Найти в Дзене
Минобрнауки России

Разработана высокоточная модель прогнозирования проседания грунта

Специалисты Российского университета дружбы народов (РУДН) разработали инновационный метод прогнозирования проседания земной поверхности в засушливых регионах с точностью до 95,7%. Субсиденция (проседание грунта) — медленное или внезапное опускание земной поверхности — представляет серьезную угрозу для инфраструктуры и сельского хозяйства, особенно в регионах с интенсивной эксплуатацией подземных вод. Однако существующие методы прогнозирования часто не учитывают сложное взаимодействие природных и антропогенных факторов, что приводит к ошибкам в предсказаниях и неэффективным мерам по предотвращению ущерба. Ученые разработали двухэтапную систему прогнозирования, основанную на сочетании двух эффективных подходов: 1. Алгоритм K-ближайших соседей (KNN) — анализирует исторические данные и выявляет закономерности на основе схожих ситуаций, что позволяет делать обоснованные прогнозы. 2. Метаэвристическая оптимизация — автоматически тестирует различные комбинации параметров и подбирает оптималь

Специалисты Российского университета дружбы народов (РУДН) разработали инновационный метод прогнозирования проседания земной поверхности в засушливых регионах с точностью до 95,7%.

Субсиденция (проседание грунта) — медленное или внезапное опускание земной поверхности — представляет серьезную угрозу для инфраструктуры и сельского хозяйства, особенно в регионах с интенсивной эксплуатацией подземных вод. Однако существующие методы прогнозирования часто не учитывают сложное взаимодействие природных и антропогенных факторов, что приводит к ошибкам в предсказаниях и неэффективным мерам по предотвращению ущерба.

Ученые разработали двухэтапную систему прогнозирования, основанную на сочетании двух эффективных подходов:

1. Алгоритм K-ближайших соседей (KNN) — анализирует исторические данные и выявляет закономерности на основе схожих ситуаций, что позволяет делать обоснованные прогнозы.

2. Метаэвристическая оптимизация — автоматически тестирует различные комбинации параметров и подбирает оптимальные настройки для достижения максимальной точности предсказаний.

По словам исследователя из научного центра нейротехнологий и процессов управления инженерной академии РУДН, кандидата технических наук Джавада Хатамиафкуиеха, наиболее точным оказался вариант с применением алгоритма, который имитирует охотничье поведение пеликанов.

Для обучения системы исследователи проанализировали спутниковые снимки Sentinel-1 за 2014–2020 годы. На их основе были выявлены 215 участков с проседанием грунта и 17 влияющих факторов, включая топографию, геологию, плотность скважин, растительный покров и расстояние до разломов.

По мнению разработчиков, новая модель прогнозирования может быть использована при разработке стратегий устойчивого управления водными ресурсами, при оценке рисков для критической инфраструктуры (здания, дороги, трубопроводы), а также при принятии решений в области территориального планирования и сельского хозяйства.

Разработка продолжает линию научных инициатив, развиваемых в рамках Десятилетия науки и технологий.
Ключевым событием Десятилетия является Конгресс молодых ученых, на котором презентуются и обсуждаются результаты исследований.
V Конгресс молодых ученых состоится в Научно-технологическом университете «Сириус»
26–28 ноября.