शास्त्रज्ञांच्या मते, रशिया आणि इतर अनेक देशांमध्ये, पूर्ण कचरा विल्हेवाट प्रणाली नाही. नैसर्गिक संसाधन आणि पारिस्थितिकी मंत्रालयाच्या मते, रशियन फेडरेशनमध्ये सुमारे 70 दशलक्ष टन घन कचरा बनले, जे लँडफिलमध्ये जमा होतात. त्यांचे क्षेत्र दरवर्षी 500 हजार हेक्टरने वाढते. ग्रीनपीसच्या म्हणण्यानुसार, संपूर्ण कचरा फक्त दोन टक्के कचरा जळत आहे आणि प्रक्रिया - सुमारे चार.
"आता ही समस्या परस्परसंवादी इंटरनेट कार्डे वापरून सोडविली गेली आहे. त्यांच्यावर अनधिकृत लँडफिलची जागा नियुक्त करू शकते. उपग्रह सेवांचा वापर करुन लोक जमिनीच्या पृष्ठभागावर स्वहस्ते आकडेवारी गोळा करू शकतात.
परंतु ही पद्धती खूप श्रमिक आहेत आणि तात्पुरती आणि आर्थिक संसाधने आवश्यक आहेत. याव्यतिरिक्त, डंप्स, त्यांच्या स्थितीवर नियंत्रण ठेवण्यासाठी आणि त्यांच्या स्थितीवर नियंत्रण ठेवण्यासाठी एक एकीकृत साधने नाहीत, "असे डेव्हलपमेंटचे" संगणकीय गणित, मेकॅनिक्स आणि बायोमेकॅनिक्स "पर्म पॉलिटेक वाडीम डेनुलीन यांनी म्हटले आहे.
अवैध लँडफिल्स अँटी फ्लाय-टिपिंगची देखरेख सेवा आपल्याला डायनॅमिक्समधील परिस्थिती त्वरित आणि अचूकपणे ट्रॅक करण्यास अनुमती देईल. कोणताही वापरकर्ता त्यांच्या मूळ स्तरावर दफन शोधण्यात सक्षम असेल, त्यांच्या वाढीचे अनुसरण करा आणि तरलताबद्दल जाणून घ्या. एक डिजिटल कार्ड आपल्याला एका विशिष्ट क्षेत्रातील डंपवर महत्वपूर्ण आकडेवारी गोळा करण्यास अनुमती देईल.
"न्यूरल नेटवर्क्स एकाचवेळी पृथ्वीच्या पृष्ठभागाच्या क्लासली वर्गाच्या प्रतिमा आणि आवश्यक वस्तू शोधतात. कृत्रिम बुद्धिमत्ता आपोआप लँडफिल ओळखते, त्याचे निर्देशांक निर्धारित करते आणि क्षेत्राचे मूल्यांकन करते. न्यूरल नेटवर्कची अचूकता 89 टक्के पोहोचते. अर्ज आणि दफन आकार कालांतराने कसे बदलते हे दर्शवेल. याव्यतिरिक्त, सेवा वापरणे, प्रदेश मालक, त्याचे कॅडस्ट्रल नंबर निर्धारित करणे आणि स्वयंचलितपणे एक खटला सादर करणे शक्य होईल, "विकासक स्पष्ट करते.
संशोधकानुसार, अर्ज राज्य संस्था आणि पर्यावरणीय संस्थांसाठी उपयुक्त ठरेल. ही सेवा क्षेत्रातील पर्यावरणीय परिस्थितीचे मूल्यांकन करण्यात मदत करेल आणि ऑपरेटरच्या ऑपरेटरच्या ऑपरेशनचे परीक्षण करण्यास मदत करेल. वेळेवर नवीन दफन ओळखण्यासाठी ते ऑपरेटरद्वारे देखील वापरले जाऊ शकतात.
अंतिम उत्पादन एक वेब अनुप्रयोग असेल जो जगभरातील डंपवरील आकडेवारीचा मागोवा घेण्यास मदत करेल. आता संशोधक सेवेची अचूकता सुधारण्यासाठी नवीन न्यूरल नेटवर्क मॉडेल विकसित करतात आणि शिकवतात.
स्त्रोत: नग्न विज्ञान