DSTU的研究人员开发了一种方法处理从太空获取的沿海和海洋系统图像。与传统方法相比，新方法可以使用精确的4D模型处理海岸系统遥感数据，并提高预测计算的准确度。该研究是在俄罗斯科学院通讯院士，DSTU复杂系统数学建模与预测研究所所长亚历山大· 苏希诺夫的指导下进行的。由于对石油泄露、极端风暴潮等危险事件的预测必须在加速的时间尺度下进行，因此计算中使用了现代超级计算机系统。
DSTU四年级研究生，计算机系统和信息安全教研室高级讲师娜塔莉亚·帕纳森科向俄新社介绍说： “我们的并行算法和程序使我们能够考虑到气象状况和实际水文情况，在极短时间内预测情况的发展。这在发生石油泄露、有害物质和有毒物质一时排放、风暴潮等紧急情况时尤其重要。”
该研究小组根据DSTU与俄航天集团之间的协议，以及从公开来源获取空间传感数据。生成的图像使用人工智能方法（包括神经网络技术）进行处理。特别是，使用Python编程语言的机器学习方法来分析和聚类对象——浮游生物种群、悬浮物、石油污染和水生态系统中的其他物体的斑点。
作者通过对2020年获得的亚速海的一些卫星图像进行计算实验，证实了这种方法的有效性。该项目的进一步发展将涉及改进所使用的神经网络技术，以及运用深度学习方法（Deep Learning）来预测亚速海浮游生物种群、海表面膜污染、包括油膜污染的动态。
该项研究的作者认为，所开发的综合系统的新模型、并行算法和程序将显著降低时间成本，提高预测沿海系统发生危险和不良事件的准确性和可靠性。
该项研究是在2019年俄罗斯基础研究基金会（RFBR）资助（“研究生”）框架内进行的（第19-37-90070号资助项目，“基于遥感数据分析和预测海岸系统状况的数学模型和数值方法”）。
京公网安备11010502053235号
