Разработка системы интеллектуального анализа данных для мониторинга дамб и других инженерных сооружений в условиях техногенных и природных воздействий (BR18574144)

Современные системы производства и жизнеобеспечения являются потребителями большого количества воды. Для удовлетворения этих потребностей в Казахстане , расположенном в основном в аридной зоне, проектируются, строятся и эксплуатируются сотни гидротехнических сооружений и комплексов, включая дамбы, плотины, каналы, водохранилища и тп.  Эти объекты, как и другие значительные по размеру сооружения являются источником значительной опасности, возрастающей при неправильном проектировании, эксплуатации и недостаточном контроле их текущего состояния. Более того, гидротехнические объекты эксплуатируются в условиях значительных природных аномалий, которые могут усугубляться и техногенным воздействием. Эти факторы приводят к серьезным сбоям, в том числе катастрофического характера, значительным разрушениям и потерям человеческих жизней. Например, в Казахстане катастрофические наводнения, связанные с прорывами плотин, в том числе с сопредельных странах, привели к гибели нескольких десятков человек и материальному ущербу в несколько десятков миллионов долларов.  Возникает необходимость более детального мониторинга стока рек, состояния воды, дамб и т.п. для предотвращения явлений катастрофического характера и повышения качества эксплуатации техники и сооружений.  При этом увеличение ручного мониторинга приводит к значительным издержкам. Вместе с тем, существуют многочисленные примеры использования спутниковых данных и данных беспилотных летательных аппаратов (БПЛА) для оценки качества воды, объемов водостока, прогнозирования возможного ущерба от наводнения, оценки объемов наносных отложений и возможного ущерба от оползневых плотин на базе статистических методов. Имеются также примеры применения методов машинного обучения для решения перечисленных задач. Таким образом, возникает потребность и существуют научные и технические предпосылки для создания системы интеллектуального мониторинга, сочетающей использование данных дистанционного зондирования, снимков, полученных с борта БПЛА  и методов анализа данных для оценки состояния и прогнозирования состояния инженерных сооружений в условиях природных и техногенных воздействий.

Настоящий проект направлен на создание основных элементов подобной системы путем оценки границ и возможностей современных методов сбора и анализа данных и прототипирования основных программно-аппаратных компонент. В результате его выполнения будут получены следующие результаты: Созданы методики для дистанционного мониторинга, оценки состояния и прогноза устойчивости гидротехнических объектов и водной инфраструктуры;               Цифровые представления и 3D- модели ключевых гидротехнических объектов и водной инфраструктуры на основе интерактивных карт и веб-геоинформационного сервиса; Рекомендации и цифровая среда по обеспечению эффективной работы гидротехнических объектов и инфраструктуры, экологической и промышленной безопасности ключевых водных объектов на территории Казахстана; Повышение оперативности и эффективности в области планирования и управления водным хозяйством Республики Казахстан, путем применения современных средств мониторинга и интеллектуальных цифровых технологий, включая геоинформационные технологии и данные дистанционного зондирования; Развитие компетенции в области цифровизации Казахстана в сфере мониторинга водных и земельных ресурсов с использованием дистанционного зондирования земли и интеллектуального анализа данных.

Цель программы

Создание системы мониторинга дамб и других инженерных сооружений в условиях техногенных и природных воздействий с применением интеллектуального анализа данных

Задачи программы

Задача 1: Разработка методологии предсказания аварийности дамб и других инженерных сооружении на основе методов и технологий машинного обучения.

Задача 2: Разработка методологии и оценки заиливания водохранилищ, каналов и проток на основе современных подходов интеллектуального анализа и данных дистанционного анализа.

Задача 3: Разработка математических и информационных моделей на основе алгоритмов машинного обучения для дистанционной оценки расхода и качества воды (виртуальный гидропост) и прогнозирования уровня воды в реках.

Задача 4: Разработка и создания интерактивных карт и веб-геоинформационных сервисов для мониторинга текущего и прогнозного состояния гидротехнических объектов и водной инфраструктуры Республики Казахстана.

Задача 5: Разработка комплекса научно-обоснованных, управленческих мероприятий и рекомендаций по обеспечению эффективной и безаварийной работы дамб и других инженерных сооружении.

Задача 6: Разработка пилотного проекта веб-геоинформационного сервиса и интерактивных карт на основе данных оперативного дистанционного мониторинга с использованием архивных, полевых исследований и спутникового (БПЛА) зондирования на базе геоинформационных технологий.

Публикации:

  1. Mukhamediev, Ravil I., Timur Merembayev, Yan Kuchin, Dmitry Malakhov, Elena Zaitseva, Vitaly Levashenko, Yelena Popova, Adilkhan Symagulov, Gulshat Sagatdinova, and Yedilkhan Amirgaliyev. Soil Salinity Estimation for South Kazakhstan Based on SAR Sentinel-1 and Landsat-8, 9 OLI Data with Machine Learning Models //Remote Sensing. – 2023. – Т. 15. – №. 17. – С. 4269. https://www.mdpi.com/2072-4292/15/17/4269; https://doi.org/10.3390/rs15174269 (Scopus: Q1, 90%, WoS: Q1, IF:5.0)
  2. Mukhamediev, R.; Amirgaliyev, Y.; Kuchin, Y.; Aubakirov, M.; Terekhov, A.; Merembayev, T.; Yelis, M.; Zaitceva, E.; Levashenko, V.; Popova, Y.; Symagulov, A.; Tabynbayeva, L. Operational Mapping of Salinization Areas in Agricultural Fields Using Machine Learning Models Based on Low-Altitude Multispectral Images. Drones 2023, 7, 357. https://doi.org/10.3390/drones7060357(Scopus: Q1, 75%, WoS: Q2, IF:4.8)
  3. Zaitseva, E., Levashenko, V., Mukhamediev, R., Brinzei, N., Kovalenko, A., & Symagulov, A. (2023). Review of Reliability Assessment Methods of Drone Swarm (Fleet) and a New Importance Evaluation Based Method of Drone Swarm Structure Analysis. Mathematics, 11(11), 2551. https://www.mdpi.com/2227-7390/11/11/2551
  4. Mukhamediev R. I. Yakunin, K., Aubakirov, M., Assanov, I., Kuchin, Y., Symagulov, A., Levashenko V., Zatceva E., Sokolov D., Amirgaliyev, Y. . Coverage path planning optimization of heterogeneous UAVs group for precision agriculture //IEEE Access. – 2023. – Т. 11. – №. 15. – С. 5789-5803, doi: 10.1109/ACCESS.2023.3235207, https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=10011226 (Scopus Quartile: Q1, 90%, JCR Category Quartile: Q2, WoS IF=3.476)
  5. Zaitseva, E., Levashenko, V., Brinzei, N., Kovalenko, A., Yelis, M., Gopejenko, V., & Mukhamediev, R. (2023). Reliability Assessment of UAV Fleets. In Emerging Networking in the Digital Transformation Age: Approaches, Protocols, Platforms, Best Practices, and Energy Efficiency(pp. 335-357). Cham: Springer Nature Switzerland. https://www.researchgate.net/profile/Elena-Zaitseva-2/publication/369409989_Reliability_Assessment_of_UAV_Fleets/links/641d5db6a1b72772e42293f8/Reliability-Assessment-of-UAV-Fleets.pdf