондық желілердің (ANN) және LSTM модельдерінің тиімділігін бағалау үшін имитациялық деректер жиыны құрылды. Теориялық және статистикалық талдау, математикалық модельдеу, жобалау және геоақпараттық модельдеу әдістері қолданылды, оның ішінде өндірістік кәсіпорындардан ластану радиусын анықтау. Геоақпараттық жүйенің инфологиялық моделін құру кезінде CASE-технологиялар пайдаланылды. Интеллектуалды ақпараттық жүйенің бағдарламалық жасақтамасын әзірлеу RAD (Rapid Application Development) әдістемесі бойынша жүзеге асырылды. Уақыттық қатарларды талдау кезінде маусымдық құрамдасты айқындап алып тастау және модельдердің оқыту дәлдігін арттыру мақсатында STL-декомпозиция әдісі қолданылды.

Obtained results and novelty (in Russian) : Разработан многорядный алгоритм самоорганизации для анализа связи биомассы растения на загрязненной тяжелыми элементами почве в зависимости от климати¬ческих условий среды. Представлена инновационная информационная система, использующая методы машинного обучения и глубокого обучения, направленная на прогнозирование и упрощение принятия решений при рекультивации почв, перегруженных токсичными элементами. Проведена интеграция адаптивных систем управления дорожным движением на основе ИИ с мониторингом качества воздуха в реальном времени в качестве нового решения для снижения загрязнения воздуха в Алматы. Получены результаты использования алгоритмов машинного обучения и определены наилучшие для прогнозирования концентраций загрязнения воздуха. Классификаторы Decision Tree и Random Forest достигли наибольшей точности по сравнению с другими моделями 91% и 85% соответственно. Определены наилучшие интеллектуальные методы для прогнозирования концентраций загрязнения почвы. Предложен интегрированный подход к модели рекультивации почвы на основе методов машинного обучения с помощью библиотеки XGBoost. Разработанная геоинформационная система выступает как научно обоснованный инструмент мониторинга и управления качеством окружающей среды, объединяющий физико-математическое моделирование, анализ больших данных и природоохранные технологии в единую цифровую инфраструктуру.

Obtained results and novelty (in Kazakh) : Қоршаған ортаның климаттық жағдайына байланысты ауыр элементтермен ластанған топырақтағы өсімдік биомассасының өзара байланысын талдау үшін көп қатарлы өзін-өзі ұйымдастыру алгоритмі жасалды. Уытты элементтермен шамадан тыс жүктелген топырақтарды рекультивациялауда шешім қабылдауды болжауға және жеңілдетуге бағытталған машиналық оқыту мен терең оқыту әдістерін қолданатын инновациялық ақпараттық жүйе ұсынылды. Алматыдағы ауаның ластануын азайтудың жаңа шешімі ретінде жасанды интеллект негізіндегі қозғалысты басқарудың адаптивті жүйелері нақты уақыттағы ауа сапасын бақылаумен біріктірілді. Машиналық оқыту алгоритмдерін қолданудың нәтижелері алынды және ауаның ластану концентрациясын болжау үшін ең үздігі анықталды Decision Tree және Random Forest классификаторлары басқа модельдермен салыстырғанда 91% және 85% ең жоғары дәлдікке қол жеткізді. Топырақтың ластану концентрациясын болжаудың ең үздік интеллектуалды әдістері анықталды. XGBoost кітапханасын пайдалана отырып, машиналық оқыту әдістеріне негізделген, топырақтың рекультивациялау моделіне кешенді тәсіл ұсынылады. Құрылған географиялық ақпараттық жүйе физикалық және математикалық модельдеуді, үлкен деректерді талдауды және экологиялық технологияларды біртұтас цифрлық инфрақұрылымға біріктіретін қоршаған ортаның сапасын бақылау және басқарудың ғылыми негізделген құралы ретінде қызмет етеді.

The main constructive and technical economic indicators (in Russian) : Прямой социальный и экономический эффект данного проекта связан с необычайной дороговизной натурных исследований, порой даже невозможностью проведения эксперимента. Интеллектуальная система мониторинга загрязняющих веществ в воздухе и на поверхности земли позволяет принимать эффективные решения по улучшению социального благополучия населения Казахстана.

The main constructive and technical economic indicators (in Kazakh) : Аталмыш жобаның тікелей әлеуметтік және экономикалық әсері табиғатты зерттеудің ерекше қымбат құнымен, кейде тіпті эксперимент жүргізудің мүмкін еместігімен байланысты. Атмосферадағы және жер бетіндегі ластаушы заттардың мониторингінің интеллектуалды жүйесі Қазақстан халқының әлеуметтік әл-ауқатын жақсарту бойынша тиімді шешімдер қабылдауға мүмкіндік береді.

Level of implementation (in Russian) : Разрабатываемая система даст возможность оценить масштабы загрязнения атмосферы, почвы на основе полученных актуальных и достоверных данных. Результаты могут стать прототипом для подобных разрабатываемых интеллектуальных систем по обработке, анализу и предоставлению экологических данных; применяться в виде мобильных систем для экологического мониторинга атмосферного воздуха и земли

Level of implementation (in Kazakh) : Құрылып жатқан жүйе ауа мен топырақтың ластану ауқымын алынған ағымдағы және сенімді деректер негізінде бағалауға мүмкіндік береді. Нәтижелер қоршаған орта деректерін өңдеуге, талдауға және қамтамасыз етуге арналған ұқсас дамыған интеллектуалды жүйелердің прототипі бола алады; атмосфералық ауа мен жерді экологиялық бақылаудың жылжымалы жүйелері түрінде қолданылады.

Efficiency (in Russian) : Математическая модель фитотоксичности почвы обеспечивает автоматический отбор информативных входных переменных и выбор структуры регрессионной модели оптимальной сложности. Математические модели регулирования дорожного движения на светофорных перекрестках влияют на повышение эффективности управления дорожным движением и повышения экологической безопасности городов. Полученные результаты могут использоваться в прикладных исследованиях (экология, медицина, социология и др) при изучении последствий экологических проблем на здоровье человека.

Efficiency (in Kazakh) : Топырақ фитоуыттылығының математикалық моделі ақпараттық кіріс айнымалыларды автоматты түрде таңдауды және оңтайлы күрделіліктің регрессиялық моделінің құрылымын таңдауды қамтамасыз етеді. Бағдаршам қиылыстарындағы қозғалысты басқарудың математикалық үлгілері қозғалысты басқару тиімділігін арттыруға және қалалардың экологиялық қауіпсіздігіне ықпал етеді. Алынған нәтижелерді қолданбалы зерттеулерде (экология, медицина, әлеуметтану және т.б.) экологиялық проблемалардың адам денсаулығына тигізетін зардаптарын зерттеу кезінде пайдалануға болады.

Field of application (in Russian) : Рекуррентные архитектуры с применением нейронных сетей являются многообещающими мощными инструментами для мониторинга и прогнозирования изменений окружающей среды, предлагая ценную информацию для правительственных учреждений и экологических инициатив. Интегрированный подход к рекультивации с помощью модели на основе XGBoost является системой, повышающей эффективность детоксикации почвы для сохранения окружающей среды и здоровья населения. Разработанная функциональная структура геоинформационной системы мониторинга воздуха будет использоваться как прототип для использования в разработке программного продукта подобных геоинформационных систем. Разработанная в рамках данного проекта интеллектуальная система полезна в осуществлении государственного надзора в области промышленной безопасности на производственных объектах, оказывающих выбросы в атмосферную среду, и может использован для защиты населения, проживающего на загрязненных земельных территориях.

Field of application (in Kazakh) : Нейрондық желілерді пайдаланатын қайталанатын архитектуралар қоршаған ортаның өзгеруін бақылау және болжау үшін перспективалы қуатты құралдар болып табылады, мемлекеттік органдар мен экологиялық бастамалар үшін құнды түсініктер ұсынады. XGBoost моделіне негізделген топырақты рекультивациялаудың интеграцияланған тәсілі қоршаған ортаны және халықтың денсаулығын сақтау мақсатында топырақтың детоксикациялау тиімділігін арттыратын жүйе болып табылады. Ауаны бақылауға арналған геоақпараттық жүйенің әзірленген функционалдық құрылымы ұқсас геоақпараттық жүйелерге арналған бағдарламалық өнімдерді әзірлеуде прототип ретінде пайдаланылатын болады. Осы жоба аясында құрылған интеллектуалды жүйе атмосфералық ортаға шығарындылары бар өндірістік нысандарда өнеркәсіптік қауіпсіздік саласындағы мемлекеттік қадағалауды жүзеге асыруда пайдалы және ластанған жер аумақтарында тұратын халықты қорғау мақсатында қолданылуы мүмкін.