Портал | Содержание | О нас | Пишите | Новости | Голосование | Топ-лист | Дискуссия Rambler's Top100

TopList Яндекс цитирования

НОВОСТИ
"РУССКОГО ПЕРЕПЛЕТА"

ЛИТЕРАТУРА

Новости русской культуры

Афиша

К читателю

Содержание

Публицистика

"Курск"

Кавказ

Балканы

Проза

Поэзия

Драматургия

Искания и размышления

Критика

Сомнения и споры

Новые книги

У нас в гостях

Издательство

Книжная лавка

Журнальный зал

ОБОЗРЕНИЯ

"Классики и современники"

"Слово о..."

"Тайная история творений"

"Книга писем"

"Кошачий ящик"

"Золотые прииски"

"Сердитые стрелы"

КУЛЬТУРА

Афиша

Новые передвжиники

Фотогалерея

Музыка

"Неизвестные" музеи

Риторика

Русские храмы и монастыри

Видеоархив

ФИЛОСОФИЯ

Современная русская мысль

Искания и размышления

ИСТОРИЯ

История России

История в МГУ

Слово о полку Игореве

Хронология и парахронология

Астрономия и Хронология

Альмагест

Запечатленная Россия

Сталиниана

ФОРУМЫ

Дискуссионный клуб

Научный форум

Форум "Русская идея"

Форум "Курск"

Исторический форум

Детский форум

КЛУБЫ

Пятничные вечера

Клуб любителей творчества Достоевского

Клуб любителей творчества Гайто Газданова

Энциклопедия Андрея Платонова

Мастерская перевода

КОНКУРСЫ

За вклад в русскую культуру публикациями в Интернете

Литературный конкурс

Читательский конкурс

Илья-Премия

ДЕТЯМ

Электронные пампасы

Фантастика

Форум

АРХИВ

Текущий

2003

2002

2001

2000

1999

Фотоархив

Все фотоматериалы


Новости
"Русский переплет" зарегистрирован как СМИ. Свидетельство о регистрации в Министерстве печати РФ: Эл. #77-4362 от
5 февраля 2001 года. При полном или частичном использовании
материалов ссылка на www.pereplet.ru обязательна.

Тип запроса: "И" "Или"

04.12.2020
17:16

Состояние моря будут комплексно анализировать по снимкам из космоса

    Ученые Донского государственного технического университета (ДГТУ) разрабатывают комплексы математических моделей и методов для анализа состояния морских и прибрежных систем на основе данных дистанционного зондирования Азовского моря. Результаты исследования позволят разработать технологию обнаружения неблагоприятных и опасных явлений, таких как загрязнение нефтепродуктами, экстремальные сгонно-нагонные явления, эвтрофикация (цветение водоемов), а также прогнозировать развитие водных экосистем на качественно новом уровне, сообщили в пресс-службе вуза.

    Сотрудники ДГТУ разработали методы обработки изображений прибрежных и морских систем, полученных из космоса. Новые методы в отличие от традиционных позволяют усваивать данные дистанционного зондирования прибрежных систем прецизионными 4D-моделями и повышать точность прогностических расчетов.

    Исследование проводится под руководством члена-корреспондента РАН, директора научно-исследовательского института математического моделирования и прогнозирования сложных систем ДГТУ Александра Сухинова. Поскольку прогнозирование опасных явлений, таких как разливы нефтепродуктов, экстремальные штормовые нагоны, должны выполняться в ускоренном временном масштабе, для расчетов используются современные супервычислительные системы.

    "Наши параллельные алгоритмы и программы позволяют прогнозировать развитие ситуации в ускоренном времени, с учетом метеорологической обстановки и реальной гидрологической ситуации. Это особенно важно при возникновении таких чрезвычайных ситуаций, как разливы нефтепродуктов, залповые выбросы опасных и токсических веществ, штормовые нагоны", — рассказала РИА Новости аспирант 4-го года обучения, старший преподаватель кафедры "Вычислительные системы и информационная безопасность" ДГТУ Наталья Панасенко.

    Данные космического зондирования научный коллектив получает на основе соглашения между ДГТУ и Роскосмосом, а также из открытых источников. Изображения обрабатываются с помощью методов искусственного интеллекта, в том числе нейросетевых технологий. В частности, для анализа и кластеризации объектов — пятен планктонных популяций, взвешенного вещества, нефтяных загрязнений и других объектов в водных экосистемах — задействован метод машинного обучения с учителем, программно реализованный на языке Python.

    Авторы подтвердили успешность данного подхода вычислительными экспериментами на ряде спутниковых снимков акватории Азовского моря, полученных в 2020 году. Развитие проекта предполагает совершенствование используемых нейросетевых технологий, а также применение методов глубокого обучения (Deep Learning) для предсказания динамики пятен планктонных популяций, поверхностных пленок, включая пленки нефтепродуктов и др.

    По мнению авторов, новые модели, параллельные алгоритмы и программы разрабатываемого комплекса позволят значительно сократить временные затраты, повысить точность и надежность прогнозов опасных и неблагоприятных явлений, возникающих в прибрежных системах Юга России.

    Исследование проводится в рамках гранта РФФИ ("Аспиранты") за 2019 г. (Грант №19-37-90070, "Математические модели и численные методы для анализа и прогноза состояния прибрежных систем на основе данных дистанционного зондирования").

    По информации https://ria.ru/20201204/dgtu-1587457765.html

    Обозрение "Terra & Comp".

Выскажите свое мнение на:

04.12.2020
17:12

Трехмерный вид Млечного Пути

04.12.2020
17:01

В соседней галактике обнаружены остатки сверхновой возрастом около 120 000 лет

04.12.2020
15:33

Раскрыта тайна появления Луны

03.12.2020
21:28

"А диссиденты жили и тужили…" - новое в литературном обозрении Соломона Воложина

03.12.2020
19:50

Вычислено максимально точное значение постоянной тонкой структуры

03.12.2020
19:46

В космосе нашли ранее неизвестные типы пучков электронов

03.12.2020
19:37

Астрономы получили точные данные о почти двух миллиардах звезд

03.12.2020
19:00

Ученые выяснили, когда формировались земные континенты

03.12.2020
18:56

Острова Аляски могут оказаться супервулканом

03.12.2020
18:52

Метеориты рассказали о «бурном прошлом» Солнечной системы

03.12.2020
15:36

Буран вертикальной посадки.

03.12.2020
15:21

Жизнь на Марсе может таиться в глубине планеты

03.12.2020
15:18

Новая загадка астрономии: «странные радиокольца»

03.12.2020
15:12

РАН предложила изучать солнечный ветер с помощью роя спутников-камикадзе

02.12.2020
17:35

В алмазе обнаружили внеземной лед

02.12.2020
17:30

Ученые создали модель распределения нейтрино во Вселенной

02.12.2020
17:18

Европа запустит в космос гигантскую «Клешню» для охоты на мертвые спутники

02.12.2020
17:15

Зачем астрономы стреляют лазерами по туманности Киля

02.12.2020
17:09

2020 год вошел в тройку самых теплых за всю историю наблюдений

<< 641|642|643|644|645|646|647|648|649|650 >>

НАУКА

Новости

Научный форум

Почему молчит Вселенная?

Парниковая катастрофа

Хронология и парахронология

История и астрономия

Альмагест

Наука и культура

2000-2002
Научно-популярный журнал Урания в русском переплете
(1999-200)

Космические новости

Энциклопедия космонавтика

Энциклопедия "Естествознание"

Журнальный зал

Физматлит

News of Russian Science and Technology

Научные семинары

НАУЧНЫЕ ОБОЗРЕНИЯ

"Физические явления на небесах"

"TERRA & Comp"

"Неизбежность странного микромира"

"Биология и жизнь"

ОБРАЗОВАНИЕ

Открытое письмо министру образования

Антиреформа

Соросовский образовательный журнал

Биология

Науки о Земле

Математика и Механика

Технология

Физика

Химия

Русская литература

Научная лаборатория школьников

КОНКУРСЫ

Лучшие молодые
ученые России

Для молодых биологов

БИБЛИОТЕКИ

Библиотека Хроноса

Научпоп

РАДИО

Читают и поют авторы РП

ОТДЫХ

Музеи

Игры

Песни русского застолья

Народное

Смешное

О НАС

Редколлегия

Авторам

О журнале

Как читать журнал

Пишут о нас

Тираж

РЕСУРСЫ

Поиск

Проекты

Посещаемость

Журналы

Русские писатели и поэты

Избранное

Библиотеки

Фотоархив

ИНТЕРНЕТ

Топ-лист "Русского переплета"

Баннерная сеть

Наши баннеры

НОВОСТИ

Все

Новости русской культуры

Новости науки

Космические новости

Афиша

The best of Russian Science and Technology

 

 


Если Вы хотите стать нашим корреспондентом напишите lipunov@sai.msu.ru

 

Редколлегия | О журнале | Авторам | Архив | Ссылки | Статистика | Дискуссия

Галерея "Новые Передвижники"
Пишите

© 1999, 2000 "Русский переплет"
Дизайн - Алексей Комаров

Русский Переплет
Rambler's Top100 TopList