НАУҚАСТАРДЫҢ ДЕНСАУЛЫҒЫН ЖӘНЕ ҚОРШАҒАН ОРТАНЫҢ ФАКТОРЛАРЫН БАҚЫЛАУҒА АРНАЛҒАН АҚЫЛДЫ ЖҮЙЕНІ ӘЗІРЛЕУ ҮШІН ЗАТТАР ИНТЕРНЕТІ МЕН МАШИНАЛЫҚ ОҚЫТУДЫ ИНТЕГРАЦИЯЛАУ

Мақалада ауа сапасын бақылаудың зияткерлік жүйесін құру үшін Заттар интернеті (IoT) технологияларын және машиналық оқыту (МО) алгоритмдерін интеграциялау перспективалары қарастырылады. Қоса алғанда, бірыңғай IoT-архитектураға және деректерді талдау конвейеріне біріктірілген пациенттің физиологиялық көрсеткіштерін мониторингтеу модулі (HR, HRV метрикалары – SDNN, RMSSD, LF/HF, тыныс алу жиілігі, SpO₂, артериялық қысым – АҚ) сипатталады. Медициналық және орта факторлары сигналдарын ағынды түрде агрегаттайтын, ерте ескерту ережелері бар және ауа параметрлері мен пациенттің жай-күйін бірлесіп түсіндіру сценарийі бар прототип ұсынылады. Негізгі назар IoT-сенсорларды қолдануға, деректерді нақты уақыт режимінде өңдеу әдістеріне және Random Forest, Gradient Boosting Machines мен Long ShortTerm Memory (LSTM) секілді МО-дың гибридті модельдері арқылы ауа ластануын болжауға аударылады. Полианилин, графен және көміртекті нанотүтікшелер сияқты наноматериалдарды қолдану арқылы сенсорлардың сезімталдығы мен сенімділігін арттырудың маңыздылығы атап өтіледі. Деректерді қорғаудың, энергоүнемділіктің және масштабталатын IoT-жүйелердің орнықтылығының маңыздылығы, сондай-ақ олардың экологиялық тәуекелдерді азайтудағы және «ақылды қалалар» тұжырымдамасын қолдаудағы рөлі айқындалады. Мұндай жүйелерді қалалық инфрақұрылымға интеграциялау жолдары, соның ішінде деректер талдауын және визуализацияны автоматтандыруға арналған шешімдер қарастырылады. Сондай-ақ экологиялық бақылау деңгейін арттыру мақсатында зияткерлік мониторинг жүйелерін өнеркәсіптік және тұрғын инфрақұрылымға енгізу перспективалары талқыланады. Ластану деңгейіне әсер ететін маусымдық және климаттық өзгерістерді ескеретін болжау модельдерін әзірлеуге ерекше көңіл бөлінеді. Қалалардың тұрақты дамуы мәселелерін шешу үшін IoT, нанотехнология және машиналық оқыту салаларындағы жетістіктерді біріктіретін пәнаралық көзқарастың маңыздылығы атап өтіледі. Ұсынылған нәтижелер ауа ластануын бақылау, халықтың денсаулығын жақсарту, қоршаған ортаны қорғау және тұрақты урбанистік дамуды ынталандыру үшін аталған тәсілдің жоғары тиімділігі мен практикалық қолданбалығын көрсетеді.

1. Air Quality Monitoring and Forecasting System using IoT and Machine Learning Techniques / Q.A. Tran et al // 2022 6th International Conference on Green Technology and Sustainable Development (GTSD), Nha Trang City, Vietnam. – 2022. – Р. 786-792. https://doi.org/10.1109/GTSD54989.2022.9988756.

2. Bobulski J. An IoT System for Air Pollution Monitoring with Safe Data Transmission / J. Bobulski, S. Szymoniak, K. Pasternak // Sensors. – 2024. – № 24. – Р. 445. https://doi.org/10.3390/s24020445.

3. Pazhanivel D.B. Design and Enhancement of a Fog-Enabled Air Quality Monitoring and Prediction System: An Optimized Lightweight Deep Learning Model for a Smart Fog Environmental Gateway / D.B. Pazhanivel, A.N. Velu, B.S. Palaniappan // Sensors. – 2024. – № 24. – Р. 5069. https://doi.org/10.3390/s24155069.

4. An IoT enabled system for enhanced air quality monitoring and prediction on the edge / A.S. Moursi et al // Complex Intell. – 2021. – № 7. – Р. 2923-2947. https://doi.org/10.1007/s40747-021-00476-w.

5. An IoT based system for magnify air pollution monitoring and prognosis using hybrid artificial intelligence technique / A. Almalawi et al // Environmental Research. – 2022. – Vol. 206. – Р. 112576. https://doi.org/10.1016/j.envres.2021.112576.

6. Adaptive machine learning strategies for network calibration of IoT smart air quality monitoring devices / S. De Vito et al // Pattern Recognition Letters. – 2020. – Vol. 136. – P. 264-271. https://doi.org/10.1016/j.patrec.2020.04.032.

7. Smart Air Quality Monitoring IoT-Based Infrastructure for Industrial Environments / L. García et al // Sensors. – 2022. – № 22. – Р. 9221. https://doi.org/10.3390/s22239221.

8. Ullo S.L. Advances in Smart Environment Monitoring Systems Using IoT and Sensors / S.L. Ullo, G.R. Sinha // Sensors. – 2020. – № 20. – Р. 3113. https://doi.org/10.3390/s20113113.

9. A deep learning approach for prediction of air quality index in smart city / А. Binbusayyis et al // Discov Sustain. – 2024. – № 5. – Р. 89. https://doi.org/10.1007/s43621-024-00272-9.

10. A Machine Learning Model for Air Quality Prediction for Smart Cities / U. Mahalingam et al // International Conference on Wireless Communications Signal Processing and Networking (WiSPNET), Chennai, India. – 2019. – Р. 452-457. https://doi.org/10.1109/WiSPNET45539.2019.9032734.

11. Indoor Air Quality Monitoring Systems for Enhanced Living Environments: A Review toward Sustainable Smart Cities / G. Marques et al // Sustainability. – 2020. – № 12. – Р. 4024. https://doi.org/10.3390/su12104024.

12. Myeong S. Integrating Data-Based Strategies and Advanced Technologies with Efficient Air Pollution Management in Smart Cities / S. Myeong, K. Shahzad // Sustainability. – 2021. – № 13. – Р. 7168. https://doi.org/10.3390/su13137168.

13. Integration of IoT-Enabled Technologies and Artificial Intelligence (AI) for Smart City Scenario: Recent Advancements and Future Trends / M.E.E. Alahi et al // Sensors. – 2023. – № 23. – Р. 5206. https://doi.org/10.3390/s23115206.

14. IoT-Enabled Smart Sustainable Cities: Challenges and Approaches / L. Belli et al // Smart Cities. – 2020. – № 3. – Р. 1039-1071. https://doi.org/10.3390/smartcities3030052.

15. Zeng F. Sensors on Internet of Things Systems for the Sustainable Development of Smart Cities: A Systematic Literature Review / F. Zeng, C. Pang, H. Tang // Sensors. – 2024. – № 24. – Р. 2074. https://doi.org/10.3390/s24072074.

16. Aldahiri A. Trends in Using IoT with Machine Learning in Health Prediction System / A. Aldahiri, B. Alrashed, W. Hussain // Forecasting. – 2021. – № 3. – Р. 181-206. https://doi.org/10.3390/forecast3010012.

17. Disease Diagnosis System for IoT-Based Wearable Body Sensors with Machine Learning Algorithm / J. Awotunde et al // Hybrid Artificial Intelligence and IoT in Healthcare. Intelligent Systems Reference Library. – vol. 209. Springer, Singapore. https://doi.org/10.1007/978-981-16-2972-3_10.

18. Alshamrani M. IoT and artificial intelligence implementations for remote healthcare monitoring systems: A survey / M. Alshamrani // Journal of King Saud University – Computer and Information Sciences. – 2022. – Vol. 34, Issue 8, Part A. – P. 4687-4701. https://doi.org/10.1016/j.jksuci.2021.06.005.

19. Alharbe N. IoT-enabled healthcare transformation leveraging deep learning for advanced patient monitoring and diagnosis / N.Alharbe, M. Almalki // Multimed Tools Appl. – 2025. – № 84. – Р. 21331-21344. https://doi.org/10.1007/s11042-024-19919-w.