ИСТИНА

Тяжелые металлы являются одними из распространенных загрязнителей водных экосистем и представляют серьезную угрозу для живых организмов. Вместе со сточными водами тяжелые металлы попадают в водоемы, вызывая интоксикацию фитопланктона, который является первичным продуцентом и определяет состояние водной экосистемы в целом. Одной из основных мишеней токсического действия тяжелых металлов в клетках является фотосинтез, активность которого отражает физиологическое состояние фитопланктона. Измеряя изменение интенсивности флуоресценции хлорофилла a при освещении адаптированной к темноте пробы фитопланктона, можно быстро оценить состояние его фотосинтетического аппарата. Использование математических имитационных моделей позволило выяснить, какие основные процессы соответствуют отдельным стадиям индукционной кривой, однако пока не существует модели, позволяющей однозначно интерпретировать наблюдаемые кривые. В разрабатываемой нами автоматизированной автономной системе экологического мониторинга для раннего обнаружения токсического загрязнения природных вод предлагается использовать нейросетевую модель. С использованием архитектуры многослойного персептрона создано два варианта искусственных нейронных сетей. В одном из них на вход сети поступают (после соответствующей нормализации) непосредственно величины интенсивности флуоресценции в отдельные моменты времени (30 мкс – 2 с) после включения света (456 значений), в другом – рассчитываемые по индукционной кривой параметры т.н. JIP-теста (23 параметра). Выходной слой состоит из единственного нейрона, выход которого интерпретируется как предсказание наличия или отсутствия токсического воздействия. Для обучения сетей использовали экспериментальные данные по действию солей кадмия и хрома на природный фитопланктон из 9 водоемов Псковской области. Оба прототипа позволяют выявить токсическое действие тяжелых металлов с точностью около 90%, что указывает на перспективность использования нейросетевых моделей в системе экологического мониторинга. Работа выполнена при частичной поддержке грантов РФФИ 20-04-00465 и РНФ № 20-64-46018.