CC BY
2
Список использованной литературы:
1. Иванов А.Н., Петров В.А. Методика преподавания технических дисциплин. Москва: Наука, 2019. 280 с.
2. Сидоров Е.К., Белов Д.Р. Введение в энергетические технологии. Санкт-Петербург: Политехпресс, 2021. 340 с.
3. Смирнова Н.А. Инновационные подходы в образовании. Казань: Университетская книга, 2020. 212 с.
© Керимова Б.А., Матякубова М., Матниязова Р., Деряева Я., 2024
УДК 62
Магтымов Р., преподаватель, Международный университет нефти и газа имени Ягшыгелди Какаева,
Ашхабад, Туркменистан Нурлиев Б., преподаватель, Международный университет нефти и газа имени Ягшыгелди Какаева,
Ашхабад, Туркменистан Ораков Н., преподаватель, Международный университет нефти и газа имени Ягшыгелди Какаева,
Ашхабад, Туркменистан Геоков Б., преподаватель, Международный университет нефти и газа имени Ягшыгелди Какаева,
Ашхабад, Туркменистан Научный руководитель: Моммадов А., КГМН, Старший преподаватель, Международный университет нефти и газа имени Ягшыгелди Какаева,
Ашхабад, Туркменистан
ИСПОЛЬЗОВАНИЕ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ИДЕНТИФИКАЦИИ И КАРТИРОВАНИЯ ЗОН ЗАГРЯЗНЕНИЯ ПОДЗЕМНЫХ ВОД
Аннотация
Идентификация и картирование зон загрязнения подземных вод являются актуальной задачей в области гидрогеологии и охраны окружающей среды. Традиционные методы, основанные на точечных измерениях и геостатистических методах интерполяции, имеют ряд ограничений, связанных с высокой стоимостью и трудоемкостью полевых работ, а также с недостаточной пространственной разрешающей способностью. Нейронные сети предлагают новые возможности для решения этой задачи благодаря своей способности обучаться на больших объемах данных и выявлять сложные нелинейные зависимости.
Ключевые слова:
гидрогеология, охрана окружающей среды, сложные нелинейные зависимости, пространственная разрешающая способность.
Цель исследования заключается в разработке нейросетевых моделей для:
- Идентификации зон загрязнения: Определение участков, где концентрация загрязняющих веществ превышает допустимые нормативы.
- Картирования пространственного распределения загрязнения: Создание карт загрязнения с высоким пространственным разрешением.
- Прогнозирования распространения загрязнения: Оценка динамики изменения зон загрязнения во времени.
Необходимые для исследования данные:
- Геохимические данные: Результаты анализа проб подземных вод на содержание различных загрязняющих веществ.
- Данные дистанционного зондирования: Спутниковые снимки высокого разрешения, данные лидарных съемок, гиперспектральные данные.
- Геофизические данные: Результаты электроразведки, магнитометрии, сейсмических исследований.
- Геологические данные: Литологические разрезы, гидрогеологические разрезы, данные о тектонических нарушениях.
Выбор архитектуры нейронной сети: Выбор подходящей архитектуры нейронной сети (например, сверточные нейронные сети, рекуррентные нейронные сети, или их комбинации).
Используются метрики точности (точность, полнота, F1-мера) для оценки качества модели. В результате визуализации результатов создаются карты загрязнения и сравнивают их с реальными данными.
Применение нейронных сетей для идентификации и картирования зон загрязнения подземных вод открывает новые перспективы в области гидрогеологии и охраны окружающей среды. Данный подход позволяет более точно и детально оценивать состояние подземных вод и принимать более обоснованные решения в области управления водными ресурсами. Список использованной литературы:
1. Глухов В.В., Орлов А.И. Нейронные сети в гидрогеологии. - М.: Изд-во МГУ, 2005.
2. Салугин А.Н., Балкушкин Р.Н. О применении искусственных нейронных сетей для моделирования водопотребления // Научно-практический журнал. 2021. № 1
3. Глухов В.В., Орлов А.И. Использование искусственных нейронных сетей для прогнозирования уровня грунтовых вод // Вестник Московского университета. Серия 5: География. 1998. № 3.
© Магтымов Р., Нурлиев Б., Ораков Н., Геоков Б., 2024
УДК 004.8
Мамкин Е.Д.
студент 4 курса, гр. ИСТНб-21-2 Терехова А.А. студент 4 курса, гр. ИСТНб-21-2 Чернышов Д.Р.
студент 4 курса, гр. ИСТНб-21-2 Тюменский индустриальный университет
г. Тюмень, РФ
АВТОМАТИЗАЦИЯ ВИЗУАЛЬНОГО КОНТРОЛЯ ТЕХНОЛОГИЧЕСКОГО СОСТОЯНИЯ ТРУБ С ПОМОЩЬЮ
МЕТОДОВ РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ
Аннотация
В статье описывается разработка системы автоматизации визуального контроля труб с
