Исследователи Университета Малайзии в Сараваке (UNIMAS) разработали платформу GeMAS для оценки оползневой опасности вдоль горных автомобильных дорог. Система объединяет геотехнические изыскания, спутниковые данные и искусственную нейронную сеть. При испытаниях на независимой тестовой выборке разработчики получили точность классификации 99,3%.
Платформа создавалась для дорожного коридора SSLR2 протяжённостью около 335 км, проходящего по горной территории северного Саравака. Устойчивость склонов здесь зависит от сочетания крутизны рельефа, интенсивности осадков, геологического строения, свойств грунтов и воздействия строительных работ.
В модели используются 15 факторов, характеризующих условия развития оползней. Среди них угол наклона и экспозиция склонов, высотные отметки, кривизна рельефа, топографический индекс влажности, литология, тип грунта, осадки, растительный индекс NDVI и расстояния до дорог, рек и тектонических нарушений.
В состав исходных данных также включены результаты геотехнических исследований, в том числе электротомографии ERT и стандартных пенетрационных испытаний SPT. Эти методы позволяют дополнить дистанционные наблюдения сведениями о строении и свойствах грунтового массива.
Вычислительная часть GeMAS построена на искусственной нейронной сети с тремя скрытыми слоями, содержащими 64, 32 и 16 нейронов. Модель формирует индекс восприимчивости территории к оползневым процессам в диапазоне от 0 до 1, после чего участки распределяются по пяти категориям опасности.
Для обучения и проверки использовали 709 наблюдений. Из них 567 вошли в обучающую выборку, а 142 — в тестовую. По данным разработчиков, точность модели составила 99,3%, полнота обнаружения положительных случаев — 97,5%, точность положительных прогнозов — 100%, F1-мера — 98,7%, а площадь под ROC-кривой — 1,000.
Анализ чувствительности показал, что наибольшее влияние на результат классификации оказывают крутизна склонов, количество осадков и гранулометрические характеристики грунтов.
Разработчики предусматривают обновление оценки оползневой опасности с периодичностью восемь дней по мере поступления новых данных о состоянии территории и строительных воздействиях. Это должно позволить учитывать изменение условий при разработке выемок, устройстве насыпей, удалении растительности и изменении водоотвода.
При этом представленные показатели характеризуют качество классификации на сформированной тестовой выборке. Данных о результатах длительной эксплуатации платформы, точности прогнозирования времени возникновения оползней и независимой проверке на других дорожных объектах пока не приведено.
В октябре 2026 года проект GeMAS получил награду в категории исследований и разработок на Digital Economy Awards 2026.