Список литературы

dongu-vestnik04.ru

Вестник Донецкого университета. Серия 04. Технические науки

Vestnik of Donetsk University. Series 04. Technical Sciences

2663-4228

508

10.5281/zenodo.19201782

Articles

Статьи

Research Article

ALGORITHM FOR DETECTING EMISSIONS BASED ON ISOLATION FOREST IN THE ATMOSPHERIC AIR MONITORING SYSTEM

АЛГОРИТМ ОБНАРУЖЕНИЯ ВЫБРОСОВ НА ОСНОВЕ ISOLATION FOREST В СИСТЕМЕ МОНИТОРИНГА АТМОСФЕРНОГО ВОЗДУХА

https://orcid.org/0000-0002-0431-3640

Panarin

Vladimir Mikhailovich

Панарин

Владимир Михайлович

panarin_tsu@yandex.ru 1

https://orcid.org/0000-0001-5974-3800

Maslova

Anna Aleksandrovna

Маслова

Анна Александровна

anna_zuykova@rambler.ru 2

https://orcid.org/0009-0001-6442-6970

Ryleeva

Evgeniya Mikhailovna

Рылеева

Евгения Михайловна

ryleevaem_tsu@mail.ru 3

https://orcid.org/0009-0008-5230-0562

Isaeva

IUliia Dmitrievna

Исаева

Юлия Дмитриевна

isjulia@list.ru 4

ФГБОУ ВО «Тульский государственный университет» Tula State University

NO1 (27.0)

№1 (27.0)

69 77 15 07 2026

2026

Вестник Донецкого университета. Серия 04. Технические науки

Vestnik of Donetsk University. Series 04. Technical Sciences

Эта статья распространяется на условиях лицензии Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)

This article is distributed under the terms of the Creative Commons Attribution-NonCommercial 4.0 International License (CC BY-NC 4.0)

https://dongu-vestnik04.ru/index.php/vestnik04/article/view/508

This paper presents the development of an automated algorithm for detecting industrial emissions based on the Isolation Forest machine learning method, which is integrated into the atmospheric air monitoring information and measurement system. The theoretical foundations of the method, its architecture, and the algorithm for working with data from stationary sensors are discussed. The paper describes a structural scheme for integrating the algorithm into a monitoring system to ensure prompt response.

В данной работе представлена разработка алгоритма автоматизированного обнаружения промышленных выбросов на основе метода машинного обучения Isolation Forest, интегрированного в информационно-измерительную систему мониторинга атмосферного воздуха. Рассматриваются теоретические основы метода, его архитектура и алгоритм работы с данными от стационарных датчиков. Описана структурная схема интеграции алгоритма в систему мониторинга для обеспечения оперативного реагирования.

emission detection, anomalies, machine learning, Isolation Forest, environmental monitoring, atmospheric air, industrial emissions, algorithm, information and measurement system

обнаружение выбросов, аномалии, машинное обучение, Isolation Forest, экологический мониторинг, атмосферный воздух, промышленные выбросы, алгоритм, информационно-измерительная система

№ 25-24-20012, https://rscf.ru/project/25-24-20012/

№30-2025-000524

Исследование выполнено за счет гранта Российского научного фонда № 25-24-20012, https://rscf.ru/project/25-24-20012/, а также по соглашению о предоставлении из бюджета Тульской области гранта в форме субсидий №30-2025-000524 от 03.04.2025.

[Полный текст статьи отсутствует в исходных данных. Необходимо добавить текст из PDF или другого источника.]

Список литературы

1. О внесении изменений в Федеральный закон «Об охране окружающей среды» и статьи 1 и 5 Федерального закона «О внесении изменений в Федеральный закон «Об охране окружающей среды» и отдельные законодательные акты Российской Федерации» в части создания систем автоматического контроля выбросов загрязняющих веществ, сбросов загрязняющих веществ: Федеральный закон от 29.07.2018 г. № 252 ФЗ.

2. Решение задач информационной безопасности с использованием искусственного интеллекта / А. В. Скрыпников, В. В. Денисенко, Е. Г. Хитров [и др.] // Современные наукоёмкие технологии. – 2021. – № 6-2. – С. 277–281. – DOI 10.17513/snt.38734. – EDN LMFNLR.

3. Панарин, В. М. Совершенствование информационно-измерительных и управляющих систем мониторинга экологического состояния атмосферного воздуха промышленно развитых территорий / В. М. Панарин, А. А. Маслова, О. В. Гришакова // Вестник Донецкого национального университета. Серия Г: Технические науки. – 2025. – № 3. – С. 5-17. – DOI 10.5281/zenodo.17394796. – EDN BSMCQX.

4. Автоматизированная система обеспечения экологической безопасности объектов захоронения твердых коммунальных отходов при завершении эксплуатации / В. М. Панарин, А. А. Маслова, А. Н. Коваленко, В. А. Браун // Экология и промышленность России. – 2025. – Т. 29. – № 8. – С. 38-43. – DOI 10.18412/1816-0395-2025-8-38-43. – EDN YYMPRA.

5. Обнаружение аномалий в энергосистемах: применение модели isolation forest для выявления киберугроз / С. В. Кочергин, С. В. Артемова, А. А. Бакаев [и др.] // Безопасность информационных технологий. – 2025. – Т. 32. – С. 112–121. – DOI 10.26583/bit.2025.1.07.

6. Santosuosso, U. Tracing outliers in the dataset of Drosophila suzukii records with the Isolation Forest method / U. Santosuosso, A. Cini, A. Papini // Journal of Big Data. – 2020. – V.7(14). – URL: https://doi.org/10.1186/s40537-020-00288-8. – DOI 10.1186/s40537-020-00288-8.

7. Толстых, А. В. Комплексная автоматизированная система экологической и промышленной безопасности опасных производственных объектов / А. В. Толстых, И. В. Партанский, М. И. Таджиев // Экологическая безопасность в газовой промышленности (ESGI 2015): тезисы докладов IV Международной конференции, Москва, 02–03 декабря 2015 года. – Москва: ООО «Научно-исследовательский институт природных газов и газовых технологий – Газпром ВНИИГАЗ», 2015. – С. 62. – EDN YYUZHF.

8. Charles, J. Isolation Forest with Optimal Adaptive Neuro-Fuzzy Inference System Based Water Quality Prediction and Classification Model / J. Charles, G. Vinodhini, R. Nagarajan // International Journal of Advanced Research in Engineering and Technology. – 2020. – №11(11). – P. 159-176. – DOI: 10.34218/IJARET.11.11.2020.015.

REFERENCES LIST

1. O vnesenii izmenenii v Federalnyi zakon «Ob okhrane okruzhaiushchei sredy» i stati 1 i 5 Federalnogo zakona «O vnesenii izmenenii v Federalnyi zakon «Ob okhrane okruzhaiushchei sredy» i otdelnye zakonodatelnye akty Rossiiskoi Federatsii» v chasti sozdaniia sistem avtomaticheskogo kontrolia vybrosov zagriazniaiushchikh veshchestv, sbrosov zagriazniaiushchikh veshchestv: Federalnyi zakon ot 29.07.2018 g. № 252 FZ.

2. Reshenie zadach informatsionnoi bezopasnosti s ispolzovaniem iskusstvennogo intellekta / A. V. Skrypnikov, V. V. Denisenko, E. G. Khitrov [i dr.] // Sovremennye naukoemkie tekhnologii. – 2021. – № 6-2. – S. 277–281. – DOI 10.17513/snt.38734. – EDN LMFNLR.

3. Panarin, V. M. Sovershenstvovanie informatsionno-izmeritelnykh i upravliaiushchikh sistem monitoringa ekologicheskogo sostoianiia atmosfernogo vozdukha promyshlenno razvitykh territorii / V. M. Panarin, A. A. Maslova, O. V. Grishakova // Vestnik Donetskogo natsionalnogo universiteta. Seriia G: Tekhnicheskie nauki. – 2025. – № 3. – S. 5-17. – DOI 10.5281/zenodo.17394796. – EDN BSMCQX.

4. Avtomatizirovannaia sistema obespecheniia ekologicheskoi bezopasnosti obieektov zakhoroneniia tverdykh kommunalnykh otkhodov pri zavershenii ekspluatatsii / V. M. Panarin, A. A. Maslova, A. N. Kovalenko, V. A. Braun // Ekologiia i promyshlennost Rossii. – 2025. – T. 29. – № 8. – S. 38-43. – DOI 10.18412/1816-0395-2025-8-38-43. – EDN YYMPRA.

5. Obnaruzhenie anomalii v energosistemakh: primenenie modeli isolation forest dlia vyiavleniia kiberugroz / S. V. Kochergin, S. V. Artemova, A. A. Bakaev [i dr.] // Bezopasnost informatsionnykh tekhnologii. – 2025. – T. 32. – S. 112–121. – DOI 10.26583/bit.2025.1.07.

7. Tolstykh, A. V. Kompleksnaia avtomatizirovannaia sistema ekologicheskoi i promyshlennoi bezopasnosti opasnykh proizvodstvennykh obieektov / A. V. Tolstykh, I. V. Partanskii, M. I. Tadzhiev // Ekologicheskaia bezopasnost v gazovoi promyshlennosti (ESGI 2015): tezisy dokladov IV Mezhdunarodnoi konferentsii, Moskva, 02–03 dekabria 2015 goda. – Moskva: OOO «Nauchno-issledovatelskii institut prirodnykh gazov i gazovykh tekhnologii – Gazprom VNIIGAZ», 2015. – S. 62. – EDN YYUZHF.