Нефть в воде, шины в асфальте и ИИ против крена

Завершился ежегодный конкурс научно-исследовательских работ студентов и магистрантов строительного института КузГТУ. В финал вышли четыре проекта. Каждая работа решает конкретную проблему: городской транспорт, качество питьевой воды, дорожное покрытие и безопасность зданий. Победители получили дипломы и денежные призы.

Конкурс проходил в два этапа. Сначала комиссия отбирала заявки – смотрели на практическую ценность, оригинальность и научную новизну, публикации в научных изданиях. Финалисты представляли работы лично: защищали перед жюри, отвечали на вопросы.

В состав конкурсной комиссии вошли: директор строительного института, председатель комиссии Андрей Покатилов, заведующий кафедрой автомобильных дорог и городского кадастра Сергей Иванов, заведующая кафедрой истории, философии и социальных наук Олеся Аксенова, ответственная за НИРС кафедры строительных конструкций, водоснабжения и водоотведения и НИРС строительного института Ирина Зайцева, ответственный за НИРС кафедры автомобильных дорог и городского кадастра Юрий Кабанов, и ответственная за НИР института Татьяна Шумкина.

Как сэкономить 25 миллионов рублей на городском транспорте

Среди магистрантов 1 место занял Егор Слонов, цель его работы – повысить эффективность работы транспортной системы города. Он проанализировал трамвайные маршруты, пассажиропотоки с учётом временной неравномерности, выявил дублирующие автобусные маршруты (№ 23, 40, 156, 163э, 179э), которые в наибольшей степени совпадают с путём самого загруженного трамвая города – №10.

Егор рассчитал коэффициенты дублирования и определил, что три из пяти маршрутов являются избыточными. Однако единовременная отмена всех дублирующих маршрутов приведёт к перегрузке трамвая в часы пик, поэтому предлагается поэтапное решение – в первую очередь отменить 23‑й автобусный маршрут, который почти полностью дублирует трамвай. Экономический эффект от такой оптимизации оценивается примерно в 25 млн рублей в год за счёт экономии топлива.

Неожиданная находка в пробе воды

Среди бакалавров победительницей стала студентка 4 курса Анастасия Варсобина. Студентка задалась вопросом: как можно повысить качество водопроводной воды в жилых зданиях Крапивинского округа.

Наличие водопровода не гарантирует, что вода, которая поступает жителям, соответствует всем нормам. Проблема приобретает особую значимость в сельской местности, где системы водоснабжения зачастую характеризуется высокой степенью износа, отсутствием современных очистных сооружений, а также нерегулярностью производственного контроля, – отметила студентка.

Анастасия провела опрос серди 85 жителей Крапивинского округа, который показал, что треть респондентов использует водопроводную воду для питья. При этом каждого второго не устраивает её качество.

Кроме того, студентка взяла шесть образцов воды из разных источников, которые используют местные жители: централизованное водоснабжение в нескольких населённых пунктах, бутилированная вода, вода из родников.

Лабораторный анализ проводился по основным показателям СанПиН: запах, привкус, цветность, мутность, содержание железа, нефтепродуктов и других веществ.

Результаты показали, что пять из шести образцов соответствуют нормативным требованиям и пригодны для питья. Однако в пробе воды из села Барачаты выявлены критические нарушения: зафиксировано превышение по запаху, привкусу, цветности, мутности и содержанию железа, а самое серьёзное – обнаружены нефтепродукты в концентрации, превышающей допустимую в 120 раз. Такая вода опасна для здоровья, её нельзя употреблять даже после кипячения. Причина – скважина расположена рядом с АЗС, а трубы изношены.

Анастасия предложила конкретные меры:

• сейчас – угольный фильтр на скважину
• в перспективе – новая скважина в безопасном месте, замена труб на полиэтиленовые, UV-лампы на родниках
• для людей – льготные сертификаты на фильтры для пенсионеров, многодетных семей и людей с инвалидностью
• для контроля – программа мониторинга воды с публикацией результатов на сайте администрации

Асфальт из старых шин

2 место занял студент второго курса Илья Гуркин. Цель работы – улучшить качество дорожного покрытия, добавляя в битум переработанную резиновую крошку из старых шин. Это решает сразу две задачи: делает асфальт более эластичным и долговечным, а заодно помогает утилизировать отходы. Однако для такого процесса нужна строго определённая температура – не ниже 210 °C, иначе крошка плохо смешивается с битумом.

В ходе экспериментов выяснилось, что стандартное лабораторное оборудование не может разогреть смесь до нужной температуры – первые попытки «застревали» на 160–175 °C. Тогда Илья заменил нагревательный элемент на более мощный и уменьшил количество материалов в замесе – это позволило достичь необходимых 210–220 °C и полностью растворить крошку в битуме.

Полученные образцы он проверил по стандартным методикам: на растяжение, вязкость и температуру размягчения. Результаты показали, что технология работает, но некоторые показатели ещё можно улучшить, поэтому автор планирует продолжить исследования и подобрать более точную рецептуру.

Более прочный и эластичный асфальт дольше сохраняет покрытие на дорогах Кузбасса, а использование переработанных шин снижает нагрузку на свалки. В будущем разработка может быть внедрена в дорожное строительство Кузбасса, - подчеркнул Илья.

Может ли ИИ увидеть, когда случится крен?

3 место заняла Ольга Беличенко. Студентка второго курса применила AI для прогнозирования деформаций сооружений.

Любое крупное здание со временем оседает. Это нормально – если равномерно. Опасно, когда одна часть оседает больше другой: тогда возникает крен.

Традиционные методы хорошо работают, пока процесс идёт плавно и предсказуемо. Но в реальности осадка грунта часто происходит неравномерно: она то ускоряется, то замедляется, иногда случаются скачки. Линейные методы зачастую этого не видят – они просто проводят прямую линию и не замечают резких изменений, – отметила Ольга.

Студентка решила проверить, сможет ли искусственный интеллект предсказать деформации точнее, чем классические подходы. Для этого Ольга взяла 27-летние данные наблюдений за главным корпусом Кемеровской ГРЭС (1997–2024, 118 контрольных точек) и протестировала три подхода: алгоритм градиентного бустинга на Python, ChatGPT и DeepSeek

Так, для одной из марок фактическая осадка в 2024 году составила 2,9 мм. Модель DeepSeek предсказала 3,1 мм, градиентный бустинг – 2,4 мм, а ChatGPT дал результат, очень далекий от реальности. В среднем DeepSeek ошибался всего на 0,3–0,5 мм – это сопоставимо с точностью самих измерительных приборов. Градиентный бустинг ошибался почти в 5 раз сильнее, а ChatGPT – почти в 8 раз.

Однако исследование выявило и важный нюанс: на некоторых точках все модели выдавали большие отклонения. При анализе выяснилось, что это связано не с недостатками алгоритмов, а с ошибками в исходных данных – например, в одном случае рост осадки оказался артефактом неверных полевых измерений. Этот факт Ольга превратила в преимущество: если модель постоянно ошибается на какой-то контрольной точке, это повод проверить, всё ли в порядке с измерениями в этой зоне.

По итогам конкурса победители и призёры конкурса получили дипломы и денежные вознаграждения. Поздравляем студентов и желаем дальнейших успехов!