Аннотация. Представлена методика проведения воздушной радиационной разведки с помощью беспилотного летательного аппарата вертолетного типа. Воздушная радиационная разведка является одним из наиболее эффективных инструментов контроля, позволяющим в кратчайшие сроки оценить масштабы загрязнения, определить объемную концентрацию радиоактивных продуктов в атмосфере и проследить пространственное распределение радионуклидов. Разработанная методика позволяет автоматизировать процесс параметризации пространственно-временного распределения радиоактивных продуктов в окружающей атмосфере с минимизацией временных показателей при заданной достоверности определения границ загрязнения и общей вышедшей активности. Идея определения границ радионуклидной дисперсной струи методом динамической оптимизации маршрута в узловых точках заключается в комплексном применении априорных, апостериорных и прогнозных данных при решении ассимилятивно-адаптивной задачи уточнения маршрута в узловых точках разворота беспилотного летательного аппарата (точках принятия решения). Процесс определения параметров радиоактивного загрязнения атмосферы представляет собой последовательное сечение вышедшей струи с измерением интенсивности излучения по треку и построение профиля радиоактивного загрязнения атмосферы с динамической ассимилятивной адаптацией. Использование предобученной модели позволяет в каждой узловой точке принятия решения оперативно сформировать прогнозное поле концентрации радиоактивных продуктов с расчетом неопределенности системы и оптимизацией маршрута разведки с сохранением заданной достоверности определения параметров загрязнения. Интеграция предобученной прогностической модели и бутстреп-ансамбля позволяет существенно повысить качество априорной оценки состояния области загрязнения и снизить вычислительные затраты при решении задачи в условиях ограниченного времени и недостатка данных измерений. Бутстреп-ансамбль обеспечивает устойчивость реконструкции гипотетической области загрязнения в условиях недостатка фактических данных измерений. Предложенный подход обеспечивает статистически обоснованное определение параметров радиоактивного загрязнения атмосферы.

Ключевые слова: радиоактивное загрязнение местности, воздушная радиационная разведка, узловая точка принятия решения, динамическая оптимизация маршрута, трехмерная динамическая модель загрязнения, обнаружение радионуклидов, предобученная модель

Для цитирования: Пономаренко А. В., Устюжанцев А. М., Старков В. Д., Дрягин В. А. Способ определения общего количества радиоактивных продуктов, вышедших в атмосферу, при проведении воздушной радиационной разведки методом динамической оптимизации маршрута в узловых точках с предобученной моделью // Аэрокосмическая техника и технологии. 2026. Т. 4, № 1. С. 105–123. https://doi.org/10.52467/2949-401X-2026-4-1-105-123; https://elibrary.ru/DKXCBF

Библиографический список
1. Кожемякин В. А. Опыт разработки аппаратуры воздушной радиационной разведки // Тезисы докладов XV Международного совещания «Проблемы прикладной спектрометрии и радиометрии» (7–11 октября 2019 г, Казань, Россия). Казань, 2019. C. 66–67.
2. Бакин Э. Н., Петрикин А. Н., Колесов Д. Г. Применение беспилотных летательных аппаратов вертолётного типа при организации воздушной радиационной и химической разведки // Воздушно-космические силы. Теория и практика. 2017. № 3. С. 7–14. https://elibrary.ru/YNHPIK
3. Харченко Е.В. Использование математических моделей переноса и рассеяния радионуклидов в атмосфере для управления рисками на стадии проектирования атомных электростанций: Дис. … канд. физ.-мат. наук. Санкт-Петербург: РГГУ, 2015. 117 с.
4. Блащинская О. Н., Патрушев К. Ю. Моделирование рассеивания выброса загрязняющих веществ с учётом влияния адсорбции на изменение концентрации в атмосфере населённых мест // Сборник научных трудов Ангарского государственного технического университета. 2023. № 1. С. 252–257. https://doi.org/10.36629/2686-7788-2023-1-252-257
5. Tory K. Models of buoyant plume rise. Report № 451.2018. Bureau of Meteorology. Australian Government, Department of Industry, Innovation and Science. Bushfire and Natural Hazards CRC, 2018. 26 p.
6. Малинин В.Н., Гордеева С.М. О современных изменениях глобальной температуры воздуха // Общество. Среда. Развитие. 2011. Т. 2, № 19. С. 215–221. https://elibrary.ru/NYCNON
7. Sportisse B. A review of parametrization for modeling dry deposition and scavenging of radionuclides // Atmospheric Environment. 2007. Vol. 41, no. 13, pp. 2683–2698. https://doi.org/10.1016/j.atmosenv.2006.11.057
8. Bakels L., Tatsii D., Tipka A., Thompson R. et al. FLEXPART version 11: improved accuracy, efficiency, and flexibility // Geoscientific Model Development. 2024. Vol. 17, № 21, pp. 7595–7627. https://doi.org/10.5194/gmd-17-7595-2024
9. Курбаншоев С. З., Якубов Н. С. Метод усреднения для линейных дифференциальных уравнений с периодическими коэффициентами // Доклады Академии наук Республики Таджикистан. 2017, Т. 60, № 7–8. С. 286–290. https://elibrary.ru/ZHJOHH
10. Bellasio R., Bianconi R., Mosca S., Zannetti P. Formulation of the Lagrangian particle model LAPMOD and its evaluation against Kincaid SF6 and SO2 datasets // Atmospheric Environment. 2017. Vol. 163. Pp. 87–98. https://doi.org/10.1016/j.atmosenv.2017.05.039
11. Климова Е. Г. Стохастический ансамблевый фильтр Калмана с трансформацией ансамбля возмущений // Сибирский журнал вычислительной математики. 2019. Т. 22, № 1. С. 27–40. https://doi.org/10.15372/SJNM20190103 , https://elibrary.ru/YYVURF
12. Fine T. L. Feedforward Neural Network Methodology, Springer-Verlag. New York, 1999. 340 p.
13. Панченко А. А., Рахман П. А., Сафаров А. М. Нейросетевые модели прогнозирования уровня загрязнения атмосферного воздуха в промышленном городе // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и технические науки. 2018. № 5. С. 121–126. https://elibrary.ru/XWASST
14. Бюльман П. Бутстрап-схемы для временных рядов // Квантиль. 2007. № 3, С. 37–56.
15. Барбашова Е. В., Строганова М. В. Гибридные системы поддержки принятия решений: интеграция символического AI и машинного обучения // Экономика и качество систем связи. 2025. Т. 4, № 38. С. 96–106.