РАЗРАБОТКА СИСТЕМЫ АВТОМАТИЗИРОВАННОГО СОСТАВЛЕНИЯ ПРОГНОЗА ЛАВИННОЙ ОПАСНОСТИ, С ПРИМЕНЕНИЕМ СОВРЕМЕННЫХ ИКТ И АППАРАТА НЕЙРОКОГНИТИВНЫХ АРХИТЕКТУР

Развитие инфокоммуникационных технологий открывает большие возможности для создания систем прогнозирования лавинной опасности, а бурное развитие технологий контейнеризации и виртуализации позволяют в полной мере использовать концепцию микросервисной архитектуры. Данный подход позволяет в полной мере реализовать модульную систему с большим потенциалом масштабирования. Отдельные независимые модули можно заменять без потерь для остальных элементов системы, что позволяет экспериментировать с конкретными модулями для поиска наиболее оптимального метода прогнозирования лавинной опасности. Развитие аппарата машинного обучения открывает широкие возможности его применения для решения задачи прогнозирования. Использование зарекомендовавших себя методов может дать хорошие результаты и увеличить точность составления прогнозов лавинной опасности. В данной работе рассматриваются: проблема применения современных информационно-коммуникационных технологий и аппарата машинного обучения в области лавинного прогнозирования, а также источники данных для работы системы автоматизированного составления прогнозов лавинной опасности. Данные группируются, и каждая группа характеризуется параметрами пригодности для использования в автоматизированной системе прогнозирования, выделены наиболее важные данные для использования в работе подобной системы. Также составлен список требований, которым она должна удовлетворять. Разработан прототип системы прогнозирования фонового уровня лавинной опасности для горного региона Хибины. Прототип работает с использованием алгоритмов машинного обучения. Для работы моделей используется набор прогнозных метеопараметров, прогноз составляется на следующие сутки и обновляется каждый час. Кроме этого, запущена аналитическая модель для предсказания лавин из метелевых досок. В заключение работы приведены примеры отображения данных, полученных в результате работы моделей машинного обучения, предоставлен пример сообщения рассылки информации Телеграм-ботом. Отдельно необходимо выделить возможность интеграции системы с уже существующими системами сбора и анализа данных, встраивание уже зарекомендовавших себя систем позволит расширить их функционал и предоставить новые возможности для работы лавинных прогнозистов.