- Мақалалар
Scopus:
- Hybrid feature-based neural network regression method for load profiles forecasting
Бұл зерттеу энергияны тұтынуды дәл болжай алатын, әсіресе әртүрлі географиялық және климаттық жағдайларды ескере отырып, сұранысты болжаудың жетілдірілген модельдерінің шұғыл қажеттілігін қарастырады. Жұмыста ауа температурасының корреляциясын есепке алуға баса назар аудара отырып, нейрондық желілерге негізделген регрессиямен кластерлеу және атрибуттық инженерия әдістерін біріктіретін сұранысты болжаудың жаңа моделі ұсынылады. Модельдің тиімділігі Тетуан (Марокко) анықтамалық деректер жиынтығы негізінде бағаланды, мұнда қолданыстағы болжау әдістері rmse мәндерін 6429-дан 10 220-ға дейін көрсетті. Олардан айырмашылығы, ұсынылған модель айтарлықтай төмен rmse-5168 мәніне жетті, бұл оның артықшылығын көрсетеді. Кейс-стади шеңберінде Астанада (Қазақстанда) сұранысты болжау үшін модельді кейіннен қолдану оның тиімділігін одан әрі растады. Негізгі нейрондық желімен салыстырмалы талдау айтарлықтай жақсарғанын көрсетті: ұсынылған модель MAPE мәніне 5,19% жетті, ал базалық модельде бұл көрсеткіш 17,36% құрады. Бұл нәтижелер Климаттық факторларды пайдалану арқылы сұранысты болжау дәлдігін, әсіресе әртүрлі географиялық контексттерде жақсартуда ұсынылған тәсілдің әлеуетін көрсетеді. Әдістеме сонымен қатар су тасқынын болжау, дақылдардың өнімділігін бағалау және суды басқару сияқты кеңірек қолданбалардың болашағын көрсетеді.
Satan A. et al. Hybrid feature-based neural network regression method for load profiles forecasting //Energy Informatics. – 2025. – Т. 8. – №. 1. – С. 19. https://doi.org/10.1186/s42162-025-00481-0
ҒЖБСБК:
- Flood Risk Mapping in The Irtysh River Basin Using Satellite Data
Су тасқыны бүкіл әлемде айтарлықтай экономикалық шығын мен адам шығынын тудыратын ең көп таралған және жойқын табиғи апаттардың бірі болып табылады. Су тасқыны қаупін тиімді басқару осал аумақтарды болжауға және ықтимал салдарды бағалауға қабілетті нақты модельдеу әдістеріне байланысты. Бұл зерттеуде маусымдық су тасқынына ұшыраған Өскемен қаласының (Шығыс Қазақстан) маңындағы Ертіс өзенінің бассейніндегі су тасқыны динамикасы жоғары ажыратымдылықтағы спутниктік суреттерді және рельефтің цифрлық үлгілерін пайдалана отырып модельденеді. Жұмыстың негізгі мақсаты-рельеф сипаттамаларына негізделген су тасқыны қаупін визуалды модельдеу. Зерттеу MODIS, Landsat 7, Maxar және Google Earth Engine деректерін біріктіретін Mapbox платформасы ұсынатын спутниктік кескіндерді пайдаланады, бұл Sentinel-2 кескіндеріне 10 метр ажыратымдылықта шағылысатын беткі қабатпен қол жеткізуге мүмкіндік береді. Су тасқынын модельдеу үшін 30 метрлік рұқсаты бар Copernicus жаһандық цифрлық рельеф моделінің биіктік деректері қолданылады.
Су тасқынын модельдеу рельефтің биіктігіне қатысты су басу тереңдігін есептеуді қамтиды, бұл әр пиксель бойынша оның су астында қалатынын анықтауға мүмкіндік береді. Модельдеу сценарийлері уақыт бойынша су тасқыны динамикасын көрсететін кескіндер тізбегін құру мақсатында су деңгейінің кезең-кезеңімен көтерілуін болжайды. Зерттеу сонымен қатар топырақтың гидравликалық сипаттамаларын қарастырады және рельеф деректері мен су деңгейінің өзгеруіне негізделген су тасқыны қаупін визуализациялауға баса назар аударады. Модельдеу нәтижелері өзеннің жағалары бірінші кезекте су тасқынына ұшырайтынын көрсетеді, су ағындары қаланың солтүстік-батысынан таралады. Су деңгейі жер бедерінің ең төменгі нүктесінен 2 метрден асқанда маңызды инфрақұрылым осал болады. Бұл нәтижелер су тасқыны қаупін бағалау және қалалардың су тасқынына дайындығын арттыру үшін жоғары ажыратымдылықтағы спутниктік кескіндер мен жер бедері деректерін пайдалану мүмкіндігін көрсетеді. Нәтижелер табиғи апаттардың салдарын азайту мақсатында неғұрлым негізделген шешімдер қабылдауға ықпал ете отырып, су тасқынының дамуы туралы құнды түсініктер береді.
Rakhymbek K., Zhomartkan N., Nurekenov D., Zhantassova Z. Flood Risk Mapping in The Irtysh River Basin Using Satellite Data //Scientific Journal of Astana IT University. – 2024. – Т. 19. – С. 140-149. https://doi.org/10.37943/19LRYW4856.
- High-Resolution Satellite Estimation of Snow Cover for Flood Analysis in East Kazakhstan Region
Климаттың өзгеруіне байланысты экстремалды ауа-райының жиілігінің артуы су тасқынын болжауды әсіресе өзекті міндет етеді, әсіресе қардың еруі маусымдық су тасқынының негізгі факторы болып табылатын таулы аймақтар үшін. Бұл зерттеуде қардың еру динамикасын және оның Шығыс Қазақстандағы Үлбі және Уба өзендерінің бассейндеріндегі су тасқыны қаупіне ықтимал әсерін талдау үшін қар жамылғысын бағалау әдістерін қолдану қарастырылады.
Осы мақсатқа жету үшін Sentinel-2 surface Reflectance деректер жиынтығынан жоғары ажыратымдылықтағы мультиспектрлі спутниктік түсірілім қолданылады. Талдау 2021-2024 жылдар аралығында Наурыздан қазанға дейін жиналған суреттерді қамтиды. Деректерді өңдеу Google Earth Engine платформасында зерттелетін бассейндермен кеңістіктік қиылысу және қар жамылғысын талдау үшін деректердің жоғары сапасын қамтамасыз ететін бұлттық пиксель үлесі негізінде қатаң сүзу арқылы жүзеге асырылады. Зерттеу қар жамылғысын бағалау үшін бірнеше қашықтық индекстерін қолданады. Қалыпқа келтірілген дифференциалды қар индексі (NDSI) қармен жабылған пикселдерді анықтау үшін жасыл және қысқа толқынды инфрақызыл арналар арқылы есептеледі. Қар жамылғысының үлесі (fractional snow-covered area, fSCA) NDSI негізінде ‘FRA6T’ эмпирикалық теңдеуін қолдана отырып есептеледі, бұл бассейндер аумағында қардың таралуы туралы егжей-тегжейлі түсінік алуға мүмкіндік береді. Сонымен қатар, жақын инфрақызылдың қысқа толқынды инфрақызылға қатынасының шекті мәні қолданылады, бұл қар мен судың, әсіресе су объектілерінің жанында және белсенді еру кезеңдерінде шатасуды азайтады. Алынған қар жамылғысының карталары мен fsca мәндері қардың таралуы мен оның еру динамикасы туралы егжей-тегжейлі түсінік береді, бұл су тасқыны қаупін дамытудағы қар ағынының рөлін бағалауға ықпал етеді. Алынған нәтижелер су тасқынын болжау модельдерін нақтылау, ерте ескерту жүйелерін жетілдіру және осал аймақтардағы суды басқаруды қолдау үшін пайдаланылуы мүмкін.
Alzhanov A., Nugumanova A. High-Resolution Satellite Estimation of Snow Cover for Flood Analysis in East Kazakhstan Region //Scientific Journal of Astana IT University. – 2024. – Т. 19. – С. 118-127. https://doi.org/10.37943/19VUAO6399.
- Interrelationships between snowpack dynamics and tree growth in the Tigiretsky Ridge (Altai): Implications for ecological responses to climate variability
Бұл зерттеу 2013-2020 жылдар аралығындағы дендрохронологиялық және қар жамылғысы туралы деректерді пайдалана отырып, Тигирец жотасы аймағындағы қар жамылғысының динамикасы мен ағаштардың өсуі арасындағы күрделі өзара әрекеттесуді қарастырады. Температураның балқу индексі әдісін (Temperature-Based Melt-Index Method) қолдана отырып, қыс айларында қар жамылғысының максималды су эквивалентін дәл бағалау жүргізілді, бұл биіктікке, беткейлердің экспозициясына және су айдындарына жақындығына байланысты айтарлықтай кеңістіктік өзгергіштікті анықтауға мүмкіндік берді. Зерттеу нәтижелері қар жамылғысының асимметриялық таралуын көрсетеді: төмен биіктіктегі Оңтүстік беткейлерде қардың жоғары қоры байқалады, ал жоғары биіктікте жағдай өзгереді. Әсіресе, су айдындарының жанында Солтүстік беткейлердегі қар қоры оңтүстіктегі қорлардан 30 есе көп болуы мүмкін. Талдау сонымен қатар қар жамылғысының су эквивалентінің жоғарылауы мен ABIES sibirica l радиалды өсуі арасындағы оң корреляцияны анықтады. (сібір шыршасы) орманның жоғарғы шекарасының экотонында, бұл ағаштардың қар жағдайының өзгеруіне айтарлықтай экологиялық реакциясын көрсетеді. Нәтижелер Климаттық өзгергіштіктің таулы экожүйелердегі қар жамылғысы мен өсімдік жамылғысының өзара әрекеттесуіне әсерін тереңірек түсінуге ықпал етеді, осы қатынастардың механизмдерін ашуға бағытталған әрі қарайғы зерттеулердің негізін құрайды.
Bykov N. I., Birjukov R. J. Interrelationships between snowpack dynamics and tree growth in the Tigiretsky Ridge (Altai): Implications for ecological responses to climate variability // Acta Biologica Sibirica. – 2024. –V. 10. – P. 1319–1336. https://doi.org/10.5281/zenodo.14190443 (журнал индексируется в Scopus по направлению Environmental Science —> Ecology; Global and Planetary Change, процентиль журнала — 29).
- Мониторинг жүйесі және Шығыс Қазақстан облысының су тасқыны болжамының деректерімен қамтамасыз етілуі
Бұл мақала республикалық гидрометеорологиялық қызмет пен Қазақстан Республикасы Төтенше жағдайлар министрлігі ұсынған ашық көздерден алынған Шығыс Қазақстан облысының су объектілері туралы қолжетімді ақпаратты жинауға арналған. Жұмыстың мақсаты-ГАЖ платформасы шеңберінде атрибутивтік деректердің кеңістікте бекітілген базасын құру, сондай-ақ су тасқынын болжау модельдерін әзірлеуге және енгізуге бағытталған әрі қарайғы зерттеулердің негізін қалыптастыру. Қазақстанның өңірлері бойынша да, шетелде де су тасқынын болжау саласындағы қолданыстағы зерттеулерге шолу жүргізілді, бұл гидрологиялық мониторинг деректері мен жүйелерін бағалау критерийлерін тұжырымдауға мүмкіндік берді. Мақалада Шығыс Қазақстанның негізгі өкілді су объектілерінің гидрологиялық режиміне сипаттама берілген. Гидрологиялық станциялар желісін және белгілі су басу аймақтарын кеңістіктік талдау негізінде мемлекеттік бақылау жүйесін кеңістіктік қамту бағаланды, оның нәтижелері бойынша оны кеңейту бойынша ұсыныстар әзірленді. Қорытындылай келе, жиналған деректердің болжамды модельдерді құру үшін қолданылуы туралы қорытындылар жасалды.
Павленко А.В., Мансурова А.К., Кызырканов А., Черных Д.В. Система мониторинга и обеспеченность данными прогноза наводнений Восточно-Казахстанской области //Вестник Карагандинского Университета. Серия Биология. Медицина. География. – 2024. – Т. 4. https://doi.org/10.31489/2024bmg4/183-196
- Feature selection methods for lstm-based river water level and discharge forecasting
Өзен ағындары мен су деңгейлерін дәл болжау суды тиімді басқару, су тасқынын азайту және қоғамдық қауіпсіздікті қамтамасыз ету үшін өте маңызды. Бұл зерттеуде Шығыс Қазақстан облысының Шемонаиха қаласы шегінде Уба өзенінің бассейнінде lstm базасында болжау модельдері үшін корреляциялық талдау және негізгі компоненттер әдісі (PCA) негізінде белгілерді іріктеу әдістері салыстырылды. Бастапқы деректер жиынтығы 1995-2021 жылдар аралығын қамтиды, 1995-2019 жылдардағы деректер модельдерді оқыту және тексеру үшін, ал 2020-2021 жылдардағы деректер тестілеу үшін пайдаланылды. Белгілерді таңдаудың екі әдісі де болжаушылардың бастапқы жиынтығын 13 айнымалыға дейін қысқартты, ал болжау дәлдігі тұтастай сақталды. Болжамдардың тұрақтылығын арттыру және кездейсоқ инициализацияға байланысты дисперсияны азайту үшін 60 күндік кіріс тізбегін қолданатын және 10 күндік көкжиекке болжам жасайтын 10 LSTM желілерінің ансамбльдік моделі оқытылды. Модельдердің өнімділігін бағалау Nash–Sutcliffe тиімділік коэффициентін (Nash–Sutcliffe Efficiency, NSE) қолдана отырып жүргізілді. Нәтижелер корреляцияға негізделген белгілерді таңдау әдісі 2020 жылғы деректерді сынау кезінде белгілердің толық жиынтығын пайдаланатын модельмен салыстырмалы дәлдік бергенін көрсетті. Бұл жоғары корреляциялық белгілерді алып тастау модельдің қысқа мерзімді болжау қабілетін төмендетпейтінін көрсетеді. PCA негізінде таңдалған белгілері бар Модель 2020 жылы ұзағырақ көкжиектерде біршама артта қалушылықты көрсетті, бірақ 2021 жылы көптеген көкжиектерде артықшылық көрсетті. Алайда, 2021 жылы болжамдардың жалпы дәлдігі 2020 жылмен салыстырғанда төмендеді, бұл гидрологиялық жағдайлардың үлкен өзгергіштігін және олардың тарихи оқу деректерінен ауытқуын көрсетеді, бұл жаңа деректерді ескере отырып, модельді мерзімді жаңарту қажеттілігін көрсетеді. Белгілерді таңдаудың екі әдісі де модельдердің болжау қабілетін сақтай отырып, деректердің өлшемін тиімді түрде төмендетті. Алайда, әдістердің ешқайсысы болжамның барлық уақыт көкжиектерінде әмбебап жақсы болған жоқ. Бұл нәтижелер гидрологиялық модельдердегі белгілерді таңдауға жүйелі көзқарастың маңыздылығын, сондай-ақ модельдерді өзгеретін табиғи жағдайларға бейімдеу қажеттілігін көрсетеді.
Alzhanov A., Nugumanova A. FEATURE SELECTION METHODS FOR LSTM-BASED RIVER WATER LEVEL AND DISCHARGE FORECASTING //Scientific Journal of Astana IT University. – 2025. – Т. 21. https://doi.org/10.37943/21EHLH9882
- Тікелей нәтижелер:
- ШҚО-да жауын-шашын, қар қоры, температуралық режимдер мен Күн радиациясы, су объектілері туралы көпжылдық деректер жиынтығы және су жинау аумақтары мен су басу аймақтарының спутниктік суреттерінің жиынтығы жинақталған.
- Су жинау аумақтары мен су басу аймақтары рельефінің цифрлық модельдері және ШҚО су ресурстарының геореляциялық деректер базасының тұжырымдамалық моделі әзірленді.Разработана концептуальная модель геореляционной базы данных водных ресурсов ВКО на основе модели ODM (Observation Data Model). Для реализации использована СУБД PostgreSQL с расширением PostGIS, обеспечивающим поддержку геоданных и геопространственный анализ.
– ШҚО аумағында 2 гидростанция және 2 метеостанция орнатылды.
Бағдарламаның іске асырылатын орны:
- Астана – Astana IT University.
- ШығысҚазақстаноблысы, Өскемен-СәрсенАманжоловатындағыШығысҚазақстануниверситеті.
