Abstract
Зерттеу жұмысында әлеуметтік сипаттағы төтенше оқиғаларды анықтауға арналған CNN-BiLSTM моделін құру әдістемесі ұсынылды. Модельді оқыту үшін 10000 аудио деректерден жиналған дерекқор жасалды. Дерекқор әлеуметтік сипаттағы төтенше оқиғалардың сегіз классын қамтиды: жылау, айқай, жарылыс, қару-жарақ дыбысы, өрт, сирена, иттің үруі, терезенің сынуы. Аудиосигналдарға алдын-ала өңдеу жасалды. Аудиосигналдар бір өлшемге түрлендірілді. Әрі қарай бұл аудио сигналдардан хромаграмма, спектралдық контраст, MFCC, MFC, tonal centroid белгілері алынып, модельді оқыту үшін қолданылды. CNN-BiLSTM моделін оқыту үшін оңтайлы гиперпараметрлер таңдалды. Құрылған CNN-BiLSTM гибридті моделі тестіленіп, accuracy, precision, recall, F1-score метрикаларымен бағаланды. Алынған нәтиже бойынша нақтылығы ең жоғары класс жылау 95% дәлдікті, ал ең төменгі дәлдікті сирена классы 83% көрсетті. Ұсынылған CNN-BiLSTM гибридті моделі, халық көп шоғырланатын қоғамдық орындарда, инфрақұрылымдарда аудиосигналдарды негізінде әлеуметтік сипаттағы төтенше оқиғаларды сегіз класс бойынша анықтап, хабар беру үшін қолданылады. Ал ұсынылған дерекқор мен модельді оқыту әдістемесін, төтенше оқиғаларды анықтауға арналған терең оқыту модельдін құру үшін пайдалануға болады.