В России инженеры научились предсказывать проседание грунта с рекордной точностью
Новая разработка поможет защитить сельское хозяйство и инфраструктуру от последствий засухи

Инженеры Российского университета дружбы народов создали высокоточную модель для прогнозирования проседания грунта в засушливых регионах. Этот инновационный метод, сочетающий искусственный интеллект и метаэвристическую оптимизацию, достигает точности 95,7 %, что позволяет заранее выявлять риски для сельского хозяйства, дорог и зданий. Разработка важна не только для России, но и для других стран, сталкивающихся с опустыниванием и нехваткой воды, и способствует глобальной продовольственной безопасности.
Модель призвана решать одну из наиболее острых проблем засушливых территорий — медленное опускание поверхности земли, известное как субсиденция. Это явление часто провоцируется активным использованием подземных вод для орошения полей и усугубляется изменениями климата. Традиционные методы прогноза зачастую не учитывали широкий спектр факторов, приводящих к этому процессу.
Как сообщили в пресс-службе Минобрнауки РФ и в публикациях СМИ, новый подход российских учёных из РУДН использует двухэтапную систему. Базовый алгоритм машинного обучения анализирует исторические данные, а затем применяется метаэвристическая оптимизация для подбора наилучших настроек модели. В одном из материалов указано, что «версия модели, вдохновлённая охотничьим поведением пеликанов», показала наилучшие результаты.
Для обучения модели использовались спутниковые снимки Sentinel-1 за несколько лет. На основании этих данных выявили более 200 точек проседания. Учитывались 17 ключевых факторов влияния, включая рельеф, геологию, плотность расположения скважин и состояние растительности.
Один из участников проекта, кандидат технических наук Владимир Разумный, отметил: «Наш анализ показал, что главным фактором риска является плотность скважин, так как активная добыча грунтовых вод — основная антропогенная причина проседания. Также значительную роль играют высота местности, близость к разломам и обильная растительность, требующая полива».
Внедрение этой модели открывает новые возможности для цифровой трансформации агропромышленного комплекса и устойчивого развития территорий. Она позволит создавать более эффективные стратегии управления водными ресурсами, оценивать риски для критической инфраструктуры и принимать взвешенные решения в области территориального планирования.