АВТОМАТИЗАЦІЯ ВИКОРИСТАННЯ ПРИРОДНОМОВНИХ ЗАПИТІВ ДЛЯ КОМПЛЕКСНОГО АНАЛІЗУ СТАНУ ПОВЕРХНЕВИХ ВОД БАСЕЙНУ ПІВДЕННОГО БУГУ
Ключові слова:
геоінформаційні системи, моніторинг вод, великі мовні моделі, адаптивний парсин, аналіз данихАнотація
Розглянуто сучасний підхід до комплексного аналізу стану поверхневих вод басейну річки Південний Буг з використанням інтеграції цифрових технологій, необхідних для автоматизації обробки природномовних запитів. Основу запропонованого підходу становить синергія геоінформаційних систем (ГІС), інтелектуальних засобів обробки даних, адаптивного парсингу великих масивів моніторингової інформації та алгоритмів штучного інтелекту — зокрема, великих мовних моделей. Значна увага приділяється автоматизації процесів збору, попередньої обробки, структуризації та візуалізації екологічних даних, що забезпечують якісну підготовку інформаційного середовища для ухвалення управлінських рішень. Розроблений підхід дозволяє здійснювати просторово-часовий аналіз стану водних ресурсів, визначати ключові тенденції забруднення та здійснювати комплексний аналіз стану поверхневих вод басейну Південного Бугу, використовуючи природномовні запити. Апробація підходу здійснена в межах реалізації веб-системи на реальних даних моніторингу стану поверхневих вод басейну Південного Бугу та успішного випробовування цієї системи в напрямку коректного оброблення природномовних запитів.
Використання великих мовних моделей аналізу стану поверхневих вод суттєво спрощує процес формування різноманітних екологічних звітів, класифікацій якості та розв’язання інших прикладних задач аналізу даних моніторингу стану поверхневих вод.
Отримані результати підкреслюють доцільність створення гнучких інформаційних систем для моніторингу стану поверхневих вод, які поєднують можливості просторового аналізу, обробки природної мови та машинного навчання. Це дозволяє забезпечити ухвалення обґрунтованих управлінських рішень та оперативно реагувати на зміни екологічного стану. Запропонований підхід може бути адаптований до інших водних басейнів чи суббасейнів, відкриваючи нові можливості для сталого управління природними ресурсами.
Посилання
H. Zhang, “AI and Big Data in Water Environments,” ACS ES&T Water, vol. 2, issue 6, pp. 904-906, 2022. https://doi.org/10.1021/acsestwater.2c00203 .
D. B. Olawade, et al., “Artificial intelligence in environmental monitoring: Advancements, challenges, and future directions,” Hygiene and Environmental Health Advances, vol. 12, 100114, 2024. https://doi.org/10.1016/j.heha.2024.100114 .
В. Б. Мокін, М. А. Гораш, Є. М. Крижановський, і Т. Є. Вуж, «Інформаційна інтелектуальна технологія автоматизованої геоприв’язки екологічної текстової природно-мовної інформації,» Наукові праці ВНТУ, № 4, 2022. [Електронний ресурс]. Режим доступу: https://praci.vntu.edu.ua/index.php/praci/article/view/624 .
European Environment Agency. Europe’s State of Water 2024: The need for improved water resilience. EEA Report no. 07/2024. [Online]. Available: https://www.eea.europa.eu/en/analysis/publications/europes-state-of-water-2024 .
M. Landt-Hayen, et al., “A climate index collection based on model data,” Environmental Data Science, vol. 2, pp. 1-13, 2023. https://doi.org/10.1017/eds.2023.5 .
Кабінет Міністрів України. Постанова від 19 вересня 2018 р. № 758 (зі змінами № 1071 від 06.09.2024) «Про затвердження порядку здійснення державного моніторингу вод». [Електронний ресурс]. Режим доступу: https://zakon.rada.gov.ua/laws/show/1071-2024-%D0%BF#n25 .
Веб-система «Моніторинг та екологічна оцінка водних ресурсів України». 2024. [Електронний ресурс]. Режим доступу: http://monitoring.davr.gov.ua/EcoWaterMon/GDKMap/Index .
C. Kermorvant, et al., “Understanding links between water-quality variables and nitrate concentration in freshwater streams using high-frequency sensor data,” Plos one, vol. 18, issue 6, e0287640, 2023. https://doi.org/10.1371/journal.pone.0287640 .
В. Б. Мокін, Є. М. Крижановський, і М. П. Боцула, Інформаційна технологія інтегрування математичних моделей у геоінформаційні системи моніторингу поверхневих вод, моногр. Вінниця, Україна: ВНТУ, 2011. [Електронний ресурс]. Режим доступу: https://ir.lib.vntu.edu.ua/bitstream/handle/123456789/1943/Mokin_ITIntegrMatModelUGeoinformSistMonitPoverhVod394.pdf?sequence=1&isAllowed=y .
Y. Tian, et al., “Advancing Large Language Models for Spatiotemporal and Semantic Association Mining of Similar Environmental Events,” Transactions in GIS, vol. 29, e13282, 2025. https://doi.org/10.1111/tgis.13282 .
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Автори, які публікуються у цьому журналі, згодні з такими умовами:
- Автори зберігають авторське право і надають журналу право першої публікації.
- Автори можуть укладати окремі, додаткові договірні угоди з неексклюзивного поширення опублікованої журналом версії статті (наприклад, розмістити її в інститутському репозиторії або опублікувати її в книзі), з визнанням її первісної публікації в цьому журналі.
- Авторам дозволяється і рекомендується розміщувати їхню роботу в Інтернеті (наприклад, в інституційних сховищах або на їхньому сайті) до і під час процесу подачі, оскільки це сприяє продуктивним обмінам, а також швидшому і ширшому цитуванню опублікованих робіт (див. вплив відкритого доступу).