МОСКВА, 2 июля. /ТАСС/. Исследователи из России разработали системы машинного обучения, которые используют данные наблюдений за состоянием мидий или других двустворчатых моллюсков для мониторинга состояния водной среды в режиме реального времени. Системы ИИ превзошли уже существующие алгоритмы по скорости обнаружения аномалий в свойствах водоемов на 30-90 минут, сообщила во вторник пресс-служба Российского научного фонда (РНФ).

"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 ПО автоматизированного комплекса биомониторинга водной среды", - заявила ведущий научный сотрудник Института природно-технических систем (Севастополь) Елена Вышкваркова, чьи слова приводит пресс-служба РНФ.

Как отмечают Вышкваркова и ее коллеги, многие организмы, обитающие в озерах, реках и морях, можно использовать в качестве живых индикаторов состояния водной среды, так как их популяции очень чувствительны к появлению различных загрязнителей, а также перемен в температуре, кислотности и других параметрах среды. В их число входят мидии и другие двустворчатые моллюски.

Руководствуясь подобными соображениями, ученые превратили мидий в автоматическое устройство для мониторинга состояния водоемов, для чего исследователи прикрепили к нескольким мидиям магнит и датчик Холла, отслеживающий движение створок раковин моллюсков, а также набор различных сенсоров. Сведения о переменах в состоянии окружающей среды и связанных с ними переменах в поведении моллюсков непрерывно при этом передаются через системы беспроводной связи.

Для обработки этих данных исследователи применили три алгоритма машинного обучения, эффективность работы которых ученые проверили и сравнили на данных, которые были собраны при помощи 16 биодатчиков на базе мидий, установленных в акватории крымской реки Черная. Проведенные учеными замеры показали, что все три алгоритма были способны выявлять аномалии в свойствах водной среды примерно за 17-19 минут.

По текущим оценкам исследователей, все три системы машинного обучения вкупе с биосенсорами в виде мидий значительно превосходят по уровню качества обработке данных и скорости работы другие подходы, в том числе алгоритм SARIMA, который выявляет аномалии в свойствах водных сред на 30-90 минут позже, чем разработки Вышкварковой и ее коллег. Это позволяет использовать их для ведения наблюдений за состоянием водоемов в режиме реального времени, подытожили исследователи.