Тип публикации: статья из журнала
Год издания: 2026
Ключевые слова: environmental monitoring, digital platform, cloud technologies, intelligent data analysis, mining regions, machine learning, экологический мониторинг, цифровая платформа, облачные технологии, интеллектуальный анализ данных, горнопромышленные регионы, машинное обучение
Аннотация: Рассматривается разработка архитектуры цифровой платформы экологического мониторинга горнопромышленных регионов с использованием облачных вычислений и методов интеллектуального анализа данных. Предложенная архитектура обеспечивает интеграцию потоков экологической информации, поступающих от автоматизированных постов наблюдений, а таПоказать полностьюкже централизованное хранение и обработку данных в облачной вычислительной среде. В рамках исследования был реализован прототип системы, включающий модули сбора данных, базу данных, аналитический блок и пользовательский интерфейс. Проведенные экспериментальные исследования показали устойчивость работы платформы при обработке больших потоков данных и подтвердили возможность оперативного выполнения аналитических запросов. Применение алгоритмов машинного обучения позволило эффективно выявлять аномальные значения экологических параметров. Полученные результаты демонстрируют перспективность использования цифровых платформ для повышения эффективности систем экологического мониторинга и управления экологической безопасностью горнопромышленных территорий. The paper presents the development of the architecture of a digital platform for environmental monitoring of mining regions based on cloud computing and intelligent data analysis methods. The proposed architecture ensures the integration of environmental data streams received from automated monitoring stations and provides centralized storage and processing of information in a cloud computing environment. A prototype of the system was implemented, including data acquisition modules, a database, an analytical processing unit and a user interface. Experimental studies confirmed the stability of the platform when processing large data streams and demonstrated the possibility ofperforming analytical queries in near real time. The application of machine learning algorithms made it possible to effectively detect anomalous environmental parameters. The obtained results demonstrate the prospects of digital platforms for improving the efficiency of environmental monitoring systems and environmental safety management in mining regions.
Журнал: Известия Тульского государственного университета. Науки о Земле
Выпуск журнала: № 1
Номера страниц: 113-118
ISSN журнала: 22185194
Место издания: Тула
Издатель: Тульский государственный университет