Актуальность исследования обусловлена противоречием между необходимостью наращивания производства продовольствия в условиях урбанизации и фрагментарностью существующих высокотехнологичных решений (гидропоники, аэропоники, IoT), которые внедряются изолированно, без единой методологии управления. Отсутствие унифицированных подходов к сбору данных и адаптивному контролю параметров среды ограничивает масштабирование вертикальных ферм. Цель работы – разработка и теоретическое обоснование архитектуры универсальной модели адаптивного управления замкнутыми агропроизводствами, интегрирующей различные методы культивации на базе алгоритмов машинного обучения. Методология базируется на систематическом анализе научных публикаций и экспериментальных данных по применению встраиваемых устройств и алгоритмов машинного обучения в гидропонных, аэропонных и грунтовых вертикальных теплицах. На основе синтеза данных построены параметрические матрицы для унификации технологических процессов. Основные результаты включают разработку структурной схемы универсальной модели, обеспечивающей интеграцию разнородных систем в единую платформу с возможностью непрерывного мониторинга и предиктивной аналитики. Обоснован минимально необходимый комплект датчиков: pH, EC, температуры, влажности, CO₂, PAR, давления и расхода питательного раствора. Предложенная архитектура позволяет динамически переключать режимы гидропоники, аэропоники и закрытого грунта в рамках одного фитотрона. Выводы и значимость работы заключаются в создании основы для проектирования масштабируемых вертикальных ферм с прогнозируемыми показателями рентабельности и ресурсоэффективности, обеспечивая непрерывное дообучение алгоритмов ИИ для предиктивного управления микроклиматом и ранней диагностики заболеваний растений в городских условиях
Рассмотрена задача оперативного обнаружения внезапного изменения вероятностных свойств временнóго ряда, обычно трактуемая как задача обнаружения разладки наблюдаемого стохастического процесса. Отмечается актуальность развития исследований по данной те- матике, что обусловлено появлением всё новых прикладных задач, где методы и алгоритмы обнаружения разладки могут успешно использоваться – в частности, при создании монито- ринговых систем в промышленности, экологии, медицине и др. Обсуждаются две основные разновидности методов обнаружения разладки: параметрические и непараметрические. От- мечено, что, хотя непараметрические методы при прочих равных условиях уступают пара- метрическим по эффективности (быстроте обнаружения разладки), но зато обладают и ря- дом преимуществ, не требуя, в частности, контролируемого процесса. Это принципиально важно при построении мониторинговых систем, когда детальная информация об этих свойст- вах может либо полностью отсутствовать и тогда необходимо проводить достаточно тру- доемкое его предварительное исследование, либо быть малодостоверной. Предложен ориги- нальный последовательный непараметрический алгоритм обнаружения разладки на основереализации механизма случайных блужданий или, более конкретно, с использованием теории серий «успехов». Объяснен принцип работы контролирующего алгоритма и дано его описание. Приведены результаты исследования основных статистических характеристик алгоритма, включая определение его эффективности, и результаты сопоставления с известными пара- метрическими методами. Выделена область возможного практического использования пред- ложенного алгоритма, где его эффективность остается достаточно высокой. Отмечена пер- спективность применения предложенного алгоритма в составе программно-алгоритмического обеспечения систем мониторинга различного назначения.
