Разработка модуля нейронной сети для системы прогнозирования размывов железнодорожного полотна

Полное название проекта:
Разработка модуля нейронной сети для системы прогнозирования размывов железнодорожного полотна
Статус: 
Заявка еще не рассмотрена
Год: 
2026
Автор
Фамилия, имя, отчество:
Высоких Данил Олегович
Место учёбы (работы):
ФГБОУ ВО ИрГУПС, Техник (0,5 ставка)
Соавторы
Соавторы (незарегистрированные): 
Знайдюк Алексей Николаевич
Научный руководитель
Фамилия, имя, отчество: 
Кириллова Татьяна Климентьевна
Место работы: 
ФГБОУ ВО ИрГУПС
Проект
Номинация: 
Информационные ресурсы и сервисы
Сроки работы над проектом: 
2024-2026
Описание: 

Проект «СКОРД» представляет собой интеллектуальную веб-платформу, разработанную для оперативного прогнозирования и предупреждения угроз размыва земляного полотна и искусственных сооружений на железнодорожной инфраструктуре. ИИ-модуль системы «СКОРД» выступает центральным вычислительным ядром, отвечающим за автоматизированный расчёт показателей уязвимости и интегральной оценки риска размыва железнодорожного полотна. Модуль реализован на основе нейросетевой архитектуры GroupedLayer, которая обрабатывает 24 входных параметра, сгруппированных по пяти смысловым блокам: состояние инфраструктуры, гидрология, рельеф и грунты, доступность для обслуживания, а также ресурсные факторы. Каждый параметр в группе предварительно нормализуется и масштабируется с учётом экспертных весов, после чего группы обрабатываются отдельными мини-сетями с последующим объединением признаков в полносвязных слоях. Финальный слой использует функцию softmax для получения вероятностей принадлежности к трём классам риска: низкий (0), средний (1) и высокий (2). Модуль интегрирован в общую ИТ-инфраструктуру через FastAPI-сервис и получает данные как из внешних метеопрогнозов, так и из базы геопространственных характеристик пути. Все вычисления выполняются в реальном времени: при обновлении входных параметров или изменении конфигурации участка пересчёт происходит автоматически без участия оператора. Результатом работы модуля является не только итоговый класс риска, но и численные значения вероятностей для каждого уровня, что позволяет системе поддержки принятия решений гибко настраивать пороги срабатывания. Благодаря такой архитектуре достигается масштабируемость, объективность расчётов и возможность оперативного реагирования на изменение обстановки.

Собственный компьютер: 
буду использовать собственный компьютер (ноутбук)
Используемые технологии и инструменты
Языки программирования и разметки: 
Python
СУБД: 
PostgreSQL
Среды разработки и текстовые редакторы: 
Visual Studio Code