Аннотация. В последние годы проблема загрязнения атмосферного воздуха становится всё более острой, особенно для промышленных регионов. Постоянный рост объемов данных экологического мониторинга требует не только их накопления, но и эффективной интеллектуальной обработки. Одной из ключевых задач является своевременное выявление аномальных значений, которые могут указывать как на реальные выбросы загрязняющих веществ, так и на ошибки измерительных систем.
В данной работе предложен алгоритм выявления аномалий в системе мониторинга атмосферного воздуха, основанный на сочетании статистических методов и алгоритмов машинного обучения. Такой подход позволяет учитывать как простые выбросы, так и более сложные, скрытые закономерности в данных. Для первичной фильтрации использованы методы Z-score и межквартильного размаха (IQR), а для более глубокого анализа — алгоритм Isolation Forest, способный эффективно работать с многомерными экологическими временными рядами. Новизна исследования заключается в гибридной процедуре принятия решений, которая сочетает в себе статистическую фильтрацию, обнаружение неконтролируемых аномалий и интерпретацию данных мониторинга промышленного загрязнения воздуха с учетом метеорологических условий. Особое внимание уделено построению архитектуры системы, которая реализована с использованием облачных технологий. Это обеспечивает возможность обработки больших массивов данных, поступающих от датчиков мониторинга, а также их анализа в режиме, близком к реальному времени. Апробация алгоритма выполнена на данных города Усть-Каменогорска, включающих показатели концентрации основных загрязняющих веществ и метеорологические параметры. Результаты показали, что предложенный гибридный подход обеспечивает более высокую производительность, чем отдельные методы, достигая точности 0,94, полноты 0,91 и F1-меры 0,92. При этом система способна автоматически фиксировать резкие отклонения, связанные с промышленными выбросами, погодными условиями или техническими сбоями. Практическая значимость работы заключается в возможности внедрения предложенного алгоритма в экологические информационные системы и решения класса «умный город». Его применение позволяет повысить качество мониторинга, оперативность реагирования и обоснованность управленческих решений в сфере охраны окружающей среды.

Ключевые слова: мониторинг атмосферного воздуха, аномалии данных, машинное обучение, Isolation Forest, экологический мониторинг, облачные технологии.