The object of research, development or design (in Russian) : Информационно-аналитическая система мониторинга водных ресурсов

The object of research, development or design (in Kazakh) : Су ресурстары мониторингінің ақпараттық-талдамалық жүйесі

Aim of work (in Russian) : Разработка информационно-аналитической системы для поддержки принятия решений в эффективном использовании трансграничных водных ресурсов в сельскохозяйственной отрасли, улучшить информационное обеспечение водного и экологического секторов Жамбылского региона.

Aim of work (in Kazakh) : Ауыл шаруашылығы саласында трансшекаралық су ресурстарын тиімді пайдалануда шешімдер қабылдауды қолдау, Жамбыл өңірінің су және экологиялық секторларын ақпараттық қамтамасыз етуді жақсарту үшін ақпараттық-талдау жүйесін әзірлеу.

Методы исследования (на русском) : Методы исследования: полевые гидрометрические измерения расхода, скорости, уровня и температуры воды с использованием доплеровских ультразвуковых датчиков и кросс-корреляционного метода, верифицированные поверенными гидрометрическими вертушками; гидродинамическое моделирование на основе уравнений Навье–Стокса, VOF-подхода, RNG k–ε турбулентной модели и алгоритма PISO для расчёта нестационарных потоков и процессов фильтрации; анализ спутниковых данных Sentinel-2 и MODIS (NDWI, LST) через Google Earth Engine с фильтрацией по облачности, сезонной очисткой и интерполяцией временных рядов; применение методов машинного обучения (кластеризация, Linear Regression, XGBoost) для прогнозирования объёма воды и выявления сезонных закономерностей; статистическая обработка временных рядов (MAE, RMSE, R²).

Методы исследования (на казахском) : Зерттеу әдістері: сенімді гидрометриялық бұрауыштармен верификацияланған доплерлік ультрадыбыстық датчиктер мен кросс-корреляциялық әдісті пайдалана отырып, судың ағынын, жылдамдығын, деңгейін және температурасын далалық гидрометриялық өлшеу; тұрақсыз ағындар мен сүзу процестерін есептеу үшін Навье–Стокс теңдеулері, VOF-тәсіл, RNG K–ε турбулентті моделі және piso алгоритмі негізінде гидродинамикалық модельдеу; Google Earth Engine арқылы Sentinel-2 және MODIS (NDWI, LST) спутниктік деректерін бұлтты сүзу, маусымдық тазарту және уақыт қатарын интерполяциялау арқылы талдау; су көлемін болжау және маусымдық заңдылықтарды анықтау үшін машиналық оқыту әдістерін (кластерлеу, Linear Regression, XGBoost) қолдану; уақыт қатарларын статистикалық өңдеу (MAE, RMSE, R2).

Obtained results and novelty (in Russian) : Реализованы автоматизированные системы мониторинга на реках Талас и Чу, обеспечивающие интеллектуальное управление подачей воды и автоматическое регулирование расхода с применением электромеханической шандоры и контроллера СПК-107. Сформированы критерии кластеризации данных, а временные ряды разделены на сезонные кластеры с учётом динамики водного объёма, NDWI, LST и их корреляций, что повысило точность моделирования. Разработана модель и алгоритм мониторинга водных ресурсов на основе VOF-подхода, RNG-модели k-ε и алгоритма PISO, обеспечивающие устойчивое моделирование потока, фильтрации и заиления и оптимизацию режимов эксплуатации. Выполнена интеграция разнородных данных в единую информационную систему (IoT/SCADA, MySQL, PostgreSQL/PostGIS, ETL), обеспечившую сквозную обработку и передачу данных в реальном времени. Модули мониторинга модернизированы через внедрение доплеровских расходомеров с кросс-корреляционным методом и разработана многоуровневая архитектура управления водными данными по стандартам OGC и ISO. Разработаны рекомендации по мониторингу водных ресурсов с интеграцией IoT-, метеорологических и спутниковых данных. Создана высокоточная гибридная прогностическая модель Meta Ensemble (XGBoost, LightGBM, CatBoost, R² = 0,954), предложены меры по совершенствованию измерительных модулей и созданию охранной системы комплекса «ПОТОК-100» для защиты оборудования и обеспечения непрерывного мониторинга.

Obtained results and novelty (in Kazakh) : Талас және Шу өзендерінде электромеханикалық Шандор мен ӘКК-107 контроллерін қолдана отырып, су беруді интеллектуалды басқаруды және ағынды Автоматты реттеуді қамтамасыз ететін автоматтандырылған мониторинг жүйелері іске асырылды. Деректерді кластерлеу критерийлері қалыптасып, уақыт қатарлары су көлемінің динамикасын, NDWI, LST және олардың корреляциясын ескере отырып, маусымдық кластерлерге бөлініп, модельдеу дәлдігін арттырды. VOF тәсіліне, RNG-k-ε моделіне және piso алгоритміне негізделген су ресурстарын бақылау моделі мен алгоритмі әзірленді, олар тұрақты ағынды модельдеуді, сүзуді және тұндыруды және жұмыс режимдерін оңтайландыруды қамтамасыз етеді. Гетерогенді деректерді бірыңғай ақпараттық жүйеге (IoT/SCADA, MySQL, PostgreSQL/PostGIS, ETL) интеграциялау жүзеге асырылды, ол нақты уақыт режимінде деректерді өңдеуді және беруді қамтамасыз етті. Мониторинг модульдері кросс-корреляциялық әдіспен доплерлік шығын өлшегіштерді енгізу арқылы жаңартылды және OGC және ISO стандарттары бойынша су деректерін басқарудың көп деңгейлі архитектурасы әзірленді. IoT-, метеорологиялық және спутниктік деректерді біріктіре отырып, су ресурстарын мониторингілеу бойынша ұсыныстар әзірленді. Meta Ensemble (XGBoost, LightGBM, CatBoost, R2 = 0,954) жоғары дәлдіктегі гибридті болжамдық моделі құрылды, өлшеу модульдерін жетілдіру және жабдықты қорғау және үздіксіз мониторингті қамтамасыз ету үшін "ағын-100" кешенінің күзет жүйесін құру бойынша шаралар ұсынылды.

The main constructive and technical economic indicators (in Russian) : На данном этапе не предусмотрено

The main constructive and technical economic indicators (in Kazakh) : Бұл кезеңде көрсетілмеген

Level of implementation (in Russian) : Технические науки А - TRL2

Level of implementation (in Kazakh) : Техникалық ғылымдар A-TRL2

Efficiency (in Russian) : Внедрение автоматизированных систем мониторинга на реках Талас и Чу, интеграция доплеровских расходомеров с кросс-корреляционным методом, применение интеллектуального управления шандорами, создание единой IoT/SCADA-ориентированной информационной системы и использование математических моделей (VOF, RNG k-ε, PISO), а также кластеризации NDWI и LST в сочетании с гибридной моделью Meta Ensemble (Test R² = 0,954) позволили получать данные об расходе воды на реках Чу и Талас, а также обеспечили существенное повышение точности измерений, прозрачности водного учёта, устойчивости моделирования и эффективности прогнозирования водных ресурсов.

Efficiency (in Kazakh) : Талас және Шу өзендерінде автоматтандырылған мониторинг жүйелерін енгізу, доплерлік шығын өлшегіштерді кросс-корреляциялық әдіспен біріктіру, шандорларды интеллектуалды басқаруды қолдану, бірыңғай IoT/SCADA-бағытталған ақпараттық жүйені құру және математикалық модельдерді (VOF, RNG K-ε, PISO) пайдалану, сондай-ақ meta гибридті моделімен біріктірілген NDWI және LST кластерлеу Ensemble (Test R2 = 0,954) Чу және Талас өзендеріндегі су ағыны туралы деректерді алуға мүмкіндік берді, сонымен қатар өлшеу дәлдігін, су есебінің ашықтығын айтарлықтай арттырды, модельдеудің тұрақтылығы және су ресурстарын болжаудың тиімділігі.

Field of application (in Russian) : Управление водными ресурсами, агропромышленный комплекс, сельское хозяйство, системы мониторинга

Field of application (in Kazakh) : Су ресурстарын басқару, Агроөнеркәсіптік кешен, ауыл шаруашылығы, мониторинг жүйелері