Аңдатпа. Зерттеу тау-кен байыту комбинаттарындағы технологиялық циклдерді жаңғыртудың өзекті мәселесін шешуге арналған. Мақалада қазба шикізатын бөлудің бастапқы кезеңін автоматтандыруға баса назар аударылады. Бүгінгі таңда көптеген кәсіпорындарда тау-кен массасының сапасын бақылау визуалды тексеруге негізделген және оны оператор жүзеге асырады. Бұл тәсілмен адам факторы бағалауға субъективтілік әкеледі және қоспаларды бекіту дәлдігін төмендетеді деп саналады. Сондықтан мақалада жедел сұрыптау үшін компьютерлік көру жүйелерін енгізу мүмкіндігі зерттеледі.
Зерттеу ағындарды мақсатты өнімге (көмірге) және бос жынысқа тиімді бөлуге мүмкіндік беретін цифрлық кескіндерді екілік жіктеу әдісін әзірлеуге және сынауға бағытталған. Осы жұмыс аясында random forest алгоритмі архитектуралық шешім ретінде таңдалды, оның гиперпараметрлері торлы іздеу әдісімен оңтайландырылды. Алдын ала сынақтар кезінде алгоритм шаңды және өзгеретін жарық жағдайында тұрақты нәтиже көрсетті. Модельді оқыту және тексеру үшін тау жотасының 4027 кескінінен алынған мәліметтер жиынтығы жиналды. Эксперимент ұсынылған әдісті конволюциялық нейрондық желі (CNN), логистикалық регрессия және шешім қабылдау ағашымен салыстырмалы талдауға негізделген. Нәтижелер осы әдістің әлеуетін растады. Модель F1-score мәні 0,896 және көмірді анықтау толықтығы 85,7% болғанда 96,5% жіктеу дәлдігіне қол жеткізді. Конволюциялық желілермен салыстыруға болатын дәлдікте таңдалған алгоритм ресурс тиімділігі мен GPU жоқ Edge құрылғыларында жұмыс істеу мүмкіндігінің артықшылығы бар, бұл 30-35 FPS өнімділігін қамтамасыз етеді. Зерттеу нәтижелері қол жеткізілген көрсеткіштер, сондай-ақ алгоритмнің тұрақтылығы оны бақылау жүйесіне сәтті біріктіруге мүмкіндік береді деген қорытынды жасауға мүмкіндік береді. Ұсынылған шешім адамның араласуынсыз тау-кен байыту зауытында автономды басқару жүйесінің негізі бола алады.
Түйін сөздер: компьютерлік көру, машиналық оқыту, кездейсоқ орман, тау жыныстарының жіктелуі, конвейерлік автоматика, көмір өнеркәсібі.
Аңдатпа. Бұл мақалада біркелкі емес және шың жүктеме жағдайларында жұмыс істейтін таратылған ақпараттық жүйе үшін оқиғаға негізделген серверсіз архитектураны құру тәсілі қарастырылады. Қазіргі заманғы цифрлық қызметтер кіріс сұраныстарының қарқындылығының күрт ауытқуларымен сипатталады, бұл операциялық тұрақтылықты, қолайлы жауап беру уақытын және есептеу ресурстарын тез масштабтау мүмкіндігін сақтауды талап етеді. Мұндай ортадағы дәстүрлі монолитті және контейнерлік шешімдер көбінесе алдын ала сыйымдылықты резервтеуді немесе жүктеменің күрт өсуіне кідірістермен жауап беруді талап етеді. Бұл зерттеудің мақсаты — сұранысты өңдеу серверсіз есептеу моделін қолдана отырып, тәуелсіз оқиғалар ағыны ретінде ұйымдастырылатын архитектуралық шешімді әзірлеу және эксперименттік түрде бағалау. Осы мақсатта қалыпты жұмыс режимдерін де, қысқа мерзімді шың әсерлерін де қайталауға мүмкіндік беретін формальды оқиға моделі және кіріс жүктемесін генерациялау схемасы ұсынылады.
Тиімділік әртүрлі жүктеме сценарийлеріндегі бірқатар бақыланатын есептеу эксперименттері негізінде бағаланды. Қолданылған негізгі метрикалар орташа өңдеу кідірісі, p95 метрикасы, жүйенің өткізу қабілеті және белсенділіктің жоғарылауы кезеңіндегі қателік деңгейі болды. Зерттеу барысында алынған нәтижелер жүктеме артқан сайын кідірістің артуы басқарылатынын және жүйе қысқа мерзімді шамадан тыс жүктемелер кезінде жұмыс қабілеттілігін сақтайтынын көрсетеді. Бұл бізге ұсынылған тәсілді масштабталатын таратылған қызметтер үшін перспективалы шешім ретінде қарастыруға мүмкіндік береді.
Түйін сөздер: оқиғалық-бағдарланған архитектура, бессерверлік есептеулер, таратылған ақпараттық жүйелер, масштабталу, пиковалық жүктеме, шеткі кідіріс, өнімділік.
Аңдатпа. Мақалада қытайдың қалдықтар теоремасын қолдана отырып, Verkle ағашына негізделе ұсынылған цифрлық қолтаңбаның тиімділігін эксперименттік бағалау зерттелген. Кілттерді құру, қолтаңбаны қалыптастыру және оны тексеру алгоритмдерін бағдарламалық қамтамасыз ету әзірленді. Ұсынылған схемада, Verkle ағашы міндеттемелерді ықшамды түрде көрсету үшін қолданылады, ал қытайдың қалдықтар теоремасы модульдік есептеулерді оңтайландыру және қолтаңба жасау мен тексеру операцияларының есептеу тиімділігін арттыру үшін қолданылады. Алгоритмдердің уақыт бойынша сипаттамаларына талдау жасалды, сонымен қатар, күрделілік көрсеткіштері көрсетілді. Статистикалық сенімділікті қамтамасыз ету үшін, эксперименттік нәтижелер көпретті сынақтар жүргізетін бекітілген есептеу платформасында алынды. Құрылған қолтаңба алгоритмінің негізгі параметрлері мен орындалу уақыты бойынша Kate-Zaverucha-Goldberg (KZG) көпмүшелік міндеттемелерінің классикалық схемасының цифрлық қолтаңбасымен салыстырмалы талдау жасалды. Алынған нәтижелер Verkle ағашына қытайдың қалдықтар теоремасын қолдана отырып цифрлық қолтаңбаларды құру перспективалы бағыт екенін көрсетеді.
Түйін сөздер: Verkle ағашы, векторлық міндеттеме, көпмүшелік міндеттеме, қытайдың қалдықтар теоремасы, цифрлық қолтаңба, аутентификация, тексеру.
Аңдатпа. Соңғы жылдары атмосфералық ауаның ластану проблемасы, әсіресе өнеркәсіптік аймақтар үшін өткір бола бастады. Экологиялық мониторинг деректері көлемінің тұрақты өсуі оларды жинақтауды ғана емес, сонымен қатар тиімді зияткерлік өңдеуді де талап етеді. Негізгі міндеттердің бірі-ластаушы заттардың нақты шығарындыларын да, өлшеу жүйелерінің қателіктерін де көрсете алатын қалыптан тыс мәндерді уақтылы анықтау. Бұл жұмыста статистикалық әдістер мен машиналық оқыту алгоритмдерінің үйлесіміне негізделген атмосфералық ауаны бақылау жүйесіндегі ауытқуларды анықтау алгоритмі ұсынылған. Бұл тәсіл деректердегі қарапайым шығарындыларды да, күрделі, жасырын заңдылықтарды да ескеруге мүмкіндік береді. Бастапқы сүзгілеу үшін Z-score және квартильаралық кеңею (IQR) әдістері, ал тереңірек талдау үшін көп өлшемді экологиялық уақыт қатарларымен тиімді жұмыс істей алатын isolation forest алгоритмі қолданылады. Зерттеудің жаңалығы статистикалық сүзуді, бақыланбайтын ауытқуларды анықтауды және метеорологиялық жағдайларды ескере отырып, ауаның өнеркәсіптік ластануын бақылау деректерін түсіндіруді біріктіретін гибридті шешім қабылдау процедурасында жатыр. Бұлтты технологияларды қолдана отырып жүзеге асырылатын жүйенің архитектурасын құруға ерекше назар аударылады. Бұл бақылау датчиктерінен келетін деректердің үлкен массивтерін өңдеуге, сондай-ақ оларды нақты уақытқа жақын режимде талдауға мүмкіндік береді. Алгоритмді сынақтан өткізу негізгі ластаушы заттардың шоғырлану көрсеткіштері мен метеорологиялық параметрлерді қамтитын Өскемен қаласының деректерінде орындалды. Нәтижелер ұсынылған гибридті тәсіл жеке әдістерге қарағанда жоғары өнімділікті қамтамасыз ететінін көрсетті, Precision = 0,94, Recall = 0,91 және F1-score = 0,92 көрсеткіштеріне қол жеткізді. Бұл жағдайда жүйе өнеркәсіптік шығарындыларға, ауа райы жағдайларына немесе техникалық ақауларға байланысты күрт ауытқуларды автоматты түрде тіркей алады. Жұмыстың практикалық маңыздылығы ұсынылған алгоритмді экологиялық ақпараттық жүйелерге және «ақылды қала» сыныбының шешімдеріне енгізу мүмкіндігі болып табылады. Оны қолдану мониторингтің сапасын, жедел әрекет етуді және қоршаған ортаны қорғау саласындағы басқару шешімдерінің негізділігін арттыруға мүмкіндік береді.
Түйін сөздер: атмосфералық ауаны мониторингтеу, деректердегі аномалиялар, машиналық оқыту, Isolation Forest, экологиялық мониторинг, бұлттық технологиялар.
Аңдатпа. Қатынастарды анықтау – құрылымданбаған мәтіннен формальды білім құрылымдарын қалыптастырудағы негізгі кезеңдердің бірі. Қазақ тілі үшін бұл бағыттың дамуы сапалы аннотацияланған семантикалық ресурстардың жетіспеушілігімен шектеліп келді. KazNERD деректер жиыны атаулы мәндерді тану міндеті үшін берік негіз қалыптастырғанымен, мәндер арасындағы күрделі семантикалық байланыстарды модельдеу әлі де өзекті мәселе болып отыр. Осы зерттеуде аталған мәселені шешу мақсатында KRED (Kazakh Relation Extraction Dataset) деректер жиыны ұсынылады. Бұл деректер жиыны үлкен тілдік модельдер мен сараптамалық тексеруді біріктіретін көпкезеңді және ауқымды аннотациялау үдерісі арқылы құрылған. Аннотациялау барысында KazNERD корпусындағы тексерілген мән шекаралары негіз ретінде алынып, мән жұптарын генерациялау, GPT-4o-mini моделі арқылы zero-shot белгілеу және семантикалық нақтыландыру кезеңдері жүзеге асырылды. Құрылымдық бірізділікті қамтамасыз ету үшін схемаға негізделген нормализация қолданылып, кейін Gemini-3-flash моделі арқылы қайта аннотациялау және қолмен тексеру жүргізілді. Нәтижесінде 10 түрлі қатынас түрін қамтитын 16 149 аннотацияланған байланыстан тұратын деректер жиыны алынды. Жүргізілген эксперименттер mBERT, XLM-RoBERTa және Kaz-RoBERTa модельдерін қолдана отырып бағаланды. Ең жоғары нәтижені mBERT көрсетіп, micro-F1 метрикасы бойынша 0.8832 және macro-F1 метрикасы бойынша 0.8113 мәніне жетті. Ұсынылған тәсіл толықтай қолмен аннотациялауға балама ретінде тиімді әрі үнемді шешім ұсынады және ресурсы шектеулі тілдер, соның ішінде түркі тілдері үшін ақпаратты автоматты түрде өңдеу ресурстарын кеңейтуге мүмкіндік береді.
Түйін сөздер: табиғи тілдерді өңдеу, ақпаратты іздеу, ресурсы шектеулі тілдер, үлкен тілдік модельдер, деректер жиынтығын құрастыру, қатынастарды шығару.
Аңдатпа. Бұл мақала 2024 жылғы демографиялық деректер негізінде Қазақстан аудандарын жіктеу үшін машиналық оқыту алгоритмдерін қолдануды зерттеуге арналған. Зерттеу барысында шешім ағашы, кездейсоқ орман және k-жақын көршілер (KNN) алгоритмдері қарастырылды. Олардың бұл міндетті шешудегі жоғары тиімділігі көрсетілді. Деректерді алдын ала өңдеуге қала халқының үлесін есептеу (urban_ratio) кірді. Осы есептеу негізінде бинарлық мақсатты айнымалы құрылды. Барлық үш алгоритм ұсынылған эксперименттік жағдайларда жоғары өнімділік көрсетті. Модельдер арасындағы айырмашылықтар шамалы болды: шешім ағашы, кездейсоқ орман және KNN тексерілген бөлімдерде салыстырмалы күшті жақтарын көрсетті. Нәтижелер демографиялық көрсеткіштерге негізделген аумақтық жіктеу үшін машиналық оқыту әдістерінің әлеуетін көрсетеді. Дегенмен, оларды таңдалған мүмкіндіктер жиынтығын және мақсатты айнымалыны құру әдісін ескере отырып түсіндіру керек. K-means кластерлеу және негізгі компонентті талдау сонымен қатар аудандар арасында үш түрлі демографиялық профильді анықтады, бұл аймақтық айырмашылықтарды анық түсінуге мүмкіндік берді.
Түйін сөздер: машиналық оқыту, жіктеу, демография, урбанизация, негізгі компоненттерді талдау, кластерлеу.
Аңдатпа. Туберкулез қазіргі уақытта уақтылы және дәл диагностика жасауды талап ететін ең кең таралған жұқпалы аурулардың бірі болып табылады. Осыған байланысты, бұл жұмыста кеуде қуысының рентген суреттерінде туберкулезді автоматты түрде анықтауға арналған терең оқыту модельдерін әзірлеу және салыстырмалы бағалау зерттеуі ұсынылған. Зерттеудің мақсаты патологиялық өзгерістерді анықтау міндетінде YOLOv8 және RT-DETR модельдерінің тиімділігін талдау және ең дәл әрі тұрақты архитектураны анықтау. Бастапқы деректер жиыны 2441 кескіннен тұрып, аугментация әдістерін қолдану арқылы 5859 кескінге дейін кеңейтілді және Roboflow ортасында шектеуші рамкалар (bounding boxes) көмегімен таңбаланды. Зерттеу барысында YOLOv8 және RT-DETR модельдері оқытылып, салыстырмалы түрде талданды. Бағалау Precision, Recall, F1-score және mAP метрикалары негізінде жүргізілді. Эксперимент нәтижелері бойынша YOLOv8m моделі ең жоғары көрсеткіштерге қол жеткізді (Precision = 0.94, Recall = 0.91, mAP50= 0.95, mAP50-95 = 0.72), бұл оның дәлдік пен есептеу тиімділігінің оңтайлы теңгерімін қамтамасыз ететінін көрсетеді. Осы модель негізінде медициналық кескіндерді автоматты талдауға арналған интеллектуалды агент әзірленді. Алынған нәтижелер YOLO модельдерінің компьютерлік диагностика және дәрігерлік шешім қабылдауды қолдау жүйелерінде қолданудың тиімділігін дәлелдейді.
Түйін сөздер: туберкулез, кеуде қуысының рентгенографиясы, терең оқыту, YOLO, RT-DETR, объектілерді анықтау, медициналық кескіндер, ЖИ-агент.
Аңдатпа. Ұшу қауіпсіздігін қамтамасыз ету және әуе кемелеріне техникалық қызмет көрсетудің экономикалық тиімділігін арттыру құрылымдалмаған мәтіндік есептерді зияткерлік талдауды талап етеді. Тақырыптық талдаудың дәстүрлі әдістері қысқа хабарламалардың семантикалық контекстінің жоғалуымен және мәтіндерді қолмен алдын ала өңдеудің жоғары еңбек сыйымдылығымен байланысты шектеулерге ие. Осы зерттеудің пәні техникалық рапорттардан білімді автоматты түрде алу әдістері болып табылады. Қойылған мақсатқа жету үшін оңтайлы есептеу конвейерін қалыптастыру, оны бағдарламалық іске асыру және нақты деректер негізінде эксперименттік тексеру міндеттері шешілді.
Зерттеудің мақсаты – ақаулардың жасырын ішкі топтарын автоматты түрде анықтау мен оларды егжей-тегжейлі интерпретациялаудың кешенді әдісін әзірлеу, теориялық тұрғыдан негіздеу және эксперименттік түрде верификациялау. Әзірленген әдіс контекстік эмбеддингтерді алу үшін трансформер-модельді (paraphrase-multilingual-MiniLM-L12-v2), өлшемділікті сызықтық емес төмендетудің UMAP алгоритмін және HDBSCAN иерархиялық тығыздықтық кластерлеу алгоритмін біріктіруге негізделген. Тақырыптарды интерпретациялау және олардың адамға түсінікті атауларын автоматты түрде генерациялау c-TF-IDF алгоритмі, KeyBERTInspired семантикалық іріктеу әдісі және жергілікті түрде орналастырылған Qwen3.5-4B-Instruct үлкен тілдік моделі негізінде жүзеге асырылды. Әдістің эксперименттік тексеруі тоғыз әуе кемесінің 7 жылдық пайдалану кезеңіндегі жолаушылар жабдығы санатына жататын 1971 мәтіндік жазбадан тұратын іріктемеде жүргізілді. Әзірленген әдіс ақаулардың мазмұндық тұрғыдан тұрақты 7 санатын сәтті сәйкестендіріп, типтік емес жазбалардың 11,7 %-ын шу кластеріне оқшаулады. Кездейсоқ базалық деңгеймен салыстыру нәтижелердің жоғары статистикалық маңыздылығын растады. Тақырыптардың әртүрлілік көрсеткіші 0,8286 мәнін құрады және ұсынылатын диапазонға сәйкес келеді.
Әзірленген әдіс бөлінген тақырыптардың компоненттік тазалығы бойынша классикалық LDA моделінен асып түседі және деректерді күрделі қолмен алдын ала өңдеу кезеңін жояды. Бұл шешімді ATA 100 стандарттарының басқа бөлімдеріне масштабтау және қызмет көрсетуді жоспарлауды әрі құрамдас бөліктер қорын басқаруды оңтайландыру мақсатында авиациялық кәсіпорындардың шешім қабылдауды қолдаудың зияткерлік жүйелеріне интеграциялау ұсынылады.
Түйін сөздер: техникалық қызмет көрсету, авиациялық көлік, мәтіндерді зияткерлік талдау, контекстік эмбеддингтер, тығыздықты кластерлеу, тақырыптық модельдеу, үлкен тілдік модельдер.
Аңдатпа. Қазіргі уақытта онкологиялық аурулардың жиілігі қазіргі қоғамның маңызды мәселелерінің бірі болып қала береді. Өкпенің қатерлі ісігі онкопатологияның ең өлімге әкелетін түрлерінің бірі болып табылады, бұл көбінесе ісік процесінің кеш кезеңдерінде анықталуына байланысты. Скринингтік және ерте диагностикалық бағдарламалардың тиімділігі аурудың болжамына және пациенттердің өмір сүру деңгейіне тікелей әсер етеді. Осыған байланысты соңғы жылдары терең оқыту әдістеріне негізделген интеллектуалды сараптамалық жүйелерді, соның ішінде конволюциялық нейрондық желілерді (CNN), трансформаторлық архитектураларды және олардың гибридті шешімдерін дамытуға ерекше назар аударылды.
Бұл жұмыс терең оқытудың нейрондық желілік модельдерін қолдана отырып, өкпенің қатерлі ісігін ерте диагностикалау міндетін қарастырады. Зерттеу машиналық оқытудың келесі әдістерін қолдана отырып модельдерді әзірледі және талдады: логистикалық регрессия, кездейсоқ орман классификаторы, тірек векторы әдісі (SVM), экстремалды ағаш классификаторы, XGBoost, CatBoost, градиентті күшейту және көп қабатты перцептрон (MLP). Нейрондық желі моделіне кіріс факторлары ретінде тұқым қуалайтын бейімділік көрсеткіштері, пациенттің жынысы және темекі шегу тәжірибесі пайдаланылды.
Ең жақсы нәтижелерді 93%-дан жоғары дәлдік деңгейінде 0,9405-ке тең ROC-AUC метрикасының максималды мәніне жеткен көп қабатты перцептрон (MLPClassifier) негізіндегі модель көрсетті. Алынған көрсеткіштер модельдің пациенттерді тәуекел топтары бойынша дұрыс саралау қабілетінің жоғары екендігін көрсетеді. Салыстырмалы нәтижелер жіктеу сапасы бойынша екінші орында тұрған RandomForest және SVM алгоритмдерін көрсетті. Әзірленген нейрондық желі үлгісі өкпенің қатерлі ісігінің даму ықтималдығын бағалауға, сондай-ақ таралған өкпе туберкулезі, саркоидоз, пневмония және өкпе тінінің фиброзы сияқты қатар жүретін аурулардың болуы мүмкін екендігі туралы ұсыныстар жасауға мүмкіндік береді. Болашақта медициналық бейнелерді тану модулін біріктіру арқылы жүйенің функционалдығын кеңейту жоспарлануда, бұл өкпе обырын ерте диагностикалау үшін кешенді шешім жасауға мүмкіндік береді.
Түйін сөздер: ақпараттық жүйелер, жасанды интеллект, терең оқыту әдістері, деректерді өндіру, интеллектуалды жүйе, мәліметтер базасы, конволюциялық нейрондық желі, трансформаторлар, гибридті модельдер, explainable AI.
Аңдатпа. Заттар интернетінің (IoT) қарқынды дамуы қосылған құрылғылар санының артуына және кибершабуылдар санының көбеюіне алып келуде, бұл тиімді әрі ауқымдалатын қорғаныс тетіктерін әзірлеуді талап етеді. Осы жұмыста IoT-желілеріндегі желілік трафикті мониторингтеу мен кибершабуылдарды анықтауға арналған IoTector платформасы ұсынылады. IoTector IoT құрылғылары мен желілік инфрақұрылым арасындағы интеллектуалды шлюз ретінде қарастырылып, шабуылдар мен аномалияларды нақты уақыт режимінде анықтауды қамтамасыз етеді. Желілік трафикті талдау үшін жүйеде DNN, CNN және CNN–BiLSTM сияқты терең оқыту модельдері қолданылады, бұл әртүрлі шабуыл түрлерін тиімді анықтауға мүмкіндік береді. Платформаның прототипі Raspberry Pi 5 негізінде жүзеге асырылып, құрылғыларды Wi-Fi және Bluetooth сияқты сымсыз технологиялар арқылы қосуды қолдайды. Сонымен қатар, желі күйін мониторингтеуге, анықталған қауіптерді визуализациялауға, құрылғыларды басқаруға және модельдерді оқытуға мүмкіндік беретін бағдарламалық интерфейс әзірленді. Дәстүрлі, негізінен трафикті орталықтандырылған талдауға бағытталған шабуылдарды анықтау жүйелерінен айырмашылығы, ұсынылған тәсіл интеллектуалды сүзгілеу, мониторинг және басқару функцияларын бірыңғай платформа шеңберінде біріктіреді. Алынған нәтижелер IoTector платформасының шабуылдар мен аномалияларды анықтауда жоғары тиімділік көрсететінін, сондай-ақ оның нақты IoT-орта жағдайларында практикалық тұрғыдан қолдануға жарамды екенін растайды.
Түйін сөздер: Заттар интернеті, IoT қауіпсіздігі, шабуылдарды анықтау жүйесі, федеративті оқыту, терең оқыту, желілік трафик мониторингі, үлестірілген жүйелер.
Аңдатпа. Мақала Қазақстан аумағында жиі қайталанатын су тасқындары жағдайында төтенше жағдайларға жедел әрекет етуді қамтамасыз ету мәселесіне арналған. Зерттеудің өзектілігі су тасқындарын ерте кезеңде анықтауға мүмкіндік беретін сенімді және жедел кеңістіктік деректердің жеткіліксіздігімен айқындалады. Зерттеудің мақсаты – азаматтардың қатысуына негізделген жаһандық навигациялық спутниктік жүйе деректерін (Global Navigation Satellite System, GNSS) пайдалану арқылы су тасқындарын мониторингтеуге арналған краудсорсингтік мобильді ақпараттық жүйені әзірлеу және оның тиімділігін бағалау. Зерттеу нысаны – су тасқындары туралы кеңістіктік деректерді жинау және өңдеу үдерісі, ал зерттеу пәні – citizen sensing тұжырымдамасы негізінде мобильді құрылғылар арқылы деректер жинау әдістері болып табылады.
Зерттеу барысында Android операциялық жүйесіне арналған мобильді қосымшаны жобалау және әзірлеу, жаһандық навигациялық спутниктік жүйенің қолданбалы бағдарламалау интерфейсімен (Application Programming Interface, GNSS API) интеграциялау, сондай-ақ фотоматериалдарды стандартталған метадеректер форматында (Exchangeable Image File Format, EXIF) тіркеу әдістері қолданылды. Зерттеу нәтижесінде су тасқындарын мониторингтеуге арналған кешенді ақпараттық жүйенің архитектурасы ұсынылды. Ол мобильді қосымшадан, деректерді сақтау және өңдеуге арналған серверлік бөліктен және төтенше жағдайлар қызметтері үшін веб-негізделген басқару панелінен тұрады. Әзірленген мобильді қосымша координаттарды 8–12 метр дәлдікпен автоматты түрде тіркеуді, фотодеректерді геотегтеу және су деңгейі мен жер бедерінің сипаттамаларын енгізуді қамтамасыз етеді.
Жергілікті деңгейде жүргізілген пилоттық эксперимент нәтижелері ұсынылған жүйенің Қазақстан жағдайында су тасқындарын ерте анықтау мен жедел әрекет етуді қолдауда практикалық тұрғыдан тиімді екенін көрсетті.
Түйін сөздер: Global Navigation Satellite System, краудсорсинг әдісі, мобильді жүйе, citizen sensing, су тасқындарын мониторингтеу, ақпараттық жүйенің архитектурасы.
Аңдатпа. Қазақ тілінің агглютинативтік сипаты және кірме сөздердің қарқынды ағымы бірнеше ауытқу кластарын құрайды, олардың NLP-модельдеріне әсер ету механизмі түбегейлі ерекшеленеді. Бұл өз кезегінде автоматтандырылған жүйелер үшін қиындықтар туғызады. Жағдайды одан әрі орыс және ағылшын тілдерінен қосылатын үздіксіз сөздер ағымы қиындатады. Олар тілдің фонологиялық логикасынан ішінара ауытқып кетеді. Нәтижесінде морфологиялық анализатор бір ғана емес, бірнеше түбегейлі қиын формалар түрлеріне тап болады. Қолданыстағы жүйелер NLP модельдерінің өнімділігін талдауға әсер ету механизміне негізделген аномалиялардың түрлерін ажыратпай, біріктірілген түрде бағалайды. Бұл өңдеуді мақсатты басқаруға мүмкіндік бермейді. Осы зерттеудің нысаны болып морфологиялық қателердің түрлері мен қазақ тіліне арналған трансформерлік NLP-модельдердің өнімділік көрсеткіштері арасындағы байланыс табылады. Жұмыстың мақсаты – морфологиялық аномалиялардың формалды таксономиясын әзірлеу және оны аналитикалық компоненттерді бағыттау механизмі ретінде гибритті NLP архитектурасына біріктіру. Зерттеуде формалды-лингвистикалық талдау, Universal Dependencies Kazakh-KTB (1 047 сөйлемдер) материалындағы корпустық әдіс, есептік модельдеу және абляциялық талдау қолданылады. KazMorphCorpus-2026 гибридті архитектурасы rule-based FST-талдауды, CRF-дизамбигуацияны, KazRoBERTa трансформерлік модулін және MFRN белгілердің морфологиялық үйлесімділігін тексеру модулін біріктіреді. Зерттеу нәтижелері бойынша жүйеге маршруттаудың басқару механизмі ретінде біріктірілген кірме сөздер (BOR), аффиксалды күрделілік (AFC), сегменттеу бұзылыстары (SEG), грамматикалық белгілердің қақтығыстары (AGR) және бейтарап класс (NONE) атты морфологиялық аномалиялардың бес класты таксономиясы ұсынылады. Сынақ үлгісінде жүйе Accuracy = 87,4% және Macro-F1 = 0,86 деңгейіне жетті, сапаның ең үлкен өсімі AGR (ΔF1 = +0,14) и AFC (ΔF1 = +0,12) кластарында тіркелді. Жүргізілген эксперимент морфологиялық аномалиялардың әртүрлі типтері трансформерлік модельдің жұмысына әртүрлі әсер ететінін растады және бұл айырмашылықтың практикалық маңызы бар. Талдау алдында аномалия түрін диагностикалайтын және токенді тиісті құрамдас бөлікке бағыттайтын жүйелер мақсатты түрде оңай түсіндіруге және жақсартуға болатын нәтиже береді.
Түйін сөздер: қателердің таксономиясы, морфологиялық маршруттау, гибридті NLP архитектурасы, KazRoBERTa, FST, CRF, MFRN, агглютинативті тіл.