В Евразийском национальном университете имени Л.Н. Гумилева состоится защита диссертации на соискание степени доктора философии (PhD) Исайновой Алии Насиповны на тему «Разработка методов и алгоритмов анализа сенсорных данных системы искусственного обоняния для задач экологического мониторинга» по специальности «6D070400 – Вычислительная техника и программное обеспечение».
Диссертация выполнена на кафедре «Кафедра Компьютерная и программная инженерия» Евразийского национального университета имени Л.Н. Гумилева.
Язык защиты - на русском
Официальные рецензенты:
Денисова Наталья Федоровна – кандидат физико-математических наук, ассоциированный профессор, ВКТУ им. Д. Серикбаева (г. Усть-Каменогорск, Республики Казахстан);
Сейлова Нургуль Абадуллаевна – кандидат технических наук, ассоциированный профессор, декан факультета «Компьютерные технологии и кибербезопасность», Международный университет информационных технологий (г. Алматы, Республики Казахстан).
Временные члены Диссертационного совета:
Увалиева Индира Махмутовна – доктор философии (PhD), профессор факультета компьютерных наук ВКТУ им. Д.Серикбаева (г. Усть-Каменогорск, Республика Казахстан);
Калижанова Алия Уалиевна – кандидат физико-математических наук, ассоциированный профессор, ведущий научный сотрудник Института информационных и вычислительных технологий Комитета науки Министерства науки и высшего образования Республики Казахстан (г. Алматы, Республика Казахстан);
Рохая Латип – доктор философии (PhD), профессиональный технолог (Ts.), ассоциированный профессор кафедры коммуникационных технологий и сетей Университета Путра Малайзия (г. Серданг, Малайзия).
Научные консультанты:
Сатыбалдина Дина Жагыпаровна – кандидат физико-математических наук, профессор, директор научно – исследовательского института Информационной безопасности и криптологии (НИИ ИБ и криптологии) Евразийского национального университета имени Л.Н. Гумилева (г.Астана, Республика Казахстан)
Овечкин Геннадий Владимирович – доктор технических наук, доцент, заведующий кафедрой Вычислительной и прикладной математики, Рязанский государственный радиотехнический университет имени В.Ф.Уткина (г. Рязань, Российская Федерация)
Защита состоится: 25 августа 2026 года 16:00 часов в Диссертационном совете по направлению подготовки кадров «8D061 – Информационно-коммуникационные технологии» по специальности «6D070400 – Вычислительная техника и программное обеспечение» Евразийского национального университета имени Л.Н. Гумилева.
Проведение заседания диссертационного совета в смешанном (оффлайн и онлайн) формате.
Ссылка: https://clck.ru/3UR9xe
Адрес: г. Астана, ул. А. Пушкина, 11, 2 учебный корпус, аудитория №222.
Аннотация (рус.): АННОТАЦИЯ диссертации на соискание степени доктора философии (PhD) Исайновой Алии Насиповны на тему «Разработка методов и алгоритмов анализа сенсорных данных системы искусственного обоняния для задач экологического мониторинга» по специальности «6D070400 – Вычислительная техника и программное обеспечение» Целью диссертационного исследования является разработка мультисенсорной газоаналитической системы типа «электронный нос», предназначенной для мониторинга вредных газовых выбросов в окружающую среду, на основе применения алгоритмов машинного обучения для обработки сенсорных данных и создания модели трансферного обучения. Актуальность исследований связана с реализацией задач Экологического кодекса Республики Казахстан по обеспечению постоянного и систематического сбора, накопления, хранения и анализа экологической информации, в том числе с использованием современных цифровых технологий. В связи с этим становятся приоритетными разработки недорогих, портативных и быстрых цифровых систем экспресс оценки качества воздуха во внелабораторных условиях. Задачи диссертационного исследования: 1) выбор микроконтроллерной платформы, сенсорной технологии и стандартов связи, проектирование и создание мобильного газоанализатора с функцией беспроводной передачи сенсорных данных, исследование ее производительности в лабораторных испытаниях; 2) разработка методов, алгоритмов и программного обеспечения для калибровки сенсоров, предварительной обработки сенсорных откликов, выделения признаков и создание наборов сенсорных данных для задачи распознавания газов; 3) проектирование и программная реализация классификатора газов на основе алгоритмов машинного обучения и глубокого обучения, исследование производительности распознавания газовых образцов по метрикам селективности, точности и полноты; 4) развитие модели трансферного обучения системы искусственного обоняния для расширения классов исследуемых аналитов и уменьшения времени на обучение и размера используемых обучающих наборов сенсорных данных; 5) разработка метода и алгоритма слияния разнородных данных в целях повышения интерпретации результатов анализа сенсорных откликов, выявления влияния каждого сенсора «электронного носа» на точность классификации газов; 6) проектирование архитектуры сети мобильных газоанализаторов с интеграцией алгоритмов обработки и визуализации сенсорных данных для задач экологического мониторинга, исследование безопасности и надежности системы Интернета вещей, подготовка комплекта документации на разработанные программно-аппаратные решения, оформление авторских прав, выработка рекомендаций внедрению результатов диссертационного исследования. Объектом исследования являются процессы идентификации газов и летучих органических соединений в целях мониторинга окружающей среды Предмет исследования составляют методы проектирования электронных устройств и алгоритмы распознавания газов и летучих органических соединений для создания интеллектуальной мультисенсорной газоаналитической системы. Методология исследований. В ходе выполнения диссертационного исследования были использованы методы проектирования электронных устройств, сенсорного и химического анализа газов, методы распознавания образов с использованием алгоритмов машинного и глубокого обучения, методы математической статистики и анализа данных. Научная новизна. Создан прототип мобильного газоанализатора с использованием металл-оксидных сенсоров и функцией передачей данных по беспроводной сети LoRaWAN для систем экологического мониторинга. Разработан новый метод для сегментации области интереса в массиве сенсорных данных и выделения наиболее информативных признаков на основе статистической обработки сенсорных откликов и кластеризации данных. Выполнено проектирование архитектуры и программной реализации мультиклассового классификатора газов и летучих органических соединений на основе алгоритмов машинного и глубокого обучения. Предложена новая модель трансферного обучения классификатора газов, обеспечивающей сокращение обучающих наборов данных и времени на фазу обучения при расширении исследуемых газов. Разработан новый метод слияния разнородных данных, который повышает эффективность сенсорного анализа. Основные научные положения, выносимые на защиту: 1. Разработан прототип мобильного газоанализатора, включающий металл-оксидные сенсоры и модуль беспроводной передачи данных по сетевому протоколу LoRaWAN, что обеспечивает эффективный сбор сенсорных данных для систем экологического мониторинга. 2. Предложен и реализован новый метод сегментации области интереса в массиве сенсорных данных и выделения информативных признаков, основанный на статистической обработке и кластеризации сенсорных откликов, что повышает информативность данных для распознавания газов. 3. Разработана новая модель трансферного обучения классификатора газов, обеспечивающая сокращение объема обучающих наборов данных и времени на фазу обучения при расширении классов исследуемых газов и летучих органических соединений, что расширяет область применения мультисенсорной газоаналитической системы. 4. Предложен новый метод слияния разнородных сенсорных данных, при котором результаты парной корреляции и многомерного регрессионного анализа позволяют определить влияние химических компонентов на отклики сенсоров и чувствительность отдельных сенсоров к летучим органическим соединениям, повышая тем самым эффективность и интерпретацию результатов сенсорного анализа. Получены следующие научные и прикладные результаты: собран прототип мобильного газоанализатора с использованием металл-оксидных сенсоров и функцией передачей данных по беспроводной сети LoRaWAN для систем экологического мониторинга, полученный патент на полезную модель подтверждает оригинальность и новизну разработки; разработаны новый метод, алгоритм и программное обеспечение для предобработки сенсорных данных (сегментация области интереса) и выделения наиболее информативных признаков с использованием математических моделей корреляционного и регрессионного анализа, методов кластеризации данных (анализ главных компонент PCA и алгоритм k-means); выполнена программная реализация классификаторов газов на основе алгоритмов машинного (RandomForest, DecisionTree, MLP, K-neighbors) и глубокого обучения (сверточная нейронная сеть), проведенная оценка их эффективности для задач распознавания модельных газов и их смесей показывает на возможность однозначной идентификации; разработана новая модель трансферного обучения классификатора газов, которая позволило уменьшить размер обучающих выборок и ускорить обучение классификатора новых классов газов, запахов, летучих органических соединений, расширить область применения мультисенсорной газоаналитической системы; экспериментально получены оценки производительности классификаторов газов в задачах распознавания летучих органических соединений от сырой нефти и почв, загрязнённых нефтью и нефтепродуктами, выявления типа и концентрации основных газовых загрязнителей атмосферного воздуха, детектирования пожаров в лесных массивах, парковых зонах городов; предложен новый метод слияния разнородных данных из разных источников (сенсорного анализа, инфракрасной спектроскопии с преобразованием Фурье и газовой хроматографии в сочетании с масс-спектрометрией), получена модель множественной линейной регрессии, которая указывает на значительные корреляции между относительным содержанием компонентов нефти и откликами сенсоров, что позволило выделить наиболее информативные данные для однозначного распознавания девяти сортов сырой нефти, их двух- и трехкомпонентных смесей, а также классифицировать несколько видов почв, загрязненных нефтью и нефтепродуктами, детектировать повышение уровня газов CO и CO2 как индикаторов возникновения и распространения лесных пожаров. Практическая значимость результатов диссертационного исследования связана с высоким потенциалом применения готового к использованию устройства (прототипа «электронного носа»), предложенных методов сенсорного анализа, модели трансферного обучения классификаторов газов и летучих органических соединений, алгоритмов и программного обеспечения для системы экологического мониторинга качества воздуха в помещениях и вне зданий, раннего детектирования лесных пожаров, а также для выявления вредных условий труда на производственных площадках. Разработанные программные средства (авторские свидетельства - 4) обеспечивают точность и воспроизводимости результатов идентификации вредных примесей в атмосферном воздухе, что подтверждено успешным актом внедрением. Основные результаты диссертационной работы были представлены и обсуждены на научном семинаре НИИ ИВТ КН МНВО РК и на международных научных конференциях: International Conference on Electrical Facilities and informational technologies 2023 (ICEIC 2023), Almaty, Kazakhstan, August 22-25th, 2023, 4th IEEE International Conference on Computer Systems (ICCS), September 20-22, 2024, Hangzhou, China; Международной научно-практической конференции «Интеграция искусственного интеллекта в образовательный процесс в эпоху глобальной цивилизации: стратегии, инновации и вызовы кибербезопасности», 5 апреля 2024 года, Алматы, КазНПУ им. Абая. Публикации. По результатам исследований опубликованы следующие работы: 2 (две) статьи в рецензируемых научных изданиях, входящих в 1-й и 2-й квартиль в базе Web of Science и Scopus, 1 (одна) работа в журнале с процентилем 34 по CiteScore в базе Scopus, 4(четыре) статьи в казахстанских журналах из списка 2 КОКНСВО и 2 (два) – в сборниках международных конференций. Издано учебное пособие и учебник. Получены 1 (один) патент на полезную модель и 4 (четыре) свидетельств о государственной регистрации авторских прав на программные средства. Связь с НИР. Диссертационная работа выполнена на кафедре компьютерной и программной инженерии НАО «ЕНУ им. Л.Н. Гумилева» в рамках проекта грантового финансирования Комитета науки МНВО РК AP14872171 «Разработка моделей и алгоритмов обработки и переноса сенсорных данных при производстве мультизадачных газоаналитических систем» (2022-2024 гг.). Тематика проекта и диссертационного исследования соответствует приоритетным направлениям развития науки: Информационные, коммуникационные и космические технологии; Искусственный интеллект и информационные технологии; Машинное обучение (machine learning); Распознавание образов и обработка изображений. Личный вклад соискателя. Соискатель внес значительный личный вклад в разработку и апробацию интеллектуальной системы искусственного обоняния, включая проведение теоретического анализа, проектирование архитектуры и сборку устройства, разработку алгоритмов и реализацию программного обеспечения для сенсорного анализа, проведение экспериментов и обработку результатов, подготовку рукописей статей к публикации. Структура и объём диссертации. Диссертация состоит из введения, четырех разделов основной части, заключения, списка используемых источников и приложений. Во введении представлена актуальность направления диссертационного исследования, сформулированы цель и задачи научной работы, обоснован выбор объекта, предмета и соответствующей методологии исследования, отражены научная новизна, основные результаты и положения, выносимые на защиту. Кратко описан личный вклад соискателя, сведения об опубликованных работах и апробации результатов диссертационного исследования. В разделе 1 представлены результаты обзорных исследований в области методов идентификации газов, сенсорных технологий, используемых для разработки газоаналитических систем и передовых технологий искусственного интеллекта для реализации систем искусственного обоняния. В разделе 2 представлены результаты научно-конструкторских работ по проектированию и созданию мультисенсорной газоаналитической системы типа «электронный нос» для применения в системах экологического мониторинга. В разделе 3 представлены результаты исследований по проектированию и программной реализации классификаторов газов на основе алгоритмов машинного и глубокого обучения, модели трансферного обучения классификатора газов и метода объединения данных для сенсорного анализа, которые позволили ускорить обучение классификатора, повысить точность распознавания газов и расширить области применения мультисенсорной газоаналитической системы. В разделе 4 представлены результаты исследований по практическому применению разработанных программно-аппаратных решений для различения образцов сырой нефти и ее смесей, полученных с 8 нефтяных месторождений соседних регионов западного Казахстана, нескольких классов нефтепродуктов, а также для классификации незагрязненных почв и почв, загрязненных нефтью или нефтепродуктами. Результаты исследований также указывают на большие перспективы использования интеллектуальных мультисенсорных систем качестве инновационного инструмента мониторинга качества воздуха и детектирования лесных пожаров. Публикации соискателя по теме диссертации: 1. Zaytsev V., Issainova A., Borisov R., Xinxin Shi, Baideldinov M., Zimens M., Zhunusbekov A., Lantsberg A., Kondrashov V., Nasibulin A., Fedorov F., Satybaldina D. Coding smell patterns of crude oil by the electronic nose: A soil pollution case // Journal of Hazardous Materials. – Volume 480. – 17 september 2024. – Paper number 135838. ISSN 0304-3894. https://doi.org/10.1016/j.jhazmat.2024.135838 2. Altaibek M., Issainova A., Aidynov T., Kuttymbek D., Abisheva G., Nurusheva A. A Survey of Cross-Layer Security for Resource-Constrained IoT Devices //Applied Sciences. – 2025. – vol. 15. – P. 9691. https://doi.org/10.3390/app1517969 3. Satybaldina D., Baydeldinov M., Issainova A., Alseitov O., Konyrkhanova A., Akhmetova Z., Seilov S. Artificial Olfactory System for Distinguishing Oil-Contaminated Soils // WSEAS Transactions on Environment and Development, 2023, 19, P. 951–960. https://doi.org/10.37394/232015.2023.19.89 4. Сатыбалдина, Д., Исайнова, А., Альсеитов, О., Байдельдинов, М., Сеилов, Ш. Создание газоаналитической мультисенсорной системы типа «электронный нос» и исследование её производительности для задач экологического мониторинга // Вестник КазАТК. – 2023. – № 125(2). – С. 315–323. Журнал из списка 2 КОНКНВО, компьютерные науки. https://doi.org/10.52167/1609-1817-2023-125-2-315-323 5. Сатыбалдина Д., Исайнова А., Глазырина Н., Шагабудинов А. Статистические методы извлечения признаков для обучения мультисенсорной газоаналитической системы// Вестник КазАТК. – 2024. – № 131(2). – С. 250-259. Журнал из списка 2 КОКНВО, компьютерные науки. https://doi.org/10.52167/1609-1817-2024-131-2-250-2597. 6. Хасенова З.Т., Ракышева М.А., Глазырина Н.С, Исайнова А.Н., Мукатов А.Т. Сенсорные технологии и машинное обучение: новые возожности для экологического мониторинга// Вестник ВКТУ им.Д.Серикбаева . – 2024. – № 3. – Стр. 2017-231. Журнал из списка 2 КОКНВО, компьютерные науки. https://storage.ektu.kz/nextcloud/index.php/s/Zdndg96z6L9Enks 7. Tleuberdin S., Malakhov K., Issainova A., Boranbay Zh., Sergazin G. A Practical Evaluation of Wireless Network Security for Internet of Things: Vulnerability Assessment and Penetration Testing // Университет еңбектері-Труды Университета, раздел "Энергетика, автоматика, ИКТ". - 2025. - №2(99). - С.428-434. Журнал из списка 2 КОКНВО, компьютерные науки. https://doi.org/10.52209/1609-1825_2025_2_428 8. Alseitov O., Issainova A., Satybaldina D., Konyrkhanova A. Detection and Clas-sification of the Volatile Organic Compounds from the Petroleum and Petroleum-Derived Prod-ucts Using an Electronic Nose and Machine Learning Algorithms // Proceedings of International Conference on Electrical Facilities and informational technologies 2023 (ICEIC 2023), Almaty, Kazakhstan, August 22nd to 25th, 2023, p. 218-223. https://icef2023.org/ 9. Сатыбалдина Д., Исайнова А., Глазырина Н., Шагабудинов А. Применение системы искусственного обоняния для мониторинга качества воздуха в образовательных учреждениях // Материалы Международной научно-практической конференции «Интеграция искусственного интеллекта в образовательный процесс в эпоху глобальной цивилизации: стратегии, инновации и вызовы кибербезопасности», 5 апреля 2024 года, Алматы. КазНПУ им. Абая – С.1177-1183. 10. Сатыбалдина Д.Ж., Маханов К.М., Исайнова А.Н., Глазырина Н.С., Атызова А.Ж. Мобильный газоанализатор с функцией беспроводной передачи данных для системы мониторинга качества воздуха \ Патент Республика Казахстан на полезную модель, №9539 от 28.06.2024, по заявке №2024/0827.2 11. Сатыбалдина Д.Ж., Сыдыков Д.М. Исайнова А.Н. Нейросетевой классификатор газов для газоаналитической мультисенсорной системы // Свидетельство о внесении сведений в государственный реестр прав, охраняемые авторским правом № 37464 от «23» июня 2023 года 12. Мукатов А.Т., Исайнова А.Н, Глазырина Н.С., Сатыбалдина Д.Ж. Программное обеспечение подготовки обучающих наборов данных (датасетов) для распознавания основных загрязнителей атмосферного воздуха// Свидетельство о внесении сведений в государственный реестр прав, охраняемые авторским правом № 45747 от «14» мая 2024 года. 13. Мукатов А.Т., Исайнова А.Н, Глазырина Н.С., Маханов К.М. Программное обеспечение для калибровки сенсорных откликов газоаналитической системы типа «электронный нос» и определения концентраций основных загрязнителей атмосферного воздуха// Свидетельство о внесении сведений в государственный реестр прав, охраняемые авторским правом № 48499 от «19» июля 2024 года. 14. Глазырина Н.С., Сатыбалдина Д.Ж., Исайнова А.Н. Электронный учебник «Анализ данных на R» // Свидетельство о внесении сведений в государственный реестр прав, охраняемые авторским правом № 51258 от «8» ноября 2024 года. 15. Анализ данных на R: учебное пособие / Сатыбалдина Д.Ж., Глазырина Н.С., Исайнова А.Н. – Астана: ИП "Булатов А.Ж.", 2025. – 204 с. ISBN 978-601-385-028-3. 16. Анализ многомерных данных: учебник / Сатыбалдина Д.Ж., Глазырина Н.С., Исайнова А.Н. – Астана: 2026. - 244 с. ISBN 978-601-385-181-5.
Отзыв зарубежного консультанта
