Abstract
Мақалада IoT-сенсорлары (SENSOR – Mine 4GN моделі) арқылы жерасты өндірістік кеңістіктерде көміртек оксиді (CO) концентра- циясын бақылау үшін машиналық оқыту (ML) алгоритмдерінің салыстырмалы талдауы ұсынылған. Сызықтық регрессия әдістері, ансамбльдік модельдер, мысалы, Random Forest және XGBoost, Тірек векторлар әдісі (SVM), сондай-ақ рекурренттік нейрондық желі LSTM әдістері қарастырылды. LSTM болжам жасауда ең жоғары дәлдікке қол жеткізетіндігі және CO-ның аномальды шығарындыларын белгілеуде кідірістерді азайтатыны көрсетілген. Ұсынылған әдістеме бастапқы деректерді сүзу, ескерту сигналдарын тексеру ережелері және ML арқылы болжам жасауды біріктіреді, бұл мониторинг жүйесінің сенімділігін арттырады және жалған сигналдарды азайтады. Зерттеу нәтижелері IoT-сенсорларды интел- лектуалды өңдеумен біріктіру арқылы шахталар мен жерасты құрылыстарында қауіпсіздікті қамтамасыз етудің тиімділігін растайды.