Ученые Российского университета дружбы народов им. П. Лумумбы разработали метод прогнозирования проседания грунта. В основе подхода — алгоритм машинного обучения K-ближайших соседей (KNN) и метаэвристическая оптимизация.

Для обучения и валидации моделей использовались данные дистанционного зондирования — снимки с европейских спутников Sentinel-1 за 2014–2020 годы. На их основе было выявлено 215 точек проседания почвы и 17 факторов влияния, включая топографию, геологию, плотность скважин, растительный покров и расстояние до разломов.

Решение предназначено для прогнозирования проседания грунта в засушливых регионах — в них проблема усугубляется интенсивной эксплуатацией подземных вод для орошения. По мнению разработчиков, традиционные методы прогнозирования не всегда способны зафиксировать взаимодействие природных и антропогенных факторов. Как утверждают ученые, точность прогноза новой модели составляет до 95,7%.

Исследователи считают, что их модель прогнозирования может использоваться при разработке стратегий устойчивого управления водными ресурсами, при оценке рисков для инфраструктуры, а также при принятии решений в области территориального планирования и сельского хозяйства.