АУДИТ ЕКОЛОГІЧНОЇ БЕЗПЕКИ В УМОВАХ НАДЗВИЧАЙНИХ СИТУАЦІЙ НА ОСНОВІ ТЕХНОЛОГІЙ ШТУЧНОГО ІНТЕЛЕКТУ ТА ІНТЕРНЕТУ РЕЧЕЙ

Автор(и)

  • Олексій КОЗЛОВ Чорноморський національний університет імені Петра Могили https://orcid.org/0000-0003-2069-5578
  • Анна АЛЕКСЄЄВА Чорноморський національний університет імені Петра Могили https://orcid.org/0000-0003-0345-8538
  • Людмила ГРИГОР’ЄВА Чорноморський національний університет імені Петра Могили https://orcid.org/0000-0001-9452-2982
  • Альона БІЛОКОНЬ Регіональний акселераційний центр GCIP для інновацій, технологій та інноваційних стартапів у Миколаївській області https://orcid.org/0000-0003-1644-4397

DOI:

https://doi.org/10.32782/pcsd-2025-4-10

Ключові слова:

аудит екологічної безпеки, штучний інтелект, Інтернет речей, сценарії надзвичайних ситуацій, промисловий моніторинг, інтелектуальна підтримка рішень, інтегрована системна архітектура

Анотація

Забезпечення екологічної безпеки в умовах зростаючих антропогенних та природних загроз вимагає високонадійних цифрових систем, здатних виконувати неперервний моніторинг, швидку діагностику та своєчасне реагування на небезпечні відхилення. Інтеграція технологій штучного інтелекту (ШІ) та Інтернету речей (IoT) стає ключовим напрямком для посилення аналітичних можливостей та операційної ефективності аудиту екологічної безпеки, особливо в надзвичайних ситуаціях, коли обсяги даних, невизначеність та динаміка значно зростають. У даному дослідженні представлено систематичний огляд сучасних рішень ШІ та Інтернету речей, зосереджуючись на їх функціональних властивостях, обмеженнях та застосовності до оцінки екологічної безпеки на рівні підприємства. Особлива увага приділяється конкретним операційним вимогам та викликам, пов’язаним з надзвичайними умовами, де надійність, адаптивність та автоматизація механізмів прийняття рішень є критично важливими. На основі проведеного аналізу запропоновано узагальнену архітектуру інтегрованої системи аудиту екологічної безпеки. Архітектура включає розподілений сенсорний шар IoT для збору даних з високою роздільною здатністю, інтелектуальні модулі на основі ШІ для оцінки стану та виявлення аномалій, а також адаптивні режими роботи, що забезпечують стабільну функціональність системи під час переходів від нормального до надзвичайного стану. Запропонована система характеризується структурною гнучкістю, масштабованістю та застосовністю в різних промислових сферах, що дозволяє покращити ситуаційну обізнаність та точність оцінки екологічних ризиків. Отримані результати підтверджують ефективність поєднання штучного інтелекту та Інтернету речей для посилення технологічної стійкості та підвищення точності аудиту екологічної безпеки. Запропонована архітектура формує методологічну основу для подальших досліджень, спрямованих на розширення автономності системи, покращення прогностичних можливостей та підвищення стійкості у складних та швидкозмінних умовах ризику.

Посилання

Mazzi A. Environmental and safety risk assessment for sustainable circular production: Case study in plastic processing for fashion products. Heliyon, 2023. Vol. 9, Iss. 11, e21352. https://doi.org/10.1016/j.heliyon.2023.e21352

Hao Y. et al. The inducing factors of environmental emergencies: Do environmental decentralization and regional corruption matter? Journal of Environmental Management. 2022. Vol. 302, Part B, 114098. https://doi.org/10.1016/j.jenvman.2021.114098

Huang D., Wang S., Liu Z. A systematic review of prediction methods for emergency management. International Journal of Disaster Risk Reduction. 2021. Vol. 62, 102412. https://doi.org/10.1016/j.ijdrr.2021.102412

Olawade D. B. et al. Artificial intelligence in environmental monitoring: Advancements, challenges, and future directions. Hygiene and Environmental Health Advances. 2024. Vol. 12, 100114. https://doi.org/10.1016/j.heha.2024.100114

Chun Y. et al. Temperature control on wastewater and downstream nitrous oxide emissions in an urbanized river system. Water Research. 2020. Vol. 187, 116417. https://doi.org/10.1016/j.watres.2020.116417

Moretti A., Ivan H. L., Skvaril J. A review of the state-of-the-art wastewater quality characterization and measurement technologies. Is the shift to real-time monitoring nowadays feasible? Journal of Water Process Engineering. 2020. Vol. 60, 105061. https://doi.org/10.1016/j.jwpe.2024.105061

Wiese P. et al. A Multi-Modal IoT Node for Energy-Efficient Environmental Monitoring with Edge AI Processing. 2025. arXiv preprint, arXiv:2507.14165. https://doi.org/10.48550/arXiv.2507.14165

Miller T. et al. Integrating Artificial Intelligence Agents with the Internet of Things for Enhanced Environmental Monitoring: Applications in Water Quality and Climate Data. Electronics. 2025. Vol. 14, No. 4, 696. https://doi.org/10.3390/electronics14040696

Rahman M. M. et al. Enhancing IoT-Based Environmental Monitoring and Power Forecasting: A Comparative Analysis of AI Models for Real-Time Applications. Applied Sciences. 2024. Vol. 14, No. 24, 11970. https://doi.org/10.3390/app142411970

Yavari A. et al. ArtEMon: Artificial Intelligence and Internet of Things Powered Greenhouse Gas Sensing for Real-Time Emissions Monitoring. Sensors. 2023. Vol. 23, No. 18, 7971. https://doi.org/10.3390/s23187971

Bajwa A. AI-based Emergency Response Systems: A Systematic Literature Review on Smart Infrastructure Safety. American Journal of Advanced Technology and Engineering Solutions. 2025. Vol. 1, Iss. 1, pp. 174-200. http://dx.doi.org/10.2139/ssrn.5171521

Alotaibi E., Nassif N. Artificial intelligence in environmental monitoring: in-depth analysis. Discover Artificial Intelligence. 2024. 4, 84. https://doi.org/10.1007/s44163-024-00198-1

Argyroudis S. A., et al. Digital technologies can enhance climate resilience of critical infrastructure. Climate Risk Management. 2022. Vol. 35, 100387. https://doi.org/10.1016/j.crm.2021.100387

Haeri Boroujeni S. P., et al. A comprehensive survey of research towards AI-enabled unmanned aerial systems in pre-, active-, and post-wildfire management. 2024. arXiv preprint, arXiv:2401.02456. https://doi.org/10.48550/arXiv.2401.02456

Congxiang L., Kozlov O., Kondratenko G., Aleksieieva A. Decision support system for maintenance planning of vortex electrostatic precipitators based on IoT and AI techniques, In: Yuriy P. Kondratenko, Anatolii I. Shevchenko (Eds.) “Research Tendencies and Prospect Domains for AI Development and Implementation”, River Publishers, New York, USA, 2024. pp. 87–108. https://ieeexplore.ieee.org/document/10631858

Zheng Y., Wang J., Aleksieieva A., Shynder A. Kondratenko Y. Adaptive Control of Pyrolysis Reactor’s Temperature Modes Based on Fuzzy Logic and Metaheuristic Optimization. Proceedings of the Bulgarian Academy of Sciences. 2025. Vol. 78, no 6, pp. 884–893. https://doi.org/10.7546/CRABS.2025.06.11

Taneja H. et al. Monitoring and Mitigating Climate-Induced Natural Disasters with Cloud IoT. Journal of Climate Change. 2024. Vol. 10, No. 1, pp. 61-66.https://doi.org/10.3233/JCC240008

Maksimov M., et al. Design of Fault-tolerant Structures for Underwater Sensor Networks based on Markov Chains. Journal of Automation, Mobile Robotics and Intelligent Systems. 2025. 19(1), pp. 49-64. https://doi.org/10.14313/jamris-2025-006

Fan K., et al. Harnessing the power of AI and IoT for real-time CO₂ emission monitoring. 2024. Heliyon, 10(1), e36612. https://doi.org/10.1016/j.heliyon.2024.e36612

Popescu S. M., et al. Artificial intelligence and IoT driven technologies for environmental pollution monitoring and management. Frontiers in Environmental Science. 2024. 12, 1336088. https://doi.org/10.3389/fenvs.2024.1336088

Kozlov O., Kondratenko Y., Skakodub O. Intelligent IoT-based Control System of the UAV for Meteorological Measurements. Journal of Mobile Multimedia. 2024. Vol. 20, Is. 3, pp. 555-596. https://doi.org/10.13052/jmm1550-4646.2032

##submission.downloads##

Опубліковано

2025-12-30

Як цитувати

КОЗЛОВ, О., АЛЕКСЄЄВА, А., ГРИГОР’ЄВА, Л., & БІЛОКОНЬ, А. (2025). АУДИТ ЕКОЛОГІЧНОЇ БЕЗПЕКИ В УМОВАХ НАДЗВИЧАЙНИХ СИТУАЦІЙ НА ОСНОВІ ТЕХНОЛОГІЙ ШТУЧНОГО ІНТЕЛЕКТУ ТА ІНТЕРНЕТУ РЕЧЕЙ. Проблеми хімії та сталого розвитку, (4), 79–89. https://doi.org/10.32782/pcsd-2025-4-10