Рег. номер: СРО-И-018-30122009
Балтийские СРО:
Ассоциация СРО «БОИ» на сегодняшний день объединяет порядка 400 юридических лиц и индивидуальных предпринимателей из разных регионов страны, являясь одной из крупнейших и надежных СРО в сфере инженерных изысканий. Материалы инженерных изысканий, выполненных членами нашей Ассоциации, лежат в основе большого количества значимых проектов по созданию жилья, промышленных объектов и транспортной инфраструктуры в разных регионах России. Руководство СРО на протяжении многих лет входит в состав Совета Национального объединения изыскателей и проектировщиков, принимает активное участие в его работе, представляя интересы членов Ассоциации. Также мы активно взаимодействуем с профильными федеральными и региональными органами исполнительной и законодательной власти, выступая с инициативами и предложениями, направленными на совершенствование профильного законодательства, приведение нормативной базы в соответствие с международными стандартами, обеспечение отрасли квалифицированными кадрами, внедрение инновационных технологий, сохранение и развитие изыскательских организаций.
Вихров А.Н.
Личный кабинет для членов Ассоциации СРО «БОИ»
ВходСпециалисты Российского университета дружбы народов разработали высокоточную модель прогнозирования проседания грунтов в засушливых регионах. Новый метод сочетает машинное обучение и метаэвристическую оптимизацию, что позволило достичь рекордной точности прогноза — 95,7%. Об этом сообщили ТАСС в пресс-службе Минобрнауки РФ.
«Ученые РУДН разработали инновационный метод прогнозирования рисков проседания земной поверхности (субсиденции) в засушливых регионах. Новый подход, сочетающий машинное обучение с метаэвристической оптимизацией, позволил достичь рекордной точности прогноза (95,7%) и обеспечил интерпретируемость результатов, что критически важно для планирования устойчивого развития территорий», — отметили в ведомстве.
Проседание грунта представляет собой медленное или внезапное опускание земной поверхности, которое несет серьезную угрозу для инфраструктуры, сельского хозяйства и водных ресурсов. В засушливых регионах эта проблема особенно актуальна из-за интенсивного использования подземных вод для орошения. Традиционные методы прогнозирования не всегда способны учесть сложное взаимодействие природных и антропогенных факторов, что снижает точность карт рисков и эффективность принимаемых мер.
В основе предложенного в РУДН двухэтапного подхода лежит алгоритм K-ближайших соседей (KNN) в сочетании с метаэвристической оптимизацией. Это позволило найти оптимальное сочетание параметров, значительно повышающее точность прогнозирования. Наиболее эффективной оказалась версия алгоритма, имитирующая охотничье поведение пеликанов.
Для обучения и валидации модели использовались данные дистанционного зондирования — снимки спутника Sentinel-1 за период с 2014 по 2020 год. На их основе ученые выявили 215 точек проседания и проанализировали 17 факторов, включая топографию, геологические особенности, плотность скважин, растительный покров (NDVI) и расстояние до разломов.
Разработанная модель может применяться при разработке стратегий устойчивого управления водными ресурсами, оценке рисков для инфраструктуры — зданий, дорог, трубопроводов, а также в территориальном планировании и сельском хозяйстве.