Аннотация: Рассмотрена модель распространения тепловых полей в многолетнемерзлых породах от различных инженерных объектов, функционирующих в Арктических районах. В предложенную модель включены наиболее существенные технические и климатические параметры, влияющие на формирование тепловых полей в приповерхностном слое грунта. Основной целью исследования является долгосрочное прогнозирование изменения динамики границы залегания вечной мерзлоты при эксплуатации кустовой площадки северного нефтегазового месторождения. Такой прогноз получается при моделировании сложной системы, состоящей из источников тепла (холода) и мерзлого грунта, растепление которого может приводить к потере его несущей способности и возможным техногенным и экологическим авариям. Например, источниками тепла могут выступать добывающие скважины, а источниками холода – сезоннодействующие охлаждающие устройства, которые используются для термостабилизации грунта. Для минимизации воздействия источников тепла на вечную мерзлоту использованы различные варианты теплоизоляции, а для сохранения первоначального температурного режима верхнего слоя грунта – отсыпки, состоящие из песка, бетона, пеноплекса или другого теплоизолирующего материала. Разработанный комплекс программ был использован при проектировании 12 северных нефтегазовых месторождений. Для решения описанной задачи в сложной трехмерной области требуются существенные вычислительные ресурсы. Время расчета одного варианта часто может превышать 10–20 часов машинного времени на суперЭВМ. Для ускорения проведения численных расчетов были использованы многоядерные процессоры. Приведены численные расчеты, которые иллюстрируют возможности разработанного комплекса программ для проведения долгосрочных прогнозов по определению изменения границ распространения зон вечной мерзлоты, а также показывают, что на многоядерных процессорах можно достичь ускорения, близкого к теоретическому.

Аннотация:

Представлены результаты исследований атмосферного давления в Арктическом регионе России в период с 1948 по 2008 годы. Проведен анализ климатического сезонного хода полей атмосферного давления. В качестве основного метода исследования использован вероятностный и статистический анализ временных рядов поля давления длиной в 60 лет в фиксированных точках области Арктической зоны России. Всего было исследовано около 90000 ежедневных (с шестичасовым шагом) значений давления. На основе этих данных построен климатический сезонный ход как осреднение значений данного временного ряда в каждой точке пространства и для фиксированной даты. Изучены характеристики сезонного хода, его амплитуда и фаза. Эти характеристики были проанализированы, проведена их геофизическая интерпретация. В частности, определены минимальное и максимальное значения ряда по всей области и построены временные ряды этих характеристик. Показано, что отклонение носит несимметричный характер, это составляет неочевидный результат исследований. Для максимума и минимума построены наилучшие аппроксимации, и эти аппроксимации протестированы известными методами статистического анализа, включая методы максимального правдоподобия, наименьших квадратов и методы (критерии) согласия, в частности, χ²-критерий. Проведенное исследование имеет приложение как чисто физическое (позволяет объяснить природу, генезис и распространение крупномасштабных атмосферных образований в климатическом году), так и прогностическое (позволяет понять и отследить тенденции в климате, а также количественно оценить масштабы и изменчивость крупномасштабных атмосферных процессов). Численные расчеты выполнялись на суперкомпьютере Ломоносов-2 Московского государственного университета имени М.В. Ломоносова.

Аннотация:

Исследована возможность эффективного решения задачи популяционной онкопрофилактики с помощью методов искусственного интеллекта (ИИ), прогнозирующих риск злокачественных новообразований (ЗНО) на основе минимального набора данных из электронной медицинской карты (ЭМК) – кодов медицинских диагнозов и услуг. Для решения поставленной задачи рассмотрен широкий спектр современных подходов, включающих методы классического машинного обучения, анализа выживаемости, глубокого обучения и больших языковых моделей (LLM). Численные эксперименты показали, что наилучшей способностью ранжирования пациентов по уровню риска ЗНО обладает градиентный бустинг, использующий модели анализа выживаемости в качестве дополнительных предикторов, что позволяет учитывать как популяционные, так и индивидуальные факторы риска ЗНО. Из данных ЭМК были сконструированы предикторы, включающие демографические характеристики, паттерны обращений за медицинской помощью и клинические маркеры. Это решение было протестировано в ретроспективных экспериментах под контролем профильных врачей-онкологов. В ретроспективном эксперименте с участием более 1.9 млн пациентов установлено, что в группу риска попадает до 5.4 раза больше пациентов с ЗНО при том же уровне медицинских обследований. Предложенный метод представляет собой масштабируемое решение, использующее исключительно коды диагнозов и услуг, не требующее специализированной инфраструктуры и интегрируемое в процесс онконастороженности, что делает его применимым для решения задач популяционной онкопрофилактики.