Кафедра математичного моделювання та аналізу даних (ММАД)

Постійне посилання на фонд

https://ela.kpi.ua/handle/123456789/43446
Сайт кафедри: http://mmda.ipt.kpi.ua/

Переглянути

Перегляд Кафедра математичного моделювання та аналізу даних (ММАД) за Ключові слова "004.8/ 504"

Зараз показуємо 1 - 1 з 1
  • Ескіз
    ДокументВідкритий доступ
    Виявлення забруднення водойм за супутниковими даними iз застосуванням глибокого навчання
    (КПІ ім. Ігоря Сікорського, 2025) Коробан, Ольга Михайлiвна; Яйлимова, Ганна Олексіївна
    Квалiфiкацiйна робота мiстить: 47 стор., 27 рисунки, 0 таблиць, 7 джерел. Дана доповiдь, присвячена актуальному питанню розробки та застосування iнновацiйних методiв виявлення забруднення водних ресурсiв на основi аналiзу супутникових зображень iз залученням потужностi алгоритмiв глибокого навчання. Предметом нашого дослiдження є процес iдентифiкацiї екологiчного стану водойм за допомогою передових технологiй дистанцiйного зондування Землi. У фокусi нашої уваги перебуває застосування методiв глибокого навчання для iнтелектуальної обробки супутникових знiмкiв з метою точного та оперативного виявлення дiлянок забруднення. У межах проведеного дослiдження було здiйснено ретельний аналiз спектральних характеристик водного середовища. Зокрема, розглянуто можливостi використання рiзноманiтних спектральних iндексiв. Ключовим етапом роботи стала побудова та навчання згорткових нейронних мереж (CNN), архiтектура яких оптимально пристосована для аналiзу просторових даних, якими i є супутниковi зображення. Метою навчання було досягнення високої точностi у класифiкацiї стану рiзних дiлянок водойм – вiдносно чистих до забруднених. Для оцiнки ефективностi розробленої моделi було проведено її тестування на основi наявних супутникових даних Sentinel-2. Цi данi, завдяки своїй високiй просторовiй та часовiй роздiльнiй здатностi, є цiнним джерелом iнформацiї для монiторингу екологiчного стану водних об’єктiв. Результати тестування продемонстрували перспективнiсть застосування глибокого навчання для автоматизованого виявлення забруднень. Практична цiннiсть даної роботи полягає у створеннi дiєвого iнструменту, який може бути iнтегрований у системи екологічного монiторингу водойм. Запропонований пiдхiд дозволяє здiйснювати оперативне виявлення забруднених дiлянок, що є критично важливим для своєчасного реагування та прийняття обґрунтованих управлiнських рiшень з метою збереження та вiдновлення водних екосистем. Отриманi результати можуть бути корисними для екологiчних служб, органiв державної влади та мiсцевого самоврядування у їхнiй дiяльностi, спрямованiй на охорону довкiлля.