Разработан алгоритм прогнозирования и выделения аномалий в данных активности двустворчатых моллюсков, используемых в качестве биосенсоров в биологических системах раннего оповещения.
Оценка качества воды и точный прогноз показателей загрязнения воды являются ключевыми компонентами управления водными ресурсами и контроля загрязнения воды. Использование биологических систем раннего оповещения (Biological Early Warning Systems – BEWS), в которых в качестве биосенсоров используются живые организмы, позволяет провести комплексную оценку состояния водной среды и своевременно отреагировать в случае возникновения чрезвычайной ситуации.
В ходе реализации Проекта Российского научного фонда коллектив сотрудников Института природно-технических систем применил алгоритмы машинного обучения для выделения аномалий в данных активности двустворчатых моллюсков, полученных с помощью BEWS, разработанного авторами.
«В статье мы сравнили три метода прогнозирования машинного обучения (Theta, Croston и Prophet) для обнаружения аномалий в данных активности двустворчатых моллюсков. Разработали алгоритм обнаружения аномалий в данных активности двустворчатых моллюсков. Основным параметром успешности прогнозирования разработанных моделей является скорость обнаружения аномалии, поскольку данные из BEWS передаются на сервер в режиме реального времени. Наши результаты показали, что для одной из аномалий лучшим методом оказался Prophet, а для двух других – время обнаружения аномалий не различалось между методами. Кроме того, разработанный алгоритм обнаружения аномалий и последующей генерации сигнала тревоги не должен требовать значительных вычислительных ресурсов. Сравнение методов по скорости вычисления показало преимущество метода Croston» – руководитель гранта РНФ №. 23-29-00558 (https://rscf.ru/en/project/23-29-00558/)Елена Вышкваркова.
Новизна работы заключается в применении алгоритмов машинного обучения к данным активности двустворчатых моллюсков, используемых в качестве биосенсоров в системе биомониторинга водоемов. Разработанный алгоритм обнаружения аномалий будет эффективно встроен в программное обеспечение автоматизированного комплекса биомониторинга водной среды, что позволит снизить затраты, связанные с оперативным, тактическим и стратегическим планированием использования водоемов.
Статья опубликована в журнале Forecastinghttps://www.mdpi.com/2571-9394/6/2/19