№АР19678926

Руководитель проекта Найзабаева Лязат, д.т.н., ассоциированный профессор

Цель проекта. Разработка интеллектуальной системы принятия решений и прогнозирования токсинов в почве, загрязненных пестицидами и тяжелыми металлами; проектирование геоинформационной системы мониторинга воздушного бассейна с учетом геопространственных данных Казахстана.

Актуальность. В мире информационных технологий применяются методы интеллектуального анализа данных для улучшения и повышения экологической устойчивости окружающей среды.

Методы анализа больших данных постепенно заменяют традиционные механизмы городского управления с целью повышения качества и скорости принятия решений, касающихся широкого спектра практических применений и приложений, благодаря анализу в реальном времени. Технология больших данных стала столь же важной для функционирования умных городов, как и для устойчивых городов в стремлении оптимизировать и повысить их эффективность в отношении экологической устойчивости.

Интеллектуальный мониторинг окружающей среды подразумевает рассмотрение нескольких взаимосвязанных проблем экологии, что является синергией, означающей наибольший эффект от комбинированного решения. Следовательно, становится важным изучение двух и более связанных между собой составляющих проблем экологии городов как чистоты воздуха и земли с помощью интеллектуальных методов науки о данных.

Ожидаемые результаты:

• Разрабатывается интеллектуальная система анализа данных о загрязненных хлорорганическими пестицидами и тяжелыми металлами земель Казахстана.
• Разработанная функциональная структура геоинформационной системы мониторинга воздуха будет использоваться как прототип для использования в разработке программного продукта подобных геоинформационных систем.
• Прямой социальный и экономический эффект данного проекта связан с необычайной дороговизной натурных исследований, порой даже невозможностью проведения эксперимента.
• Интеллектуальная система мониторинга загрязняющих веществ в воздухе и на поверхности земли позволяет принимать эффективные решения по улучшению социального благополучия населения Казахстана.
• Будут разработаны базовые учебные материалы.
• Будет опубликовано

– не менее 3 (трех) статей и (или) обзоров в рецензируемых научных изданиях, индексируемых в Science Citation Index Expanded базы Web of Science и (или) имеющих процентиль по CiteScore в базе Scopus не менее 35 (тридцати пяти)

– не менее 1 (одной) статьи и или обзора в рецензируемом зарубежном или отечественном издании, рекомендованном КОКСНВО

– не менее 1 монографии в течение выполнения проекта

– не менее 3 авторских прав на программный продукт

Достигнутые результаты:

В рамках реализации научно-исследовательской работы проведён анализ состояния окружающей среды г. Алматы, включающий оценку загрязнения почв тяжёлыми металлами и пестицидами, а также мониторинг качества атмосферного воздуха. На основе собранных данных разработаны и протестированы модели прогнозирования концентраций загрязняющих веществ с применением методов машинного обучения и нейронных сетей.

Результаты показали, что использование алгоритмов Decision Tree и Random Forest обеспечивают высокую точность прогнозов по сравнению с традиционными статистическими методами. Разработанная интеллектуальная система продемонстрировала эффективность в объединении данных различной природы и в формировании аналитических рекомендаций для принятия управленческих решений.

Созданная геоинформационная и интеллектуальная система может быть использована для экологического мониторинга, прогнозирования и рекультивации загрязнённых территорий, а также внедрена в практику государственного и промышленного экологического контроля.

Основные научные результаты и рекомендации, полученные в ходе проведения исследований, содержатся в следующем:

• Выполнен сбор и анализ данных по фитотоксичности почв Казахстана, подвергшихся загрязнению, с целью оценки состояния биосистем, испытывающих антропогенное воздействие. Проведён сравнительный анализ методов и моделей, используемых при исследовании и мониторинге состояния воздушного бассейна загрязнённых регионов. Дополнительно осуществлён сбор и анализ данных о территориях Казахстана, загрязнённых ксенобиотиками, с учётом географического расположения хранилищ пестицидов.
• Проведены исследования, включающие моделирование динамической системы мониторинга воздушного бассейна, анализ степени загрязнённости почв тяжёлыми металлами и оценку изменений микробиологической компоненты почв под их воздействием.
• Разработана информационная система, представляющая собой распределённую геоинформационную инфраструктуру, объединяющую базы пространственных данных, аналитические модули и пользовательский интерфейс.
• Построена модель с применением математических моделей фитотоксичности почвы при загрязнении для оцен­ки состояния земель, подвергшихся антропогенному воздействию.
• Спроектирована имитационная модель и построен алгоритм функционирования геоинформационной системы мониторинга воздушного бассейна.
• Построены логическая, физическая модели информационной системы восстановления земель, загрязненных ксенобиотиками.
• Разработано клиент-серверное программное обеспечение геоинформационной системы для оценки динамики загрязнения воздушного бассейна и построения интегральной карты загрязнённости городской атмосферы.
• Проведена интеграция адаптивных систем управления дорожным движением на основе ИИ с мониторингом качества воздуха в реальном времени в качестве нового решения для снижения загрязнения воздуха в Алматы, Казахстан.
• Использованы передовые алгоритмы искусственного интеллекта и датчики Интернета вещей (IoT) с возможностью динамического регулирования сигналов светофоров и перенаправления транспортных потоков на основе данных в реальном времени о плотности движения, уровне выбросов и параметрах окружающей среды.
• Создана геоинформационная система моделирования распространения примесей в атмосферном воздухе и фитотехнологического восстановления загрязнённых пестицидами и тяжёлыми металлами почв, представляющее собой комплексное направление, объединяющее методы вычислительной гидродинамики, почвенной геохимии и пространственного анализа данных.
• Проведено сопоставление разработанных алгоритмов и математических моделей с результатами экспериментальных наблюдений и численных исследований.
• Тестирована работа интеллектуальной системы с целью проверки устойчивости, точности и воспроизводимости разработанных алгоритмов при моделировании атмосферных и почвенных процессов.
• Результаты НИР внедрены в учебный процесс. В рамках реализации проекта защищена докторская диссертация и магистерская диссертация.
• Получены авторские свидетельства.
  
  

Список публикаций (2023-2025):

• Найзабаева Л., Сембина Г.К., Сейлова Н.А., Бисаринова А.Т. «Интеллектуалды әдістерді қолдану арқылы ауаның ластану сапасына баға беру» (Оценка качества загрязнения воздуха с применением интеллектуальных методов). Вестник КазАТК, Том 127, №4, 2023, стр.252-26. DOI: https://doi.org/10.52167/1609-1817-2023-127-4-252-261
• Nurzhanov Ch., Naizabayeva L., C., Mazakov, T. Digital Technology in Agriculture: An Approach to Modelling Crop Productivity on Trace Elements Contaminated Soil. SIST 2023 - 2023 IEEE International Conference on Smart Information Systems and Technologies, Proceedings, 2023, pp. 105–108. Scopus. DOI: https://doi.org/10.1109/SIST58284.2023.10223574.
• Lyazat Naizabayeva, Gulnara Zakirova. Using Data Analysis Methods for Predicting the Concentration of Toxic Elements in Soil. Proceedings of The 12th IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications (IDAACS 2023), September 7-9, 2023 Dortmund, Germany, pp.573-579. Scopus. DOI: https://doi.org/10.1109/IDAACS58523.2023.10348723
• Naizabayeva, L., Nurzhanov, C.A., Satymbekov, M.N., Elle, V.Z. Information system for remediation and cleanup of contaminated soil with machine learning The 14th International Conference on Emerging Ubiquitous Systems and Pervasive Networks (EUSPN 2003) November 7-9, 2003. Procedia Computer Science, 2024, 231, pp. 145–150, DOI: https://doi.org/10.1016/j.procs.2023.12.186. Scopus. CiteScore 4,5, Percentile – 69 / Quartile 2
• K. Kolesnikova, L. Naizabayeva, A. Myrzabayeva, R. Lisnevskyi. Use the neural networks in prediction of environmental processes. 2024 IEEE 4th International Conference on Smart Information Systems and Technologies (SIST) 15-17 May, 2024, SIST 2024 - IEEE 4th International Conference on Smart Information Systems and Technologies, Proceedings, 2024, pp.625–630. DOI: https://doi.org/10.1109/SIST61555.2024.10629330.
• Lyazat Naizabayeva, Daniyar Zaitov, Nurgul Seilova. Integrating Smart Traffic Systems with Real-Time Air Quality Monitoring to Minimize Emissions and Improve Urban Health. The 2nd International Workshop on Digital Society: in the Eve of the 6th Information Revolution (DS 2024), October 28-30, 2024, Leuven, Belgium. Procedia Computer Science, 2024, 251, pp. 603–608, CiteScore 4,5, Percentile – 69. DOI: https://doi.org/10.1016/j.procs.2024.11.156
• Oleksii Kolesnikov, Lyazat Naizabayeva, Buitek Bayan, Kateryna Kolesnikova. Development of Mathematical Model for Traffic Control at Signalized Intersections. The 2nd International Workshop on Digital Society: in the Eve of the 6th Information Revolution (DS 2024), October 28-30, 2024, Leuven, Belgium. Procedia Computer Science, 2024, 251, pp. 538–543, CiteScore 4,5, Percentile – 69. DOI: https://doi.org/10.1016/j.procs.2024.11.145.
• L.Naizabayeva, M.N. Satymbekov, (2024). Predicting Urban Soil Pollution using Machine Learning Algorithms. News of the Academy of Sciences of the Republic of Kazakhstan, October-December 2024, (352), 194–203. https://doi.org/10.32014/2024.2518-1726.317.
• Naizabayeva L., Morteza S., Seilova N. Analysis of Meteorological and Soil Parameters for Predicting Ecosystem State Dynamics. IEEE Access. (ID is Access-2025-11513) CiteScore=9.8, Q1, Percentile= 92% DOI: https://doi.org/10.1109/ACCESS.2025.3585232.
• Naizabayeva Lyazat, Kolesnikova Kateryna, Khrutba Victoriia. Simulation-Based Assessment of Urban Pollution in Almaty: Influence of Meteorological and Environmental Parameters. Applied Sciences (Switzerland), 2025, 15, 6391. Cites Core 5.5, Q1, Scopus https://doi.org/10.3390/app15126391.
• Naizabayeva Lyazat, Sembina Gulbakyt, Aliman Alibek, Satymbekov Maxatbek, Barlykbay Nazym, Seilova Nurgul. Air Pollution Forecasting in Almaty using Ensemble Machine Learning Models. Journal of Applied Data Sciences, Vol 6, №4, pp. 2461–2476. Q3, Percentile=42%,DOI:https://doi.org/10.47738/jads.v6i4.821.https://bright-journal.org/Journal/index.php/JADS/article/view/821.
• Naizabayeva L.K., Khrutba V.O., Tleuberdiyeva G.I., Simulating Urban Climate and Air Pollution in Almaty: A Numerical Modeling Approach. Вестник КБТУ, №2(73) 2025. https://doi.org/10.55452/1998-6688-2025-22-2-267-278.
• Проектирование интеллектуальной системы прогнозирования и поддержки решений для очистки загрязненных почв: Монография / Найзабаева Л.К., Нуржанов Ч.А, Сембина Г.К. - Алматы: МУИТ, 2025 –192 с.
  
  Состав исследовательской группы: