Нейросетевой метод анализа и прогнозирования показателей качества воды для обеспечения безопасности среды обитания и здоровья населения (450,00 руб.)

Первый автор	Ширяева
Авторы	Пушкарева М.В.
Страниц	8

ID	949654
Аннотация	Введение. Качество водных ресурсов является важнейшим фактором общественного здоровья и устойчивого развития экосистем. В условиях ра- стущей антропогенной нагрузки и климатических изменений традиционные методы мониторинга качества воды не всегда эффективны, что тре- бует внедрения инновационных подходов на основе искусственного интеллекта. Цель исследования – разработка и апробация гибридной нейросетевой модели для прогнозирования показателей качества воды. Материалы и методы. В исследовании использован комплекс программных инструментов на платформе Python с применением библиотек машин- ного обучения (TensorFlow Keras, Scikit-learn, Pandas). Проведена предварительная обработка данных методами iForest и интерполяции Лагранжа. Разработана оригинальная гибридная архитектура, объединяющая свёрточные нейронные сети и двунаправленные рекуррентные слои (BiGRU). Обучение модели осуществлялось на реальных данных мониторинга качества воды с использованием 50 эпох и 120 временных интервалов. Точность прогнозов оценивалась по четырём метрикам (RMSE, MAE, MAPE, R²) с последующим сравнением с традиционными методами ARIMA и SMA. Результаты. Разработанная гибридная нейросетевая модель продемонстрировала беспрецедентную точность прогнозирования с коэффициентом детерминации R² > 0,995 для ключевых параметров качества воды. Средняя ошибка прогноза (RMSE) составила 0,0309, что на 44,5% лучше резуль- татов ближайшего аналога и в 32,2 раза превосходит классические методы. Время генерации прогноза на сутки вперёд не превышает 0,83 с. Модель эффективно работает в условиях стабильных показателей, выявляя ключевые факторы, влияющие на формирование качества воды. Ограничения исследования. Анализ проводился на данных за период 2014–2022 гг., что ограничивает оценку долгосрочных трендов и экстремальных событий. Эффективность модели снижается при наличии более 5% аномальных значений и пропусков в исходных данных без предварительной обработки. Заключение. Разработанная гибридная нейросетевая модель – эффективный инструмент оперативного прогнозирования и контроля качества во- дных ресурсов. Её применение открывает возможности для создания систем раннего предупреждения о потенциальных угрозах для здоровья насе- ления, оптимизации процессов водоподготовки и разработки превентивных мер защиты водных экосистем. Высокая точность и скорость работы модели обеспечивают практическую применимость в реальных системах мониторинга источников питьевого водоснабжения.

Ширяева, М.А. Нейросетевой метод анализа и прогнозирования показателей качества воды для обеспечения безопасности среды обитания и здоровья населения / М.А. Ширяева, М.В. Пушкарева // Гигиена и санитария .— 2026 .— №1 .— С. 60-67 .— URL: https://rucont.ru/efd/949654 (дата обращения: 05.03.2026)