EUVIMEDEUVIMED entdecken
Crossref

Разработка алгоритма прогнозирования аварийных ситуаций информационно-измерительной и управляющей системы на гидротехнических сооружениях (хвостохранилищах, шламохранилищах)

В.М. Панарин, А.А. Маслова, А.Н. Коваленко

Южно-Сибирский научный вестник · 15.03.2026 · (1(65)) · 206-212

DOI: 10.25699/sssb.2026.65.1.024 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Южно-Сибирский научный вестник, online erschienen am 15.03.2026. Verfasst von В.М. Панарин und 2 weiteren Autor:innen. Die Arbeit nennt 38 Literaturangaben.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Актуальность исследования обусловлена необходимостью повышения точности и заблаговременности прогнозирования аварийных состояний информационно-измерительной и управляющей системой на гидротехнических сооружениях, таких как хвостохранилища и шламохранилища. Предметом исследования является алгоритм обработки данных информационно-измерительной и управляющей системой. Тема работы — разработка адаптивного алгоритма прогнозирования аварийных ситуаций. Цель – создание Адаптивного Циклического Алгоритма Прогнозирования и Управления Рисками (АЦАПУР) с замкнутым контуром «данные-прогноз-решение-адаптация» для динамической подстройки под изменяющиеся условия эксплуатации гидротехнических сооружениий. В основе методологии лежит последовательный пайплайн, объединяющий CPD-фильтрацию для выявления аномалий, гибридную CNN-LSTM модель для прогнозирования временных рядов, стэкинг на основе XGBoost для классификации рисков, а также вероятностные методы оценки надежности (FORM/EVT). Ключевым нововведением является интеграция механизма обратной связи, позволяющего переобучать модели на основе результатов принятых решений. Разработан алгоритм АЦАПУР, обеспечивающий высокие метрики эффективности: чувствительность детекции аномалий – 96%, ошибка прогноза (MAPE) – 3.2%, AUC стэкинга – 0.97. Алгоритм превосходит рассмотренные аналоги на 18% по надежности и соответствует требованиям стандартов ГОСТ Р 70519-2022 и GISTM. Результаты предназначены для внедрения в системы мониторинга и поддержки принятия решений (DSS) на промышленных объектах, таких как хвостохранилища и шламохранилища горнодобывающих предприятий (например, компаний «ЕВРАЗ», «Полюс»). Предложенный адаптивный алгоритм позволяет повысить точность прогнозов, снизить количество ложных тревог, обеспечить интерпретируемость решений за счет методов Explainable AI (XAI) и соответствует современным международным и российским стандартам в области управления рисками на гидротехнических сооружениях. The relevance of this study is determined by the need to improve the accuracy and lead time of emergency forecasting by the information, measurement, and control system (IMCS) at hydraulic structures (HS), such as tailings dams and sludge storage facilities. The subject of this study is the IMS data processing algorithm. The topic of the work is the development of an adaptive algorithm for predicting emergency situations. The goal is to create an Adaptive Cyclic Algorithm for Forecasting and Risk Management (ACRAR) with a closed-loop "data-forecast-decision-adaptation" for dynamic adjustment to changing operating conditions of the HS. The methodology is based on a sequential pipeline combining CPD filtering for anomaly detection, a hybrid CNN-LSTM model for time series forecasting, XGBoost-based stacking for risk classification, and probabilistic reliability assessment methods (FORM/EVT). A key innovation is the integration of a feedback mechanism that allows for retraining models based on the results of decisions made. The developed ACAPUR algorithm provides high performance metrics: anomaly detection sensitivity of 96%, forecast error (MAPE) of 3.2%, and stacking AUC of 0.97. The algorithm outperforms the considered analogs by 18% in reliability and meets the requirements of GOST R 70519-2022 and GISTM standards. The results are intended for implementation in monitoring and decision support systems (DSS) at industrial facilities, such as tailings dams and sludge storage facilities of mining enterprises (e.g., EVRAZ, Polyus). The proposed adaptive algorithm improves forecast accuracy, reduces the number of false alarms, ensures the interpretability of decisions through Explainable AI (XAI) methods, and complies with modern international and Russian standards in the field of risk management at hydraulic structures..

Zitieren

APA

Панарин, В., Маслова, А., & Коваленко, А. (2026). Разработка алгоритма прогнозирования аварийных ситуаций информационно-измерительной и управляющей системы на гидротехнических сооружениях (хвостохранилищах, шламохранилищах). Южно-Сибирский научный вестник, 206-212. https://doi.org/10.25699/sssb.2026.65.1.024

Vancouver

Панарин В, Маслова А, Коваленко А. Разработка алгоритма прогнозирования аварийных ситуаций информационно-измерительной и управляющей системы на гидротехнических сооружениях (хвостохранилищах, шламохранилищах). Южно-Сибирский научный вестник. 2026:206-212. doi:10.25699/sssb.2026.65.1.024

BibTeX
@article{2026,
  author = {Панарин, В.М. and Маслова, А.А. and Коваленко, А.Н.},
  title = {Разработка алгоритма прогнозирования аварийных ситуаций информационно-измерительной и управляющей системы на гидротехнических сооружениях (хвостохранилищах, шламохранилищах)},
  journal = {Южно-Сибирский научный вестник},
  year = {2026},
  number = {1(65)},
  pages = {206--212},
  doi = {10.25699/sssb.2026.65.1.024}
}
Kostenlos starten →