The object of research, development or design (in Russian) : Ирригационные каналы

The object of research, development or design (in Kazakh) : Суару каналдары

Aim of work (in Russian) : Разработка интеллектуальной системы управления водными ресурсами и IoT, которая будет способствовать повышению эффективности использования водных ресурсов, обеспечению устойчивого развития водохозяйственного комплекса и улучшению качества жизни населения.

Aim of work (in Kazakh) : Су ресурстарын пайдаланудың тиімділігін арттыруға, су секторының тұрақты дамуын қамтамасыз етуге және халықтың өмір сүру сапасын жақсартуға көмектесетін су ресурстарын басқарудың интеллектуалды жүйесін және IoT әзірлеу.

Методы исследования (на русском) : Методология системного анализа; методы интеллектуального сбора данных в режиме реального времени; аналитика данных для управления водными ресурсами, методы искусственного интеллекта и принятия решений

Методы исследования (на казахском) : Жүйелік талдау әдістемесі; нақты уақыт режимінде интеллектуалды деректерді жинау әдістері; су ресурстарын басқаруға арналған деректерді талдау, жасанды интеллект және шешім қабылдау әдістері

Obtained results and novelty (in Russian) : Разработан и внедрен программный комплекс, интегрированный с IoT-системой мониторинга Бадамского канала, обеспечивающий сбор данных в реальном времени. Создана гибридная AI-модель для прогнозирования водопотребления, сочетающая гидродинамические подходы с глубоким обучением, что обеспечило высокую точность, интерпретируемость прогнозов и интеллектуальное управление водораспределением. Проведены успешные натурные испытания в Туркестанской области (июль-сентябрь 2025 г.), подтвердившие работоспособность системы в реальных условиях и эффективность прогнозов. Создана основа для оптимизации водопотребления в регионе, позволяющая повысить эффективность распределения водных ресурсов между сельхозпредприятиями.

Obtained results and novelty (in Kazakh) : Бадам каналының IoT-бақылау жүйесімен интеграцияланған бағдарламалық кешен әзірленіп, енгізілді, ол нақты уақыт режимінде деректерді жинауды қамтамасыз етеді. Су тұтынуды болжауға арналған гибридті AI-модель жасалды, ол гидродинамикалық тәсілдерді терең оқытумен үйлестіріп, болжаудың жоғары дәлдігі, интерпретациялануы және су тарату басқармасының интеллектуалды басқарылуын қамтамасыз етті. 2025 жылғы шілде-қыркүйек айларында Түркістан облысында сәтті натурлық сынақтар жүргізіліп, жүйенің нақты жағдайда жұмыс жасау қабілеті мен болжамдардың тиімділігі расталды. Өңірде су тұтынуды оңтайландыру негізі құрылды, бұл ауыл шаруашылығы кәсіпорындары арасындағы су ресурстарын бөлу тиімділігін арттыруға мүмкіндік береді.

The main constructive and technical economic indicators (in Russian) : Архитектура системы: Гибридная AI-модель (CNN-LSTM), интегрированная с физико-гидродинамическими подходами. Техническая платформа: Веб-приложение с backend-системой, обеспечивающей сбор, обработку данных и выполнение прогнозов в режиме реального времени. Интеграция: Полная совместимость с существующей IoT-инфраструктурой (датчики уровня воды, расхода). Качество данных: Уровень пропусков в данных менее 0.5%, обработка аномалий методами IQR и визуального анализа. Повышение эффективности водораспределения: Оптимизация подачи воды в ирригационные каналы на основе прогнозов AI-модели. Точность прогнозирования: Высокие показатели метрик (RMSE, MAE, R²), подтвержденные валидацией на исторических данных и в натурных условиях. Устойчивость: Способность модели работать в условиях зашумленных данных и экстремальных погодных явлений.

The main constructive and technical economic indicators (in Kazakh) : Жүйенің сәулеттік құрылымы: Физика-гидродинамикалық тәсілдермен біріктірілген гибридті AI-модель (CNN-LSTM). Техникалық платформа: Деректерді нақты уақыт режимінде жинауды, өңдеуді және болжамдарды орындауды қамтамасыз ететін backend-жүйесі бар веб-қолданба. Интеграция: Қолданыстағы IoT-инфрақұрылымымен (су деңгейі, ағын сенсорлары) толық үйлесімділік. Деректер сапасы: Деректердегі үзілістер деңгейі 0,5% аз, аномалияларды IQR әдістері және визуалды талдау арқылы өңдеу. Су бөлу тиімділігін арттыру: AI-модель болжамдары негізінде суару арналарына су жабдықтауды онтайландыру. Болжам дәлдігі: Тарихи деректер бойынша және нақты жағдайларда расталған метрикалардың (RMSE, MAE, R²) жоғары көрсеткіштері. Тұрақтылық: Модельдің бұрмаланған деректер және экстремалды ауа-райы жағдайларында жұмыс істеу қабілеті.

Level of implementation (in Russian) : Проект находится на стадии промышленных испытаний (пилотной эксплуатации). Создан полнофункциональный программно-аппаратный комплекс. Проведена интеграция с IoT-инфраструктурой. Осуществлено первичное подключение и тестирование на реальном объекте. Завершена фаза лабораторно-полевых испытаний.

Level of implementation (in Kazakh) : Жоба өндірістік сынақтар (пилоттық эксплуатация) кезеңінде тұр. Толық функционалды бағдарламалық-аппараттық кешен құрылды. IoT инфрақұрылымымен интеграция жүргізілді. Нақты нысанда алғашқы қосу және сынақтар өткізілді. Лабораториялық-жергілікті сынақтар кезеңі аяқталды.

Efficiency (in Russian) : Комплексный подход: Реализован программный комплекс с ML-алгоритмами, в котором проведена сквозная интеграция компонентов сбора, обработки, прогнозирования и визуализации Современные технологии: выбрана гибридная архитектура CNN-LSTM для работы с временными рядами. Детальная проработка: проработаны 98% возможных сценариев работы системы, обработаны случаи потери связи, засорения датчиков. Готовность к практической реализации: проведено испытание в реальной среде, демонстрирующее работу системы, в том числе: автоматический сбор данных с IoT-датчиков в реальном времени, автоматическую очистка и предобработку данных, выявление и коррекцию аномалий, обучение и обновление ML-моделей, визуализацию результатов в веб-интерфейсе

Efficiency (in Kazakh) : Біріктірілген тәсіл: ML-алгоритмдері бар бағдарламалық кешен іске асырылды, онда деректерді жинау, өңдеу, болжау және визуализациялау компоненттерінің үздіксіз интеграциясы жүзеге асырылды. Заманауи технологиялар: Уақыттық қатарлармен жұмыс істеу үшін гибридті CNN-LSTM сәулеттік құрылымы таңдалды. Егжей-тегжейлі зерттеу: Жүйенің жұмыс істеуінің мүмкін болатын сценарийлерінің 98% әзірленді, байланыстың жоғалуы, сенсорлардың бітуі сияқты жағдайлар өңделді. Практикалық іске асыруға дайындық: Нақты ортада жүйенің жұмысын көрсететін сынақ өткізілді, оның ішінде: нақты уақыт режимінде IoT-сенсорларынан деректерді автоматты жинау, деректерді автоматты тазалау және алдын ала өңдеу, аномалияларды анықтау және түзету, ML-модельдерін оқыту және жаңарту, веб-интерфейсте нәтижелерді визуализациялау.

Field of application (in Russian) : Разрабатываемая система может быть применена: - в сельском хозяйстве для контроля расхода воды на орошение; - в гидромелиорации для мониторинга состояния гидротехнических сооружений; - в научных исследованиях: с целью получения новых данных о гидрологических процессах и использования системы в качестве платформы для тестирования и разработки новых технологий.

Field of application (in Kazakh) : Әзірленетін жүйе қолданылуы мүмкін: - ауыл шаруашылығында суару үшін су шығынын бақылау; - гидромелиорацияда гидротехникалық құрылыстардың жағдайын бақылау үшін; - ғылыми зерттеулерде: гидрологиялық процестер туралы жаңа мәліметтер алу және жүйені жаңа технологияларды сынау және әзірлеу алаңы ретінде пайдалану мақсатында.