«Применение «искусственного интеллекта» в прикладных областях знаний»

Дата: 21.04.2025

Докладчик - Кычкин Алексей Владимирович

Очередной семинар, объединивший специалистов в области искусственного интеллекта из Центра инжиниринга данных и искусственного интеллекта (DANTE — Data and Artificial Intelligence Engineering), международной лаборатории МЛЭНА, Пермского политеха и других научных организаций, состоялся в рамках XII конференции «Соседи по науке» Пермского кампуса НИУ ВШЭ – Пермь. На секции также были представлены научные доклады специалистов в области с информационных технологий, моделей машинного обучения и анализа данных. 

Кычкин А.В. выступил модератором секции «Применение «искусственного интеллекта» в прикладных областях знаний», а также представил доклад по теме «Цифровая модель для динамической идентификации промышленных источников выбросов и прогнозирования пространственного распределения вредных веществ в атмосферном воздухе». Данное исследование направлено на реализацию мероприятий, установленных Правительством РФ, по экологии, усилению контроля за качеством атмосферного воздуха и защите окружающей среды в городах.

Сегодня практически все участники рынка услуг экомониторинга занимаются насыщением инструментальных баз, построением и внедрением сетей непрерывного инструментального контроля. Следующим этапам развития всех этих данных сетей станут аналитические системы и модули, способные решать задачи предиктивного моделирования, непрерывного анализа рассеиваний вредных веществ (ВВ), динамической идентификации и оценки вклада источников в формирование опасных концентраций вредных выбросов промышленных предприятий в атмосферный воздух, что является ключевой исследовательской задачей коллектива Центра инжиниринга данных и искусственного интеллекта НИУ ВШЭ – Пермь.

Наличие динамики в задаче идентификации серьезно затрудняет применение стандартных (не интеллектуальных) расчетно-аналитических моделей. Для того чтобы учитывать факторы метеорологической среды, в том числе параметры ветра (направления и скорости), осадков, влажности и атмосферного давления, довольно эффективно использовать инструмент оптимизации. В связи с этим в рамках проекта применены различные технологии машинного обучения, они адаптированы под предметную область экомониторинга и в результате своей работы позволяют выбирать наилучшие сценарии идентификации источников выбросов в заданные моменты времени, повторяя логику эксперта эколога.

Наблюдение за составом и концентрациями загрязняющих веществ в атмосферном воздухе промышленных предприятий и за пределами санитарно-защитных зон с использованием предложенной модели полностью отвечают требованиям потенциальных индустриальных заказчиков из таких регионов, как как Москва и Московская область, Санкт-Петербург, Челябинская область, Новосибирск, Татарстан, Башкирия, Нижний Новгород и др. Модель обеспечивает не только анализ исторических данных о динамических свойствах приземного слоя атмосферы, но также позволяет оценивать их изменения в результате симуляции антропогенной нагрузки в режиме предиктивного моделирования. Основные результаты исследования могут быть использованы специалистами центров экологического мониторинга на практике, что позволит повысить эффективность выявления источников выбросов, а также заблаговременно оценивать возможные концентрации вредных веществ в атмосферном воздухе.

Презентация - Цифровая модель для динамической идентификации промышленных источников выбросов и прогнозирования пространственного распределения вредных веществ в атмосферном воздухе (Кычкин А.В.) (PDF, 2,99 Мб)