Научная работа
Описание работы
В настоящее время специализированные интеллектуальные системы,
реализованные на основе машинного и глубокого обучения, а также поддержки принятия решений в
исключительных и чрезвычайных ситуациях, становятся все более популярными и являются неотъемлемой
частью экономики любой страны. Под исключительные ситуации и состояния подпадают и паводки,
исходя из чего появляется задача заблаговременного прогнозирования подъема уровня воды на стационарных
гидрологических постах с целью минимизации риска материального ущерба и предотвращения угрозы жизни
людей.
Для решения данной проблемы предлагается интеллектуальная система поддержки
принятия решений для заблаговременного (раннего) прогнозирования уровней подъема воды, основанная
на нейросетевом анализе ретроспективных данных за последние 25 лет: код стационарного
гидрологического поста, дата, уровень воды на стационарном гидрологическом посту, атмосферное
давление, скорость ветра, толщина снежного покрова, количество осадков и температура воздуха.
Цель проекта
Таким образом, целью проекта является расчет уровня воды на определенное количество дней вперед.
Для математических расчетов прогнозируемых значений мы разработали собственную библиотеку
машинного обучения с использованием языка программирования Java. Основным инструментом является
рекуррентная нейронная сеть, разработанная с нуля, а для ее обучения мы использовали
модифицированный метод обратного распространения ошибки, основным отличием которого от
«классики» является добавление весового коэффициента чувствительности матрицы, функции
зависимости градиента от времени и собственной метрики отклонения. Это позволяет достичь
точности предсказания в диапазоне 90-100%.
При этом основной сложностью при заблаговременном прогнозировании является резкий подъем
уровней воды за короткий промежуток времени (как правило, 1 сутки) по различным причинам.
Наша модель нейронной сети это учитывает и позволяет дать более точные результаты.
Функционал и технологии
1. Прогнозирование уровней воды по каждому гидрологическому посту Республики Башкортостан.
2. Моделирование зон затопления на основе прогнозных значений уровней воды.
3. Получение данных с открытых источников по координатам гидрологических постов.
4. Восстановление недостающих данных с использованием методов машинного обучения.
5. Визуализация прогнозных данных и формирование статистических отчетов.
Для реализации использовался следующий стек технологий на операционной системе «Ubuntu»:
1. Backend: язык программирования «Java», «Apache Maven» + «Spring Boot», ORM (Object-Relational Mapping) + JPA (Java Persistence API) + Hibernate, СУБД «MySQL».
2. Frontend: HTML, CSS, Bootstrap, OpenStreetMap, JavaScript.
Научная команда проекта
Пальчевский Евгений Владимирович – руководитель проекта,
преподаватель департамента анализа данных и машинного
обучения Финансового университета при Правительстве
Российской Федерации.
Антонов Вячеслав Викторович – научный руководитель проекта, доктор технических наук, профессор,
заведующий кафедрой автоматизированных систем управления Уфимского университета науки и технологий.
Родионова Людмила Евгеньевна – кандидат технических наук, доцент кафедры автоматизированных систем
управления Уфимского университета науки и технологий.
Кромина Людмила Александровна – кандидат технических наук, доцент кафедры автоматизированных систем
управления Уфимского университета науки и технологий.
Фахруллина Альмира Раисовна – кандидат технических наук, доцент кафедры автоматизированных систем
управления Уфимского университета науки и технологий.
Tim Breikin – кандидат технических наук (PhD), старший преподаватель инженерно-математического
факультета Университета Шеффилд-Халлам в Великобритании.
Публикации по теме проекта
1. Palchevsky, E.V. A system based on an artificial neural network of the second generation for
decision support in especially significant situations / E.V. Palchevsky, V.V. Antonov, R.R.
Enikeev, T. Breikin // Journal of Hydrology. Vol. 616. – Elsevier, 2023. – pp. 128844. (Scopus: Q1, WoS: Q1)
Ссылка на публикацию
2. Пальчевский Е.В. Визуализация зон затопления на основе прогнозирования временных рядов и
ГИС-технологий / Е.В. Пальчевский, В.В. Антонов, Л.Е. Родионова, Л.А. Кромина, А.Р. Фахруллина
// Компьютерная оптика. 2023. (Scopus: Q2, WoS: Q3)
Ссылка на публикацию появится после опубликования статьи
3. Palchevsky, E.V. Threats complex distributed systems parrying based on their development
prognostication / E.V. Palchevsky, O.I. Khristodulo, S.V. Pavlov // Advances in Social Science,
Education and Humanities Research. Vol. 483. – Atlantis Press, 2020. – С. 191-194. (Web of Science)
Ссылка на публикацию
4. Palchevsky, E.V. Threat prediction in complex distributed systems using artificial neural
network technology / E.V. Palchevsky, O.I. Khristodulo, S.V. Pavlov // CEUR Workshop Proceedings.
Vol. 2763. - CEUR Workshop, 2020. - C. 289-284. (Scopus)
Ссылка на публикацию
5. Palchevsky, E.V. Intelligent data analysis for forecasting threats in complex distributed
systems / E.V. Palchevsky, O.I. Khristodulo, S.V. Pavlov, A.M. Kalimgulov // CEUR Workshop
Proceedings. Vol. 2744. - CEUR Workshop, 2020. - C. 285-296. (Scopus)
Ссылка на публикацию
6. Palchevsky, E.V. Decision support system based on application of the second generation
neural network / E.V. Palchevsky, V.V. Antonov // Programmnaya Ingeneria. Vol. 13. No. 6.
- New technologies, 2022. - С.301-308. (RSCI)
Ссылка на публикацию
7. Пальчевский, Е.В. Прогнозирование на основе искусственной нейронной сети второго поколения
для поддержки принятия решений в особо значимых ситуациях / Е.В. Пальчевский, В.В. Антонов,
Р.Р. Еникеев // Программные продукты и системы. Том 35. Выпуск 3. – Изд-во: ЗАО НИИ
«Центрпрограммсистем», Тверь, 2022. – С. 488-503. (RSCI)
Ссылка на публикацию