РАЗРАБОТКА СИСТЕМЫ ОЦЕНКИ СОСТОЯНИЯ ОКРУЖАЮЩЕЙ СРЕДЫ И ФОРМИРОВАНИЯ РЕКОМЕНДАЦИЙ ПОЛЬЗОВАТЕЛЮ НА ОСНОВЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

АННОТАЦИЯ

В статье рассматривается разработка интеллектуальной системы оценки состояния окружающей среды и формирования персонализированных рекомендаций пользователю на основе методов искусственного интеллекта. Система предназначена для анализа параметров микроклимата, таких как температура, относительная влажность и концентрация аэрозольных частиц различных фракций, получаемых в реальном времени. На основе обработанных данных осуществляется классификация состояния воздушной среды и выработка рекомендаций, направленных на улучшение качества воздуха и повышение комфортности условий пребывания человека. Применение алгоритмов интеллектуального анализа данных позволяет повысить адаптивность системы и снизить влияние человеческого фактора при принятии решений.

ABSTRACT

This paper discusses the development of an intelligent system for assessing environmental conditions and generating personalized recommendations for users based on artificial intelligence methods. The system is designed to analyze microclimate parameters such as temperature, relative humidity, and the concentration of aerosol particles of various fractions, obtained in real time. Based on the processed data, the system classifies the state of the air environment and generates recommendations aimed at improving air quality and enhancing human comfort. The application of intelligent data analysis algorithms increases the system’s adaptability and reduces the influence of human factors in decision-making.

Ключевые слова: искусственный интеллект, окружающая среда, качество воздуха, интеллектуальные системы, рекомендации пользователю, мониторинг, микроклимат.

Keywords: artificial intelligence, environment, air quality, intelligent systems, user recommendations, monitoring, microclimate.

Введение. В условиях роста урбанизации и увеличения времени пребывания человека в закрытых помещениях проблема качества окружающей среды приобретает особую значимость. Параметры микроклимата, такие как температура, влажность и концентрация аэрозольных загрязнителей, оказывают прямое влияние на здоровье, работоспособность и общее самочувствие человека. Традиционные системы мониторинга позволяют фиксировать текущее состояние окружающей среды, однако не обеспечивают интеллектуальную интерпретацию данных и поддержку принятия решений пользователем.

Современные достижения в области искусственного интеллекта и машинного обучения создают предпосылки для перехода от пассивного мониторинга к интеллектуальным системам оценки состояния окружающей среды. Такие системы способны не только анализировать многопараметрические данные, но и формировать адаптивные рекомендации с учётом текущих условий и предпочтений пользователя. В этой связи разработка системы оценки состояния окружающей среды и формирования рекомендаций на основе искусственного интеллекта является актуальной научно-технической задачей.

Методология. Методология разработки системы оценки состояния окружающей среды и формирования рекомендаций пользователю на основе искусственного интеллекта базируется на комплексном сочетании методов мониторинга, интеллектуального анализа данных и поддержки принятия решений. В основу подхода положены научные труды, посвящённые интеллектуальным системам экологического мониторинга, гигиенической оценке микроклимата и применению методов искусственного интеллекта в задачах анализа сложных многопараметрических систем [1–13].

На первом этапе формируется концепция интеллектуальной системы поддержки принятия решений, ориентированной на контроль и управление параметрами окружающей среды. В работах [1], [2] показана эффективность использования интеллектуальных систем и методов искусственного интеллекта для оценки экологического состояния и повышения уровня экологической безопасности. Эти подходы используются для построения общей архитектуры системы, включающей подсистемы сбора данных, анализа, интерпретации и выдачи рекомендаций пользователю.

Второй этап методологии связан с организацией мониторинга параметров микроклимата. В качестве контролируемых параметров рассматриваются температура воздуха, относительная влажность, а также концентрации аэрозольных частиц различного размера. Методические основы гигиенической оценки микроклимата помещений, изложенные в работах [9–13], применяются для определения допустимых диапазонов параметров и критериев комфортности. Использование интеграторов климатических данных и индексов комфортности позволяет перейти от отдельных измерений к комплексной оценке состояния окружающей среды [11], [12].

На третьем этапе реализуется интеллектуальный анализ данных с применением нейросетевых и машинных методов. В соответствии с подходами, представленными в работах [3–6], используется нейросетевая модель для выявления скрытых зависимостей между параметрами окружающей среды и субъективной оценкой комфорта. Обучение модели осуществляется на массиве данных мониторинга с учётом нормативных и экспертных оценок. Опыт применения искусственного интеллекта в задачах поддержки принятия решений в смежных областях, в том числе в медицине [7], [8], используется для повышения точности классификации состояний среды и надёжности рекомендаций.

Четвёртый этап методологии направлен на формирование персонализированных рекомендаций пользователю. На основе результатов интеллектуальной оценки состояния окружающей среды система автоматически вырабатывает рекомендации по включению фильтрации, увлажнения или изменению режимов работы климатического оборудования. Подходы к адаптации пользовательских интерфейсов и интеллектуальному взаимодействию с пользователем, описанные в [3–6], применяются для представления рекомендаций в наглядной и понятной форме.

Предложенная методология представляет собой интегрированный подход, объединяющий методы экологического мониторинга, гигиенической оценки микроклимата и искусственного интеллекта. Это позволяет обеспечить объективную оценку состояния окружающей среды в реальном времени и повысить эффективность принятия решений за счёт интеллектуальной обработки данных и адаптивных рекомендаций пользователю [1–13].

Методика решения задачи. Методика решения задачи оценки состояния окружающей среды и формирования рекомендаций пользователю основывается на поэтапной обработке данных мониторинга, их нормализации, интеллектуальной оценке и выработке управляющих воздействий. В качестве данных используются температура воздуха T, относительная влажность H, концентрации аэрозольных частиц C₅​, C₈​, C₁₀​.

На первом этапе осуществляется непрерывный сбор данных с датчиков в реальном времени. Для устранения шумов и выбросов применяется скользящее среднее:

где, x(k) — текущее измеренное значение параметра, N — размер окна усреднения.

Для корректной работы интеллектуальной модели все параметры приводятся к безразмерному виду в диапазоне [0;1] по формуле линейной нормализации:

где, x_min​, x_max​ — минимальные и максимальные допустимые значения параметра.

Например, для температуры воздуха:

Для комплексной оценки состояния окружающей среды вводится интегральный индекс качества среды Q:

где, w_i​ — весовые коэффициенты значимости параметров,
∑w_i=1.

Значения весов определяются экспертным методом или в процессе обучения нейросети.

В зависимости от значения индекса Q состояние среды классифицируется:

Дополнительно используется нейронная сеть прямого распространения, которая уточняет классификацию с учётом нелинейных зависимостей между параметрами.

На основе определённого состояния среды формируются управляющие рекомендации: при S₁​: система работает в энергосберегающем режиме; при S₂​: включается увлажнение или фильтрация; при S₃​: активируется комплексная очистка воздуха и выводится предупреждение пользователю.

Предложенная методика обеспечивает последовательный переход от измерения параметров окружающей среды к их интеллектуальной оценке и формированию обоснованных рекомендаций пользователю. Использование формализованных математических моделей и элементов искусственного интеллекта позволяет реализовать адаптивную и масштабируемую систему мониторинга и поддержки принятия решений.

Обсуждения результатов. В ходе исследования была апробирована разработанная система оценки состояния окружающей среды, основанная на данных мониторинга температуры воздуха, относительной влажности и концентрации аэрозольных частиц различных размерных фракций. Полученные экспериментальные данные показали, что использование предварительной фильтрации и нормализации измерений позволяет существенно снизить влияние шумов и кратковременных выбросов, характерных для сенсорных систем реального времени.

Расчёт интегрального показателя качества среды Q продемонстрировал высокую чувствительность системы к изменению концентрации аэрозольных частиц, что особенно важно при оценке загрязнённости воздуха в замкнутых помещениях. Наибольший вклад в ухудшение состояния среды вносили параметры C₅​ и C₈​, характеризующие мелкодисперсные и среднедисперсные частицы, потенциально наиболее опасные для здоровья человека. При этом температурно-влажностные параметры оказывали стабилизирующее влияние на итоговую оценку, что подтверждает необходимость комплексного учёта микроклиматических факторов.

Использование интеллектуальных алгоритмов классификации позволило корректно разделять состояния среды на комфортные, допустимые и некомфортные. В сравнении с пороговыми методами оценки микроклимата, описанными в гигиенических исследованиях, предложенный подход обеспечивает более гибкую адаптацию к изменяющимся условиям эксплуатации. Формируемые системой рекомендации носили персонализированный характер и учитывали текущее состояние среды, что повышает их практическую ценность для конечного пользователя.

Заключение. В результате выполненного исследования разработана система оценки состояния окружающей среды и формирования рекомендаций пользователю на основе методов искусственного интеллекта. Предложенная система обеспечивает непрерывный мониторинг ключевых параметров микроклимата и качества воздуха, их интеллектуальную обработку и интегральную оценку состояния окружающей среды в реальном времени.

Разработанная методика решения задачи, включающая этапы предварительной обработки данных, нормализации параметров, расчёта интегрального показателя и интеллектуальной классификации, показала свою эффективность и устойчивость к помехам. Применение элементов искусственного интеллекта позволило учитывать нелинейные зависимости между параметрами среды и повысить точность оценки по сравнению с традиционными детерминированными подходами.

Практическая значимость работы заключается в возможности использования разработанной системы в жилых, офисных и производственных помещениях для повышения уровня комфорта, безопасности и информированности пользователей. В дальнейшем целесообразно расширить функциональные возможности системы за счёт внедрения прогнозных моделей, самообучающихся алгоритмов и интеграции с IoT-платформами, что позволит реализовать адаптивные интеллектуальные среды нового поколения.

Список литературы:

1. Кореневский Н.А., Крупчатников Р.А., Башир А.С., Климов Н.С. Интеллектуальная система поддержки принятия решений по контролю и управлению состоянием окружающей среды // Вестник Курской государственной сельскохозяйственной академии. 2014. №2.
2. Бердичевская Т.А., Переверзева С.А., Васькова Н.А., Овинников А.Е., Коносавский П.К., Кобзев А.Г. Возможность использования методов искусственного интеллекта при решении задач в области экологической безопасности // МНИЖ. 2017. №9-3 (63).
3. Тагирова Л.Ф., Зубкова Т.М. Нейросетевая инструментальная среда для создания персонализированных интерфейсов прикладных программ // Программные продукты и системы. 2023. №2.
4. Зубкова Т.М., Тагирова Л.Ф., Тагиров В.К. Автоматизация проектирования адаптивных пользовательских интерфейсов с элементами искусственного интеллекта // Программные продукты и системы. 2020. №1.
5. Тагирова Л.Ф., Субботин А.В., Зубкова Т.М. Программная инструментальная система создания адаптивных пользовательских интерфейсов // Научно-технический вестник информационных технологий, механики и оптики. 2022. №4.
6. Зубкова Т.М., Тагирова Л.Ф., Тагиров В.К. Прототипирование адаптивных пользовательских интерфейсов прикладных программ с использованием методов искусственного интеллекта // Научно-технический вестник информационных технологий, механики и оптики. 2019. №4.
7. Ганцев Ш.Х., Франц М.В. Искусственный интеллект как инструмент поддержки в принятии решений по диагностике онкологических заболеваний // Медицинский вестник Башкортостана. 2018. №4 (76).
8. Гусев А.В. Перспективы нейронных сетей и глубокого машинного обучения в создании решений для здравоохранения // Врач и информационные технологии. 2017. №3.
9. Гринблат О.М. К Оценке микроклимата квартир с воздушным отоплением // Гигиена и санитария. 1970. №11.
10. Девятка Д.Г., Деревянко В.И., Деревянко И.В. К методике гигиенической оценки микроклимата в кабинах машин // Гигиена и санитария. 1985. №1.
11. Рублак К., Афанасьева Р.Ф., Гебеляйн X., Михайлова Н.С., X. Околухин Ю.А., Шульц Г. Интегратор климатических данных для оценки микроклимата помещений // Гигиена и санитария. 1983. №5.
12. Дмитриева А.В. Оценка качества условий труда путём использования индекса комфортности микроклимата, разработанного на основе квалиметрического метода // Известия Петербургского университета путей сообщения. 2009. №2.
13. Григорьева М.Н., Казанцев И.А., Фершукова Ж.А. Гигиеническая оценка микроклимата в домах нового жилищного строительства норильска // Гигиена и санитария. 1979. №2.