Все выпуски

Оценка безопасности плотин все в большей степени опирается на непрерывный мониторинг гидрометеорологических параметров; однако выявление ранних стадий неустойчивости остается сложной задачей вследствие сложных пространственно-временных взаимодействий и сильного дисбаланса наблюдений аварийных состояний. В настоящей работе предлагается фреймворк глубокого обучения на основе архитектуры сверточной двунаправленной рекуррентной нейронной сети с управляемыми вентилями (CNN–BiGRU) для выявления пространственно-временных предвестников неустойчивости плотин по многомерным гидрометеорологическим временным рядам. Сверточный компонент модели извлекает локальные временные паттерны, связанные с краткосрочными флуктуациями, тогда как двунаправленная рекуррентная структура позволяет моделировать долгосрочные зависимости и эволюцию динамики, предшествующие критическим состояниям.

Предложенная модель была протестирована на реальном наборе данных мониторинга плотины, включающем измерения уровня воды, метеорологические параметры и производные динамические индикаторы. Для учета дисбаланса классов применяется стоимостно-ориентированная стратегия обучения с использованием весов классов без применения синтетического увеличения выборки. Экспериментальные результаты демонстрируют высокие показатели качества классификации: точность (accuracy) — 0,961, прецизионность — 0,901, полнота — 0,757 и F1-мера — 0,823. Дополнительно модель достигает значений ROC AUC = 0,907 и PR AUC = 0,819, что свидетельствует о высокой способности к разделению классов в условиях сильного дисбаланса данных.

Анализ значимости признаков показывает, что краткосрочная и среднесрочная изменчивость уровня воды, включая скользящее стандартное отклонение, волатильность и многоуровневые градиенты, играет ключевую роль в формировании предаварийного поведения системы, обеспечивая физически интерпретируемое понимание динамики отклика плотины. Полученные результаты подтверждают, что фреймворк CNN–BiGRU эффективно выявляет значимые пространственно-временные предвестники неустойчивости и может служить надежным инструментом поддержки принятия решений в задачах мониторинга безопасности плотин в реальных эксплуатационных условиях.

Dam safety assessment increasingly relies on continuous monitoring of hydrometeorological variables; however, identifying early-stage instability remains challenging due to complex spatio-temporal interactions and highly imbalanced failure observations. This study proposes a deep learning framework based on a Convolutional Bidirectional Gated Recurrent Unit (CNN–BiGRU) architecture to learn spatio-temporal precursors of dam instability from multivariate hydrometeorological time series. The convolutional component extracts localized temporal patterns associated with short-term fluctuations, while the bidirectional recurrent structure captures long-range dependencies and evolving dynamics preceding critical states.

The proposed model is evaluated on a real-world dam monitoring dataset comprising multiple water-level, meteorological, and derived dynamic indicators. To address class imbalance, a cost-sensitive training strategy using class weighting is adopted without synthetic oversampling. Experimental results demonstrate strong predictive performance, achieving an accuracy of 0.961, precision of 0.901, recall of 0.757, and an F1-score of 0.823. The model further attains a ROC-AUC of 0.907 and a PR-AUC of 0.819, indicating robust discrimination capability under imbalanced conditions.

Feature importance analysis reveals that short- and medium-term water level variability, including rolling standard deviation, volatility, and multi-scale gradients, play a dominant role in characterizing pre-instability behavior, providing physically interpretable insights into dam response dynamics. The findings suggest that the CNN–BiGRU framework effectively captures meaningful spatio-temporal precursors and offers a reliable data-driven tool for supporting dam safety monitoring and decision-making under real operational conditions.

В работе представлен подход к реконструкции и количественному фенотипированию морфологических признаков растений в раннем онтогенезе на основе анализа цифровых изображений. Разработанный алгоритм сочетает глубокое обучение и графовые представления с учетом биологических закономерностей морфогенеза. Такой синтез позволяет перейти от бинарной сегментации к реконструкции топологически целостной структуры растения с корректным разделением пересекающихся корневых систем на снимках с несколькими растениями. На первом этапе с использованием сверточной нейронной сети архитектуры U-Net формируются бинарные маски семян, ростков и корневых систем. Полученное изображение преобразуется в графовую модель, в которой ребрам соответствуют сегменты корней и побегов, а вершинам — ключевые морфологические точки, включая ветвления и пересечения. Алгоритм направленного обхода от семенной точки с водораздельным разделением графа и композитной оценочной функцией выбора главной оси выделяет индивидуальные растения в виде изолированных подграфов и корректно различает главный корень, боковые корни и росток.

Корректность алгоритма подтверждена многоуровневой валидацией, включающей сравнение результатов графовой реконструкции на сегментированных изображениях, а также сквозную проверку полного вычислительного конвейера на исходных изображениях с результатами существующих программных решений и экспертной ручной разметки. Разработанный подход устойчив к вариативности формы корневых систем и шумам изображений, обеспечивает высокую точность извлечения морфологических признаков. Результаты исследования могут быть использованы в селекционных программах.

We propose an approach for the reconstruction and quantitative phenotyping of plant morphological traits at early ontogenetic stages based on digital image analysis. The proposed algorithm combines deep learning and graph-based representations while incorporating biological principles of morphogenesis. This integration enables the transition from binary segmentation to the reconstruction of a topologically consistent plant structure with accurate separation of intersecting root systems in images containing multiple plants. At the first stage, binary masks of seeds, shoots, and root systems are generated using a U-Net convolutional neural network architecture. The resulting image is transformed into a graph model in which edges correspond to root and shoot segments, while vertices represent key morphological points, including branching and intersection nodes. A directed traversal algorithm initialized from the seed point, combined with watershed-based graph partitioning and a composite scoring function for primary axis selection, identifies individual plants as isolated subgraphs and accurately distinguishes the primary root, lateral roots, and shoot. The validity of the algorithm was confirmed through a multi-level validation procedure, including comparison of graph reconstruction results on segmented images and end-to-end evaluation of the complete computational pipeline on original images against existing software solutions and expert manual annotations. The proposed approach is robust to variability in root system morphology and image noise and provides high accuracy in morphological trait extraction. The results of this study can be applied in plant breeding programs.

В работе исследовано совместное влияние формата аннотации объектов и разрешения входных изображений на качество бинарной детекции малоразмерных наземных объектов на радиолокационных изображениях. Выполнен сравнительный анализ моделей семейства YOLO (v5, v8, v11, v26) и специализированных архитектур ориентированного детектирования, включая Rotated RetinaNet, R3Det, ROI Transformer, Gliding Vertex и другие модели. Для исследования сформирован набор данных binMSTAR на основе открытой базы mixMSTAR, содержащий аннотации в форматах горизонтальных (HBB) и ориентированных (OBB) ограничивающих рамок для 9 вариантов разрешения входных кадров от 640 × 640 до 1408 × 1408 пикселей.

Статистическая значимость различий оценивалась с использованием непараметрического U-критерия Манна – Уитни. Установлено, что применение OBB обеспечивает статистически значимое преимущество по метрике mAP_50–95, в среднем на 6,5% выше по сравнению с HBB, за счет уменьшения влияния избыточного фонового шума в области разметки. Определен оптимальный диапазон размера входного кадра 896–1024 пикселя. Дальнейшее увеличение разрешения снижает точность локализации из-за перенасыщения признакового описания фоновыми областями. Наилучшие метрики показали модели семейства YOLO, а именно модель YOLOv11(m), для которой при разрешении 960 × 960 пикселей получено значение mAP_50–95 = 0,87. Специализированные OBB-детекторы при разрешении 1024 × 1024 пикселя продемонстрировали сопоставимую полноту обнаружения с Recall до 0,997. Полученные результаты обосновывают целесообразность использования ориентированных рамок и выбора входного разрешения в диапазоне 896–1024 пикселя для задач бинарной детекции малоразмерных объектов на РЛИ.

This study examines how object annotation format and input image resolution jointly affect the quality of binary detection of small objects in radar images. The study aims to compare YOLO family models, including YOLOv5, YOLOv8, YOLOv11, and YOLOv26, with specialized oriented object detection architectures such as Rotated RetinaNet, R3Det, ROI Transformer, Gliding Vertex, and related models in the task of binary detection of small ground objects in radar imagery. The study also aims to identify data preparation parameters that improve object localization accuracy.

For the experimental analysis, we formed a new binMSTAR dataset from the open mixMSTAR database. The dataset contains annotations in horizontal bounding box (HBB) and oriented bounding box (OBB) formats for nine input frame resolutions ranging from 640 × 640 to 1408 × 1408 pixels. We assessed the statistical significance of the observed differences using the nonparametric Mann – Whitney U test. The results show that OBB annotation provides a statistically significant advantage in terms of mAP_50–95, with an average improvement of 6.5%, because it reduces the influence of redundant background noise. The experiments also reveal an optimal input frame size range of 896–1024 pixels. Further resolution growth decreases localization accuracy, since excessive background content weakens the object-related feature representation. YOLO models demonstrate the best overall balance of detection quality, with YOLOv11(m) reaching a peak mAP_50–95 of 0.87 at a resolution of 960 pixels. At the same time, specialized OBB detectors at a resolution of 1024 pixels achieve comparable recall values, reaching up to 0.997. These results support the use of oriented bounding boxes and input resolutions within the 896–1024 pixel range for binary detection tasks in radar imagery.

Вопрос взаимодействия определенного рецептора с лигандами является ключевым в области клеточной сигнализации, но решается он на молекулярном уровне. Для улучшения понимания молекулярных механизмов взаимодействия серотонинового рецептора с лигандами были применены различные биофизические методы компьютерного моделирования. Модель трехмерной структуры надмембранного домена серотонинового 5-HT3 рецептора человека была построена по гомологии с никотиновым ацетилхолиновым рецептором nAChR (PDB ID: 2BG9). Методом докинга были получены комплексы 5-HT3 рецептора с лигандами. Методом молекулярной динамики исследовано взаимодействие серотонинового 5-HT3 рецептора с лигандами и показана роль различных факторов в стабилизации комплексов.

The problem of ligand binding to certain receptor proteins is of central importance in cellular signaling, but it is still unresolved at a molecular level. In order to enhance our understanding of the molecular mechanisms we used a biophysical approach to study a serotonin-gated ion channel. The molecular model of 5-HT3 receptor extracellular domain was created using computer-based homology modeling. The docking method was used for building complexes of the 5-HT3 receptor and ligands. Some different activities were investigated by the method of molecular dynamics.

Рассматривается модель распространения по ареалу конкурирующих за единый ресурс близкородственных популяций, записываемая в виде системы уравнений параболического типа. Анализируется случай переменной диффузии с миграционными потоками, зависящими от неравномерности распределения популяций и ресурсов. На основе метода прямых исследовано влияние миграции на формирование распределений популяций, изучены сценарии локального вытеснения и сосуществования видов. Найдены условия на параметры системы, при которых возникает непрерывное косимметричное семейство равновесий.

We consider a model of populations that are closely related and share a common areal. System of nonlinear parabolic equations is formulated that incorporates nonlinear diffusion and migration flows induced by nonuniform densities of population and carrying capacity. We employ the method of lines and study the impact of migration on scenarios of local competition and coexistence of species. Conditions on system parameters are determined when a nontrivial family of steady states is formed.

В работе рассматривается популяционная динамика, описываемая модифицированной моделью хемостата, в которую включены диффузия, хемотаксис и нелокальные конкурентные потери. Для учета воздействия внешнего окружения экосистемы на популяцию, при построении численных решений в систему уравнений модели включались случайные параметры. С помощью компьютерного моделирования выявлено три динамических режима, зависящих от значений параметров системы: переход от начального состояния к пространственно-однородному стационарному состоянию, к пространственно-неоднородному распределению популяционной концентрации и к элиминации популяционной концентрации.

Population dynamics is considered in a modified chemostat model including diffusion, chemotaxis, and nonlocal competitive losses. To account for influence of the external environment on the population of the ecosystem, a random parameter is included into the model equations. Computer simulations reveal three dynamic modes depending on system parameters: the transition from initial state to a spatially homogeneous steady state, to a spatially inhomogeneous distribution of population density, and elimination of population density.

Представлена физико-математическая модель сушки угольных частиц в потоке газа и результаты расчета сушки частиц бурого угля в сушильной трубе. Показано, что для сушки угля может быть использован перегретый водяной пар. Предложена термодинамическая модель сушки частиц в сушильной трубе. Она позволяет провести предварительную оценку параметров процесса сушки.

Physical-mathematical model of drying of coal particles in the gas stream and the results of calculating the drying of the particles of brown coal in a drying tube are presented. It is shown that for the drying of coal can be used superheated water vapor. Thermodynamic model of drying of a particle in a drying tube are proposed. It allows to conduct a preliminary assessment of parameters of drying process.

В данной работе на основе численного моделирования исследуются особенности закрученного турбулентного течения монодисперсной суспензии в гидроциклоне с инжектором. Для описания турбулентного поля течения суспензии используется модель рейнольдсовых напряжений и модель смеси для описания параметров частиц в двумерном осесимметричном приближении. Особое внимание уделяется выяснению механизмов воздействия вида инжекции на перестройку гидродинамических полей и в конечном итоге на механизмы классификации. Показано, что тангенциальный способ инжекции сильнее влияет на сепарационную кривую по сравнению с радиальным способом.

In this paper particularities of the swirling turbulent flow of monodisperse suspension in the hydrocyclone with injector are investigated on the base of the numerical simulation. The 2D axisymmetric approximation of Reynolds Stresses Model and model of mixture is used to describe the swirling turbulent flow field of suspension and particles parameters in the hydrocyclone. Special attention is paid to the clarification of mechanisms of injection influence on the reorganization of hydrodynamic field and finally on classification mechanisms. It is shown that tangential injection method stronger effects separation curve compared to the radial one.

На основе математическоймо дели динамики биомасс фитопланктона построен способ оценки содержания хлорофилла в районе моря с учетом его распределения по глубине. Модель построена на основе уравнения «реакция-диффузия», учитывает основные влияющие факторы: минеральное питание, освещенность и температуру. Используется спутниковая информация о поверхностном слое моря. Приведен пример расчетов для залива Петра Великого (Японское море).

A model, describing the influence of external factors on temporal evolution of phytoplankton distribution in a horizontally-homogenous water layer, is presented. This model is based upon the reactiondiffusion equation and takes into account the main factors of influence: mineral nutrients, insolation and temperature. The mineral nutrients and insolation act oppositely on spatial phytoplankton distribution. The results of numerical modeling are presented and the prospect of applying this model to reconstruction of phytoplankton distribution from sea-surface satellite data is discussed. The model was used to estimate the chlorophyll content of the Peter the Great Bay (Sea of Japan).

Проведен сравнительный анализ двух моделей пористой среды (Дарси и Бринкмана) на примере математического моделирования нестационарных режимов термогравитационной конвекции в пористой вертикальной цилиндрической полости с теплопроводной оболочкой конечной толщины в условиях конвективного охлаждения со стороны окружающей среды. Краевая задача математической физики, сформулированная в безразмерных переменных «функция тока — завихренность — температура», реализована численно неявным методом конечных разностей. Представлены результаты тестовых расчетов и влияния сеточных параметров, отражающие правомерность применения предлагаемого численного подхода. Установлены особенности класса сопряженных задач при использовании рассматриваемых моделей пористой среды.

Comparative analysis of two models of porous medium (Dacry and Brinkman) on an example of mathematical simulation of transient natural convection in a porous vertical cylindrical cavity with heat-conducting shell of finite thickness in conditions of convective cooling from an environment has been carried out. The boundary-value problem of mathematical physics formulated in dimensionless variables such as stream function, vorticity and temperature has been solved by implicit finite difference method. The presented verification results validate used numerical approach and also confirm that the solution is not dependent on the mesh size. Features of the conjugate heat transfer problems with considered models of porous medium have been determined.