Система интеллектуального анализа распределенных геофизических данных для сети полиландшафтных полигонов
М. А. Абазоков, К. Ч. Бжихатлов
Загрузить полный текст
Аннотация: В статье представлена система сбора и анализа распределенных геофизических данных с сенсорной сети полиландшафтных полигонов. Приведены архитектура и особенности программной реализации системы сбора и интеллектуального анализа данных с сенсоров с учетом отсутствия стабильного доступа в сеть интернет на территории полигонов. Представлены принципы реализации системы интеллектуального анализа данных с сенсоров, рассчитанной на использование различных подходов к созданию систем искусственного интеллекта. В частности, описан процесс обмена данными с программами для моделирования интеллектуальных систем на основе мультиагентных нейрокогнитивных архитектур. Кроме того, представлена структура веб-сайта и базы данных сервиса, разработанного для сбора и обработки данных.
Ключевые слова: распределенная сеть сенсоров, интеллектуальная обработка данных, мультиагентные системы, нейрокогнитивные архитектуры, прогнозирование данных, беспроводные сенсорные сети, полиландшафтные полигоны, геофизические данные
Для цитирования. Для цитирования. Абазоков М. А., Бжихатлов К. Ч. Система интеллектуального анализа распределенных геофизических данных для сети полиландшафтных полигонов // Известия Кабардино-Балкарского научного центра РАН. 2024. Т. 26. № 6. С. 129–138. DOI: 10.35330/1991-6639-2024-26-6-129-138
Список литературы
- Коргин Н. А., Мещеряков Р. В. Концепция проекта по созданию распределенной сети полигонов для отработки сценариев применения гетерогенных групп транспортных средств с электрическим приводом в сложных климатических и ландшафтных условиях: текущее состояние и перспективы развития // XIV Всероссийское совещание по проблемам управления. 2024. С. 1247–1251. URL: https://vspu2024.ipu.ru/node/17868
- Ксалов А. М., Бжихатлов К. Ч., Пшенокова И. А., Заммоев А. У. Разработка транспортной подсистемы автономного робота для системы активной защиты растений // Известия Кабардино-Балкарского научного центра РАН. 2022. № 2(106). С. 31–40. DOI: 10.35330/1991-6639-2022-2-106-31-40
- Tu J. Application of wireless sensor network model based on big data ecosystem in intelligent health monitoring system. Journal of Function Spaces. 2022. Vol. 2022. Pp. 1–10. DOI: 10.1155/2022/3179915
- Zhang Y., Huang W. Design of intelligent diagnosis system for teaching quality based on wireless sensor network and data mining. Eurasip Journal on Wireless Communications and Networking. 2021. Vol. 2021. No. 1. DOI: 10.1186/s13638-021-01902-w
- LI F., Valero M., Cheng Y. et al. Distributed sensor networks based shallow subsurface imaging and infrastructure monitoring. IEEE Transactions on Signal and Information Processing over Networks. 2020. Vol. 6. Pp. 241–250. DOI: 10.1109/tsipn.2020.2975349
- Ge X., Han Q., Zhang X. et al. Distributed event-triggered estimation over sensor networks: A survey. IEEE Transactions on Cybernetics. 2020. Vol. 50. No. 3. Pp. 1306–1320. DOI: 10.1109/tcyb.2019.2917179
- Hou C., Zhao Q., Basar T. Optimization of web service-based data-collection system with smart sensor nodes for balance between network traffic and sensing accuracy. IEEE Transactions on Automation Science and Engineering. 2021. Vol. 18. No. 4. Pp. 2022–2034. DOI: 10.1109/tase.2020.3030835
- Lin C., Han G., Qi X. et al. Energy-optimal data collection for unmanned aerial vehicle-aided industrial wireless sensor network-based agricultural monitoring system: A clustering compressed sampling approach. IEEE Transactions on Industrial Informatics. 2021. Vol. 17. No. 6. Pp. 4411–4420. DOI: 10.1109/ tii.2020.3027840
- Ijemaru G.K., Ang L., Seng K.P. Wireless power transfer and energy harvesting in distributed sensor networks: Survey, opportunities, and challenges. International Journal of Distributed Sensor Networks. 2022. Vol. 18. No. 3. P. 155014772110677. DOI: 10.1177/15501477211067740
- Seng K.P., Ang L., Ngharamike E. Artificial intelligence internet of things: A new paradigm of distributed sensor networks. International Journal of Distributed Sensor Networks. Vol. 18. No. 3. P. 155014772110628. DOI: 10.1177/15501477211062835
- Nagoev Z.V., Pshenokova I.A., Nagoeva O.V., Sundukov Z.A. Learning algorithm for an intelligent decision making system based on multi-agent neurocognitive architectures. Cognitive Systems Research. 2021. Vol. 66. Pp. 82–88. DOI: 10.1016/j.cogsys.2020.10.015
- Nagoev Z.V., Bzhikhatlov K.Ch., Pshenokova I.A., Unagasov A.A. Algorithms and software for simulation of intelligent systems of autonomous robots based on multi-agent neurocognitive architectures. Interactive Collaborative Robotics. Lecture Notes in Computer Science. 2024. Vol. 14898. Springer, Cham. DOI: 10.1007/978-3-031-71360-6_29
Информация об авторе
Абазоков Мухамед Адмирович, мл. науч. сотр. лаборатории «Нейрокогнитивные автономные
интеллектуальные системы», Кабардино-Балкарский научный центр РАН;
360010, Россия, г. Нальчик, ул. Балкарова, 2;
гл. науч. сотр. лаборатории 57, Институт проблем управления им. В.А. Трапезникова РАН;
117997, Россия, Москва, ул. Профсоюзная, д. 65;
abazokov1997@mail.ru, ORCID: https://orcid.org/0000-0002-8710-1562, SPIN-код: 5167-5962
Бжихатлов Кантемир Чамалович, канд. физ.-мат. наук, зав. лабораторией «Нейрокогнитивные
автономные интеллектуальные системы», Кабардино-Балкарский научный центр РАН;
360010, Россия, г. Нальчик, ул. Балкарова, 2;
haosit13@mail.ru, ORCID: https://orcid.org/0000-0003-0924-0193, SPIN-код: 9551-5494