|
ИСТИНА |
Войти в систему Регистрация |
ИСТИНА ЦЭМИ РАН |
||
Разработка подходов к прогнозированию динамики берегов Карского моря, используя методы машинного обученияНИР
Development of approaches to predicting the coastal dynamics at the Kara Sea using machine learning methods
- Руководитель НИР: Богатова Д.М.
- Подразделение: Научно-исследовательская лаборатория геоэкологии Севера
- Срок исполнения: 1 марта 2023 г. - 28 февраля 2025 г.
- Номер договора (контракта, соглашения): 1/ГКМУ-2022 от 23.12.2022
- Тип: Фундаментальная
- Приоритетное направление научных исследований: Глобальные и региональные изменения окружающей среды и общества
- Приоритеты и перспективы НТР Российской Федерации согласно Стратегии НТР РФ: связанность территории Российской Федерации
- ПН России: Рациональное природопользование
- Критическая технология России: Технологии мониторинга и прогнозирования состояния окружающей среды, предотвращения и ликвидации ее загрязнения
-
Рубрики ГРНТИ:
- 38.65.01 Общие вопросы
- 38.65.03 Методика и техника мерзлотных исследований
- 38.65.17 Механика, теплофизика и физикохимия мерзлых почв, горных пород и льда
-
Ключевые слова:
дисперсные грунты, машинное обучение, динамика берегов, арктика, искусственный интеллект, криолитозона, нейронные сети
artificial intelligence unlithified rocks, neural networks, arctic, machine learning, coastal dynamics, permafrost -
Описание:
Создание научно-методической базы для прогнозирования эволюции береговой зоны с помощью ИНС, учитывающих все разнообразие природных факторов эволюции берега.
-
Abstract:
Forecasting dangerous catastrophic natural and man-made phenomena and adapting to environmental and climate changes during the development of the Arctic coasts are urgent fundamental and applied tasks. The destruction of the Arctic coasts, particularly the Kara Sea, depends on many factors. Hydrometeorological factors include temperature and wave energy. Another group of factors characterizes the coastal zone. It includes the height of the coastal ledge, the shape of the transverse profile, the temperature regime of the soil, the granulometric and mineral composition of rocks, the presence of underground ice, etc. Some of the listed factors are directly related to each other, others are inversely proportional, and others are not related at all. Moreover, the actions of some can be both unidirectional in one period of time and multidirectional in another. Currently, the complexity, multifactorial, dynamic, and sensitive process of coastal destruction, as well as insufficient understanding of the physical mechanisms of this process, significantly complicates and sometimes makes it simply impossible to carry out any predictive calculations and numerical modeling of coastal evolution. In the practice of modern scientific research in various fields of science, the use of artificial neural networks (ANN) has become widespread for the study of complex multifactor processes, which include coastal retreat. The creation of modern methods using artificial intelligence will be another step towards reliably predicting the evolution of the coastal zone of the Arctic region. The main goal of the study is to create a scientific and methodological basis for predicting the evolution of the coastal zone through the use of ANN, which allows taking into account the whole variety of natural factors when studying the evolution of the coastline.
-
Планируемые результаты:
- Будет собрана база данных для трех ключевых участков берега Карского моря, отражающая криолитологические и геоморфологические особенности берегов в каждой точке побережья. Эти результаты будут выложены в открытый доступ в сети Интернет, что позволит другим исследователям использовать наработки автора. - Будут получены массивы адаптированных для использования при машинном обучении данных береговых линий участков Уральского и Ямальского берега Байдарацкой губы Карского моря и участка Харасавэй для различных временных срезов. - Будет подобрана оптимальная конфигурация нейронной сети (архитектура, количество нейронов, количество скрытых слоев и пр.
-
Научный задел:
Соискатель Д.М. Богатова работает в криолитозоне с 2008 года, участвовала в экспедициях в республику Тыва и в Забайкальский край, с 2012 года занималась исследованиями в Арктике в рамках международного проекта SAMCoT (2012 - 2015 гг.). В 2016 соискателем защищена диссертация по теме «Закономерности разрушения берегов, сложенных мерзлыми дисперсными породами, в зависимости от их состава, строения и свойств (на примере западного побережья Байдарацкой губы Карского моря)». Богатова Д.М. работает в НИЛ геоэкологии Севера с октября 2016. За время работы в НИЛ геоэкологии Севера Богатова Д.М. участвовала в роли исполнителя по проектам РНФ , РФФИ и хоз.договорам. В 2019-2021 г. Д.М. Богатова являлась руководителем молодежного индивидуального проекта РНФ. Результатами научной деятельности являются 34 статьи в различных изданиях, входящих в РИНЦ, Web of Science и Scopus, в том числе 3 публикации в журналах первого квартиля (Q1): “Water“(2021) – первый автор,“Permafrost and Periglacial Processes” (2019), “Remote Sensing” (2018), а также более 40 выступлений на международных и российских конференциях. Д.М. Богатова является лауреатом Премии Правительства Москвы для молодых ученых (2022 г., совместно с А.В. Баранской). Имеет патент на РИД на тему «Термоабразия морских берегов Российской Арктики» (в соавторстве с Огородовым С.А., Кокиным О.В., Мазневым С.В., Беловой Н.Г., Баранской А.В., Новиковой А.В., Маслаковым А.А).
-
Основные результаты:
Будут предложены подходы к построению нейронных сетей, адаптированных для решения задач прогнозирования эволюции арктической береговой линии в условиях развития вечной мерзлоты.
- Добавил в систему: Богатова Дарья Максимовна
Источник финансирования НИР
| другие гранты РФ, Некоммерческий Фонд развития науки и образования «Интеллект» |
Этапы НИР
| # | Сроки | Название |
| 1 | 1 марта 2023 г.-31 декабря 2023 г. | Разработка подходов к прогнозированию динамики берегов Карского моря, используя методы машинного обучения |
| Результаты этапа: Исследование посвящено созданию научно-методической базы для прогнозирования динамики берега с помощью машинного обучения, учитывающего все разнообразие природных факторов эволюции берега. За отчетный период были собраны и подготовлены для работы с искусственной нейронной сетью данные, характеризующие криолитологические и геоморфологические особенности береговой зоны, климатические параметры, воздействующие на берег, а также положения бровки берегового обрыва и темпы отступания берега за выбранные периоды. Выявлены пространственные корреляции в темпах отступания берега на всех ключевых участках, а на отдельные сегментах берега в пределах каждого ключевого участка отмечается инверсионное поведение береговой линии в разные годы, что в свою очередь улучшит методы прогнозирования изменений береговых линий. Использование методов геостатистики при изучении темпов разрушения берега является новым подходом анализа береговых изменений. Определены основные подходы к работе при использовании искусственных нейронных сетей для выявления зависимостей и прогнозирования поведения береговой системы. | ||
| 2 | 1 января 2024 г.-31 декабря 2024 г. | Разработка подходов к прогнозированию динамики берегов Карского моря, используя методы машинного обучения |
| Результаты этапа: | ||
| 3 | 1 января 2025 г.-28 февраля 2025 г. | Разработка подходов к прогнозированию динамики берегов Карского моря, используя методы машинного обучения |
| Результаты этапа: | ||
Прикрепленные к НИР результаты
Для прикрепления результата сначала выберете тип результата (статьи, книги, ...). После чего введите несколько символов в поле поиска прикрепляемого результата, затем выберете один из предложенных и нажмите кнопку "Добавить".